Unser Ziel für Ihr Unternehmen:
Mit modernster Technologie neue Erkenntnisse aus bestehenden Daten gewinnen und anspruchsvolle Prozesse unterstützen.
Die technologischen Möglichkeiten im Bereich der Advanced Analytics können fast überwältigend sein. Deshalb ist es wichtig, ein klares Ziel zu formulieren und auf dieses hinzuarbeiten. Eine KI-Lösung soll dann auch nicht isoliert in der Systemlandschaft stehen, sondern von Anfang an sauber integriert werden. Deshalb ist für uns ein ganzheitlicher Ansatz so entscheidend.
Datenplattform Fabric
Die nahtlose Bündelung aller relevanten Datenquellen, Datenmodelle, Dashboards und KI-Lösungen auf einer integrierten Plattform.
Mehr Infos zum Thema Datenplattform.
Microsoft Foundry, Copilot, Python & Spark
Nutzung der bestmöglichen Technologien wie Microsoft Foundry, Open Source KI-Bibliotheken mit Python / Spark oder Data Agents mit Copilot.
Azure & Fabric
Effizienzgewinne im Tagesgeschäft durch die Operationalisierung und Automatisierung der Lösung.
Jedes KI-Projekt hat seine eigenen spezifischen Anforderungen und entsprechend passen wir das Vorgehen an. Generell kann folgendes zum Projektvorgehen festgehalten werden:
1
Strategie & Architektur
2
Data Engineering
3
Implementierung KI-Modell und Validierung
4
Automatisierung & Operationalisierung
Heute werden vermehrt KI-Funktionen in die täglich benutzten Programme integriert, wie z.B. dem ERP oder gar in Excel. Diese können für spezifische Anwendungsfälle sehr nützlich sein. Braucht es aber Quellsystemübergreifene und umfassendere Logiken, wird ein separates Tool implementiert. Dies kann auf Basis eines bestehenden Werkzeugkasten oder komplett frei mit Code, welcher Open-Source Technologien verwendet, erstellt werden.
Die All-in-One Datenplattform für die Datentransformation, das Data Lakehouse, Business Intelligence und Advanced Analytics.
Dies ist die Basis für alle KI-Anwendungen für sowohl Daten wie aber auch der Entwicklung und der Operationlisierung der KI-Lösung. Mit der tiefen Integration können bestehende Datenbestände und etablierte Business-Logiken sofort weiterverwendet werden im KI-Projekt.
Ein mächtiger Werkzeugkasten an Standardtools mit welchen wir Ihre individuelle KI-Modelle bauen können.
Von der Erkennung von Ausreissern über das automatisierte Auslesen von PDF-Rechnungen, Verträgen und Formularen bis hin zu spezialisierten Machine Learning Modellen für Ihre individuellen Anwendungsfälle.
Für spezialisierte Berechnungen, die über Standardtools hinausgehen. Ideal für tiefgreifende Datenanalysen, statistische Modellierungen oder das Training von State-of-the-Art Machine Learning Modellen für die Ableitung von Predictions, wie z.B. einem Umsatzforecast.
Die Basis für Ihre neuen autonomen KI-Agenten. Wir entwickeln massgeschneiderte Assistenten, die direkt in Microsoft Teams oder Ihre bestehenden Web-Applikationen integriert werden. So können Ihre Mitarbeiter in natürlicher Sprache mit Ihren Unternehmensdaten interagieren, Informationen abrufen oder Workflows auslösen. Dort, wo die tägliche Arbeit stattfindet.
Gastronomie
Fabric
Intelligenter Umsatzforecast
Entwicklung und Operationalisierung einer Machine Learning Applikation mit Python / Spark (Predictive Analytics) für die Herleitung eines Umsatzforecasts für die Unterstützung der proaktiven Steuerung des Tagesgeschäfts.
Pharma
Azure AI
Automatisierter Bestellabgleich direkt ab E-Mail-Eingang
Implementierung einer KI-gestützten Extraktions-Lösung mit Microsoft Foundry zur automatisierten Verarbeitung unstrukturierter Bestelleingänge und deren nahtlose Integration in die Finanzprozesse.
Bildung
Fabric
Interner Wissens-Agent (RAG-Agent)
Automatisierte P&L-Analyse mit einem Fabric Data Agent und generative Erstellung von Management-Kommentaren als Vorschlag bzw. Basis zur Verfeinerung.
Datensicherheit hat für uns oberste Priorität. Alle unsere Lösungen laufen innerhalb Ihres eigenen Microsoft-Azure-Tenants. Das bedeutet, dass ihre Daten niemals ihren geschützten Unternehmensbereich verlassen, nicht zum Training öffentlicher KI-Modelle (wie andere nicht-integrierte LLM-Bots) verwendet werden und den strengen Sicherheitsstandards von Microsoft unterliegen.
Nicht zwingend, wir empfehlen es jedoch. Mit Fabric hat man eine All-in-One Plattform, was die Komplexität und Schnittstellen drastisch reduziert und die Implementierung von KI-Lösungen beschleunigt. Soll dennoch ohne Fabric gearbeitet werden, ist auch eine Integration in bestehende Azure-Strukturen oder klassiche On-Premise-Systeme möglich.
Auch mit unvollständigen Datensätzen können wir erste Erfolge erzielen, doch eine saubere Datenstruktur ist das Fundament für Skalierbarkeit. Ein grosser Teil unserer Arbeit im „Data Engineering“ fliesst daher in die Strukturierung innerhalb von Fabric und Power BI. Denn je sauberer die Datenbasis ist, desto kraftvoller und verlässlicher agieren die darauf aufbauenden KI-Modelle.
Im BI-Tool sind bereits wichtige Business-Logiken abgebildet, wie z.B. die Definition des Umsatzes. Wir wollen diese etablierten Logiken wiederverwenden, statt sie nachzubauen und damit Doppelspurigkeiten zu erzeugen. Dies betrifft auch Datenbestände selber (wiederverwenden statt doppelte Bestände).
Eine Integration der KI-Lösung in eine umfassende Datenplattform wie Fabric ist deshalb Best Practice.
Mit unserer Erfahrung und mit dem Einsatz moderner Technologie müssen wir das Rad nicht neu erfinden. Meist starten wir mit einem Proof of Value (PoV), um innerhalb weniger Wochen erste Ergebnisse für die Validierung zu generieren. Danach erfolgt das Feintuning bis die Resultate den Anforderungen entsprechen.
Ein klassischer Chatbot sucht Informationen und gibt sie wieder. Ein KI-Agent hingegen kann aktiv Aufgaben ausführen. Er kann beispielsweise Daten zwischen Systemen abgleichen, Berechnungen in einer P&L durchführen oder eigenständig Berichte kommentieren. Ein Agent „denkt” in Arbeitsschritten, nicht nur in Antworten.
Ja, sofern sie Zugriff auf die relevanten Datenquellen hat, die Buchungstexte aussagekräftig sind und weiterer Kontext mitgegeben wird. Dabei übernimmt die KI die „Fleissarbeit“: Sie vergleicht Ist- und Planzahlen, identifiziert die grössten Abweichungen und formuliert einen ersten Entwurf. Die finale Freigabe und strategische Einordnung bleibt jedoch immer beim menschlichen Experten (human-in-the-loop).
