[Tech- und KI-Partner]

Data Science und Machine Learning angewendet auf Ihre Operationen

Wir entwickeln massgeschneiderte Modelle, um die Nachfrage vorherzusagen, Ihre Ressourcen zu optimieren oder Ihre Kontrollen zu sichern, integriert in Ihre Geschäftssoftware und in Produktion überwacht.
80+ Machine Learning Modelle in Produktion bei unseren Kunden
Anwendungsfälle, die hinsichtlich ihres ROI hinterfragt werden, mit einem bezifferten Gewinn bereits ab der Definition des Rahmens
40 KI-Ingenieure Absolventen der Polytechnique, Centrale oder ENS
Ein Data Engineer von Galadrim bei der Arbeit vor seinem Laptop
Mehr als 800 begleitete Organisationen: Industrielle, Dienstleistungsanbieter, Banken und Softwarehersteller vertrauen unseren Teams ihre Datenprojekte an.
Zwei Personen von hinten betrachten einen Laptop mit einer KI-Chat-Oberfläche.
Data Science Projekte scheitern oft an denselben Fallstricken: schlecht strukturierte Daten, Modelle, die auf das POC-Stadium beschränkt bleiben, aufwendige Integration in Ihre Geschäftssoftware und das Fehlen eines messbaren ROI.
Lucien MaillardHead of Custom AI Solutions
[Unsere Methode]

Unsere Methode, um ein Machine Learning Modell in Produktion zu nehmen

  • Definition
    Schritt 01

    Zu unterstützende Entscheidung und erwarteter Gewinn

    Wir gehen von der Entscheidung aus, die das Modell liefern soll – Prognose, Klassifizierung oder Erkennung –, und beziffern dann mit Ihnen den angestrebten Gewinn und die Rentabilitätsschwelle des Projekts. Diese Schwelle wird zum Kriterium, das über die Produktionsaufnahme entscheidet, festgelegt vor der ersten Entwicklung.
  • MACHBARKEIT
    Schritt 02

    Audit Ihrer Daten und erste Baseline

    Unsere Ingenieure prüfen Ihre Historie, Volumen, Tiefe und Qualität und erstellen innerhalb weniger Tage eine erste Baseline. Sie erhalten ein beziffertes Urteil: die erreichbare Präzision, fehlende Daten und den Plan, diese zu beschaffen.
  • Modellierung
    Schritt 03

    Vergleich von Ansätzen basierend auf Ihrer Historie

    Wir vergleichen verschiedene Methodenfamilien – statistische, Gradient Boosting, Zeitreihen oder neuronale Netze – anhand eines mit Ihnen entwickelten Backtesting-Protokolls. Das gewählte Modell übertrifft die Baseline und Ihre aktuelle Praxis, basierend auf Ihren realen Daten.
  • Kalibrierung
    Schritt 04

    Vergleich mit Ihrer aktuellen Praxis

    Wir vergleichen die Ausgabe des Modells mit der Entscheidung, die Ihre Teams in vergangenen Fällen getroffen hätten, und legen dann mit Ihnen die Alarmschwellen und die Aufteilung zwischen Automatisierung und menschlicher Validierung fest. Sie messen den Gewinn vor der Inbetriebnahme.
  • INTEGRATION
    Schritt 05

    Modell in Ihre Geschäftssoftware integriert

    Dasselbe Team modelliert und entwickelt: Wir verbinden das Modell mit Ihren APIs, stellen es in den Schnittstellen zur Verfügung, die Ihre Teams bereits nutzen, und implementieren es auf Ihrer Infrastruktur, sicher und robust mit Ihrem bestehenden Informationssystem.
  • BESTÄNDIGKEIT
    Schritt 06

    Überwachung der Präzision und erneutes Training

    Wir überwachen die tatsächliche Präzision des Modells im Einsatz und trainieren es auf den gesammelten Daten neu, damit der beim Start festgestellte Gewinn erhalten bleibt, wenn sich Ihre Aktivität entwickelt.
01/06
[Warum Galadrim?]

Warum vertrauen Unternehmen uns ihre Data Science Projekte an?

Erwiesene Expertise

800+ begleitete Kunden, 170+ Experten und 9 Jahre Erfahrung in der Entwicklung von AI-Produkten, mit Modellen im Einsatz in Industrie, Dienstleistungen und im öffentlichen Sektor.

Ein bezifferter Gewinn vor der Entwicklung

Wir prüfen Ihre Historie und erstellen in den ersten Tagen eine Baseline, dann legen wir gemeinsam die Präzision und den Gewinn fest, die die Produktionsaufnahme bedingen. Sie kennen den Wert des Projekts, bevor Sie es in Auftrag geben.

Eine wissenschaftlich begründbare Herangehensweise

Jedes von unseren Modellen erzeugte Ergebnis wird von seiner Methode und seiner Unsicherheit begleitet. Bei Suez wird der Netzwirkungsgrad mit einem Konfidenzintervall, berechnet durch Monte-Carlo-Simulationen, angegeben.

Modelle, die in Ihre Geschäftssoftware integriert sind

Ein allein geliefertes Modell bleibt eine Demonstration. Unsere Ingenieure integrieren es in das Tool, das Ihre Teams bereits verwenden: Der Turboself-Prognosealgorithmus ist nativ in sein Produkt integriert, die OGF-Planungsengine läuft in ihrer internen Software.

Eine in Produktion überwachte Präzision

Wir messen die tatsächliche Leistung des Modells im Einsatz und trainieren es auf den neu gesammelten Daten neu, damit der Startgewinn langfristig erhalten bleibt.
[Referenzen]

Sechs Machine Learning Modelle im Einsatz bei unseren Kunden

WASSER UND UMWELTSuez

Den Wasserverbrauch von 600 000 Einwohnern anhand unvollständiger Aufzeichnungen schätzen

Suez garantiert seinen Kunden-Gemeinden einen täglich berechneten Netzwirkungsgrad, während die Verbrauchsdaten unvollständig eintreffen, bedingt durch Ausfälle bei der Fernauslesung und nicht ausgerüstete Zähler. Galadrim hat die Schätzmaschine entwickelt, die diese Lücken schliesst: Sie prognostiziert den Verbrauch von Zählern mit Historie unter Berücksichtigung des Wetters und benachbarter Verbräuche, erstellt ein typisches Profil für weniger gut ausgestattete Parks und liefert einen globalen Wirkungsgrad mit einer Unsicherheitsmarge. Der Motor läuft auf der Google Cloud Infrastruktur von Suez.
600 000Einwohner abgedeckt
95 %Präzision
Suez Logo
INDUSTRIECastrol (BP)

Eine Abfülllinie durch eine autonome KI-Vision sichern, an einem Standort ohne Internetverbindung

Castrol, eine Tochtergesellschaft der BP-Gruppe, betreibt eine automatisierte Abfülllinie, wo das Betreten während des Zyklus zu einem schweren Unfall führen kann, an einem vollständig Offline-Standort. Wir haben ein Erkennungsmodell anhand von mehreren Stunden Videomaterial und 500 annotierten Bildern trainiert, die Hardware ausgewählt, die es vor Ort ausführen kann, und das System anschliessend an der Linie installiert. Eine Kamera überwacht den Gefahrenbereich kontinuierlich: Sobald eine Person diesen betritt, wird sofort ein Alarm ausgelöst, und es verlassen keine Bilder das Werk.
95 %Einbruchserkennung
100 %der lokalen Verarbeitung
1ausgestattete Pilotlinie
Castrol (BP) Logo
LUXUSHAUSCHANEL

Die Anwendung eines Kosmetikums mittels KI messen

Das Neurowissenschaftszentrum von Chanel wollte den tatsächlichen Gebrauch ihrer Produkte anhand von gefilmten Tests verstehen, mit dem Ziel, quantifizierbare Daten darüber zu erhalten, wie eine Person ein Kosmetikum anwendet. Galadrim hat Bilderkennungsalgorithmen entwickelt, die Kopf, Hand und Finger der Anwenderin über die gesamte Videodauer hinweg verfolgen. Jede Geste wird gezählt und nach ihrer Art klassifiziert, sei es eine halbkreisförmige Massage oder ein Klopfen, was Chanel ein objektives Mass dafür liefert, wie ein Kosmetikum angewendet wird.
97%der Präzision der Gestenerkennung
CHANEL Logo
BAHNARBEITENVinci Construction

Einsatz von Personal, Maschinen und Lokomotiven auf fünfzig Bahnbaustellen

Vinci Construction setzt täglich Personal, Baumaschinen und Lokomotiven ein, um die Kontinuität ihrer Bahnoperationen zu gewährleisten. Die einzuhaltenden Regeln häufen sich: Ruhezeiten, Befugnis eines Mitarbeiters, eine bestimmte Maschine zu führen, Abfolge der Fahrten von einem Standort zum nächsten. Galadrim hat die in sein internes Tool integrierte Planungsmaschine entwickelt, welche alle Baustellen in einer einzigen Berechnung abdeckt. Ein Bauleiter öffnet morgens sein Tool und findet dort den bereits erstellten und allen Regeln entsprechenden Plan seiner Teams, den er nur noch validieren muss.
+25 000geplante Einsätze
50Baustellen
300Mitarbeiter pro Baustelle
Vinci Construction Logo
INDUSTRIELOGISTIKGroupe Blondel

Hebeanlagen einer Werft voll auslasten

Die Groupe Blondel gewährleistet die Logistik des Standorts Chantiers de l'Atlantique, wo Kräne, Aufzüge und Lastenaufzüge den Fortschritt der gesamten Baustelle steuern. Es galt, diese voll auszulasten, gleichzeitig die Teams einzusetzen und die Warenströme zu verfolgen, ohne Warteschlangen vor einem ausgelasteten Mittel zu erzeugen. Galadrim hat die Anwendung entwickelt, welche diese Einschränkungen vereint: Ein Modell prognostiziert das zukünftige Paketvolumen, um die tatsächliche Auslastung zu antizipieren; die Bauleiter reservieren ihre Hebezeiten über die Schnittstelle; und der Zuweisungsalgorithmus erstellt die Pläne unter Berücksichtigung der Arbeitszeiten und der Kompatibilitäten zwischen Bedienern und Maschinen. Jeder Mitarbeiter erhält seinen personalisierten Plan am Morgen.
+90 %der Auslastung der Hebeanlagen
13 Wo.der antizipierten Auslastung
3vernetzte Geschäftstools
Groupe Blondel Logo
AUTOMOBILStellantis

Sechs Datenquellen zusammenführen, um einen Fahrzeugkatalog in natürlicher Sprache abfragbar zu machen

Spoticar, die Gebrauchtfahrzeugmarke der Stellantis-Gruppe, betreibt ein Händlernetzwerk und das Anzeigenportal, das ihnen ihre Käufer vermittelt. Die für eine Kaufentscheidung relevanten Informationen waren auf sechs nicht kommunizierende Systeme verteilt: Lagerbestand, Wartung, Herstellerdokumentation, Kundenbewertungen und Suchhistorien. Galadrim führt diese in der einzigartigen Datenbank der Gruppe zusammen, arbeitet innerhalb ihres Ingestionsrahmens und ihrer Sicherheitsregeln und erstellt anschliessend das Wörterbuch, das diese Daten im Fachvokabular beschreibt. Ein Käufer stellt seine Frage auf Französisch und erhält die entsprechenden Fahrzeuge, ein Händler steuert seinen Lagerbestand, basierend auf denselben Daten.
+100 000referenzierte Fahrzeuge
6Systeme in einer einzigen Datenbank vereint
2Schnittstellen, die von derselben Datenbank gespeist werden
Stellantis Logo
Sie sprechen über uns
[Unser Team]

Ein Team, das Sie berät, bevor es entwickelt

Wir rekrutieren und bilden begeisterte Ingenieure und Experten aus den besten Hochschulen aus, welche Expertise in Künstlicher Intelligenz und Kompetenzen in Software Engineering vereinen.
Benjamin Drighès
Benjamin Drighès CTO Data & AI
Berät unsere Kunden hinsichtlich ihrer Produktstrategie, ihrer langfristigen KI-Transformation sowie ihrer strukturbestimmenden Technologie- und Ansatzwahl, und definiert die Qualitätsstandards unserer KI-Teams.
Quentin Massonnat
Quentin Massonnat AI Team Lead
Entwickelt die Architektur der Datenverarbeitungsketten, einschliesslich Training, Berechnung von Vorhersagen und Überwachung, und betreut die Entwicklungen bis zur Inbetriebnahme.
Marc-César Garcia-Grenet
Marc-César Garcia-Grenet AI Team Lead
Über dreissig Projekte in seinem Portfolio. Er setzt die Modelle und die dazugehörigen Anwendungen in Produktion, vom Prototyp bis zu ihrem täglichen Betrieb.
Félix Monnier
Félix Monnier AI Team Lead
Trainiert und testet die an Ihre Daten angepassten Modelle und misst deren Präzision anhand Ihrer Historie vor jeder Inbetriebnahme.
Lucien Maillard
Lucien Maillard Principal AI Strategy Consultant
Strukturiert die Data-Projekte mit den Kundenabteilungen, qualifiziert die Machbarkeit anhand der verfügbaren Daten und den erreichbaren Nutzen vor jeder Entwicklung.
Pierre-Antoine Dornic
Pierre-Antoine Dornic Principal AI Strategy Consultant
Erfasst die KI-Anwendungsfälle, priorisiert diese nach ROI und Machbarkeit, definiert die Roadmaps der Abteilungen und steuert deren Einführung bis zur Akzeptanz durch die Teams.
Eva-Garance Tison
Eva-Garance Tison Lead AI Product Manager
Wandelt Geschäftsanforderungen in akzeptierte KI-Produkte um: definiert die Projekte mit den Kunden, priorisiert die Roadmap, steuert die Delivery der Teams und gewährleistet den Nutzen der gelieferten Lösungen.
Naïs Schietecatte
Naïs Schietecatte Senior AI Product Manager
Steuert den Produktlebenszyklus von KI-Lösungen, von den funktionalen Spezifikationen bis zu den täglich genutzten Kontrollschnittstellen, in enger Zusammenarbeit mit den Ingenieuren und den Fachanwendern.

Lassen Sie uns Ihr Projekt gemeinsam umsetzen

Kontaktieren Sie uns
[FAQ]

Einige häufig gestellte Fragen unserer Kunden

Ihre bestehenden Daten, unabhängig von ihrem Zustand, und der Zugang zu den Tools, welche diese hosten. Wir übernehmen die Extraktion, die Qualitätsverbesserung, die Modellierung und die Inbetriebnahme.
Einige Wochen für ein erstes Modell, das anhand Ihrer Historie gemessen wird; zwei bis fünf Monate für eine vollständige, in Ihre Tools integrierte Lösung. Jede Phase schliesst mit einem überprüfbaren Ergebnis ab.
Wir streben das beste erreichbare Niveau für Ihre Daten an und messen es vor jeder Inbetriebnahme, indem wir das Modell auf Ihre vergangenen Jahre anwenden. Der Schwellenwert, welcher die Inbetriebnahme bedingt, wird mit Ihnen bereits bei der Projektdefinition festgelegt.
Sie behalten die Entscheidung. Wir liefern die Schnittstelle, über welche Ihre Teams die Ergebnisse überprüfen und korrigieren, und jede Korrektur fliesst in die folgenden Re-Trainings ein.
Wir verfolgen die tatsächliche Präzision des in Betrieb befindlichen Modells und lösen dessen Re-Training anhand der neu gesammelten Daten aus. Diese Überwachung ist im Rahmen der Wartung geplant.
In Frankreich oder in der Europäischen Union, bei einem mit Ihnen definierten Hoster gemäss deren Sensibilität, oder direkt auf Ihrer eigenen Infrastruktur. Keine Daten verlassen den mit Ihnen definierten vertraglichen Rahmen.
Ihnen. Code, trainierte Modelle, vorbereitete Datensätze und Dokumentation gehören Ihnen bei jeder Lieferung. Die Abtretung der Rechte ist vertraglich ab Projektstart geregelt.
Jedes Projekt wird gemäss Ihrem Umfang und Ihren Prioritäten dimensioniert. Beschreiben Sie uns Ihren Kontext, wir melden uns innerhalb von 24 Stunden mit einer ersten Einschätzung bei Ihnen.
[Kontaktieren Sie uns]

Lassen Sie uns Ihr Projekt gemeinsam umsetzen

Wir arbeiten mit allen Arten von Kunden in allen Tätigkeitsbereichen zusammen. Ob Sie Unternehmer sind oder die Leitung einer grossen Organisation innehaben, ein passendes Team wird auf Ihre Bedürfnisse eingehen.

Mehr als 800 Unternehmen haben uns die Entwicklung ihrer Web-, Mobile- und AI-Produkte anvertraut.

Ihre Anfrage

Wir werden Sie innerhalb von 1h kontaktieren.