Artificial Intelligence mit klarem Fokus
Wir sind ein kleines Team aus Fribourg, das Schweizer Unternehmen hilft, KI dort einzusetzen, wo sie tatsächlich einen Unterschied macht. Hier erfahren Sie, wer hinter ValueAI Focus steht und warum wir die Dinge so angehen, wie wir es tun.
Wie alles begann
ValueAI Focus wurde 2019 in Fribourg gegründet. Der Anstoss kam aus einem konkreten Problem: Ein Logistikunternehmen in der Westschweiz verlor jede Woche mehrere Stunden mit der manuellen Zuordnung von Lieferscheinen zu Bestellungen. Wir bauten ein Texterkennungsmodell, das diese Zuordnung in Sekunden erledigte. Das Projekt war innerhalb von zehn Wochen produktiv, die Fehlerrate sank um 82 Prozent.
Dieser erste Auftrag hat unsere Arbeitsweise geprägt. Wir starten nicht mit Technologie, sondern mit dem Problem. Welche Aufgabe kostet Sie am meisten Zeit? Wo entstehen die häufigsten Fehler? Welche Daten haben Sie bereits? Erst wenn wir diese Fragen beantwortet haben, wählen wir den passenden Ansatz.
Seither haben wir mit über 50 Unternehmen gearbeitet, von Familienunternehmen mit 20 Mitarbeitenden bis hin zu börsennotierten Firmen mit mehreren tausend. Die Projekte reichen von einfachen Klassifizierungsaufgaben bis zu komplexen Prognosemodellen für Nachfrageplanung.
2019: Gründung
Erstes Büro an der Schulstrasse in Fribourg. Zwei Gründer, ein Logistikprojekt und die Überzeugung, dass KI auch für kleinere Firmen zugänglich sein muss.
2020: Wachstum trotz Gegenwind
Während der Pandemie stieg die Nachfrage nach Automatisierung sprunghaft. Wir gewannen acht neue Kunden in sechs Monaten und stellten zwei Data Engineers ein.
2022: Branchenvielfalt
Projekte in Pharma, Detailhandel und Finanzdienstleistungen. Das Team wuchs auf neun Personen. Wir führten unsere zweiwöchige Machbarkeitsstudie als Standardprozess ein.
2024: Heute
74 abgeschlossene Projekte, zwölf Branchen bedient, ein eingespieltes Team mit tiefer technischer Kompetenz und klarer Methodik.
Das Team
Wir sind neun Leute. Keine anonyme Beratungsfirma, sondern Ingenieure, Datenwissenschaftler und ein Projektleiter, die direkt mit Ihnen sprechen. Hier stellen sich vier von uns vor:
Lukas Gerber
Lukas hat zehn Jahre bei einem Schweizer Industrieunternehmen Steuerungssysteme programmiert, bevor er sich auf Machine Learning spezialisierte. Er verantwortet die Architektur unserer Modelle.
Nadia Roth
Nadia sorgt dafür, dass Projekte im Zeitplan bleiben und Kunden jederzeit wissen, wo sie stehen. Ihre Erfahrung als Betriebswirtin hilft ihr, technische Ergebnisse in Geschäftszahlen zu übersetzen.
Arjun Patel
Arjun baut die Datenpipelines, die unsere Modelle mit sauberen, aktuellen Daten versorgen. Er hat an der ETH Zürich Informatik studiert und spricht fliessend Python und SQL.
Sophie Blanc
Sophie entwickelt und trainiert die Modelle, die bei unseren Kunden im Einsatz sind. Ihr Schwerpunkt liegt auf Natural Language Processing, also der Verarbeitung von Texten und Dokumenten.
Wofür wir stehen
Drei Grundsätze leiten unsere Arbeit. Sie sind nicht in Stein gemeisselt, aber wir messen uns an ihnen, und unsere Kunden dürfen das auch.
Ehrliche Einschätzung
Wenn ein Projekt keinen Sinn ergibt, sagen wir das. Wir haben Anfragen abgelehnt, bei denen die Datenlage für ein zuverlässiges Modell nicht ausgereicht hat. Lieber ein ehrliches Nein als ein teures Experiment ohne Aussicht auf Erfolg.
Messbare Ergebnisse
Jedes Projekt hat von Anfang an definierte Erfolgskriterien: eine Zielgenauigkeit, eine Zeitersparnis in Stunden pro Woche oder eine Reduktion der Fehlerrate um einen konkreten Prozentsatz. Wenn wir diese Ziele nicht erreichen, passen wir den Ansatz an oder beenden das Projekt.
Transparente Kommunikation
Alle zwei Wochen erhalten Sie ein schriftliches Update mit den aktuellen Metriken. Sie sehen, was funktioniert und was nicht. Keine Überraschungen am Projektende, keine versteckten Kosten. Der Stundensatz steht im Vertrag, und Abweichungen besprechen wir vorher.
Technologie, die wir einsetzen
Wir arbeiten mit Python, PyTorch und scikit-learn für die Modellentwicklung. Datenpipelines bauen wir mit Apache Airflow oder dbt, je nach Komplexität. Für die Bereitstellung nutzen wir Docker-Container, die sich in Ihre bestehende Infrastruktur einfügen, egal ob On-Premise oder Cloud.
Wir sind an keinen Cloud-Anbieter gebunden. Wenn Ihre Daten die Schweiz nicht verlassen dürfen, richten wir alles auf Schweizer Servern ein. Mehrere unserer Kunden in der Pharma- und Finanzbranche haben genau diese Anforderung, und wir erfüllen sie seit dem ersten Projekt.
Haben Sie Fragen zu unserer Arbeitsweise? Schreiben Sie uns direkt.