KI oder klassischer Algorithmus?

Die wichtigste Frage stellen wir zuerst

Nicht jedes Problem braucht KI. Ein klassischer Algorithmus ist deterministisch, erklärbar, günstig im Betrieb und liefert bei klaren Regeln das exakt richtige Ergebnis — Berechnungen, Optimierungen und definierte Abläufe gehören ihm. KI spielt ihre Stärke aus, wenn Regeln unbekannt oder zu komplex sind: beim Erkennen von Mustern in Bildern, Sprache oder Sensordaten, bei Vorhersagen aus historischen Daten oder beim Verstehen natürlicher Sprache.

Unsere Faustregel:
  • Regeln bekannt und formulierbar → klassischer Algorithmus (schneller, nachvollziehbar, wartbar)
  • Muster in großen Datenmengen, Wahrnehmungsaufgaben (Sehen, Hören, Sprache) → Machine Learning
  • Beides kombiniert → Hybrid: KI erkennt, klassische Logik entscheidet

Seit 1999 bauen wir beide Welten. Deshalb beraten wir technologieoffen — nicht das Buzzword entscheidet über unseren Vorschlag, sondern Ihr Problem.

Machine Learning, Deep Learning oder LLM?

Die richtige KI-Technologie für Ihren Anwendungsfall

  • Large Language Models (LLM) verstehen und erzeugen Sprache. Ideal für Dokumentenanalyse, intelligente Assistenten, Wissensdatenbanken (RAG) und die Automatisierung von Text-Workflows.
  • Deep Learning (DL) nutzt neuronale Netze für Wahrnehmungsaufgaben: Bild- und Objekterkennung, Qualitätskontrolle per Kamera, Sprach- und Audioverarbeitung. Braucht mehr Daten und GPU-Leistung, liefert dafür Ergebnisse, die mit klassischem ML unerreichbar sind.
  • Machine Learning (ML) lernt Muster aus strukturierten Daten. Ideal für Vorhersagen (Wartungsbedarf, Absatz), Anomalie-Erkennung in Sensordaten und Klassifikation. Braucht vergleichsweise wenig Daten und Rechenleistung — läuft auf Wunsch auch auf kleiner Hardware.

Welche Stufe die richtige ist, hängt von Datenlage, Budget und Erklärbarkeits-Anforderungen ab. Wir prüfen das in einem kostenlosen Erstgespräch — oft ist die schlanke Lösung die bessere.
LLM-Integration in Ihre Software: KI liest technische Dokumentation, Schaltpläne und Handbücher

LLM-Integration in Ihre Software

Sprachmodelle sinnvoll einbinden — Cloud oder lokal

Wir bringen Sprachmodelle in Ihre bestehende Software: Chat mit Ihren eigenen Dokumenten (RAG), automatische Berichtserstellung, semantische Suche oder Sprachsteuerung von Anwendungen und Exponaten.

Dabei wählen wir gemeinsam den passenden Weg:

  • Cloud-Anbindung an die großen Modelle von OpenAI, Anthropic oder Google — beste Modellqualität, schnelle Umsetzung, Abrechnung nach Nutzung. Die Daten laufen dabei über die API des Anbieters.
  • Lokale Open-Source-Modelle (z. B. via Ollama betriebene Modelle wie Qwen, Llama oder Mistral) auf Ihrer eigenen Hardware — volle Datenhoheit, keine laufenden API-Kosten, dafür etwas geringere Modellqualität und eigener GPU-Bedarf.
  • Hybrid: sensible Daten lokal vorverarbeiten, nur unkritische Anfragen in die Cloud.

Wir setzen beide Welten täglich selbst ein und wissen daher aus eigener Praxis, was die Modelle wirklich können — und wo ihre Grenzen liegen.
Computer Vision & Mustererkennung: Bilderkennung seit Jahren produktiv im Einsatz

Computer Vision & Mustererkennung

Von uns seit Jahren produktiv im Einsatz

Bilderkennung ist bei at² kein Zukunftsversprechen, sondern seit Jahren Alltag. Mit Technologien wie OpenCV und Fraunhofer SHORE haben wir unter anderem realisiert:

  • Gesichtsanalyse in Echtzeit (Alter, Emotion, Geschlecht) für interaktive Messe-Exponate
  • Face-Mapping und Live-Filter: Landesflaggen, Masken und Snapchat-ähnliche Effekte direkt ins Gesicht der Besucher projiziert
  • "Krake lebt!" im Heide Park Resort: Besucherfotos wurden per Gesichtserkennung in Seemonster verwandelt — robust im Freizeitpark-Dauerbetrieb
  • Gesten- und Berührungserkennung mit TUIO, IR-Rückprojektions-Sensorik, Tiefenkameras, Bodenlasern und Leap Motion
  • Autonome Navigation: Hinderniserkennung und 3D-Wegfindung für Drohnen (SPRIND-Challenge "Fully Autonomous Flight", gemeinsam mit Vectorbirds Airborne Systems)

Für die Industrie heißt das: automatische Qualitätskontrolle, Zählen und Vermessen per Kamera, Prozessüberwachung in Echtzeit — mit erprobter Technik statt Experimenten.

KI auf eigener Hardware

Vom Industrie-PC bis zum Mikrocontroller

Nicht jede KI braucht die Cloud — aber nicht jede KI passt auf jeden Chip. Wir beraten realistisch, welche Intelligenz auf welcher Hardware läuft:

  • Workstation & Industrie-PC mit GPU: lokale LLMs, komplexe Bilderkennung, Multi-Kamera-Systeme
  • Embedded-Boards wie NVIDIA Jetson oder Raspberry Pi: Objekterkennung und Bildklassifikation direkt an der Linie — ohne Internetverbindung, mit Latenz im Millisekundenbereich
  • Mikrocontroller (STM32, ESP32): schlanke, spezialisierte ML-Modelle (TinyML) für Anomalie-Erkennung in Sensordaten, Vibrations- oder Geräuschanalyse — hier laufen keine Sprachmodelle, aber erstaunlich leistungsfähige Mustererkennung

Die Brücke zwischen unserer hardwarenahen Entwicklung und moderner KI: ein Modell nützt nichts, wenn es nicht zuverlässig auf Ihrer Hardware läuft.

KI-Exponate

Erlebnisse, die vor fünf Jahren unmöglich waren

KI macht Exponate möglich, die es vor fünf Jahren schlicht nicht gab — und wir verbinden sie mit über 20 Jahren Exponat-Erfahrung im Dauerbetrieb. Was heute möglich ist:

  • Generative Bildwelten: Besucher werden in Gemälde, historische Szenen oder Markenwelten verwandelt
  • Sprechende Avatare: digitale Charaktere, die Besucherfragen in Echtzeit beantworten — auf Wunsch mit lokalem LLM ganz ohne Cloud
  • Generative Kunst: Installationen, die aus Bewegung, Sound oder Besucherdaten live Visuals erzeugen
  • Foto-Erlebnisse: die Weiterentwicklung unserer Greenscreen- und Face-Mapping-Exponate mit generativer KI
  • Sprachsteuerung: Exponate, die zuhören und antworten — mehrsprachig und barrierearm

Gesichtserkennung, Face-Mapping und Besucher-Verwandlung haben wir bereits vielfach umgesetzt (Heide Park mit OpenCV, Messe-Exponate mit Fraunhofer SHORE) — generative KI ist für uns der nächste logische Schritt, nicht der erste Versuch. Natürlich DSGVO-konform und robust für den Messe- und Parkbetrieb.

Datenschutz & EU AI Act

KI, auf die Sie sich verlassen können

KI-Projekte scheitern selten an der Technik — häufiger an Datenschutz, Compliance und fehlender Wartbarkeit. Deshalb gehört bei uns von Anfang an dazu:

  • DSGVO-konforme Architektur: Datenminimierung, lokale Verarbeitung wo möglich, keine Speicherung biometrischer Daten in unseren Erkennungs-Exponaten
  • EU AI Act: Einordnung Ihres Vorhabens in die Risikoklassen, Transparenz- und Dokumentationspflichten von Beginn an mitgedacht
  • On-Premise-Optionen: sensible Daten verlassen Ihr Haus nicht — lokale Modelle auf Ihrer Hardware
  • Nachvollziehbarkeit: dokumentierte Modelle, reproduzierbare Ergebnisse, klare Grenzen — wir versprechen keine Magie

Made in Germany gilt bei uns auch für KI: entwickelt, gehostet und gewartet in Deutschland.

Häufig gestellte Fragen zur KI-Entwicklung

Alles über KI-Projekte bei at²

Was kostet die Entwicklung einer KI-Lösung? +
Machbarkeits-Prototypen beginnen bei uns unter 3.000 €. Damit klären wir zuerst, ob Ihr Anwendungsfall mit KI zuverlässig funktioniert, bevor Sie größer investieren. Produktivlösungen hängen von Datenlage, Hardware und Integrationstiefe ab — nach dem kostenlosen Erstgespräch erhalten Sie eine ehrliche Einschätzung.
Wann lohnt sich KI — und wann ein klassischer Algorithmus? +
Ein klassischer Algorithmus ist die bessere Wahl, wenn sich die Regeln Ihres Problems klar formulieren lassen: Er ist schneller, günstiger und nachvollziehbar. KI lohnt sich, wenn Muster erkannt werden müssen, die sich nicht in Regeln fassen lassen — in Bildern, Sprache, Sensordaten oder historischen Daten. Genau diese Abwägung ist der erste Schritt jeder Beratung bei uns.
Brauchen wir große Datenmengen für Machine Learning? +
Nicht unbedingt. Für viele Aufgaben reichen vortrainierte Modelle, die wir mit wenigen hundert Beispielen auf Ihren Fall anpassen. Ob Ihre Datenlage ausreicht, prüfen wir ehrlich im Erstgespräch — und sagen es Ihnen auch, wenn sie es nicht tut.
Können LLMs datenschutzkonform und ohne Cloud betrieben werden? +
Ja. Open-Source-Modelle (z. B. Qwen, Llama oder Mistral, betrieben über Ollama) laufen vollständig auf Ihrer eigenen Hardware — Ihre Daten verlassen Ihr Haus nicht. Die Modellqualität liegt unter den großen Cloud-Modellen von OpenAI oder Anthropic, reicht aber für viele Unternehmens-Anwendungen wie Dokumentensuche oder interne Assistenten völlig aus.
Wie lange dauert ein KI-Projekt? +
Ein Machbarkeits-Prototyp entsteht bei uns typischerweise in 2 bis 6 Wochen. Produktivlösungen inklusive Integration, Tests und Schulung dauern je nach Umfang wenige Monate. Wir arbeiten iterativ — Sie sehen von Anfang an Zwischenergebnisse.
Integriert ihr KI auch in bestehende Software? +
Ja, das ist sogar der Regelfall: KI-Funktionen werden in vorhandene Systeme, Maschinensteuerungen, Apps oder Exponate integriert, statt alles neu zu bauen. Seit 1999 entwickeln wir Individualsoftware — wir kennen die Systemlandschaften, in die KI hineinpassen muss.
Wie stellt ihr die Sicherheit von KI-Anwendungen sicher? +
KI-Software durchläuft bei uns denselben Sicherheitsprozess wie jede andere Anwendung: statische Codeanalyse (SAST) während der Entwicklung, dynamische Sicherheitstests (DAST) gegen laufende Systeme und regelmäßige Dependency-Audits. Gerade bei KI-Projekten mit vielen Abhängigkeiten (Python-Pakete, ML-Frameworks) ist das besonders wichtig.
Was ist ein SBOM und warum ist das bei KI-Software relevant? +
Ein SBOM (Software Bill of Materials) listet alle Komponenten und Abhängigkeiten einer Software maschinenlesbar auf. Bei KI-Projekten mit umfangreichen Bibliotheks-Abhängigkeiten wie PyTorch, TensorFlow oder Hugging Face ist ein SBOM besonders wertvoll: Es macht transparent, was in Ihrer Software steckt, und ermöglicht schnelle Reaktion bei neu entdeckten Schwachstellen.
Ist unsere KI-Software bereit für den Cyber Resilience Act? +
Der EU Cyber Resilience Act fordert ab Dezember 2027 durchgängige Cybersicherheit für Produkte mit digitalen Elementen — das betrifft auch KI-Komponenten in Ihren Produkten. Unser Workflow mit SAST, DAST, Dependency-Audits und SBOM-Erstellung bereitet Ihre KI-Lösung auf diese Anforderungen vor.

Der kostenlose KI-Check

In 30 Minuten wissen Sie, woran Sie sind

Schildern Sie uns Ihren Anwendungsfall — wir sagen Ihnen in einem kostenlosen 30-Minuten-Gespräch, ob und welche KI dafür sinnvoll ist, was ein Machbarkeits-Prototyp kosten würde und ob es nicht auch einfacher geht. Ehrlich, unverbindlich, ohne Buzzwords.

KI-Check anfragen Direkt anrufen
Heide Park - Krake lebt!

Heide Park Resort

Gesichtserkennung im Grusellabyrinth

Im Grusellabyrinth zur Achterbahn Krake wurden Besucher beim Eintritt fotografiert — und tauchten später dank Gesichtserkennung (OpenCV) als Seemonster verwandelt in den Kulissen wieder auf. Robuste Software im Freizeitpark-Dauerbetrieb.

  • Exponat
  • Gesichtserkennung
  • OpenCV
  • Themenpark
  • Dauerbetrieb
MediaScreen - TUIO Treiber

MediaScreen

Multitouch-Erkennung für MediaSphere

Für unseren langjährigen Partner MediaScreen haben wir die TUIO-Toucherkennung der IR-Rückprojektionssysteme Monkeybook und MediaSphere von Grund auf neu entwickelt — inklusive Feinjustierung und eigener Kalibrierungs-Software. Seither wird die Hardware weltweit mit unserer Software vermietet und verkauft.

  • Multitouch
  • TUIO
  • IR-Sensorik
  • Kalibrierung
  • Partnerschaft
Softwareentwicklung seit 1999 - Made in Germany

Made in Germany

Softwareentwicklung seit 1999

Entwickelt zu 100 % in Deutschland — an unseren Standorten Nürnberg und Kempten (Allgäu). Über 1.170 abgeschlossene Projekte, 82 % unseres Umsatzes machen wir mit Bestandskunden. Wenn Sie in der Nähe sind: Kommen Sie auf einen Kaffee vorbei.