Angewandte Künstliche Intelligenz

Mehr als nur «Wir machen jetzt auch alles mit KI»

Sich kontinuierlich damit auseinanderzusetzen, wie (neue) Technologie dazu beitragen kann, eigene Prozesse hinsichtlich Qualität, Effizienz oder Mehrwert zu optimieren, ist erfahrungsgemäss sinnvoll. Das trifft auch auf den breiten Themenbereich Künstliche Intelligenz und alles, was darunter subsumiert wird, zu. Dabei ist es fast egal, in welcher Branche du bist: Praktisch überall stellt sich die Frage, wie Potenziale von Technologie genutzt werden können. Bei Apps with love haben wir eingespielte KI-unterstützte Workflows, experimentieren aber gleichzeitig auch immer mit den neuesten Möglichkeiten. Zentral dabei ist allerdings: die Verantwortung bleibt zu 100% bei uns als Menschen.

Ebenfalls wichtig zu berücksichtigen ist, dass KI kein Allheilmittel ist: Es gibt auch viele etablierte Prozesse und Methoden, die effizient funktionieren und die durch KI nicht einfach adäquat ersetzt werden können – und das ist völlig in Ordnung. Die wahre Kunst liegt darin, Potenziale zu finden, die mit angemessenem Aufwand ausgeschöpft werden können, und die Möglichkeiten regelmässig neu zu evaluieren. KI ist nicht für alles geeignet und bleibt  auch mal aussen vor – oder kommt nur punktuell zum Einsatz. Ein «KI-Einsatz der KI willen» macht schliesslich keinen Sinn.

Als Digitalagentur verstehen wir die Technologie. Als Agentur, die als Dienstleisterin aber auch Einblick in die unterschiedlichsten Unternehmen und Branchen erfahren darf, haben wir uns eine schnelle Auffassungsgabe angeeignet und sind gut darin, technologische Möglichkeiten mit tatsächlichen Herausforderungen und Chancen zu matchen. Wir teilen unser Wissen und beraten – auch zum Thema KI – gerne.

Was wir anbieten und Wege, um dein Produkt intelligenter, persönlicher, individueller zu machen

So beeindruckend ChatGPT, Sora oder Nano-Banana auch sind: Die Frage, die sich bei jeder technologischen Lösung stellt ist, welches Bedürfnis dahinter steht und welche effektiven Mehrwerte im jeweiligen Kontext geschaffen werden. Von dieser Fragestellung gehen wir in unserer Arbeit immer aus. AI oder ML (Machine Learning) können dann die passenden Technologien sein, diese Herausforderungen und Fragestellungen zu adressieren.

Die Möglichkeiten für den Einsatz von KI sind – mal abgesehen davon, welches Problem gelöst werden soll – vielfältig. Auch der damit verbundene Aufwand und die Komplexität sind sehr unterschiedlich. Von einfach bis komplex sortieren sich die Möglichkeiten im grossen Ganzen in etwa so – wobei das alles natürlich immer vom konkreten Anwendungsfall abhängig ist:

• Der einfachste Fall: Eine API anbinden – et voilà: Chatbot. Das ist, was man landläufig unter einem ChatGPT-Wrapper versteht, also quasi ein alternatives Interface für die KI-Modelle, die man auch anderswo nutzen kann. Einfach nur eine API anzubinden reicht in den meisten Fällen nicht, d.h. da kommt dann Meta-Prompting, Limits, White-Listing und so weiter hinzu.

• Das nächste Level, insbesondere wenn viele bestehende Daten vorhanden sind: Ein RAG (Retrieval Augmented Generation) verbessert den Chatbot. Das kann je nach Fall auch noch relativ trivial sein, dennoch stellen sich schnell technologie-architektonische Fragen, die mit Weitsicht und Fingerspitzengefühl beantwortet werden wollen.

• Ist ein RAG nicht das Richtige, aber du hast eine Datenbank oder bestehende Tools, mit denen man mit natürlicher Sprache interagieren können soll? In dem Fall kann die passende Lösung sein, ein MCP Server (MCP = Model Context Protocol) dazuzubauen. Spätestens ab hier stellen sich eingehende Fragen zu Prozessen, IT-Architektur und Systemlandschaft. Gerne beantworten wir diese gemeinsam mit dir.  

• Schliesslich das, was meist am wenigsten sichtbar ist, aber nicht weniger Mehrwert bieten kann: Dinge die das Leben der Nutzer*innen tatsächlich vereinfachen. Das können im einfachsten Fall Interaktionen in einer App via Sprachbefehlen sein (und ja: KI kann versteht inzwischen auch Schweizerdeutsch), spannend wird es aber vor allem beim Thema Individualisierung basierend auf den Interaktionen der Nutzer*innen: Personalisierte Handlungsvorschläge oder Empfehlungen sind hier nur der erste Schritt: Was wenn sich ein User Interface ganz automatisch nach meinen Bedürfnissen anpasst weil die Applikation mich kennenlernt und sich selbst optimiert…? 👀 

Selbstverständlich denken wir nicht in Schubladen und Bullet-Points: Wenn wir ein Detailkonzept erarbeiten, stellt sich meistens heraus, dass eine Kombination von Teilen oder allem Genannten das Beste ist. Lass es uns gemeinsam herausfinden!

Die grosse Frage der Modelle und Daten

Künstliche Intelligenz verstehen wir als ein Werkzeug – als eine Technologie, die wie jede andere Technologie richtig und mit Bedacht eingesetzt werden will. Im enormen Angebot an Modellen und APIs ist Durchblick gefragt: Wie und wo werden Daten verarbeitet und wofür genutzt? Insbesondere wenn es um Personen- oder sonstige sensitive Daten geht, sind diese Fragen zentral. Je nach Fall setzen wir auf die folgenden Optionen:

1. Vor allem für grosse Sprachmodelle (Large Language Models, LLM) oder multimodale Modelle in der Cloud nutzen wir mehrheitlich Microsoft Azure. Microsoft bietet praktisch alle namhaften sogenannten Foundry Models (über 11’000 unterschiedliche) über ihre Plattform an. Dazu gehören die bekannten wie GPT 5.3 oder Whisper von OpenAI, Opus 4.6 oder Sonnet 4.5 von Anthropic oder die Modelle von Mistral. Aber auch DeepSeek, Meta oder die Image-Generation Models FLUX von Black Forest Labs und viele weitere kleinere oder spezialisierte Modelle sind vertreten.

2. Oft stellt sich aber auch die Frage, ob überhaupt ein Cloud-Modell benötigt wird. Mit unseren Smartphones haben wir nämlich teilweise erstaunlich mächtige KI-Computer bereits in der Hosentasche. Diese bringen mit ML Kit (Android) oder Foundation Models (iOS/Apple) einiges an Fähigkeiten mit. Funktionen wie Bild- oder Text-Erkennung sind vollständig on-device machbar und heutzutage trivial umzusetzen. Für andere oder spezialisierte Anwendungsfälle können kleinere Modelle auch direkt in einer App integriert und so ausgeliefert, oder optional durch die User*innen heruntergeladen werden.

3. Falls weder die Cloud- noch die on-device Variante aufgrund der Anforderungen in Frage kommen - beispielsweise weil das nötige Modell zu gross für on-device wäre, aber die Daten zu sensitiv für die Cloud - dann sind Private-Cloud- oder On-Prem-Lösungen gefragt. Wir sind zwar nicht die Anbieterin, die darauf spezialisiert ist, Racks voller GPUs bei unserer Kundschaft zu installieren, aber glücklicherweise haben wir Partnerschaften mit Firmen, die sowas können. Wir finden auch in diesem Anwendungsfall Lösungen.

Einstieg in das Thema gesucht?

Unser Angebot rund um das Thema KI unterscheidet sich nicht von dem, wie wir auch sonst arbeiten: Mit menschlicher Intelligenz an die Sache herangehen, mit Blick auf die echten Mehrwerte aller Stakeholder und insbesondere der Endanwender*innen handeln, iterativ und in Etappen vorgehen und technologieneutral bleiben. In den meisten Fällen ist nicht von Beginn weg klar, dass die Lösung ein Large Language Model oder Generative KI allgemein ist. Wenn wir aber zum Schluss kommen, dass es  die passende Technologie ist, haben wir das Know-how und die Erfahrung, KI professionell einzusetzen.

Starten können wir mit strategischer Beratung und Workshops, um Prozesse zu analysieren und Potenzial zu identifizieren, oder auch mit einem technischen Proof-of-Concept. Selbstverständlich legen wir aber auch gerne sofort mit der Umsetzung deiner ausgereiften KI-App-Idee los.