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.
- Offene LLM-Modelle in der Infrastruktur des Kunden, mit Zugriffskontrolle und Konfiguration der Berechtigungen im System.
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
- Offene LLM-Modelle in der Infrastruktur des Kunden, mit Zugriffskontrolle und Konfiguration der Berechtigungen im System.
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).
NLP: spaCy, Hugging Face Transformers, NLTK; annotation with Doccano or Prodigy; Encoder- und Decoder-Architekturen (BERT-Familie, Transformer mit langem Kontext); offene LLM-Modelle in der Infrastruktur des Kunden mit Zugriffskontrolle und Berechtigungsmodell; LLM-APIs, wo sie passen.
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.
