KI, die arbeitet – nicht nur beeindruckt.

Sehr ernste Frage, sehr ehrliche Antwort: Es kommt drauf an, wo das Modell läuft. Bei Cloud-LLMs (OpenAI, Anthropic) gehen Daten zum Anbieter — wir konfigurieren aber alle API-Calls so, dass sie nicht zum Training verwendet werden. Wenn das nicht reicht, deployen wir Open-Source-Modelle (Llama, Mistral) komplett auf deiner Infrastruktur. Dann verlässt kein Datenpunkt dein Unternehmen.

Wir wählen pro Projekt das passende Modell. Für höchste Qualität bei nicht-sensiblen Daten meist Anthropic Claude oder OpenAI GPT-4. Für DSGVO-kritische Use-Cases Open-Source-Modelle wie Llama 3 oder Mistral, die wir on-premise oder in der EU hosten. Für spezialisierte Domänen oft Fine-Tuning auf einem kleineren Base-Modell.

Pauschal lässt sich das nicht sagen — KI-Projekte unterscheiden sich stark in Datenstand, Integrationstiefe und Komplexität. Wir machen es so: Im Discovery-Workshop schauen wir uns deinen Use-Case und deine Daten an und nennen dir danach einen Festpreis. Transparent, nicht nach Stunden-Bauchgefühl.

In den meisten Fällen ja — egal ob CSV, PDF-Berge, Datenbanken oder Tickets. Was wir vorher klären: Datenqualität, Format, Mengen, Labelling-Aufwand. Bei wenig Daten setzen wir oft auf Few-Shot-Learning oder RAG, da brauchst du gar kein Training. Bei großen, sauberen Datenmengen lohnt sich Fine-Tuning eher.

Halluzinationen sind real — wir bauen Systeme, die das minimieren: Source-Citations, Confidence-Scores, Fallback auf "weiß ich nicht", Human-in-the-Loop-Workflows für kritische Antworten. Bei Trading-Systemen kommen Risk-Limits dazu, die einen schiefliegenden Algorithmus stoppen, bevor er Schaden anrichtet.

Ja. Wir helfen Teams, die intern entwickeln, mit Architektur-Reviews, Modell-Auswahl, Vendor-Vergleich und Sparring. Halb- oder Tagessätze nach Aufwand.