KI und maschinelles Lernen

MLOps und produktiver Modelleinsatz

  • Model Registry, Versionierung und reproduzierbare Training-Pipelines.
  • Automatisiertes Deployment auf Batch- oder Echtzeit-Inferenz-Endpoints.
  • Drift-Monitoring, Performance-SLAs und Rollback fehlerhafter Modelle.
  • On-Prem oder Cloud — abgestimmt auf Data-Residency-Anforderungen.

Data-Engineering-Dienste für KI-Projekte

Wir bauen Datenplattformen on-prem und in der Cloud, dimensioniert für analytische Last — nicht kopiert von einem operativen CRM-Stack.

Beispielmethoden und Projekte:

Computer Vision

  • Bildklassifikation
  • Objekterkennung (YOLO und verwandte Detektoren)
  • Instanz- und semantische Segmentierung (Mask R-CNN und Nachfolger)
  • OCR auf Dokumenten und industriellen Medien

Natural Language Processing

  • Textklassifikation, inkl. aspektbasiertem Sentiment
  • Named-Entity Recognition
  • Assistenten und Retrieval — statistisch oder regelbasiert, je nach Risiko und Daten

Plus klassisches überwachtes Lernen und Zeitreihen (inkl. ARIMA-Familie), wenn sie ein schwereres Netz schlagen.

Data-Platform-Engineering

Unsere erfahrenen Data Engineers beherrschen die in Cloud- und On-Premises-Datenarchitekturen üblichen Technologien.

Wir erstellen Datenarchitekturen von Grund auf oder erweitern bestehende Plattformen um Speicherschichten, Data Pipelines (ETL, Batch-Verarbeitung) und analytische Komponenten (BI-Tools, KI-Modelle).

Anwendung Technologien und Programmiersprachen
Gesundheit — narrative Modelle, Klassifikation und Statistik. IT-Security — Klassifikatoren für schädliche Kommandos, Verhaltensmodelle, Anomalieerkennung. Suche und Dokumente — NLP über interne Korpora und Crawls. Robotik und Embedded — Simulation, Computer Vision und Steuerung dort, wo wir geliefert haben, keine Showroom-Liste. Numerische Methoden — Solver-Warmstart und Surrogate.

NLP: spaCy, Hugging Face Transformers, NLTK; Annotation mit Doccano oder Prodigy; Encoder/Decoder-Architekturen (BERT-Familie, Long-Context-Transformer, aktuelle LLM-APIs wo passend).

Computer Vision: PyTorch, TensorFlow / Keras, Detectron2, YOLO; Annotation mit CVAT. Domänen, die wir wirklich liefern: medizinische Bildgebung, Dokumentanalyse, Industrie- und CCTV-Inspektion.

Engineering: Python und R; Java / Spring und Node wenn nötig; Docker, Kubernetes, Terraform, Ansible; PostgreSQL, Kafka, Spark bei entsprechendem Volumen; AWS, GCP und Azure.

Weitere Leistungen