Fallstudien

Ausgewählte Arbeiten, in Produktion.

Ein Jahrzehnt KI-, Daten- und Software-Engineering-Projekte. Einige, über die wir sprechen können — viele andere unter NDA.

Adaptive Trading-Intelligenz für einen Londoner Hedgefonds — KI-Entwicklung transformation visualVorherNachher
KI-Entwicklung · 2024

Adaptive Trading-Intelligenz für einen Londoner Hedgefonds

+18 % Sharpe
Herausforderung

Die Performance der Signal-Stack stagnierte. Der Desk musste alternative Daten kombinieren, ohne auf jüngste Regime zu überpassen.

Lösung

Wir bauten eine modulare Signal-Pipeline mit regimesensitivem Ensembling, Walk-forward-Validierung und einem Forschungsportal, in dem Analysten sicher testen konnten.

Ergebnis

Anstieg des Sharpe-Ratios um 18 % im Live-Book. Zyklus von Forschung zu Produktion von Wochen auf Tage verkürzt.

Echtzeit-Defekterkennung an einer EV-Batterielinie — Computer Vision transformation visualVorherNachher
Computer Vision · 2024

Echtzeit-Defekterkennung an einer EV-Batterielinie

99,2 % Recall
Herausforderung

Defekte auf Zellebene entgingen einem regelbasierten Vision-System und kosteten teuer in Garantien und Rückrufen.

Lösung

Multi-Kamera-Vision-System auf Edge-GPU, trainiert auf annotierten Daten mit Active Learning, um die lange Liste seltener Defekte einzufangen.

Ergebnis

99,2 % Recall bei unter 100 ms Inferenz. Durchschlupfrate durch 12 geteilt, mit konfidenzbasiertem menschlichem Review für Grenzfälle.

Klinischer Entscheidungsgraph für einen nationalen Gesundheitsanbieter — Wissenssysteme transformation visualVorherNachher
Wissenssysteme · 2023

Klinischer Entscheidungsgraph für einen nationalen Gesundheitsanbieter

−35 % Diagnosezeit
Herausforderung

Kliniker durchliefen pro Fall Dutzende Leitliniendokumente. Die Zeit bis zur Diagnose schwankte stark nach Region.

Lösung

Ein klinischer Wissensgraph, der Symptome, Bedingungen, Leitlinien und lokale Protokolle verbindet, exponiert in der bestehenden EPA über eine dünne Assistenten-Schicht.

Ergebnis

Reduktion der Diagnosezeit um 35 % auf den überwachten Pfaden. Zufriedenheit der Kliniker in allen Pilotstandorten gestiegen.

Petabyte-skaliges Lakehouse für einen Telekommunikationsbetreiber — Big Data transformation visualVorherNachher
Big Data · 2023

Petabyte-skaliges Lakehouse für einen Telekommunikationsbetreiber

8× Abfragegeschwindigkeit
Herausforderung

Netzwerk- und Kundendaten waren in getrennten Warehouses eingesperrt. Teams warteten Stunden auf Abfragen, die Minuten dauern sollten.

Lösung

Ein vereintes Lakehouse auf Delta mit Streaming-Ingestion, semantischer Modellierung in dbt und BI-Zugriff über eine governte Service-Schicht.

Ergebnis

Mediane Abfragegeschwindigkeit verachtfacht. Drei Legacy-Warehouses abgeschaltet. Jährliche Plattformkosten um ein Drittel gesenkt.

Mehrsprachige Sentiment-Plattform für globalen Retail — NLP transformation visualVorherNachher
NLP · 2022

Mehrsprachige Sentiment-Plattform für globalen Retail

12 Sprachen
Herausforderung

Marken- und Produkt-Sentiment wurde manuell pro Region verfolgt. Das Team hatte keinen kohärenten Blick auf die Performance internationaler Launches.

Lösung

Mehrsprachige Sentiment-Pipeline für zwölf Sprachen, mit Themen-Clustering und Review-Konsole für mehrdeutige Fälle.

Ergebnis

Echtzeit-Dashboards für globales Sentiment für die Marketing-Führung. Vorlaufzeit für Vorfallserkennung von Tagen auf Stunden.

Document AI für ein Archiv im öffentlichen Sektor — Bildverarbeitung transformation visualVorherNachher
Bildverarbeitung · 2022

Document AI für ein Archiv im öffentlichen Sektor

12 Mio. Dokumente / Monat
Herausforderung

Ein nationales Archiv musste vererbte Papierakten digitalisieren und klassifizieren — einschließlich handschriftlicher, mehrsprachiger und schlecht gescannter.

Lösung

Mehrstufige Document-AI-Pipeline, die OCR, Layout-Analyse, Klassifikation und ein menschliches Review-Tool für unsichere Seiten kombiniert.

Ergebnis

12 Millionen Dokumente pro Monat verarbeitet. Öffentlicher Katalogzugriff Jahre vor dem ursprünglichen Zeitplan.

Unter NDA

Es gibt mehr, als wir öffentlich zeigen können.

Der Großteil unserer Arbeit in Finanzen, Gesundheit und öffentlichem Sektor steht unter NDA. Erzählen Sie uns Ihr Problem, und wir teilen relevante Referenzen in einem Gespräch.

FAQ

Fragen zu Fallstudien, beantwortet.

06 · Questions

01

Können wir Referenzen von Kunden in unserer Branche erhalten?

+

Ja — sobald wir euer Problem verstehen und gegenseitige NDAs unterzeichnet sind, arrangieren wir nach Möglichkeit ein Referenzgespräch mit einem vergleichbaren Kunden. Der Großteil unserer Arbeit in Finanzen, Gesundheit und öffentlichem Sektor ist sonst privat.

02

Sind die Kennzahlen auf dieser Seite unabhängig verifiziert?

+

Alle Zahlen stammen aus Messungen auf Kundenseite, die zum Projektabschluss vereinbart wurden — die meisten wurden vom Daten- oder Analyseteam des Kunden überprüft. Wir veröffentlichen keine selbstattestierten Zahlen.

03

Warum stehen die meisten Projekte unter NDA?

+

Wir arbeiten in regulierten und wettbewerbsintensiven Branchen, in denen schon die Existenz einer KI-Fähigkeit sensible Information ist. NDAs schützen sowohl den Kunden als auch unsere anderen Kunden im selben Markt.

04

Wie lang war die typische Engagement-Dauer dieser Projekte?

+

Discovery dauert zwei Wochen. Build-Phasen liefen je nach Umfang zwischen 3 und 9 Monaten. Die meisten dieser Projekte laufen heute als Managed Retainer oder eingebettete Squads weiter.

05

Werden Projekte nach dem Launch fortgesetzt?

+

Meistens ja. Wir überführen das System in einen Managed Retainer mit SLAs, Rufbereitschaft und Quartalsreviews — oder übergeben es sauber an das interne Team mit vollständiger Dokumentation und Transition-Plan.

06

Könnt ihr etwas Vergleichbares für uns bauen?

+

Fast immer. Die zugrundeliegenden Muster — Vision QA, Document AI, Predictive Analytics, Knowledge Graphs — verallgemeinern sich über Branchen hinweg. Die Arbeit steckt in der Anpassung: eure Daten, eure Constraints, euer Tooling.