FAQ zu KI-Entwicklung, Cloud & Technologie (AWS)

Setzen Sie auch um oder beraten Sie nur?

Wir setzen auch um. Neben Beratung entwickeln wir maßgeschneiderte KI-Lösungen, die produktiv genutzt werden können. Wichtig ist uns dabei, dass die Lösung nicht als „Demo“ endet, sondern sauber in Prozesse eingebunden ist und zuverlässig betrieben werden kann.

Was verstehen Sie unter KI-Entwicklung?

Damit meinen wir die praktische KI-Entwicklung eines Anwendungsfalls als funktionierendes System. Das umfasst typischerweise die Arbeit mit Daten, die Entwicklung oder Anpassung von Modellen und die technische Einbettung in die Zielumgebung. Dabei spielt auch der Betrieb eine Rolle – also Dinge wie Stabilität, Monitoring und die Frage, wie ein Modell über Zeit zuverlässig bleibt.

Entwickeln Sie auch in der Cloud?

Ja. Wir unterstützen KI-Entwicklung auf AWS. Dabei geht es entweder darum, einen neuen Cloud-Rahmen sauber aufzusetzen oder in eine bereits bestehende Cloud-Umgebung KI-Services und eigene Modelle sinnvoll zu integrieren.

Was machen Sie, wenn wir noch gar keinen AWS-Account oder keine Cloud-Struktur haben?

Dann unterstützen wir dabei, einen AWS-Account nach Best Practices einzurichten und so vorzubereiten, dass er für KI-Anwendungen nutzbar ist. Dabei kombinieren wir passende AWS-Services mit eigenem Code beziehungsweise angepassten Modellen – und übergeben am Ende eine einsatzfähige Umgebung. Wenn gewünscht, kann man im Anschluss auch Maintenance vereinbaren.

Und wenn wir schon in AWS sind?

Dann geht es vor allem darum, die passenden AWS-Bausteine für Ihre KI-Anwendung auszuwählen und in Ihre bestehende Infrastruktur zu integrieren. Je nach Bedarf kann das den Einsatz vorhandener AWS-KI-Services beinhalten oder die Einbindung selbst trainierter Modelle, die auf Ihre Daten und Anforderungen zugeschnitten sind.

Sind Sie AWS-Partner?

Ja, wir sind als AWS Select Tier Services Partner positioniert. Das ist für viele Kunden relevant, weil es den Fokus auf Best Practices, saubere Architektur und den professionellen Betrieb in AWS unterstreicht.

Welche technischen Details nutzen Sie genau – welches Framework, welche Datenbanken, welche Modelle?

Dazu kann ich Ihnen ohne Ihren Kontext keine verbindlichen Detailaussagen geben. Was klar benannt ist: Wir arbeiten mit Python-basierten Strukturen, wir unterstützen AWS-Umsetzungen, und bei einzelnen Referenzbeispielen wird die Nutzung eines ChatGPT-Modells über Microsoft Azure genannt. Für alles Weitere ist es sinnvoll, dass wir Ihren Anwendungsfall und Ihre Systemlandschaft kurz abgleichen, bevor wir Details festlegen.

Was ist „emops“?

emops ist ein internes Python-Package, das bei uns aus dem Bedarf entstanden ist, wiederkehrende Bestandteile in KI-Projekten zu standardisieren. Es schafft ein einheitliches Fundament für typische Themen rund um den Betrieb und die technische Struktur, damit Teams sich stärker auf das eigentliche KI-Modell konzentrieren können.

Was genau standardisiert emops?

Es geht um wiederkehrende Bausteine wie Logging, Verbindungen zu Datenbanken, das saubere Speichern projektrelevanter Dateien und die Verwaltung von Modellversionen. Dazu gehören Informationen zu Trainingsläufen, Hyperparametern und Code-Versionen. Außerdem unterstützt es einheitliche Projektstrukturen, was Zusammenarbeit und Wartbarkeit erleichtert.

Warum ist Modellversionierung so wichtig?

Weil Sie bei KI-Systemen nachvollziehen müssen, welches Modell wann und mit welchen Einstellungen im Einsatz war. Wenn Trainingsläufe, Parameter und Code sauber dokumentiert sind, wird es deutlich leichter, Ergebnisse zu reproduzieren, Verbesserungen gezielt zu testen und im Betrieb nachvollziehbar zu bleiben – gerade, wenn Modelle weiterentwickelt werden.

Sie sprechen von Infrastruktur „per Konfiguration austauschen“. Was heißt das?

Gemeint ist, dass Infrastruktur-Komponenten nicht fest in die fachliche Logik „einbetoniert“ werden, sondern austauschbar bleiben. Wenn man Systeme später anpassen muss, soll das möglichst ohne großen Umbau an der Modell- oder Anwendungslogik gehen. Das reduziert Aufwand, wenn sich Umgebungen ändern.

Gibt es bei emops auch eine Effizienz-Aussage?

Ja, wir nennen im Kontext unserer Arbeitsweise und in Verbindung mit emops den Ansatz, KI-Projekte effizienter umzusetzen, und es wird dabei auch eine konkrete Effizienz-Aussage kommuniziert. Was das im Einzelfall bedeutet, hängt dann immer vom Projektumfang und Ihrer Ausgangslage ab – das klären wir sauber im Gespräch, ohne pauschal zu versprechen.

Bekomme ich als Kunde Zugriff auf den Code?

Ja. Transparenz ist uns wichtig – wir geben Kunden Zugriff auf den entwickelten Code. Das schafft Nachvollziehbarkeit und hilft dabei, dass Sie langfristig handlungsfähig bleiben, auch wenn sich intern Zuständigkeiten ändern oder Sie später selbst erweitern möchten.

Wie stellen Sie sicher, dass KI-Systeme im Betrieb stabil bleiben? 

Wir adressieren das Thema Betrieb als Teil der Umsetzung, nicht als Nachgedanke. Dazu gehören strukturierte Projektabläufe, ein sauberer Umgang mit Modellversionen und die Frage, wie Monitoring und Wartbarkeit organisiert werden. Details hängen vom System ab – aber das Prinzip ist: produktive Nutzung braucht mehr als ein Modell, sie braucht ein belastbares Setup.

Arbeiten Sie auch mit Computer Vision, also Bilderkennung?

Ja, Computer-Vision-Themen sind in Inhalten und Referenzarten klar vertreten, etwa Bildklassifikation, Objekterkennung oder Anomalieerkennung. Auch der Einsatz in Prozessschritten wie Digitalisierung oder Auftragserfassung über visuelle Verfahren wird als Anwendungsfeld genannt. Ob das bei Ihnen passt, hängt davon ab, ob Bilddaten sinnvoll verfügbar sind und welcher Prozess damit verbessert werden soll.

Machen Sie auch Prognosen, zum Beispiel Absatzprognosen oder Forecasting?

Ja, Forecasting-Themen und Absatzprognosen werden als typische KI-Anwendungsfelder behandelt. Der Nutzen ist häufig, Entscheidungen in Planung und Steuerung datenbasiert zu unterstützen. Ob man daraus nur Prognosen oder auch automatische Folgeprozesse ableitet, hängt vom gewünschten Reifegrad ab.

Bieten Sie auch Optimierung, zum Beispiel Preis- oder Sortimentsoptimierung?

Ja, Optimierungsfragen sind als Anwendungsfelder genannt – etwa in Preis- oder Sortimentskontexten. Wichtig ist dabei, dass man klar definiert, welche Zielgröße optimiert werden soll und welche Nebenbedingungen es gibt. Dann kann man entscheiden, ob eine KI-basierte Optimierung wirklich den gewünschten Effekt bringt.

Können Sie auch E-Mails automatisiert verarbeiten?

Ja, automatisierte Verarbeitung von E-Mails wird als Anwendungsfeld genannt. Solche Lösungen zielen häufig darauf, Inhalte zu klassifizieren, zu priorisieren oder strukturierte Informationen aus unstrukturiertem Text zu gewinnen. Was in Ihrem Fall möglich ist, hängt von Datenlage und Prozessdefinition ab.

Haben Sie Recommender-Systeme umgesetzt?

Recommender-Systeme sind als Anwendungsfeld genannt, etwa für Produktempfehlungen oder auch im internen Kontext. Der Kern ist, Nutzern passende Optionen vorzuschlagen – entweder für Kunden im Shop oder für Mitarbeitende in technischen Rollen. Welche Daten dafür nötig sind, hängt vom Kontext ab.

Betreiben Sie auch Forschungsprojekte? 

Ja, es gibt ausgewiesene Forschungsprojekte. Genannt werden unter anderem Themen wie Reinforcement Learning in einem Robotik-Kontext, ein Projekt rund um Künstliche Intelligenz in der Kunststoffwelt, ein KI-Anwendungshub für Kunststoffverpackungen sowie ein KI-basiertes Projektrisikomanagement. Der Fokus ist dabei, KI-Methoden für konkrete industrielle Fragestellungen weiterzuentwickeln und anwendbar zu machen.

Was ist „KIOptiPack“ in einfachen Worten? 

Es ist als Projekt positioniert, in dem KI-Modelle genutzt werden, um Materialeigenschaften im Kontext von Recycling- und Kunststoffthemen vorherzusagen. Ziel ist, Eigenschaften von Materialien datenbasiert zu prognostizieren, um Entscheidungen in der Praxis besser unterstützen zu können. Wenn Sie möchten, kann man im Gespräch klären, ob das inhaltlich zu Ihrer Fragestellung passt oder eher ein Forschungs-Use-Case bleibt.