04 · KI-Betrieb
Modelle ändern sich, Daten driften, Kosten steigen, und Aufsichtsbehörden stellen Fragen. Wir betreiben KI-Systeme so, wie eine Bank ihre Kernsysteme betreibt. Gemessen, überwacht, dokumentiert und planmässig verbessert.
- Leistung
- 04 / 05
- Phasen
- Ausgangslage → Instrumentieren → Betreiben
- Mandat
- Wochen 1–2 → Laufend
- Preis
- Fester Umfang, ergebnisgebunden

01Das Problem
Bei KI-Systemen fallen Fehler oft spät auf. Ein Anbieter aktualisiert ein Modell, und die Extraktionsgenauigkeit sinkt um vier Punkte. Eine neue Dokumentvorlage taucht auf, und der Agent beginnt zu raten. Die Nutzung wächst, und die Monatsrechnung verdreifacht sich.
Guter KI-Betrieb braucht laufende Evaluation gegen ein festes Testset. Dazu kommen Überwachung von Qualität und Kosten, kontrollierte Releases und eine Dokumentation, wer was freigegeben hat. Viele Teams bauen das gerade erst auf.
02Was wir liefern
Laufende Evaluation
Ihre Evaluationssuiten laufen bei jeder Änderung und planmässig gegen die produktiven Modelle. Schwellen blockieren ein Release oder lösen einen Alarm aus.
Produktionsmonitoring
Qualität, Latenz, Kosten pro Aufgabe, Eskalationsraten und Drift auf einem Dashboard für Ihr Betriebsteam.
Release-Management
Versionierte Prompts, Modelle und Tools, gestaffelte Rollouts und Rollback in Minuten. Dazu Änderungsnachweise für die Revision.
Modellrisiko und Governance
Ein Inventar der KI-Systeme, Risikoklassifizierung und Gestaltung der menschlichen Aufsicht. Dazu die Dokumentation für Aufsichtsbehörden und den EU AI Act.
03Wie wir arbeiten
01Wochen 1–2
Ausgangslage
Inventar der Systeme in Produktion, bestehender Tests und Überwachung, Risikoklassifizierung und aktuelle Kosten pro Aufgabe.
02Wochen 3–6
Instrumentieren
Wir richten Evaluationspipelines, Monitoring, Alarmierung und Release-Kontrollen für die prioritären Systeme ein.
03Laufend
Betreiben
Monatliche Reviews zu Qualität und Kosten, sichere Modell-Upgrades und Störungen nach Runbook.
04Ergebnisse im Überblick
- 01Inventar der KI-Systeme und Risikoklassifizierung
- 02Automatisierte Evaluationspipelines mit Release-Schwellen
- 03Dashboard für Qualität und Kosten
- 04Versionierung und Rollback für Prompts und Modelle
- 05Störungs-Runbook und Pikett-Modell
- 06Governance-Dossier für Revision und EU AI Act
05Typische Wirkung
- 20–45%
- Tiefere Kosten pro Aufgabe nach Routing und Caching
- < 15 Min.
- Bis zum Rollback eines verschlechterten Modells oder Prompts
- 100%
- Der Releases nur nach bestandener Evaluation
Bandbreiten aus repräsentativen Mandaten. Ihre Ausgangslage bestimmt Ihre Zahlen.
06Verwandte Projekte
07Verwandte Branchen
08Häufige Fragen
Nächster Schritt
Erzählen Sie uns von einem Prozess, der Ihr Team viel Zeit kostet. Gerne in einem Gespräch von dreissig Minuten, ohne Vorbereitung.


