Keine Genauigkeitszusagen vorab
Wir nennen keine Trefferquote, bevor wir Ihre Daten gesehen haben. Wer das tut, zitiert fremde Benchmarks.
KI-Produktstudio · Software · Evaluation · Zypern
Leistungen
Vier Arten angewandter KI-Arbeit und die vier Fragen, die wir vor jeder Zusage stellen.
01 — Was wir bauen
Vier Arten von KI-Arbeit
Alles davon auf einen konkreten Geschäftsprozess angewendet, mit messbarem Vorher und Nachher. Nichts davon verkauft mit dem Versprechen, die Technik sei beeindruckend.
Dokumentenverarbeitung
Strukturierte Daten aus Rechnungen, Verträgen, Spezifikationen und den PDFs gewinnen, in denen ein Unternehmen ertrinkt. Gemessen an einem annotierten Set Ihrer eigenen Dokumente, nicht an einem öffentlichen Benchmark.
Klassifikation & Verteilung
Eingehende Arbeit sortieren — Tickets, Anträge, Nachrichten — in die richtige Warteschlange. Meist die wertvollste KI-Anwendung im Unternehmen und die unglamouröseste.
Assistenten mit Leitplanken
Interne Assistenten, die aus Ihrem eigenen Material antworten, die Quelle nennen und „weiß ich nicht" sagen statt zu erfinden. Diese letzte Eigenschaft wird konstruiert, nicht erhofft.
Prüfstände
Der Teil, den fast alle überspringen: ein wiederholbares Testset, das Ihnen sagt, ob eine Prompt- oder Modelländerung etwas verbessert hat — oder still verschlechtert.
05 — Die Grenze
Was wir nicht tun
Vier Grenzen, benannt bevor Sie ein Telefonat darauf verwenden.
Kein Training auf Ihren Daten
Kundendaten werden nicht zum Training gemeinsamer Modelle verwendet. Die Verarbeitungsvereinbarung steht schriftlich fest, bevor etwas fließt.
Keine Rechtsberatung zum AI Act
Wir weisen darauf hin, wenn ein Anwendungsfall risikoreicher wirkt, und empfehlen einen Anwalt. Wir sind Ingenieure.
Keine Autonomie, wo Fehler Menschen erreichen
Kundenrelevante Entscheidungen bekommen einen Menschen in die Schleife. Das ist eine Entwurfsregel, keine Phase, die später entfällt.
02 — Ablauf
Wie ein KI-Projekt läuft
Evaluation zuerst. Die günstigste Stufe — und die, die ein Projekt am häufigsten früh und zu Recht beendet.
Phase 01
Ausgangsbasis
Wie wird die Aufgabe heute erledigt, wie lange dauert sie und wie oft ist sie falsch? Ohne das bedeutet jede spätere Verbesserungsbehauptung nichts.
Phase 02
Testset
Einige hundert annotierte Beispiele aus Ihren echten Daten, samt der unangenehmen. Das ist der ehrliche Teil des Projekts.
Phase 03
Bauen
Das kleinste System, das die Ausgangsbasis schlägt, mit menschlicher Prüfung überall dort, wo ein Fehler eine Person erreichen würde.
Phase 04
Beobachten
Monitoring im Betrieb, denn Modellverhalten driftet — und ein System, das niemand beobachtet, verschlechtert sich still.
Im Detail
Vier Fragen, bevor wir irgendetwas bauen
Fallen die Antworten unbefriedigend aus, ist das richtige Ergebnis eine kurze Rechnung und kein Projekt.
Frage 01
Was kostet ein Fehler?
Ein Fehler in einem internen Entwurf ist günstig. Ein Fehler in einer Kundenentscheidung nicht. Die Antwort bestimmt, wie viel menschliche Prüfung der Entwurf braucht.
ReichweitePrüftiefeUmkehrbarkeit
Frage 02
Was ist die Ausgangsbasis?
Zeit pro Fall und aktuelle Fehlerquote. Vor KI-Projekten misst das niemand — genau deshalb werden so viele ohne Beleg für erfolgreich erklärt.
ZeitFehlerquoteVolumen
Frage 03
Lassen sich Daten annotieren?
Einige hundert Beispiele mit richtigen Antworten. Kann sie im Unternehmen niemand erzeugen, kann im Unternehmen auch niemand beurteilen, ob das System funktioniert.
LabelsRandfälleZuständigkeit
Frage 04
Was passiert bei Ausfall?
Ein Modell-Endpunkt wird irgendwann nicht erreichbar sein. Gibt es keinen Rückfallweg, haben Sie eine Abhängigkeit eingeführt statt einer Fähigkeit.
RückfallDegradationAlarmierung
04 — FAQ
Klar beantwortet
Sagen Sie uns auch, wenn KI das falsche Werkzeug ist?
Regelmäßig. Eine Regelmaschine oder ein besseres Formular ist oft günstiger, vorhersehbarer und leichter zu vertreten. Diese Antwort kostet uns ein Projekt und erspart Ihnen eines.
Wessen Daten trainieren was?
Ihre bleiben Ihre. Wir nutzen Kundendaten nicht, um gemeinsame Modelle zu trainieren, und jede Verarbeitungsvereinbarung wird schriftlich festgehalten, bevor Daten fließen.
Wie steht es mit dem EU AI Act?
Die meiste interne Dokumenten- und Klassifikationsarbeit ist geringes Risiko, aber die Pflichten hängen vom Anwendungsfall ab. Wir weisen darauf hin, wenn ein Fall in eine höhere Risikoklasse fallen könnte, und empfehlen rechtliche Prüfung. Wir sind Ingenieure, keine Anwälte.
Können Sie eine bestehende KI-Funktion verbessern?
Ja, und der erste Schritt ist der Aufbau des Testsets, das es hätte geben sollen. Ohne das kann niemand sagen, ob eine Änderung geholfen hat.
Hosten Sie Modelle?
Wir integrieren, was passt — gehostete APIs oder selbst betriebene Modelle. Die Wahl hängt von Datensensibilität und Kostenprofil ab, nicht von einer Vorliebe.
Welche Märkte bedienen Sie?
Eingetragen in Zypern, tätig in der EU, auf Deutsch und Englisch.
Sprechen wir
Ein KI-Vorhaben, das eine ehrliche zweite Meinung braucht?
Sagen Sie uns die Aufgabe und wie sie heute erledigt wird. Lautet die Antwort, dass Sie dafür kein Modell brauchen, hören Sie genau das.