Erfahrungsberichte
Was Kunden über ihre Projekte berichten
Keine Hochglanzaussagen — nur das, was unsere Kunden in ihren eigenen Worten rückmelden.
Zur Startseite4.8
Ø Kundenbewertung
35+
Abgeschlossene Projekte
3
Spezialisierte Leistungen
CH
Schweizer Fokus
Kundenstimmen
Was unsere Auftraggeber sagen
„Wir haben Verithon für die Erklärbarkeit unseres Kreditrisikomodells beauftragt. Die Lösung hat uns ermöglicht, Entscheidungen gegenüber unserer Revisionsstelle fundiert zu dokumentieren. Das Team war durchgehend klar in der Kommunikation — keine falschen Erwartungen, keine Verzögerungen."
Thomas Müller
Risk Officer · Basel
Februar 2025 · Explainable AI Integration
„Wir hatten Bildauswertungs- und Sensordaten bisher getrennt verwaltet. Die Datenfusion hat uns gezeigt, welche Kombination von Signalen unsere Qualitätsprüfung wirklich verbessert. Der Zeitplan wurde eingehalten und die Übergabe war gründlich."
Claudia Schneider
Produktionsleitung · Zürich
Januar 2025 · Multi-Modal Data Fusion
„Das Policy Advisory hat uns geholfen, strukturierte Leitlinien für den internen KI-Einsatz zu entwickeln. Die Dokumente sind nicht nur formal korrekt — sie sind auch so geschrieben, dass unsere Mitarbeitenden sie verstehen und anwenden können."
Martin Huber
Head of Compliance · Bern
März 2025 · AI Policy Advisory
„Verithon hat unser Diagnosehilfemodell mit Erklärungsschichten versehen, die für unsere klinischen Teams lesbar sind. Das war keine triviale Aufgabe. Ich schätze besonders, dass das Team realistische Erwartungen gesetzt hat — kein Versprechen, das nachher revidiert werden musste."
Sandra Berger
Digitalbeauftragte · Basel-Land
Dezember 2024 · Explainable AI Integration
„Wir haben Verithon für ein Policy-Projekt beauftragt, nachdem wir intern keine Einigkeit darüber hatten, wie wir KI-Beschaffungen genehmigen sollen. Das Ergebnis ist ein Prozess, der jetzt tatsächlich genutzt wird — was ich als eigentlichen Massstab sehe."
Rolf Kälin
CTO · Luzern
Januar 2025 · AI Policy Advisory
„Die Kombination aus Textdaten und Transaktionszeitreihen hat bei uns bisher einfach nicht funktioniert — verschiedene Modelle, verschiedene Teams, kein gemeinsames Bild. Das Fusionsprojekt hat das geändert. Die Visualisierungswerkzeuge sind ein echter Mehrwert."
Laura Weber
Data Strategy Lead · Genf
Februar 2025 · Multi-Modal Data Fusion
Fallstudien
Drei Projekte im Überblick
Konkrete Ausgangssituationen, Vorgehensweisen und Ergebnisse aus unserer Projektarbeit.
Fallstudie: Finanzinstitut, Basel-Region
Explainable AI Integration · 6 WochenAusgangslage
Ein mittelgrosses Finanzinstitut setzte ein ML-Modell für Kreditentscheidungen ein. Die interne Revisionsstelle forderte Nachweise, wie Einzelentscheidungen zustande kamen — etwas, das das bestehende Modell nicht liefern konnte.
Vorgehen
Ergänzung des bestehenden Modells mit SHAP-basierter Interpretierbarkeit. Erstellung einer internen Erklärungsschnittstelle für die zuständigen Sachbearbeiterinnen. Definition von Schwellenwerten für Revisionsberichte.
Ergebnis
Das Institut kann nun für jede Entscheidung einen strukturierten Erklärungsbericht erzeugen. Die Revisionsprüfung verlief ohne Beanstandungen. Das Modell selbst wurde nicht verändert.
Fallstudie: Industriebetrieb, Kanton Solothurn
Multi-Modal Data Fusion · 11 WochenAusgangslage
Bilddaten aus der Qualitätsprüfung und Vibrationssensordaten wurden getrennt ausgewertet. Fehlteile wurden erst spät erkannt, da beide Signale einzeln keinen ausreichenden Hinweis lieferten.
Vorgehen
Entwurf einer Fusionsarchitektur, die Bild- und Zeitreihedaten gemeinsam auswertet. Training eines gemeinsamen Modells. Implementierung einer Visualisierungsebene für das Prüfpersonal.
Ergebnis
Die kombinierte Auswertung erkennt kritische Muster früher. Die Ausschussquote in der Pilotlinie wurde spürbar gesenkt. Das Prüfpersonal erhielt ein verständliches Werkzeug zur täglichen Nutzung.
Fallstudie: Versicherungsunternehmen, Zürich
AI Policy Advisory · 4 WochenAusgangslage
Das Unternehmen beschaffte zunehmend KI-gestützte Softwarelösungen von Drittanbietern, ohne einen definierten internen Prüfprozess zu haben. Compliance und IT hatten unterschiedliche Erwartungen.
Vorgehen
Interviews mit Compliance, IT und Fachabteilungen. Erarbeitung eines Prüfrahmens für KI-Beschaffungen. Erstellung von Richtlinien für Risikokategorisierung, Testanforderungen und periodische Überprüfung.
Ergebnis
Ein Richtliniendokumentsatz, der von Compliance und IT gemeinsam getragen wird. Erstanwendung bei zwei unmittelbar bevorstehenden Beschaffungsvorhaben. Ausrichtung auf EU AI Act abgeschlossen.
Vertrauen
Womit wir arbeiten
35+
Abgeschlossene Projekte
4.8 / 5
Durchschnittliche Bewertung
100%
Festpreisprojekte
DSG
Regulatorisch abgestimmt
Wir arbeiten ausschliesslich mit Unternehmen, bei denen wir einen echten Beitrag leisten können. Wenn Ihre Situation für uns nicht passt, sagen wir das offen.
Direkt Kontakt aufnehmen
Anfrage sendenNächster Schritt
Bereit für ein erstes Gespräch?
Wir freuen uns darauf, Ihre Situation zu verstehen — bevor wir irgendetwas empfehlen.
Gespräch anfragen