Deine Digitalagentur für das AI-Zeitalter

Mehr Effizienz, Kreativität und Qualität: Künstliche Intelligenz hat das Potential, so wichtig zu werden wie Rad, Dampfmaschine oder Elektrizität. Doch wie gehst du die digitale AI-Transformation an? Wir begleiten dich dabei, beraten, inspirieren und setzen um.

Chancen

Wo kann mir AI Mehrwert bringen?

«Artificial Intelligence» kann Aufgaben automatisieren, Inhalte bezüglich Qualität prüfen, kreative Prozesse unterstützen – und so viel mehr:

Personalisiertes Marketing

Wieso den gleichen Newsletter versenden an alle Empfänger, wenn diese verschiedenste Interessen haben? KI ermöglicht, Newsletter-Inhalte gestützt auf das User-Verhalten zu personalisieren – für mehr Klicks. Und ein KI-generierter personalisierter Betreff kann die Opening-Rate erhöhen.

Lead-Generation

Je weniger Elemente ein Formular hat, desto häufiger wird es ausgefüllt. Wieso also nicht die Anrede aus dem Vornamen ableiten? Oder jene Kontaktoptionen bereitstellen, die für den jeweiligen User relevant sind? Oder die Priorität einer Nachricht mittels KI eruieren und sie direkt der verantwortlichen Person zustellen – gleich mit einem Vorschlag für eine sinnvolle Antwort?

Geschäftsprozesse

Quittungen abtippen und Konten manuell buchen? Archivierte Formulare auf Papier für eine Auswertung von Hand in Excel übertragen? Kernaussagen von Kundenumfragen durch Personen quantifizieren lassen? Kann man, muss man dank künstlicher Intelligenz aber nicht mehr.

Qualitätssicherung

Texte automatisch gegenlesen, bevor sie versendet werden; sicherstellen, dass alle für Suchmaschinen relevanten Begriffe vorkommen auf einer Kampagnenseite; alt-Texte für Bilder generieren; bei einem Blog kontrollieren, ob alle für Lesende relevanten Fragen geklärt sind: Als Sparringspartner brilliert künstliche Intelligenz.

Wissens-Management

Im besten Fall ist das Wissen eines Unternehmens – Prozesse, Verträge, Projekte etc. – zentral dokumentiert. Realistischerweise dezentral (und häufiger gar nicht). Mit AI lassen sich die Fragen der Mitarbeitenden oder von Kunden über alle Quellen hinweg in Echtzeit direkt beantworten.

Kreation

Jeder Einstieg ist hart – in eine E-Mail, einen Blog-Beitrag, einen Business-Plan. Künstliche Intelligenz liefert Ideen, Alternativen, neue Perspektiven und kann damit einen kreativen Prozess anstossen oder weiterbringen, wenn er mal stecken bleibt.
Beispiele

Wo habt ihr künstliche Intelligenz eingesetzt?

AI ist ein weiter Begriff. Machen wir sie greifbar: Hier ein paar konkrete Beispiele, die wir umgesetzt haben oder an denen wir gerade arbeiten:

Kontaktformular Bystronic mit Vorauswahl Deutschland

Effizientere Lead-Bearbeitung

Je einfacher ein Formular zu finden und auszufüllen ist, desto mehr Kontaktaufnahmen geschehen darüber. Bei Bystronic gibt’s deswegen ein einziges zentrales Formular – und das Weiterleiten an die richtige Person übernimmt künstliche Intelligenz.

Startseite VSAO mit Zugang zu Chatbot
VSAO Chatbot der eine Frage zu Überstunden beantwortet

Schnellere Antworten

Wann ist das Sekretariat geöffnet? Wie werde ich Mitglied? Was macht ihr überhaupt? Bei VSAO Bern beantwortet ein KI-basierter Assistent diese Fragen gestützt auf die Inhalte der Website – und wenn er die Antwort mal nicht weiss, sagt er, wer helfen kann.

Prototyp einer KI-Suche mit Suchresultat zu Schweizer Feiertagen

Einfachere
 Suche

Statt bei der Suche im Intranet eines Industriekunden nur die Seiten auszugeben, welche den Suchbegriff enthalten, fassen wir die Kernaussagen mit KI direkt zusammen. Dabei verlassen keine Userdaten die IT-Infrastruktur des Kunden.

Raphael ist Partner – und für dich da.

031 528 10 25
raphael@helga.ch

Espresso, Doppio, Macchiato – Stout?

KI-Anwendungen und Kontext

Wo liegt eure Stärke bei AI-Applikationen?

Seit ChatGPT 2022 veröffentlicht wurde, wird «Artificial Intelligence» häufig als Synonym für ChatGPT und seine Geschwister (Gemini, Claude, Llama, etc.) genutzt. 

Dabei handelt es sich um «Large Language Models» (LLM): AI-Tools, welche durch maschinelles Lernen in bestehenden Inhalten (z.B. Texten, Bildern, Ton) Muster erkennen und diese Muster auf neue Aufgaben anwenden. 

Doch: Wir entwickeln keine Alternativen zu ChatGPT und Co. (das kostet Millionen) – unsere Stärke liegt darin, diese bestehenden Tools auf Spezialfälle anzuwenden. Und da kommen unsere Kernkompetenzen als Digitalagentur ins Spiel: 80% der Komplexität von KI-Anwendungen liegt darin, dem Large Language Model den richtigen Kontext bereitzustellen.

Kuchendiagramm zur Komplexität bei AI-basierten Projekten
Context Engineering

Und was ist «Context Engineering»?

Wenn künstliche Intelligenz für dich beispielsweise Suchresultate zusammenfasst, kann sie das nur so gut wie die Suchresultate sind, die wir ihr dafür mitgeben. Diese Suchresultate sind der Kontext.

Context Engineering ist also das Zusammenstellen (und häufig auch das Erstellen) aller Inhalte, Quellen, Hintergrundinformationen und Anweisungen, die man einem Large Language Model übergibt, damit es arbeiten kann – und unsere Kernkompetenz im Bereich KI.

Grafik zu Context Engineering
Agentur

Und wieso denn Helga?

Künstliche Intelligenz ist nur so gut wie ihr Kontext – und wie die Agentur, welche sie einsetzt. Context-Engineering ist Kerngeschäft einer Digitalagentur wie Helga: Daten strukturieren, Schnittstellen anbinden, Software entwickeln: Wir begeistern nicht mit grossen Worten, wir überzeugen mit Ehrlichkeit, Nähe und Hingabe.

Gründung 2011
Leute 12
Pläne* 0

*Digitalisierung ist individuell. Wir quetschen dich nicht in einen Prozess, wir richten uns nach deiner Herausforderung.

Angebot

Womit kann mich Helga unterstützen?

Als Digitalagentur verfügen wir über langjährige Erfahrung in den für AI-Anwendungen relevanten Bereichen. Das Beste? Wir beraten nicht nur, wir setzen auch um – müssen also unsere ambitionierten Visionen selber auf den Boden bringen.

KI-Beratung

Wo gibt es in meinem Geschäft überhaupt Potential für den Einsatz von künstlicher Intelligenz? Wo liegen die Risiken? Wie können wir schnell erste Ergebnisse erreichen? Zentrale Fragen, die uns liegen, die wir lieben – und die wir an einem Workshop gemeinsam beantworten können.

RAG (Retrieval Augmented Generation)

Wenn ein Chatbot Fragen zu einer Website beantworten soll, muss er die neuste Version dieser Website kennen. Die einem Chatbot zugrundeliegenden Large Language Models (LLM) werden aber nur selten aktualisiert, weil dieser Prozess (das Training, siehe GPT unten) sehr aufwändig ist.

Deswegen übergibt man bei einem Chatbot dem LLM nicht nur die Fragestellung eines Users, sondern auch alle Inhalte der Website, welche es für eine Antwort verwenden darf. Diese Kontextübergabe ist Retrieval Augmented Generation – RAG.

Agentic AI und Multi-Agents

Gute Software ist häufig modular – besteht also aus vielen Komponenten mit einer klaren, beschränkten Zuständigkeit, welche zusammenarbeiten.

Bei AI-Applikationen nennt sich ein Modul «Agent»; und wenn mehrere davon zusammenarbeiten, heisst’s «Multi-Agents». Bei einem Chatbot gibt’s beispielsweise einen Agent, der aus der Frage des Users Synonyme generiert, bevor die Datenquelle danach durchsucht wird; oder einen Agent, der aus den Suchergebnissen die relevantesten herauspickt; oder einen Agent, der aus den relevanten Suchergebnissen eine Antwort formuliert.

Datenschutz

Heikel, aber lösbar: Optimalerweise, indem man das Large Language Model selber und lokal bei seinem Hosting-Provider oder im eigenen Rechenzentrum betreibt. Dafür gibt es gute Open-Source-Modelle (wie Llama oder Mistral), bei denen keine Daten die eigene Infrastruktur verlassen. Pragmatischerweise, indem man auf Private Cloud Deployments (z.B. Azure OpenAI mit Serverstandort Schweiz) setzt. Zusammen finden wir heraus, welche Lösung deine Bedürfnisse am besten abdeckt.

User Experience für KI

Künstliche Intelligenz kann gewaltigen Mehrwert schaffen – aber nur, wenn Nutzende das darauf basierende Produkt auch einsetzen. Mit unserer Expertise im Bereich User Experience denken wir die Anwendung aus Sicht der Nutzenden, um früh sicherzustellen, dass der Mehrwert auch verwirklicht wird.

MVP und Prototyping

Künstliche Intelligenz hat Schwächen – gerade, wenn es um Präzision geht, sind die Resultate teilweise haarsträubend. Diese Schwachstellen finden wir möglichst früh, um sie zu beheben oder einen anderen Weg zu gehen, bevor die Investitionen zu gross geworden sind. Prototypen und «Minimum Viable Products» (MVP) helfen dabei, und ebenso unsere Erfahrung mit diesem agilen Vorgehen.

Entwicklung von AI-Apps

«Artificial Intelligence» ist Software – und unsere Expertise liegt in deren Entwicklung. Wir beraten also nicht nur, wir setzen auch um, was wir gemeinsam entworfen haben: dazu gehören Schnittstellen, Datenbanken und Web-Applikationen.
Bildschirmfoto des Linkedin-Profils von Helga

Vielleicht nicht jetzt ...

... aber wenn du uns dann mal brauchst, sind wir da. Und damit du uns bis dahin nicht vergisst:

Glossar

All die Abkürzungen – was muss ich da wissen?

Kurz: Eigentlich gar nichts. Dafür sind wir da. Doch künstliche Intelligenz ist ein grosses Gebiet, und grösser ist nur der Hype um sie; den muss man manchmal kontern können: Dazu ein paar Erläuterungen.

AI und KI

Artificial Intelligence resp. Künstliche Intelligenz: Ein sehr weiter Überbegriff, gängig seit den 1950-er Jahren. Er fasst alle Technologien zusammen, die Maschinen ermöglichen, menschenähnlich zu lernen, zu verstehen, Probleme zu lösen, zu entscheiden, kreativ und autonom zu sein.

LLM, ML, GenAI, neuronales Netz und GPT sind Unterbegriffe davon.

LLM

Large Language Models: Ein KI-Programm (sog. Model), das mittels Machine Learning (ML) auf den Umgang mit Sprache trainiert wurde. Und zwar mit solch gewaltigen Mengen an Sprachdaten (wie Wikipedia, Büchern und Songtexten; deswegen «Large»), dass es auch komplexe Anfragen beantworten kann.

RAG

Retrieval-Augmented Generation: Eine Strategie, um Large Language Models (siehe LLM) mit Informationen zu versorgen, die sie noch nicht kennen. Dabei wird häufig die Eingabe eines Users genutzt, um die relevanten Inhalte zu finden und diese darauf zusammen mit der Eingabe an ein LLM zu übergeben.

Einfaches Beispiel: Bei einem Website-Chatbot wird die User-Eingabe zuerst genutzt, um die Website zu durchsuchen; die Suchresultate werden darauf zusammen mit der Eingabe des Users an das LLM weitergeleitet mit der Aufgabe, aus beiden – User-Eingabe wie Suchresultaten – eine kurze Antwort zu verfassen.

RAG ist also eine Technik, um die Möglichkeiten von LLM und GPT gezielt zu erweitern. Anstelle von RAG kann auch MCP genutzt werden, um LLM mit Informationen zu versorgen.

MCP

Model Context Protocol: Ein junger Kommunikationsstandard (eingeführt durch Anthropic Ende 2024, mittlerweile ziemlich verbreitet), der einem LLM ermöglicht, mit seiner «Umwelt» zu interagieren, indem es u.a. Daten (wie z.B. Flugverbindungen) abfragt, wenn es diese benötigt oder mit anderen Applikationen kommuniziert, um darüber bestimmte Aufgaben zu erledigen (wie z.B. eine E-Mail zu verschicken).

ML

Machine Learning: Ein KI-Programm (sog. Model), das mit einer Vielzahl von Daten so trainiert wurde, dass es darauf gestützt Vorhersagen machen kann zu Daten, die es noch nicht gesehen hat.

Ein einfaches Beispiel für ML: Gesichtserkennung. Dabei wird das Model trainiert mit unzähligen Bildern: solchen mit einem bestimmten Gesicht und solche ohne; die Bilder sind entsprechend gekennzeichnet («labeled»). Das Model «lernt» dabei selbständig, welche Eigenschaften eines Bildes (Formen, Kontraste, Farben etc.) das Gesicht ausmachen. Sobald das fertig trainierte Model ein neues Bild sieht, kann es die Eigenschaften anwenden und daraus schliessen, ob es sich um das bestimmte Gesicht handelt – oder eben nicht.

Neuronale Netze, LLM, GenAI und GPT sind Unterbegriffe davon.

GPT

Generative Pre-trained Transformer: Eine Methode, um ein LLM zu trainieren, erstmals angewendet durch Google und OpenAI (der Herausgeberin von ChatGPT) um 2018.

Dabei wird das AI-Programm (sog. Model) anhand von gewaltigen Mengen an Daten und ohne Erläuterung des Inhalts (also ohne sog. Labeling, siehe ML) trainiert. Bei der Anwendung (z.B. bei einer ChatGPT-Abfrage) ist das Modell bereits trainiert (deswegen Pre-trained) und fähig, neue Inhalte zu generieren (deswegen Generative).

Transformer letztlich bezeichnet eine Form von Neuronalen Netzen, die besonders geeignet ist, um zusammengehörige Informationen (wie einen Satz, der aus mehreren fortlaufenden Wörtern besteht) zu verarbeiten.

Mittels GPT können LLM trainiert werden.

Neuronales Netz

Eine Form von Machine Learning, die von der Funktionsweise eines menschlichen Gehirns inspiriert wurde. Dabei arbeiten miteinander verbundene «Nodes» so zusammen, wie dies beim Vorbild Neuronen tun – deswegen der Name. Neuronale Netze eignen sich besonders, um komplexe Muster und Verwandtschaften in grossen Datenmengen zu erkennen.

ChatGPT als LLM ist die wohl bekannteste Form eines neuronalen Netzes. Und neuronale Netze sind eine Form von AI.

GenAI

Generative AI: Eine Form von künstlicher Intelligenz (AI), bei welcher neue Inhalte erstellt werden – wie Bilder, Texte, Sprache. Sie grenzt sich insb. ab von künstlicher Intelligenz, welche Daten «lediglich» auswertet (z.B. Gesichtserkennung), ohne neue Inhalte zu erstellen.

LLM und GPT sind eine Spielart von GenAI. GenAI basiert häufig auf ML und ist eine Form von AI.
Tabellarische Darstellung der verschiedenen AI-Modelle
Vorbilder

Diese Unternehmen setzen auch auf Helga

Zu spannenden Projekten können wir schwer nein sagen – deswegen liest sich unsere Kundenliste wie das «Who is Who» der Schweizer Wirtschaft, Verwaltung und Verbände:

Wir sind Helga. Da für Helden. Wie dich.

Ich möchte ...

auf Kaffee oder Bier vorbeikommen
ein neues Projekt starten
bei euch arbeiten
am nächsten Sommerfest teilnehmen

Raphael ist Partner – und für dich da.

031 528 10 25
raphael@helga.ch

Wie weiter?

Ein kleiner Schritt für 
dich ...

… und ein gewaltiger Sprung für dein Projekt. Wagst du ihn? Darauf übernehmen wir. Versprochen. Und führen dich in übersichtlichen Schritten zu einem Resultat, das umhaut.

Deine aktuelle Recherche

Du findest zu uns

Die grösste Hürde ist genommen: Du hast zu uns gefunden. Hossa! Von hier an wird’s nur noch einfacher.

Kontaktaufnahme

Du klopfst an

Wir mögen’s unkompliziert. Ein paar Worte genügen: Wie können wir helfen?

Erstes Kennenlernen

Wir lernen uns kennen

Raphael meldet sich, stellt ein paar Fragen: Damit wir erfahren, was du noch brauchst, um dich für uns zu entscheiden.

Ideation und Konzept

Nun inspirieren wir

Ideen und Inspiration – funktional, grafisch oder technisch: Was dir fehlt, das liefern wir. Frei Haus. Mit einer Schätzung und Timeline, damit’s konkret wird.

Projektentscheid

Du sagst, wie’s weitergeht

Hier pocht unser Herz, richtig hart: Du entscheidest, ob deine Reise mit uns weitergeht. Falls ja, gibt’s Ingwerer-Shots. Kleine Tradition.

Konzeption, Offerte und Umsetzung

Wir kreieren, schätzen, entwickeln

Wir führen dich an der Hand durch Workshops, Customer Journeys, Schnittstellen und Go-live. Dann feiern wir. Wie? Finde es heraus: