Logistik / Nordwestschweiz
Nachfrageprognose für 1 200 Artikelpositionen. Training auf drei Jahren Verkaufsdaten plus Wetter- und Feiertagskalender.
Lagerkosten −18 %, Liefertreue +4 Prozentpunkte
0
abgeschlossene Projekte
0
Branchen abgedeckt
0
% Modellgenauigkeit (Median)
0
Wochen bis zum Prototyp
Wie ein Projekt bei uns abläuft
01 — Datencheck
Wir schauen uns Ihre vorhandenen Datenquellen an: ERP-Exporte, CRM-Tabellen, Sensordaten, PDFs. Innerhalb von fünf Arbeitstagen erhalten Sie eine ehrliche Einschätzung, ob ein KI-Modell auf Ihrer Datenbasis sinnvoll ist. Falls nicht, sagen wir das.
02 — Prototyp
In vier bis sechs Wochen bauen wir ein funktionierendes Modell. Das ist kein Mockup, sondern ein System, das auf echten Daten Vorhersagen trifft. Sie testen es mit Ihrem Team und geben Rückmeldung.
03 — Validierung
Wir messen die Modellgüte an Ihren KPIs. Wenn das Modell eine Fehlerquote unter dem vereinbarten Schwellenwert erreicht, gehen wir weiter. Sonst iterieren wir: andere Features, andere Architektur, mehr Daten.
04 — Integration
Das Modell wird in Ihre bestehende IT-Landschaft eingebettet. Per REST-API, als Container auf Ihrer Cloud oder direkt im ERP-System. Wir dokumentieren alles, schulen Ihr Team und übergeben den Code.
05 — Betrieb und Monitoring
Modelle veralten. Deshalb überwachen wir die Vorhersagequalität laufend und trainieren bei Bedarf nach. Optional als Wartungsvertrag mit monatlichem Reporting.
Anwendungsfelder
Jede Branche hat andere Daten und andere Fragen. Hier sind vier Bereiche, in denen wir regelmässig arbeiten.
Nachfrage, Ausfälle, Preise vorhersagen
Wir trainieren Zeitreihenmodelle, die Absatzmengen, Maschinenausfälle oder Rohstoffpreise bis zu 90 Tage im Voraus schätzen. Die Modelle berücksichtigen saisonale Muster, Wetterdaten und externe Indikatoren. Ein Logistikunternehmen in der Region Basel konnte damit seinen Lagerbestand um 18 % senken, ohne Lieferverzögerungen zu riskieren.
Dokumente lesen, Tickets sortieren, Verträge prüfen
Unsere NLP-Pipelines extrahieren Informationen aus deutschsprachigen Geschäftsdokumenten: Rechnungen, Reklamationen, Vertragsklauseln. Für eine Versicherung in Zürich haben wir ein Modell gebaut, das Schadensmeldungen automatisch der richtigen Abteilung zuweist. Die Bearbeitungszeit pro Fall sank von 45 auf 12 Minuten.
Qualitätskontrolle, Objekterkennung, Vermessung
Computer Vision erkennt Fehler auf Produktionsteilen schneller als das menschliche Auge. Wir setzen Convolutional Neural Networks ein, die auf Ihren eigenen Bilddaten trainiert werden. Ein Pharmahersteller nutzt unser System, um Verpackungsfehler in Echtzeit zu erkennen: 0,3 % Fehlerquote statt vorher 2,1 %.
Wiederkehrende Aufgaben eliminieren
Manche Prozesse brauchen keinen kreativen Kopf, sondern Regeln und Daten. Wir verbinden KI-Modelle mit RPA-Tools, damit Bestellungen automatisch geprüft, Rechnungen kontiert und Berichte generiert werden. Ein Handelsunternehmen spart damit 22 Arbeitsstunden pro Woche in der Buchhaltung.
Messbare Ergebnisse aus realen Projekten
Versicherung / Zürich
Automatische Klassifikation eingehender Schadensmeldungen (E-Mail und PDF) in 14 Kategorien. Fine-tuning eines Sprachmodells auf 8 000 historischen Fällen.
Bearbeitungszeit pro Fall von 45 auf 12 Minuten
Pharma / Basel
Visuelle Inspektion von Blisterverpackungen auf einer Hochgeschwindigkeitslinie. Erkennung von fehlenden Tabletten und Druckfehlern.
Fehlerquote 0,3 % statt 2,1 %
Häufig gestellte Fragen
Wie viele Daten brauchen wir mindestens?
Das hängt vom Problem ab. Für tabellarische Prognosen reichen oft einige tausend Datensätze. Bildmodelle brauchen typischerweise 500 bis 2 000 gelabelte Bilder pro Klasse. Beim Datencheck klären wir das konkret für Ihren Fall.
Bleiben unsere Daten in der Schweiz?
Ja. Wir arbeiten auf Schweizer Cloud-Infrastruktur oder direkt auf Ihren Servern. Kein Datentransfer ins Ausland, keine Drittanbieter-APIs, die Ihre Daten speichern.
Was kostet ein typisches Projekt?
Der Datencheck kostet pauschal CHF 2 800. Ein Prototyp liegt je nach Komplexität zwischen CHF 15 000 und CHF 45 000. Integration und Wartung rechnen wir separat ab. Wir nennen Ihnen nach dem Datencheck einen verbindlichen Festpreis für den Prototyp.
Können wir das Modell später selbst weiterentwickeln?
Selbstverständlich. Sie erhalten den vollständigen Quellcode, die Trainingspipeline und die Dokumentation. Wir verwenden Open-Source-Frameworks wie PyTorch und scikit-learn, damit Sie nicht an proprietäre Tools gebunden sind.
Wie lange dauert es, bis wir Ergebnisse sehen?
Nach dem Datencheck (fünf Arbeitstage) starten wir den Prototyp. In vier bis sechs Wochen haben Sie ein funktionierendes Modell, das Sie testen können. Die vollständige Integration dauert je nach IT-Umgebung weitere zwei bis vier Wochen.
Lassen Sie uns über Ihr Projekt sprechen
580 Honiggasse, 4051 Basel, Basel-Stadt, Switzerland
Wir antworten in der Regel innerhalb eines Arbeitstages. Wenn Sie bereits Datenbeispiele haben, hängen Sie diese gerne an.