Zum Inhalt springen
SwankyForge
SwankyForge

Produktives ML, das Betriebskosten senkt.

Eine festgelegte Metrik, ein laufender Prozess, ein System, das Sie zurückrollen können.

Nicht technisch? Hier anfangen

Der größte Teil dieser Website ist für Engineers geschrieben. Dieser Teil nicht.

Was wir tun
Wir suchen eine Entscheidung, die Ihr Team heute von Hand trifft, hunderte oder tausende Male im Monat, und bauen Software, die sie stattdessen trifft – innerhalb des Prozesses, den Sie bereits betreiben, nicht daneben.
Was Sie bekommen
Eine Zahl bewegt sich, und Sie sehen, wie sie sich bewegt. Welche Zahl das ist, vereinbaren wir, bevor irgendetwas gebaut wird, und Sie bekommen ein Dashboard dafür plus eine Möglichkeit, das Ganze abzuschalten, wenn es nicht liefert.
Was Sie brauchen
Einen Prozess, der echtes Geld kostet, und irgendeine Aufzeichnung darüber, wie er gelaufen ist. Sie brauchen kein Datenteam, keine Strategie und müssen nicht wissen, wie all das heißt. Wenn die ehrliche Antwort lautet, dass es zu früh ist, sagen wir das.
Ergebnisse

Sechs Wege, wie wir Betriebskosten senken.

Ein Modell sitzt in dem Prozess, der das Geld ausgibt, und bewegt eine vorab festgelegte Metrik.

Tech-Stack

ML und Daten, die wir in Produktion betreiben.

ML

Python
NumPy
SciPy
pandas
Polars
NVIDIA
Numba
scikit-learn
PyTorch
TensorFlow
Keras
JAX
Lightning
Hugging Face
vLLM
LangChain
Haystack
spaCy
Qdrant
Milvus
OpenCV
YOLO
Optuna
Ray
MLflow
W&B
DVC
ONNX
OpenVINO
BentoML

Daten

ClickHouse
BigQuery
Snowflake
Databricks
DuckDB
PostgreSQL
MySQL
SQLite
MongoDB
Cassandra
Redis
Valkey
Memcached
Elasticsearch
OpenSearch
Druid
Kafka
Pulsar
NATS
Flink
Spark
Dask
Hadoop
Hive
Airflow
Prefect
Argo
dbt
Parquet
Avro
Arrow
Trino
Presto
Airbyte

Services

FastAPI
Flask
gRPC
GraphQL
Docker
Kubernetes
Helm
Terraform
AWS
Azure
GCP
Prometheus
Grafana
OpenTelemetry
Sentry
Produkt-Teardown

Nicht sicher, ob ML die Antwort ist? Wir auch noch nicht.

6 Fragen zu Ihrem Prozess und Ihren Daten. Sie bekommen das Engagement, das tatsächlich passt, das größte Risiko, das wir sehen, und die nächsten drei Schritte – bevor Sie mit irgendjemandem sprechen.

  1. Noch kein ML

    Kein aufgezeichnetes Signal und nichts Laufendes, an das man andocken kann. Wir sagen das und sagen Ihnen, was Sie loggen sollten.

  2. Discovery-Pilot

    Ein echter Prozess, unbewiesene Daten. Zwei Wochen, um herauszufinden, ob er überhaupt lernbar ist.

  3. Proof of Concept

    Genug Daten für einen Versuch. Ein schmaler Ausschnitt, eine ehrliche Baseline, echte Zahlen.

  4. Produktiver Build

    Abfragbare Daten, ein System unter Last. Modell, Serving, Monitoring und Rollback zusammen.

Mein Produkt prüfen
Projektrechner

Was würde das kosten?

Wählen Sie einen Ausgangspunkt und passen Sie dann Team und Stunden an.

Ausgangspunkt
Komplexität
Tempo
Geschätztes Projekt

Geschätzte Kosten 14.500 €

310 Stunden über 5 Rollen · Mischsatz 47 €/h

Lieferung
5–7 Wochen
Risiko
niedrig

Gut verstandene Problemform. Meist reicht ein Pilot mit festem Umfang, um es zu klären.

Zwei Einstiege: ein Pilot mit festem Umfang ab 5.000 € (2–4 Wochen) oder ein dedizierter Engineer ab 5.000 € im Monat. Diese Sätze gelten für größere Builds; Umfang und Preis legt das schriftliche Angebot fest.

Ein Referenzdesign in dieser Größenordnung ansehen

Einladung

Bauen wir etwas Schwieriges.

Schicken Sie uns die Kostenposition, die sich bewegen soll.

Oder mit einer Preisschätzung beginnen

Gespräch beginnen

Nennen Sie uns das Ziel.

Wir bestätigen den Eingang und melden uns mit einer schriftlichen Einschätzung, meist innerhalb eines Werktags.