Dokumentenanalyse
Verträge, Rechnungen, technische Berichte: Unser System liest, klassifiziert und extrahiert relevante Felder. Ein Versicherungsunternehmen in Zürich verarbeitet damit 4'000 Schadensmeldungen pro Woche, ohne manuelle Sichtung.
Artificial Intelligence, die Ihre Daten in Entscheidungen verwandelt
Wir bauen KI-Systeme, die konkrete Probleme lösen: Prognosen, die stimmen. Dokumente, die sich selbst sortieren. Prozesse, die ohne Aufsicht laufen. Aus Lausanne, für Unternehmen in der Schweiz.
Projekt besprechen87
abgeschlossene Projekte
14
Branchen abgedeckt
2.3 Mrd.
verarbeitete Datenpunkte
9
Jahre Erfahrung
Was wir konkret tun
Jedes Projekt beginnt mit einer Frage, nicht mit einer Technologie. Hier sind die häufigsten Aufgaben, die wir für unsere Kunden lösen.
Prognosemodelle
Nachfrageprognosen für Logistik, Absatzplanung im Detailhandel, Ausfallwahrscheinlichkeiten bei Maschinen. Wir trainieren Modelle auf Ihren historischen Daten und liefern Vorhersagen mit messbarer Genauigkeit, typischerweise zwischen 89 und 96 Prozent.
Prozessautomatisierung
Wiederkehrende Abläufe, die bisher zwei Vollzeitstellen binden, lassen sich oft in vier bis sechs Wochen automatisieren. Wir verbinden Ihre bestehenden Systeme per API und setzen KI-gestützte Entscheidungslogik dazwischen.
Kundenanalyse
Welche Kunden kaufen in den nächsten 30 Tagen? Wer ist abwanderungsgefährdet? Unsere Segmentierungsmodelle arbeiten mit Ihren CRM-Daten und liefern tägliche Scores, die Ihr Vertriebsteam direkt nutzen kann.
KI-Strategie und Workshops
Nicht jedes Problem braucht Machine Learning. In einem zweitägigen Workshop identifizieren wir gemeinsam, wo KI bei Ihnen den grössten Hebel hat, und wo einfache Regellogik ausreicht. Das spart Ihnen Monate und sechsstellige Budgets.
Modell-Monitoring
KI-Modelle altern. Datenverteilungen verschieben sich, und plötzlich sinkt die Genauigkeit. Wir überwachen Ihre produktiven Modelle rund um die Uhr und trainieren sie neu, bevor die Qualität spürbar nachlässt.
So läuft ein Projekt ab
Daten-Audit (Woche 1–2)
Wir schauen uns Ihre vorhandenen Daten an. Welche Quellen gibt es? Wie sauber sind sie? Reicht die Menge für ein Modell? Am Ende steht ein schriftlicher Bericht mit klarer Empfehlung.
Prototyp (Woche 3–5)
Ein funktionierender Prototyp auf einem Subset Ihrer Daten. Sie sehen erste Ergebnisse und können prüfen, ob die Richtung stimmt. Kein PowerPoint, sondern ein lauffähiges Modell.
Produktionsreife (Woche 6–10)
Das Modell wird auf den vollständigen Datensatz trainiert, getestet und in Ihre bestehende Infrastruktur integriert. Wir nutzen Docker-Container und REST-APIs, damit Ihr IT-Team die Lösung ohne Abhängigkeit von uns betreiben kann.
Übergabe und Schulung
Ihr Team erhält eine dokumentierte Übergabe, inklusive Schulung für die Fachabteilung und technischer Dokumentation für die IT. Auf Wunsch übernehmen wir das laufende Monitoring.
Wer hinter Precision AI steht
Wir sind ein Team von acht Personen in Lausanne. Vier davon haben einen Hintergrund in angewandter Mathematik, zwei kommen aus der Softwareentwicklung, eine Person aus der Linguistik und eine aus der Industrieautomation.
Diese Mischung ist kein Zufall. KI-Projekte scheitern selten an der Mathematik. Sie scheitern an schlechter Datenqualität, an fehlender Integration in bestehende Systeme oder daran, dass niemand die Fachabteilung einbezogen hat.
Seit 2016 arbeiten wir ausschliesslich mit Unternehmen in der Schweiz. Wir kennen die regulatorischen Anforderungen, die Erwartungen an Datenschutz und die Tatsache, dass viele Schweizer KMU ihre Daten lieber auf eigenen Servern behalten. Unsere Modelle laufen on-premise, wenn Sie das wünschen.
Unser Büro befindet sich an der 344 Ogimatte, 1003 Lausanne, Vaud, Switzerland.
Häufig gestellte Fragen
Wie viele Daten brauchen wir mindestens?
Das hängt vom Anwendungsfall ab. Für eine Textklassifikation reichen oft 500 gelabelte Beispiele. Prognosemodelle brauchen typischerweise 12 bis 24 Monate an historischen Daten. Im Daten-Audit klären wir das in den ersten Tagen.
Können wir die Modelle auf unseren eigenen Servern betreiben?
Ja. Wir liefern standardmässig Docker-Container, die auf jeder Linux-Umgebung laufen. Wenn Sie eine Cloud-Lösung bevorzugen, deployen wir auf Azure Switzerland North oder AWS eu-central-2 in Zürich.
Was kostet ein typisches Projekt?
Ein Daten-Audit mit schriftlichem Bericht liegt bei CHF 4'800. Ein vollständiges Projekt von Audit bis Produktionsreife bewegt sich zwischen CHF 35'000 und CHF 120'000, abhängig von Komplexität und Datenvolumen. Wir arbeiten mit Festpreisen, nicht nach Aufwand.
Wie schützt ihr unsere Daten?
Alle Daten bleiben in der Schweiz. Wir unterzeichnen vor Projektbeginn eine NDA und einen Auftragsverarbeitungsvertrag nach nDSG. Zugänge sind personenbezogen, zeitlich begrenzt und werden nach Projektende gelöscht. Auf Wunsch arbeiten wir ausschliesslich auf Ihrer Infrastruktur.
Brauchen wir ein eigenes Data-Science-Team?
Nein. Wir übergeben Ihnen ein System, das Ihre Fachabteilung bedienen kann. Für den technischen Betrieb reicht in der Regel ein DevOps-Engineer oder Systemadministrator. Wenn Sie später ein eigenes Team aufbauen, unterstützen wir beim Wissenstransfer.
Lassen Sie uns über Ihr Projekt sprechen
344 Ogimatte, 1003 Lausanne, Vaud, Switzerland
Beschreiben Sie kurz, worum es geht. Wir melden uns innerhalb von zwei Arbeitstagen mit einer ersten Einschätzung, ob und wie wir helfen können.