Artificial Intelligence Leistungen im Detail

Jedes Projekt bei Ai True Vision folgt einem klaren Ablauf. Hier sehen Sie, was jede Phase beinhaltet und was Sie dafür investieren.

Unsere Leistungsbereiche

KI-Strategieberatung

Bevor eine Zeile Code geschrieben wird, klären wir gemeinsam, welche Geschäftsprobleme sich mit maschinellem Lernen sinnvoll lösen lassen. In einem zweitägigen Workshop analysieren wir Ihre Prozesse, Datenquellen und IT-Infrastruktur. Am Ende steht eine priorisierte Liste von Anwendungsfällen mit einer groben Aufwandsschätzung und einem erwarteten ROI für jeden einzelnen.

  • Prozessanalyse und Datenlandschafts-Audit
  • Identifikation von zwei bis fünf KI-Anwendungsfällen
  • Bewertung nach Machbarkeit, Datenverfügbarkeit und Geschäftswert
  • Ergebnisdokument mit Roadmap und Budgetrahmen

Datenaufbereitung und Feature Engineering

Rohdaten sind selten direkt verwendbar. Wir bereinigen fehlende Werte, normalisieren Formate und erzeugen abgeleitete Merkmale (Features), die dem Modell helfen, Muster zu erkennen. Dieser Schritt macht in der Praxis 40 bis 60 % der Projektzeit aus und hat den grössten Einfluss auf die Modellqualität.

  • Datenextraktion aus SQL-Datenbanken, APIs, CSV, PDF
  • Bereinigung von Duplikaten, Ausreissern und Inkonsistenzen
  • Feature Engineering: Aggregationen, Zeitreihenmerkmale, Textvektorisierung
  • Dokumentation aller Transformationen in einem reproduzierbaren Pipeline-Skript

Modellentwicklung und Training

Wir wählen den Algorithmus passend zum Problem: Gradient-Boosted Trees für tabellarische Daten, Convolutional Neural Networks für Bilder, Transformer-Modelle für Texte. Jedes Modell wird mit Kreuzvalidierung getestet, und wir dokumentieren Hyperparameter, Trainingszeiten und Evaluationsmetriken.

  • Auswahl und Vergleich von mindestens drei Modellarchitekturen
  • Hyperparameter-Tuning mit Bayesian Optimization
  • Evaluierung mit Precision, Recall, F1, AUC oder MAE/RMSE
  • Ergebnisbericht mit Konfusionsmatrix und Fehleranalyse

Integration und Deployment

Ein Modell, das nur im Jupyter Notebook läuft, bringt keinem etwas. Wir verpacken Modelle in Docker-Container, stellen REST-APIs bereit und integrieren sie in Ihre bestehenden Systeme. Ob Azure, Google Cloud oder Ihr eigener Server: Wir richten die Infrastruktur ein und testen unter Last.

  • Containerisierung mit Docker und Kubernetes
  • REST-API oder gRPC-Schnittstelle für Echtzeit-Inferenz
  • Batch-Verarbeitung für grosse Datenmengen (z. B. nächtliche Prognoseläufe)
  • Lasttests und Performance-Optimierung

Schulung und Wissenstransfer

Wenn Ihr Team das Modell selbst warten soll, schulen wir Ihre Entwickler. In zwei- bis dreitägigen Workshops erklären wir die Architektur, die Trainingspipeline und die Monitoring-Tools. Jeder Teilnehmer erhält Zugang zum dokumentierten Code-Repository und einem Runbook für den Betrieb.

  • Hands-on-Workshop mit Ihrem Entwicklerteam (2 bis 3 Tage)
  • Übergabe des vollständigen Git-Repositorys mit Dokumentation
  • Runbook für Deployment, Monitoring und Re-Training
  • 30 Tage Support nach der Übergabe inklusive

Projektablauf

Jedes Projekt durchläuft sechs Phasen. Nach jeder Phase erhalten Sie ein Ergebnis und entscheiden, ob die nächste Phase beauftragt wird.

1. Erstgespräch

In einem einstündigen Videocall lernen wir Ihr Vorhaben kennen. Wir stellen Fragen zu Ihren Daten, Zielen und technischen Rahmenbedingungen. Danach schätzen wir ein, ob ein Projekt sinnvoll ist, und erstellen ein unverbindliches Angebot.

2. Strategieworkshop

Zwei Tage vor Ort oder remote. Wir analysieren Ihre Prozesse, sichten Datenquellen und priorisieren Anwendungsfälle. Ergebnis: eine Roadmap mit Zeitplan und Budgetrahmen.

3. Datenaufbereitung

Wir extrahieren, bereinigen und transformieren Ihre Daten. Parallel definieren wir die Zielmetrik gemeinsam mit Ihnen. Dauer: ein bis drei Wochen, je nach Datenqualität.

4. Modellentwicklung

Training, Validierung und Optimierung des Modells. Wöchentliche Updates mit aktuellen Metriken. Dauer: zwei bis vier Wochen.

5. Integration

Deployment in Ihre Infrastruktur, API-Anbindung, Lasttests. Wir richten Monitoring-Dashboards ein, damit Sie die Modellleistung im Alltag verfolgen können. Dauer: zwei bis vier Wochen.

6. Übergabe und Betrieb

Dokumentation, Schulung, 30 Tage Support. Danach können Sie das System eigenständig betreiben oder einen Wartungsvertrag mit uns abschliessen.

Preisübersicht

Unsere Preise richten sich nach dem Projektumfang. Hier drei typische Pakete als Orientierung. Individuelle Angebote erstellen wir nach dem Erstgespräch.

Proof-of-Concept

ab CHF 15 000 Einmalig, Festpreis
  • Strategieworkshop (1 Tag)
  • Datenaufbereitung eines Datensatzes
  • Training und Evaluation eines Modells
  • Ergebnisbericht mit Empfehlung
  • Dauer: 4 bis 6 Wochen
Anfrage stellen

Produktionsprojekt

CHF 40k – 120k Festpreisphasen
  • Strategieworkshop (2 Tage)
  • Datenaufbereitung und Feature Engineering
  • Modellentwicklung mit Hyperparameter-Tuning
  • Integration, API, Monitoring
  • Schulung und Übergabe
  • 30 Tage Support inklusive
Anfrage stellen

Wartungsvertrag

ab CHF 1 500/Mt. Monatlich kündbar nach 6 Monaten
  • Monitoring der Modellleistung
  • Automatisches Re-Training bei Drift
  • Infrastruktur-Management (Cloud)
  • Monatlicher Statusbericht
  • SLA mit 4h-Reaktionszeit
Anfrage stellen

Technologien, die wir einsetzen

Wir arbeiten mit den Werkzeugen, die für das jeweilige Problem am besten geeignet sind. Hier ein Überblick über die Frameworks und Plattformen, die in unseren Projekten am häufigsten vorkommen.

Machine Learning

PyTorch, scikit-learn, XGBoost, LightGBM, Hugging Face Transformers

Datenverarbeitung

Pandas, Apache Spark, dbt, Great Expectations für Datenqualitätsprüfungen

Infrastruktur

Docker, Kubernetes, Terraform, Azure ML, Google Vertex AI

Monitoring

MLflow für Experiment-Tracking, Evidently AI für Drift-Erkennung, Grafana für Dashboards