So entsteht Ihre Artificial Intelligence Lösung

Jedes Projekt folgt einem klaren Ablauf mit definierten Meilensteinen. Hier zeigen wir Ihnen, was in jeder Phase passiert und wie lange sie dauert.

Der Projektablauf in sechs Schritten

Die Gesamtdauer hängt von der Komplexität des Anwendungsfalls und der Datenqualität ab. Ein typisches Erstprojekt dauert zwischen zehn und achtzehn Wochen. Hier der Ablauf im Einzelnen:

1

Erstgespräch und Problemdefinition

Dauer: 1 Woche

In einem einstündigen Videocall oder Treffen in unserem Büro an der Uraniastrasse besprechen wir Ihr Geschäftsproblem. Wir stellen gezielte Fragen: Welche Daten haben Sie? Wo liegen sie? Wer trifft heute die Entscheidungen, die das Modell unterstützen soll? Am Ende dieses Gesprächs wissen beide Seiten, ob ein Artificial Intelligence Ansatz sinnvoll ist.

Falls ja, erhalten Sie innerhalb von fünf Arbeitstagen ein Kurzangebot mit Umfang, Zeitplan und Kosten.

2

Datenanalyse und Machbarkeitsprüfung

Dauer: 2–3 Wochen

Wir erhalten Zugang zu Ihren Daten, entweder über eine sichere Verbindung oder als anonymisierten Export. Unsere Dateningenieure prüfen Volumen, Vollständigkeit, Konsistenz und Verteilung. Parallel erstellen wir ein erstes Baseline-Modell, um abzuschätzen, welche Genauigkeit realistisch erreichbar ist.

Das Ergebnis ist ein Machbarkeitsbericht: Er enthält eine Beschreibung der Datenqualität, die Baseline-Metriken und eine Empfehlung, ob und wie das Projekt weitergeführt werden sollte. Wenn die Daten nicht ausreichen, sagen wir das offen und schlagen vor, welche zusätzlichen Datenquellen helfen würden.

3

Feature Engineering und Modellentwicklung

Dauer: 4–6 Wochen

Hier beginnt die eigentliche Modellarbeit. Wir transformieren Rohdaten in aussagekräftige Features, testen verschiedene Algorithmen und optimieren Hyperparameter. Jedes Experiment wird in MLflow protokolliert, sodass Sie jederzeit nachvollziehen können, welche Konfiguration zu welchem Ergebnis geführt hat.

Wöchentlich erhalten Sie einen kurzen Statusbericht per E-Mail mit den wichtigsten Metriken. Alle zwei Wochen findet ein halbstündiges Review statt, in dem wir Zwischenergebnisse zeigen und Feedback einholen. Dieses Feedback fliesst direkt in die nächste Iteration ein.

4

Validierung und Abnahme

Dauer: 1–2 Wochen

Das fertige Modell testen wir auf einem gehaltenen Datensatz, den wir zu Beginn des Projekts separiert haben. Wir messen Genauigkeit, Präzision, Recall und bei Regressionsproblemen den mittleren absoluten Fehler. Die Ergebnisse vergleichen wir mit den im Machbarkeitsbericht definierten Zielwerten.

Wenn das Modell die Kriterien erfüllt, erstellen wir den Modellbericht und präsentieren die Ergebnisse Ihrem Team. Erfüllt es sie nicht, besprechen wir die Optionen: zusätzliche Daten, andere Modellarchitektur oder eine Anpassung der Zielwerte.

5

Deployment und Integration

Dauer: 2–3 Wochen

Das validierte Modell verpacken wir in einen Docker-Container und deployen es auf Ihrer Infrastruktur. Wir richten eine REST-API ein, über die Ihre Anwendungen Vorhersagen abrufen können, oder integrieren das Modell als Batch-Job in Ihre bestehende Datenpipeline.

Gleichzeitig installieren wir ein Monitoring-Dashboard, das Vorhersageverteilungen, Antwortzeiten und Feature-Drift überwacht. Ihr IT-Team erhält eine Dokumentation mit Architekturdiagramm, API-Spezifikation und Runbook für den Betrieb.

6

Betrieb und kontinuierliche Verbesserung

Laufend

Nach dem Go-Live überwachen wir das Modell in den ersten vier Wochen intensiv. Danach können Sie den Betrieb selbst übernehmen oder einen Wartungsvertrag mit uns abschliessen. Im Wartungsvertrag enthalten sind monatliche Performance-Reviews, automatisches Retraining bei Drift und ein Kontingent von acht Stunden für Anpassungen pro Monat.

Viele unserer Kunden nutzen diese Phase auch, um den nächsten Anwendungsfall zu starten. Da die Datenpipelines bereits stehen, geht das zweite Projekt oft deutlich schneller.

Ein konkretes Beispiel

Ein mittelgrosser Schweizer Online-Händler kam im September 2023 zu uns mit dem Problem, dass seine Retourenquote bei 28 % lag. Die Retouren verursachten jährlich Kosten von rund 1,2 Millionen Franken.

In der Datenanalyse stellten wir fest, dass die Retourenwahrscheinlichkeit stark mit der Produktkategorie, der Anzahl bestellter Grössen und dem Bestellzeitpunkt korrelierte. Innerhalb von zwölf Wochen entwickelten wir ein Klassifikationsmodell, das bei jeder Bestellung die Retourenwahrscheinlichkeit vorhersagt.

Der Händler nutzt diese Vorhersage, um bei Bestellungen mit hoher Retourenwahrscheinlichkeit gezielt Grössenberatung anzuzeigen. Seit Februar 2024 ist die Retourenquote auf 21 % gesunken. Das entspricht einer jährlichen Ersparnis von rund 300'000 Franken.

Lager eines Online-Händlers mit Paketen auf Förderband

Häufige Fragen zum Ablauf

Wie viel kostet ein typisches Projekt?
Die Kosten hängen vom Umfang ab. Ein Beratungsworkshop mit Machbarkeitsprüfung kostet zwischen 8'000 und 15'000 Franken. Ein vollständiges Projekt von der Analyse bis zum Deployment liegt typischerweise zwischen 60'000 und 180'000 Franken. Wir arbeiten mit Festpreisen pro Phase, damit Sie die Kosten im Voraus kennen.
Brauchen wir ein eigenes Data-Science-Team?
Nein. Wir übernehmen die gesamte Entwicklung und können auch den Betrieb langfristig sicherstellen. Allerdings empfehlen wir, dass mindestens eine Person in Ihrem Unternehmen die Ergebnisse des Modells interpretieren und als Ansprechperson für fachliche Fragen dienen kann.
Welche Datenmengen sind nötig?
Das variiert stark je nach Problemstellung. Für tabellarische Klassifikation reichen oft einige tausend Datensätze. Bilderkennungsmodelle benötigen typischerweise mehrere zehntausend gelabelte Bilder, wobei wir mit Transfer Learning die benötigte Menge deutlich reduzieren können. In der Machbarkeitsprüfung klären wir, ob Ihre Datenbasis ausreicht.
Können wir das Projekt abbrechen, wenn die Machbarkeitsprüfung negativ ausfällt?
Ja. Die Machbarkeitsprüfung ist eine eigenständige Phase mit eigenem Preis. Wenn sie zeigt, dass ein KI-Ansatz nicht sinnvoll ist, endet das Projekt dort. Sie zahlen nur für die geleistete Arbeit und erhalten den Analysebericht als verwertbares Ergebnis.
Arbeiten Sie auch mit Unternehmen ausserhalb der Schweiz?
Grundsätzlich ja. Unser Fokus liegt auf dem DACH-Raum. Für Projekte mit Kunden in Deutschland und Österreich arbeiten wir remote, mit regelmässigen Vor-Ort-Besuchen nach Vereinbarung. Die Vertragssprache ist Deutsch oder Englisch.

Haben Sie weitere Fragen? Schreiben Sie uns oder rufen Sie an unter +41 44 493 54 18.