Produktionsreife KI-Systeme, von den Daten bis zum Edge.

Zwei Ingenieure, eine verantwortliche Einheit.Spezialisierte Modelle statt LLM-Wrapper.EU-Infrastruktur als Standard.

AIM: 1 min 720p-Video in ~7 s auf einer Cloud-GPU analysiert (vorher ~6 min)

AIM: Training auf deutlich günstigerer Hardware

Computer Vision
Edge-ML
RAG und Agenten
MLOps und Cloud
Kostenoptimierung
Auditfähig

Kunden

In Produktion

Von uns gebaut und täglich im Einsatz. Jede Zahl steht mit den Bedingungen, unter denen sie gemessen wurde.

AIM KI-Fußballtraining

Problem: Ein fragiles, regelbasiertes System, das mit echtem Handyvideo nicht mithielt.
Was wir getan haben: Als Machine-Learning-Pipeline neu gebaut: eigene Bildverarbeitungsmodelle für Spieler, Ball und Hütchen, Tracking, Übungs- und Wiederholungserkennung, Biomechanik und Bewertung, mit einem durchgehend optimierten Inferenzpfad.
Ergebnis: Eine Minute 720p-Video in rund 7 Sekunden analysiert, statt rund 6 Minuten. Das Training läuft jetzt auf deutlich günstigerer Hardware.

Zeit für die Analyse einer Minute 720p-Video auf einer einzelnen Cloud-GPU.

Nur die Modellausgabe: Pose-Skelette, Ballspur und das Übungs-HUD, auf Schwarz gezeichnet. Es sind keine Aufnahmen von Spielern zu sehen.

Leistungen

Computer Vision

Erkennung, Segmentierung, Pose und Tracking, die auf echtem Video halten, nicht nur in Benchmarks.

Edge-ML

Modelle, die auf Ihrer vorhandenen Hardware schnell laufen, auf dem Gerät und am Edge, mit TensorRT, ONNX und CUDA.

RAG und Agenten

Retrieval- und Agenten-Workflows, die in Produktion genau bleiben, geliefert mit Evaluierung und Monitoring.

MLOps und Cloud

Clouds europäischer Anbieter oder AWS und Google Cloud in EU-Regionen, dazu die Pipelines, das Deployment und das Monitoring für den Betrieb.

Kostenoptimierung

Spezialisierte Modelle, wo ein allgemeines LLM das falsche Werkzeug ist, und kleinere Modelle ohne Genauigkeitsverlust.

Auditfähig

Dokumentation, Logging, menschliche Aufsicht und Evaluierung von Anfang an, damit ein System eine Sicherheitsprüfung oder ein Audit nach dem EU AI Act besteht.

EU-Infrastruktur als Standard

Ihre Daten bleiben in der EU, auf Infrastruktur, die wir vorab benennen, verarbeitet von Modellen, die wir selbst betreiben. Ohne Ihre Freigabe geht nichts an einen externen Modellanbieter.

Ihre Hardware

Vor Ort oder auf dem Gerät. Die Daten verlassen Ihr Haus nicht, und das Modell läuft dort, wo die Daten entstehen.

Europäische Cloud

Europäische Anbieter in EU-Rechenzentren, ausschließlich unter EU-Recht. Die Wahl, wenn Datenresidenz nicht reicht und Sie Souveränität brauchen.

AWS oder Google Cloud, EU-Regionen

Speicherung und Verarbeitung in EU-Regionen. Beide Anbieter sind US-Unternehmen, das ist also Datenresidenz und keine volle Souveränität, und wir sagen Ihnen, was Ihr Fall braucht.

Eigene Modelle

Open-Weight- und eigene Modelle, direkt neben Ihren Daten betrieben. Ihre Dokumente, Prompts und Videos gehen an unsere Modelle, nicht an die eines Modellanbieters.

Externe Modell-APIs

Standardmäßig aus. Wir meiden APIs, die Daten aus der EU hinaus senden oder die DSGVO nicht erfüllen. Wenn eine davon das richtige Werkzeug ist, entscheiden Sie, schriftlich.

Diese Website setzt keine Cookies, lädt nichts von Dritten und verwendet keine Tracker. Der Netzwerk-Tab Ihres Browsers zeigt es.

So arbeiten wir

Erst der Umfang
Jedes Projekt beginnt mit einer kleinen, klar abgegrenzten ersten Phase: Ihre Daten, Ihre Rahmenbedingungen und eine messbare Definition von fertig, bevor Sie sich weiter festlegen.
Durchgehend gebaut
Dieselben zwei Ingenieure bringen es von Rohdaten bis zum produktiven System: Daten, Modelle, Evaluierung und Cloud. Keine Übergaben, kein wechselndes Team.
Es läuft weiter
Monitoring, Dokumentation und EU-Datenhaltung als Standard, damit das System weiterläuft, wenn wir zurücktreten.

Wir antworten innerhalb von 24 Stunden, auf Deutsch, Englisch oder Portugiesisch.

Gründer

Jude Mingay

KI/ML-Ingenieur und Stratege

Computer Vision, Edge-Deployment und maßgeschneiderte Deep-Learning-Architekturen. Leitet die ML-Pipeline hinter AIM. Hat in der Industriesoftware angefangen und C- und C++-Protokollgateways für Stromnetze geschrieben (IEC 61850, IEC 60870, TASE.2), kam über Bioimaging-Forschung an der Universität der Algarve zum ML und studiert KI im Master an der Universität Freiburg, wo er mit dem AutoML-Lab daran gearbeitet hat, TabPFN zu verkleinern.

Sprachen: Portugiesisch, Deutsch, EnglischLinkedIn

Pedro da Matta

ML-Ingenieur und Cloud-Architekt

Produktives ML und Cloud-Engineering. Fast drei Jahre bei Deloitte: Python-Backends, Datenpipelines und DevOps auf AWS, mit Anbindung smarter Sensoren, verteiltem MongoDB und containerisierten Architekturen mit Docker und Kubernetes. AWS Certified Solutions Architect und Developer (Associate). Heute Production- und Machine-Learning-Ingenieur an Judes Seite. Hat an der Universität der Algarve Informatik studiert, dort einen Programmierclub gegründet und am MIUP teilgenommen, dem portugiesischen Hochschul-Programmierwettbewerb. Studiert KI im Master an der Universität Coimbra.

Sprachen: Portugiesisch, EnglischLinkedIn

Erstgespräch buchen

Erzählen Sie uns, was Sie bauen und wo es hakt. Wir antworten innerhalb von 24 Stunden.

E-Mail schreiben