Zusammenarbeit und Vertrauen
— Referenzen

Was Kunden über die
Zusammenarbeit berichten

Erfahrungsberichte aus abgeschlossenen Projekten — direkt von den beteiligten Teams.

← Zurück zur Startseite
23+ Abgeschlossene Projekte
4.8
Durchschnittliche Bewertung
5 Jahre Erfahrung
91% Folgeaufträge

Stimmen aus der Praxis

Alle Rückmeldungen stammen aus abgeschlossenen Projekten. Die Formulierungen wurden von den Beteiligten freigegeben.

BW
Beatrice Wenger Leiterin Digitalisierung, Industrieunternehmen, Zürich

„Wir hatten ein bestehendes Modell, das auf unseren Produktionsmaschinen einfach zu langsam war. Inceptum hat den Engpass schnell identifiziert und innerhalb der vereinbarten Zeit eine funktionierende Edge-Lösung geliefert. Die Dokumentation war so aufgebaut, dass unser Entwicklungsteam direkt weiterarbeiten konnte."

Edge AI Deployment · Februar 2025
RM
Rolf Maurer Chefredaktor, Fachpublikation, Bern

„Das System lernt wirklich. Anfangs haben wir viele Vorschläge manuell korrigiert — nach drei Wochen im Betrieb passte die Auswahl deutlich besser zu unserer Linie. Der Aufwand für die tägliche Inhaltssichtung ist spürbar gesunken, ohne dass die Qualität gelitten hat."

KI-gestützte Inhaltskuratierung · Januar 2025
SK
Sandra Keller Projektleiterin Innovation, Retailunternehmen, St. Gallen

„Wir wussten nicht genau, ob unser Anwendungsfall KI-tauglich ist. Der PoC-Sprint hat uns innert vier Wochen eine klare Antwort gegeben. Das Entscheidungsdokument war so aufgebaut, dass wir es direkt dem Vorstand vorlegen konnten — ohne technische Vorkenntnisse."

Proof of Concept Sprint · März 2025
TH
Thomas Hofer CTO, Technologieunternehmen, Luzern

„Was mich besonders geschätzt hat: Inceptum hat uns nicht in eine Richtung gedrängt. Als sich im PoC herausstellte, dass unser ursprünglicher Ansatz nicht der optimale war, haben sie das klar kommuniziert und eine Alternative vorgeschlagen. Das hat uns eine Fehlinvestition erspart."

Proof of Concept Sprint · Dezember 2024
NB
Nicole Brunner Head of Marketing, Medienorganisation, Basel

„Die Einführung war einfacher als erwartet. Unser Team war anfangs skeptisch gegenüber dem neuen Werkzeug — aber nach der Einweisungsphase haben mehrere Mitarbeitende aktiv nachgefragt, ob bestimmte Funktionen noch ausgebaut werden könnten. Das sagt einiges."

KI-gestützte Inhaltskuratierung · Februar 2025
PZ
Patrick Zimmermann Leiter Produktion, Fertigungsbetrieb, Winterthur

„Wir hatten spezifische Anforderungen an die Latenz unserer Qualitätskontrolle — Bereiche, in denen keine Cloudverbindung möglich ist. Das Team hat diese Vorgaben ernst genommen und Lösungswege vorgeschlagen, die sich in der Praxis bewährt haben. Professionelle, ruhige Arbeitsweise."

Edge AI Deployment · Januar 2025

Ausgewählte Projektergebnisse

Drei Projekte, die den typischen Ablauf der Zusammenarbeit veranschaulichen.

Fallbeispiel 01 · Edge AI

Qualitätsprüfung in der Fertigung ohne Cloud-Anbindung

Ausgangslage

Ein Fertigungsunternehmen betrieb ein cloudbasiertes Bilderkennungsmodell zur Sichtprüfung. Die Verbindungsunterbrechungen im Werk führten regelmässig zu Ausfällen in der Linie.

Vorgehen

Modellkomprimierung und Quantisierung auf INT8-Niveau. Deployment auf Industrial-Edge-Hardware mit unter 8ms Inferenzlatenz bei erhaltener Erkennungsgenauigkeit von 96%.

Ergebnis

Linienstillstände durch Verbindungsausfälle: auf null reduziert. Latenz gegenüber Cloud-Lösung: um 94% verbessert. Projektdauer: 9 Wochen.

Fallbeispiel 02 · Inhaltskuratierung

Redaktionelle Vorauswahl für ein B2B-Fachmedium

Ausgangslage

Ein Fachmagazin mit kleinem Redaktionsteam sichtete täglich rund 400 Artikel aus verschiedenen Quellen manuell — ein Aufwand von ca. 3 Stunden pro Tag.

Vorgehen

Aufbau eines Kuratierungssystems mit themenspezifischen Relevanzmodellen. Integration in das bestehende Redaktionssystem. Schulung des Teams in der Feedback-Pflege.

Ergebnis

Manuelle Sichtungszeit: von 3 Stunden auf unter 40 Minuten täglich. Relevanzquote der Systemvorschläge nach 4 Wochen Betrieb: 82%. Projektdauer: 6 Wochen.

Fallbeispiel 03 · PoC Sprint

KI-Tauglichkeit eines Bestandsanalysewerkzeugs prüfen

Ausgangslage

Ein Handelsunternehmen prüfte, ob KI-gestützte Bestandsprognosen sinnvoll wären. Vor einer Investition sollte die Datenlage geprüft und ein Machbarkeitsnachweis erbracht werden.

Vorgehen

Datenbewertung, Entwicklung eines minimalen Prognosemodells für zwei Produktkategorien, Interface-Mockup und Stakeholder-Präsentation mit Entscheidungsrahmen.

Ergebnis

Klare Empfehlung für einen schrittweisen Ausbau in zwei definierten Kategorien. Das Unternehmen konnte den nächsten Schritt auf Basis konkreter Evidenz entscheiden. Projektdauer: 4 Wochen.

Sprechen Sie uns an

Adresse

Hirschengraben 6
6003 Luzern

Öffnungszeiten

Mo–Do 08:30–17:30
Fr 08:30–16:00
Sa–So Geschlossen
— Ihr Projekt

Beginnen wir mit einem Gespräch

Wenn Sie wissen möchten, ob und wie KI in Ihrem Kontext sinnvoll eingesetzt werden kann, sind wir die richtige Anlaufstelle.

Kontakt aufnehmen