„Wir haben die Ausschussrate in der Produktion um 38 % gesenkt und sparen jährlich rund CHF 420'000 ein."Branche: Präzisionsmechanik Projektdauer: 14 Wochen Standort: Kanton Bern
Grünfeld Mechanik produziert Kleinteile für die Medizintechnik. Bis Anfang 2025 prüften zwei Mitarbeitende jede Charge visuell. Fehlerhafte Teile wurden oft erst beim Kunden entdeckt. Unser Team hat ein kamerabasiertes Erkennungssystem aufgebaut, das fehlerhafte Teile in Echtzeit aussortiert.
Der erste Schritt war eine zweiwöchige Analyse der bestehenden Produktionslinie. Wir haben 12'000 Bilder von Gut- und Schlechtteilen erfasst, annotiert und ein Convolutional Neural Network trainiert. Das Modell erreichte nach drei Iterationen eine Erkennungsgenauigkeit von 96,4 %.
Entscheidend war die Integration in die bestehende SPS-Steuerung. Kein Maschinenstopp, kein Umbau. Die Kamera sitzt auf einem Schwenkarm über dem Förderband und kommuniziert über OPC UA mit der Anlage.
Objekterkennung, Defektklassifikation, OCR auf Bauteilen. Wir arbeiten mit PyTorch und ONNX Runtime, damit Modelle direkt auf Edge-Geräten laufen. Typische Inferenzzeit: unter 40 ms pro Bild.
Sensordaten aus Maschinen werden in Echtzeit ausgewertet. Unser Algorithmus erkennt Verschleissmuster bis zu drei Wochen vor einem Ausfall. Für einen Kunden im Kanton Zürich hat das die ungeplanten Stillstände um 62 % reduziert.
Rechnungen, Lieferscheine, Verträge: Wir extrahieren strukturierte Daten aus unstrukturierten PDFs. Ein mittelgrosses Treuhandbüro spart damit wöchentlich rund acht Stunden manuelle Eingabe.
Kundenservice-Bots, die tatsächlich funktionieren. Wir setzen auf Retrieval-Augmented Generation mit firmenspezifischen Wissensdatenbanken. Kein Halluzinieren, weil das Modell nur antwortet, was in den hinterlegten Dokumenten steht.
Bevor KI funktioniert, braucht es saubere Daten. Wir bauen Pipelines mit Apache Airflow und dbt, die Rohdaten aus ERP, CRM und IoT-Sensoren zusammenführen. Alles läuft in Schweizer Rechenzentren.
Diese Tabelle zeigt den Unterschied anhand realer Projektdaten aus dem Grünfeld-Projekt.
| Kriterium | Regelbasierte Prüfung | KI-Bildanalyse |
|---|---|---|
| Erkennungsrate | 72 % | 96,4 % |
| Falsch-Positiv-Rate | 11 % | 2,1 % |
| Einrichtungszeit | 2 Tage pro Teilevariante | 4 Stunden Nachtraining |
| Anpassung bei neuem Teil | Neuprogrammierung nötig | Transfer Learning |
| Laufende Kosten / Jahr | CHF 85'000 (Personal) | CHF 18'000 (Infrastruktur) |
Möchten Sie wissen, ob ein ähnliches Projekt für Ihr Unternehmen machbar ist? Wir prüfen das in einem kostenlosen 30-Minuten-Gespräch.
Gespräch vereinbarenNach dem erfolgreichen Piloten auf einer Linie hat Grünfeld Mechanik das System auf drei weitere Produktionslinien ausgeweitet. Jede Linie verarbeitet andere Teilegeometrien, was zusätzliche Trainingsdaten erforderte.
Neue Fehlermuster tauchen auf, wenn Werkzeuge verschleissen oder Materialchargen wechseln. Deshalb haben wir ein Feedback-System eingebaut: Wenn ein Bediener ein Teil manuell nachprüft und das Ergebnis korrigiert, fliesst dieses Bild automatisch in den nächsten Trainingszyklus ein. So wird das Modell jede Woche ein Stück besser.
Ein Echtzeit-Dashboard zeigt die Ausschussrate pro Schicht, die Modellkonfidenz und Drift-Indikatoren. Wenn die Konfidenz unter 85 % fällt, wird automatisch eine Warnung an den Schichtleiter gesendet. In den ersten sechs Monaten ist das genau zweimal passiert.
Die gesamte Infrastruktur läuft auf einem lokalen Server im Werk. Keine Cloud, keine Daten, die das Gebäude verlassen. Das war eine harte Anforderung von Grünfeld, und wir haben sie eingehalten.
4 Produktionslinien ausgerüstet
48'000 Bilder im Trainingsdatensatz
Inferenz auf Nvidia Jetson Orin Nano
Amortisationszeit: 11 Monate
Wir kommen vorbei, schauen uns den Prozess an und sagen ehrlich, ob KI hier einen messbaren Vorteil bringt. Manchmal ist die Antwort nein. Dann empfehlen wir eine einfachere Lösung und sparen Ihnen Geld.
Gute Modelle brauchen gute Daten. Wir helfen beim Labeling, bei der Bereinigung und beim Aufbau einer Datenpipeline, die auch nach Projektende funktioniert.
Training, Evaluation, Iteration. Wir nutzen bewährte Architekturen und passen sie an. Kein Forschungsprojekt, sondern angewandte Technik mit klarem Ziel.
Das Modell muss in Ihrer Umgebung laufen. Wir kümmern uns um Deployment, Monitoring und Wartung. Und wir dokumentieren alles so, dass Ihr internes Team es versteht.
Fiducia Treuhand in Lausanne verarbeitet monatlich rund 2'400 Eingangsrechnungen für ihre Mandanten. Bis 2024 wurden diese manuell in die Buchhaltungssoftware übertragen.
Wir haben ein System aufgebaut, das Rechnungen per OCR liest, die relevanten Felder extrahiert und direkt in Abacus importiert. Die Fehlerquote liegt bei unter 3 %. Was nicht automatisch erkannt wird, landet in einer Nachbearbeitungswarteschlange.
Zeitersparnis pro Monat: etwa 35 Stunden. Die Mitarbeiterin, die vorher Rechnungen tippte, betreut jetzt zwei zusätzliche Mandate.
Antworten auf das, was Kunden vor dem ersten Gespräch wissen wollen.
Das hängt stark vom Umfang ab. Ein Machbarkeitscheck dauert ein bis zwei Wochen. Ein Pilotprojekt mit funktionierendem Prototyp liegt meist zwischen acht und sechzehn Wochen. Die Skalierung auf den Produktivbetrieb kann weitere vier bis acht Wochen beanspruchen.
Nein. Wir bieten On-Premise-Lösungen an, die vollständig in Ihrem Netzwerk laufen. Wenn Sie Cloud bevorzugen, arbeiten wir mit Schweizer Rechenzentren. Die Entscheidung liegt bei Ihnen.
Pilotprojekte starten bei CHF 25'000. Der genaue Preis hängt von der Komplexität der Daten und der benötigten Integration ab. Im Erstgespräch geben wir eine realistische Schätzung.
Nicht zwingend. Wir können das System komplett betreiben. Langfristig empfehlen wir aber, intern Kompetenz aufzubauen. Dafür bieten wir Schulungen an, die auf Ihr konkretes System zugeschnitten sind.
Produktion, Treuhand, Logistik, Gesundheitswesen und Detailhandel. Die Methoden sind übertragbar; die Anpassung an die Branche passiert in der Daten- und Integrationsphase.
Beschreiben Sie kurz, worum es geht. Wir melden uns innerhalb von zwei Arbeitstagen.
268 Industriestrasse, 1700 Fribourg, Fribourg, Switzerland
Verantwortlich für die Datenverarbeitung ist aiprogresspath.shop, 268 Industriestrasse, 1700 Fribourg, Fribourg, Switzerland. Kontakt: [email protected].
Beim Besuch dieser Website werden technisch notwendige Daten erhoben: IP-Adresse, Browsertyp, Betriebssystem, aufgerufene Seiten und Zeitpunkt des Zugriffs. Diese Daten werden in Server-Logfiles gespeichert und nach 30 Tagen gelöscht. Rechtsgrundlage ist Art. 6 Abs. 1 lit. f DSGVO.
Wenn Sie das Kontaktformular nutzen, speichern wir die eingegebenen Daten zur Bearbeitung Ihrer Anfrage. Diese Daten werden nicht an Dritte weitergegeben und nach Abschluss der Anfrage gelöscht, sofern keine gesetzlichen Aufbewahrungspflichten bestehen.
Sie haben das Recht auf Auskunft, Berichtigung, Löschung und Einschränkung der Verarbeitung Ihrer personenbezogenen Daten. Wenden Sie sich dazu an die oben genannte Adresse.
Die Inhalte dieser Website dienen der allgemeinen Information über unsere Dienstleistungen. Wir bemühen uns um Richtigkeit, übernehmen aber keine Gewähr für Vollständigkeit oder Aktualität.
Die Nutzung der Website begründet kein Vertragsverhältnis. Verbindliche Vereinbarungen entstehen erst durch einen separaten schriftlichen Vertrag.
Die Vervielfältigung oder Verwendung von Inhalten dieser Website bedarf unserer schriftlichen Zustimmung.
Trotz sorgfältiger Prüfung übernehmen wir keine Haftung für die Inhalte externer Links. Für den Inhalt verlinkter Seiten sind ausschliesslich deren Betreiber verantwortlich.
Die auf dieser Website dargestellten Projektergebnisse und Zahlen beziehen sich auf konkrete Kundenprojekte. Ergebnisse können je nach Ausgangslage variieren. Wir garantieren keine bestimmten Ergebnisse.