Natural Language Processing (NLP)
Teilgebiet der KI, das sich mit der maschinellen Verarbeitung menschlicher Sprache befasst. Konkret: Textklassifikation, Zusammenfassung, Übersetzung, Sentiment-Analyse. Für Schweizer Unternehmen besonders relevant bei der automatisierten Bearbeitung von Kundenanfragen in mehreren Landessprachen. Ein NLP-Modell für Deutsch, Französisch und Italienisch gleichzeitig zu trainieren erfordert sorgfältige Datenaufbereitung.
Sprachverarbeitung
Large Language Model (LLM)
Ein neuronales Netz mit Milliarden von Parametern, trainiert auf grossen Textmengen. GPT-4, Claude und Gemini gehören dazu. LLMs erzeugen Texte, beantworten Fragen und können Code schreiben. Die Herausforderung liegt nicht im Zugang zum Modell, sondern in der richtigen Integration: Welche Daten darf das Modell sehen? Wie kontrollieren Sie Halluzinationen? Wo brauchen Sie ein eigenes Fine-Tuning?
Generative KI
Retrieval-Augmented Generation (RAG)
Ein Architekturmuster, bei dem ein LLM vor der Textgenerierung relevante Dokumente aus einer eigenen Wissensbasis abruft. RAG reduziert Halluzinationen deutlich, weil das Modell auf geprüfte Quellen zugreift statt frei zu erfinden. Wir setzen RAG-Systeme für interne Wissensdatenbanken ein, etwa bei einem Freiburger Pharmaunternehmen, das regulatorische Dokumente durchsuchbar machen wollte.
Architektur
Computer Vision
Algorithmen, die Bilder und Videos analysieren. Qualitätskontrolle in der Produktion, Dokumentenverarbeitung, medizinische Bildgebung. Ein Schweizer Lebensmittelhersteller nutzt Computer Vision, um Verpackungsfehler auf dem Förderband zu erkennen, bevor die Ware das Lager verlässt. Fehlerrate nach sechs Monaten: unter 0,3 Prozent.
Bildverarbeitung
Fine-Tuning
Die Anpassung eines vortrainierten Modells an eine spezifische Aufgabe oder Domäne. Statt ein Modell von Grund auf zu trainieren, nehmen Sie ein bestehendes und spezialisieren es mit Ihren eigenen Daten. Das spart Rechenzeit und Kosten. Kritisch ist die Qualität der Trainingsdaten: Wenige hundert saubere Beispiele bringen oft mehr als zehntausend unsortierte.
Modellentwicklung
MLOps
Die Praxis, Machine-Learning-Modelle zuverlässig in Produktion zu bringen und dort zu halten. Versionierung, Monitoring, automatisches Retraining. Viele Unternehmen schaffen es, einen Prototyp zu bauen, scheitern aber an der Operationalisierung. MLOps schliesst diese Lücke mit klaren Pipelines und Verantwortlichkeiten.
Betrieb
KI-Ethik und Governance
Regeln und Prozesse, die sicherstellen, dass KI-Systeme fair, transparent und nachvollziehbar arbeiten. Der EU AI Act wird ab 2025 schrittweise wirksam. Schweizer Unternehmen, die in die EU liefern, müssen sich jetzt vorbereiten. Wir helfen bei der Risikoklassifikation Ihrer KI-Anwendungen und bei der Dokumentation gemäss den neuen Anforderungen.
Regulierung
