Die Zahlen liegen in fünf Systemen und jede Auswertung beginnt mit Excel. Wir bauen die Datenbasis, auf der Auswertungen und Prognosen tragen, mit dokumentierter Herkunft und Datenhaltung in der Schweiz oder der EU.
Fast nie an fehlenden Daten. Meistens daran, dass sie verteilt, uneinheitlich definiert und regulatorisch ungeklärt sind.
Der Monatsbericht entsteht von Hand aus vier Systemen. Er ist zwei Wochen alt, wenn er ankommt, und nur eine Person kann ihn erstellen.
Vertrieb und Finanzen nennen unterschiedliche Umsätze für denselben Monat. Die Diskussion dreht sich um die Datenquelle statt um die Entscheidung.
ERP, CRM, Webshop und Produktion sprechen nicht miteinander. Jede übergreifende Auswertung wird zum Einzelprojekt mit manuellem Export.
Personenbezogene Daten sind über Systeme verteilt, ohne dokumentierte Herkunft und ohne Löschkonzept. Unter revDSG und DSGVO ist das ein offenes Risiko.
Es gibt Dashboards, aber sie beantworten keine Frage, die jemand tatsächlich stellt. Entschieden wird weiter nach Erfahrung.
Bedarf, Auslastung und Ausfälle liessen sich aus den vorhandenen Daten prognostizieren, aber niemand hat die Modelle je in den Betrieb gebracht.
Vier Schwerpunkte, die aufeinander aufbauen. Angewandte generative KI und Agenten finden Sie bewusst nicht hier, sondern bei den KI-Lösungen.
Das Fundament, ohne das jede Auswertung Meinung bleibt. Wir führen die Daten aus ERP, CRM und Fachsystemen an einem Ort zusammen, mit dokumentierter Herkunft, damit jede Zahl bis zur Quelle zurückverfolgbar ist.
Snowflake · BigQuery · Databricks · Airflow · dbt · Kafka · PostgreSQL
Berichte, die eine Entscheidung vorbereiten und nicht nur eine Zahl zeigen. Wir beginnen mit den Fragen, die Ihre Geschäftsleitung tatsächlich stellt, und bauen das Dashboard rückwärts davon, statt aus dem, was das Werkzeug gerade anbietet.
Power BI · Looker · Tableau · Metabase · dbt Semantic Layer
Prognose, Anomalie-Erkennung und Klassifikation auf Ihren strukturierten Daten. Bewusst der bewährte Teil der Disziplin: gut messbar, gut erklärbar und damit auch gut prüfbar.
Python · scikit-learn · MLflow · Feature Store · Airflow
Wer darf welche Daten wofür nutzen, und wie lange? Die Frage entscheidet unter revDSG und DSGVO darüber, was Sie überhaupt auswerten dürfen. Wir beantworten sie, bevor die Plattform gebaut wird, nicht danach.
Data Catalog · Collibra · OpenMetadata · dbt docs · Great Expectations
Datenprojekte scheitern selten an der Technik. Sie scheitern daran, dass am Ende ein Dashboard steht, das keine Frage beantwortet, die jemand tatsächlich stellt. Deshalb beginnen wir bei der Entscheidung.
Wir starten mit den Entscheidungen, die Sie besser treffen wollen, statt mit einer Inventarliste Ihrer Systeme. Daraus ergibt sich, welche Daten überhaupt gebraucht werden.
Anbindung der Quellsysteme, Klärung von Herkunft, Verantwortlichkeit und Aufbewahrung. Der revDSG- und DSGVO-Rahmen wird hier gesetzt, nicht am Ende geprüft.
Pipelines bauen, Kennzahlen definieren und die Ergebnisse dort ausliefern, wo entschieden wird: im Dashboard, im Fachsystem oder als Schnittstelle.
Ein Dashboard, das niemand nutzt, ist keine Lieferung. Wir schulen die Fachbereiche, messen die Nutzung und passen an, was in der Praxis nicht trägt.
Vier Dinge, die nach einem sauberen Datenfundament anders sind: in der Sitzung, im Abschluss und in der Planung.
Kennzahlen werden einmal definiert und überall gleich berechnet. Die Sitzung dreht sich wieder um die Entscheidung statt um die Frage, wessen Auswertung stimmt.
Der Monatsbericht entsteht automatisch. Was vorher Tage an manueller Zusammenstellung war, steht am Morgen des ersten Werktags bereit.
Dokumentierte Herkunft, Löschkonzept und Zugriffsprotokolle. Sie können belegen, welche Daten wofür genutzt werden, gegenüber Kunden, Revision und Aufsicht.
Prognosemodelle für Bedarf, Auslastung und Ausfälle laufen im Betrieb und werden überwacht. Sie sind keine einmalige Auswertung, die nach drei Monaten veraltet ist.
Wir schneiden gemeinsam den ersten Fall zu: eine Datenquelle, ein Fachbereich, eine Entscheidung. Der Nutzen beginnt, bevor die Plattform vollständig ist.
Anwendungsfall besprechenZwei Projekte, in denen aus verteilten Quellen eine auswertbare Grundlage wurde.
Ein einheitliches klinisches Ökosystem: Meddilink EMR, HL7/FHIR-Geräteintegration und ein Data Lake mit Analytik für europäische Fertilitätsmärkte.
Berechnung des kürzesten tragfähigen Kabelwegs zwischen Turbine und Netz, mit Routing um acht Hindernis-Kategorien und Geodaten-Export.
Bei Datenvorhaben entscheidet die Governance darüber, was Sie überhaupt auswerten dürfen. Deshalb steht sie am Anfang und nicht in der Abnahme.
Plattform und Auswertung laufen in Schweizer oder EU-Regionen. Für besonders schützenswerte Daten ist auch der Betrieb in Ihrer eigenen Umgebung möglich.
Verarbeitungsverzeichnis, Löschkonzept und Anonymisierung von Testdaten gehören zum Lieferumfang und nicht in eine spätere Ausbauphase.
Dokumentierte Datenherkunft von der Kennzahl bis zum Quellsystem. Wenn eine Zahl bestritten wird, ist die Herleitung nachvollziehbar statt Auslegungssache.
Offene Formate, versionierte Transformationslogik in Ihrem Repository. Kein Modell und keine Pipeline, die nur wir betreiben können.
Wir sind an keinen Plattformanbieter gebunden. Wenn Ihr Team bereits mit einem Werkzeug arbeitet, ist das in der Regel das richtige Werkzeug.
Die Punkte, die im Beschaffungsprozess ohnehin kommen, hier vorab beantwortet.
Hier geht es um das Datenfundament: Datenplattform, Pipelines, Business Intelligence, Governance und Prognosemodelle auf strukturierten Daten. Angewandte generative KI, Agenten und LLM-Anwendungen liegen bei den KI-Lösungen. In der Praxis ist die Reihenfolge fast immer: erst das Fundament, dann die generativen Anwendungsfälle.
Nein. Die Bewertung der Datenqualität ist Teil der ersten Phase, und in den meisten Projekten ist genau das der Anlass. Wir erfassen den Ist-Zustand, benennen die Lücken und berücksichtigen sie in einem realistischen Plan, statt sie als Voraussetzung an Sie zurückzugeben.
In Schweizer oder EU-Regionen, nach Ihrer Vorgabe; für besonders schützenswerte Bestände auch in Ihrer eigenen Umgebung. Die Auftragsverarbeitung wird nach revDSG und DSGVO geregelt, Zugriffe werden protokolliert. Wo FINMA-Anforderungen gelten, richten wir die Kontrollen daran aus.
Nein. Wenn das Berichtswerkzeug steht und genutzt wird, liegt das Problem meist eine Ebene tiefer: bei der Datenqualität, bei uneinheitlichen Kennzahldefinitionen oder bei manuellen Zwischenschritten. Wir setzen dort an und behalten das Werkzeug, das Ihre Leute bereits bedienen können.
Wir schneiden bewusst auf einen ersten Anwendungsfall zu, der typischerweise nach 8–12 Wochen produktiv nutzbar ist: eine Datenquelle, ein Fachbereich, eine Entscheidung. Die vollständige Plattform wächst danach, aber der Nutzen beginnt nicht erst am Ende.
