Häufig gestellte Fragen zu Artificial Intelligence
Hier beantworten wir die Fragen, die uns Interessenten und Kunden am häufigsten stellen. Falls Ihre Frage nicht dabei ist, schreiben Sie uns direkt.
Fragen zu Projekten und Ablauf
Von der ersten Kontaktaufnahme bis zum laufenden Betrieb: Was Sie wissen sollten, bevor wir starten.
Unsere Prototypen beginnen bei CHF 4 800. Das umfasst eine Datenanalyse, ein trainiertes Modell und ein einfaches Dashboard, mit dem Sie die Ergebnisse prüfen können. Produktive Implementierungen, also Modelle, die in Ihre bestehende IT-Landschaft integriert werden, kosten zwischen CHF 15 000 und CHF 80 000. Der grösste Kostentreiber ist nicht das Modell selbst, sondern die Datenaufbereitung und die Integration in ERP- oder CRM-Systeme. Wir erstellen nach dem Erstgespräch eine verbindliche Offerte mit Fixpreis, sofern der Projektumfang klar definiert ist.
Prototypen liefern wir in zwei Wochen. Das ist bewusst kurz gehalten, damit Sie schnell sehen, ob der Ansatz funktioniert, bevor Sie ein grösseres Budget freigeben. Eine vollständige Implementierung mit Tests, Dokumentation und Schulung Ihres Teams dauert sechs bis zwölf Wochen. Projekte mit umfangreicher Datenbereinigung oder mehreren Systemanbindungen können auch 16 Wochen beanspruchen. Den Zeitplan legen wir gemeinsam im Kick-off fest.
Nicht unbedingt. Für klassische Vorhersagemodelle (z. B. Absatzprognosen) reichen oft schon 2 000 bis 5 000 historische Datenpunkte, wenn die Datenqualität stimmt. Bei Sprachmodellen, die wir für Dokumentenklassifikation oder Chatbots einsetzen, verwenden wir vortrainierte Modelle und passen sie mit Ihren spezifischen Beispielen an. Dafür genügen manchmal 200 bis 500 annotierte Texte. Wir prüfen im Erstgespräch, ob Ihre Datenlage für den gewünschten Anwendungsfall ausreicht, und sagen Ihnen ehrlich, wenn sie es nicht tut.
Unsere Modelle trainieren wir mit Python, PyTorch und scikit-learn. Für Sprachmodell-Anwendungen nutzen wir die APIs von OpenAI, Anthropic oder lokal gehostete Open-Source-Modelle wie Llama und Mistral, je nach Datenschutzanforderung. Dashboards bauen wir in Streamlit oder Grafana. Die Infrastruktur läuft auf Schweizer Cloud-Anbietern (Exoscale, Infomaniak) oder bei Ihnen on-premise, falls Ihre Compliance-Richtlinien das verlangen.
Standardmässig arbeiten wir mit Rechenzentren in der Schweiz. Ihre Daten verlassen die Schweiz nicht, es sei denn, Sie stimmen dem ausdrücklich zu. Für Projekte mit besonders sensiblen Daten (Gesundheitswesen, Finanzbranche) richten wir dedizierte Umgebungen ein, die nach dem Projekt vollständig gelöscht werden. Wir unterzeichnen vor Projektbeginn eine Vertraulichkeitsvereinbarung und, falls gewünscht, einen Auftragsverarbeitungsvertrag gemäss DSG.
Ja, genau dafür ist der Prototyp gedacht. Sie erhalten nach zwei Wochen ein funktionierendes Modell mit echten Ergebnissen auf Ihren Daten. Danach entscheiden Sie, ob es weitergeht. Es gibt keinen Vertrag, der Sie zur Fortsetzung verpflichtet. Etwa 70 % unserer Prototypen münden in ein Folgeprojekt. Die restlichen 30 % scheitern meist daran, dass die Datenqualität nicht ausreicht oder der Business Case nach genauerer Betrachtung zu dünn ist. Auch das ist ein wertvolles Ergebnis.
Ja. Nach der Implementierung bieten wir Wartungsverträge an, die das Monitoring der Modellleistung, Nachtraining bei veränderten Daten und technischen Support umfassen. Die monatlichen Kosten liegen je nach Umfang zwischen CHF 800 und CHF 3 500. Viele Kunden buchen in den ersten sechs Monaten den Support und übernehmen danach das Monitoring selbst, weil wir ihr Team im Rahmen des Projekts geschult haben.
Nein. Wir arbeiten regelmässig mit Teams, die keine Programmierkenntnisse haben. Die Dashboards und Tools, die wir liefern, sind so gebaut, dass sie ohne Kommandozeile bedienbar sind. Wenn Ihr Team eigene Anpassungen vornehmen will, bieten wir Schulungen an, die je nach Vorkenntnissen einen halben bis zwei Tage dauern. Für technischere Teams stellen wir Jupyter-Notebooks und API-Dokumentation bereit.
Kleines KI-Glossar
Begriffe, die in unseren Gesprächen häufig auftauchen, kurz erklärt.
Machine Learning
Ein Teilgebiet der Informatik, bei dem Algorithmen aus Daten lernen, anstatt explizit programmiert zu werden. Beispiel: Ein Modell erkennt anhand vergangener Bestellungen, welche Kunden wahrscheinlich abwandern.
Large Language Model (LLM)
Ein Sprachmodell mit Milliarden von Parametern, das Texte verstehen und generieren kann. GPT-4, Claude und Llama sind bekannte Vertreter. Wir nutzen sie für Chatbots, Zusammenfassungen und Dokumentenanalyse.
Fine-Tuning
Die Anpassung eines vortrainierten Modells an einen spezifischen Datensatz. Statt ein Modell von Grund auf zu trainieren, passen wir ein bestehendes Modell mit Ihren Daten an. Das spart Rechenzeit und Kosten.
Prompt Engineering
Die Kunst, Anweisungen an ein Sprachmodell so zu formulieren, dass es nützliche Antworten liefert. Klingt simpel, macht in der Praxis aber den Unterschied zwischen brauchbaren und unbrauchbaren Ergebnissen.
On-premise
Bedeutet, dass Software und Daten auf Ihren eigenen Servern laufen, nicht in einer externen Cloud. Für Unternehmen mit strengen Datenschutzanforderungen ist das oft die bevorzugte Variante.
API
Eine Programmierschnittstelle, über die zwei Softwaresysteme miteinander kommunizieren. Wenn wir ein KI-Modell in Ihr bestehendes CRM integrieren, geschieht das über eine API.
Noch Fragen offen?
Schreiben Sie uns, und wir vereinbaren ein kostenloses Erstgespräch von 30 Minuten. Keine Verpflichtung, kein Verkaufsdruck.
Kontakt aufnehmen