Häufige Fragen zu Artificial Intelligence

Das hängt stark vom Umfang ab. Ein Proof of Concept, bei dem wir einen Datensatz analysieren und ein erstes Modell trainieren, beginnt bei CHF 8'000. Für ein vollständiges Projekt mit Integration in Ihre Systeme, Monitoring und Dokumentation rechnen Sie mit CHF 25'000 bis CHF 150'000. Wir erstellen nach dem Erstgespräch ein verbindliches Angebot mit klaren Meilensteinen, damit Sie jederzeit wissen, wofür Sie bezahlen.

Den Prototypen liefern wir in der Regel innerhalb von zwei bis vier Wochen. Die vollständige Entwicklung, inklusive Datenaufbereitung, Training, Tests und Integration, dauert zwei bis sechs Monate. Projekte mit besonders grossen oder unstrukturierten Datenmengen können länger dauern. Wir teilen jedes Projekt in zweiwöchige Sprints auf, sodass Sie regelmässig Zwischenergebnisse sehen.

Nur wenn Sie unseren Wartungsvertrag abschliessen. Dieser umfasst monatliches Monitoring der Modellgenauigkeit, Nachtraining bei Datendrift und technischen Support. Die Kosten liegen typischerweise bei 10–15 % des ursprünglichen Projektbudgets pro Jahr. Wenn Sie das Modell lieber intern betreuen wollen, übergeben wir Ihnen die vollständige Dokumentation und schulen Ihr Team.

Im Idealfall haben Sie strukturierte Daten in einer Datenbank oder als CSV-Dateien. Aber auch unstrukturierte Daten wie E-Mails, PDFs, Bilder oder Freitextfelder können wir verarbeiten. Entscheidend ist die Menge: Für ein Klassifikationsmodell brauchen wir mindestens einige hundert gelabelte Beispiele pro Kategorie. Wenn Ihre Daten noch nicht gelabelt sind, helfen wir beim Aufbau eines Annotationsprozesses.

Meistens nicht. Wir deployen Modelle als containerisierte Dienste, die sich über eine REST-API ansprechen lassen. Das funktioniert mit den meisten modernen Infrastrukturen, egal ob On-Premise-Server, Azure, AWS oder Google Cloud. Wenn Ihr System älter ist, besprechen wir im Erstgespräch, welche minimalen Anpassungen nötig sind.

Python ist unsere Hauptsprache. Für Deep-Learning-Projekte arbeiten wir mit PyTorch, für klassisches Machine Learning mit scikit-learn und XGBoost. Daten-Pipelines bauen wir mit Apache Airflow oder Prefect. Die Deployment-Schicht basiert auf Docker und Kubernetes. Für Kunden, die eine bestimmte Technologie vorschreiben, passen wir uns an, solange der Stack technisch sinnvoll ist.

Ja. Wir bauen bei Bedarf ein einfaches Web-Interface, über das Ihre Mitarbeitenden Daten hochladen und Ergebnisse abrufen können, ohne eine Zeile Code zu schreiben. Alternativ integrieren wir das Modell direkt in die Software, die Ihr Team bereits nutzt, zum Beispiel in Ihr ERP- oder CRM-System.

Standardmässig in Schweizer Rechenzentren. Wir arbeiten mit Anbietern zusammen, die ihre Server in Zürich und Genf betreiben. Wenn Sie eine On-Premise-Lösung bevorzugen, trainieren und deployen wir das Modell direkt auf Ihren eigenen Servern. Daten verlassen Ihr Netzwerk in diesem Fall nie.

Wir anonymisieren oder pseudonymisieren personenbezogene Daten, bevor sie in ein Modell fliessen. Bei Gesundheitsdaten oder Finanzdaten arbeiten wir mit verschlüsselten Pipelines und schliessen mit Ihnen einen Auftragsverarbeitungsvertrag ab, der den Anforderungen des Schweizer Datenschutzgesetzes (revDSG) und, falls relevant, der DSGVO entspricht.

Nach der Übergabe löschen wir sämtliche Kopien Ihrer Daten von unseren Systemen. Sie erhalten eine schriftliche Löschbestätigung. Das trainierte Modell gehört Ihnen, einschliesslich aller Gewichte, Konfigurationsdateien und der Dokumentation.

Wir verfolgen die Entwicklungen rund um den AI Act genau und haben unsere Projektmethodik bereits angepasst. Bei Hochrisiko-Anwendungen dokumentieren wir Trainingsdaten, Modellentscheidungen und Risikobewertungen so, dass die Anforderungen des AI Act erfüllt werden. Für Schweizer Firmen, die Produkte in die EU liefern, ist das besonders relevant.