KI + ML
Wir integrieren KI in Business-Software — RAG (Retrieval-Augmented Generation) über Ihre Daten, KI-Agenten mit realen Aktionen, strukturierte Extraktion aus PDFs / Formularen / E-Mails, Klassifikations- + Scoring-Pipelines. Unsere internen Use Cases umfassen den Merot-Finance-KI-Buchhaltungs-Assistenten, Lead-Scoring in Merot Leads und Rechnungs-OCR.
Konkrete Ergebnisse
- RAG über Ihre Wissensdatenbank — interne Docs / Notion / Confluence / Slack-Archive → durchsuchbarer KI-Assistent.
- Strukturierte Extraktion aus Dokumenten — Rechnungen, Verträge, Formulare, Spesenberichte. JSON-Output, den Sie in Ihrer DB speichern können.
- KI-Agenten mit realen Aktionen — Meetings buchen, E-Mails entwerfen, Datenbank-Abfragen ausführen, in Slack posten.
- Klassifikation + Scoring — Lead-Scoring, Betrugserkennung, Sentiment, Content-Moderation.
- Embeddings + Suche — semantische Suche über Produktkatalog, Support-Tickets, Code-Repository.
- On-Premises-Modell-Serving — wenn Datenschutz Cloud-APIs ausschließt. Llama 3, Mixtral, fine-tunede kleinere Modelle.
Womit wir arbeiten
Wir wählen, was zu Ihrem Team passt — keine erzwungenen Präferenzen.
API providers
OpenAI · Anthropic Claude · Google Gemini · Mistral AI · Cohere
Frameworks
LangChain (sometimes) · LlamaIndex · Vercel AI SDK · Anthropic SDK · OpenAI SDK
Vector databases
pgvector (Postgres) · Pinecone · Qdrant · Weaviate · Chroma
Self-hosted models
Llama 3 (8B-70B) · Mistral 7B / Mixtral 8x7B · Whisper (speech-to-text) · Stable Diffusion (image)
Inference infra
AWS Bedrock · Replicate · Together AI · self-hosted via vLLM / TGI
Eval + observability
LangSmith · Helicone · OpenAI usage dashboards · custom eval harnesses
So arbeiten wir
Discovery (1 Woche)
Use Case klar definieren: welcher Input → welcher Output. Evals vorab schreiben, damit wir wissen, was 'funktioniert' bedeutet.
Prototyp (1-2 Wochen)
Kleinstmöglicher LLM-Call, der den gewünschten Output liefert. Messen am Eval-Set. Entscheiden: API oder Self-Hosted, welches Modell, welcher Prompt.
Produktion (3-6 Wochen)
Mit Retries, Fallbacks, Observability, Kostenkontrollen (Token-Budgets, Rate-Limits) umhüllen. In Ihr Produkt einbinden.
Iterieren
KI-Features brauchen laufende Evals, wenn sich Modelle ändern. Monatlicher Retainer oder geplanter quartalsweiser Tune-Up.
Aus unserer eigenen Produktion
Merot-Finance-KI-Assistent
Anthropic Claude integriert für Bank-Statement-Matching, Buchungs-Vorschläge und Monatsabschluss-Review.
Merot-Leads-Scoring
Claude für Product-Fit-Scoring auf Anreicherung + Outreach-Entwürfen. Custom Prompt + strukturierter Output.
Rechnungs-OCR-Pipeline
Multi-Stage-Extraktion: OCR → LLM-Strukturierter-Output → Human-Review-Queue für Items mit geringer Konfidenz.
Nearshore Delivery nach Markt
Laenderseiten beantworten Trust-, Zeitzonen-, Compliance- und Delivery-Fragen vor der Partnerwahl.
North Macedonia
Individuelle Softwareentwicklung für mazedonische Unternehmen: Web-Apps, Mobile Apps, Cloud-Systeme, AI-Automatisierung und Integrationen aus den Merot-Teams in Skopje.
Germany
Senior Softwareteams vom Balkan für deutsche Unternehmen: Web, Mobile, AI, Cloud und Integrationen mit EU-Zeitzone, DSGVO-bewusster Delivery und DACH-Kommunikation.
Austria
Nearshore Web-, Mobile-, Cloud- und AI-Engineering für österreichische KMU und Produktteams. EU-Zeitzone, DACH-Kommunikation, DSGVO-bewusste Delivery.
Netherlands
Senior React, mobile, backend, cloud and AI teams for Dutch SaaS and operations companies. English-first delivery, EU timezone and GDPR-aware workflows.
Switzerland
Senior Softwareteams vom Balkan für Schweizer Unternehmen: sichere Web-, Backend-, Cloud-, AI- und Integrationsprojekte mit DACH-Kommunikation und privacy-aware Delivery.
Sweden
Nearshore web, mobile, backend, cloud and AI engineering for Swedish SaaS and operations teams. Senior delivery, EU timezone, clean handoff.
Denmark
Senior nearshore engineers for Danish product and operations teams: web, backend, mobile, cloud, AI and integrations with EU timezone overlap.
Ireland
Senior EU nearshore engineers for Irish SaaS, fintech and operations teams. Web, backend, mobile, AI and cloud delivery with English-first collaboration.
United States
Senior European software engineers for US companies: custom web apps, mobile apps, backend systems, cloud, AI workflows and integrations with practical US overlap.
Canada
Custom web, mobile, backend, cloud and AI engineering for Canadian companies. Senior European delivery, practical timezone overlap and clean handoff.
United Kingdom
Senior nearshore software engineers for UK companies: custom web apps, backend platforms, cloud modernization, AI workflows and integrations.
France
Nearshore product engineering for French companies: web apps, mobile apps, AI workflows, cloud systems and integrations with EU timezone delivery.
Belgium
Nearshore web, backend, cloud, mobile and AI engineering for Belgian companies operating across languages, regions and EU compliance expectations.
Woher diese Engineers kommen
Direkte EOR-Anstellung in zwei Märkten, Einstellungs-Beratung in vier weiteren.
Senior-Ingenieure aus Nordmazedonien
Merots Heimatmarkt — größter Pool. ~30.000 IT-Fachkräfte. Direkter EOR über MEROT DOOEL Skopje.
Arbeitsrecht + Lohndetails →Engineers aus Kosovo
Jüngste Bevölkerung Europas, Euro-Währung (kein Wechselkursrisiko). Direkter EOR über MEROT L.L.C. Pristina.
Arbeitsrecht + Lohndetails →Plus 4 Beratungsmärkte
Albanien, Serbien, Bulgarien, Montenegro — Einstellungs-Beratung + geprüfte lokale Lohnabrechnungs-Partner. Siehe Outsourcing-Landing für Trade-Offs.
Outsourcing-Landing →Engagement-Modell
Häufige Fragen — KI + ML
Soll ich OpenAI, Anthropic oder Self-Host nutzen?
Standardmäßig: Mit Anthropic (Claude 3.5 Sonnet / Claude 4) oder OpenAI (GPT-4-Familie) für den Prototyp starten. Self-Hosted nur wenn (a) Datenresidenz es erfordert oder (b) die Per-Call-Kosten die Engineering- + Infra-Kosten des Selbstbetriebs übersteigen. Die meisten Kunden bleiben jahrelang bei den API-Anbietern.
Werden meine Daten jemandes Modell trainieren?
Nicht in den Enterprise-Tiers von OpenAI / Anthropic / Google — sie haben explizite No-Training-on-Customer-Data-Klauseln. Wir aktivieren diese Einstellungen beim Onboarding.
Was, wenn die KI halluziniert / falschen Output liefert?
Zwei Schichten: (1) Eval-Harness — wir messen Korrektheit auf einem gelabelten Testset vor dem Shippen und erneut bei jeder Prompt-Änderung. (2) Produktion — Outputs mit hoher Konfidenz laufen direkt durch; Outputs mit niedriger Konfidenz gehen in eine Human-Review-Queue.
Kosten — wird das nicht teuer?
Ja, wenn der Scope unklar ist. Wir steuern das mit definiertem Workflow, Modellbudgets, Usage Alerts und der Entscheidung, was automatisiert wird und was menschlich geprueft bleibt. Die Schaetzung haengt vom konkreten Use Case ab.
Machen Sie Fine-Tuning?
Manchmal — üblicherweise nur, wenn der Prompt-Ansatz wirklich nicht ausreicht. Fine-Tuning hat höhere Up-Front-Kosten (Kurieren der Trainingsdaten) und Re-Tuning-Aufwand bei jedem Modell-Upgrade. Typisch empfehlen wir zuerst bessere Prompts + RAG.
Privacy / nur On-Premises — können Sie das?
Ja. Wir haben Llama 3 70B und Mixtral 8x22B On-Premises (Single-GPU H100 oder 4xA100-Setups) für Kunden in regulierten Branchen deployed. Höhere Up-Front-Kosten, niedrigere Per-Call-Kosten, volle Datenresidenz.
KI-Agenten — sind die schon real?
Vorsichtig ja. Single-Purpose-Agents (Meeting buchen, E-Mail entwerfen, SQL-Query ausführen) funktionieren mit angemessenen Guardrails gut. Generische 'Do-Anything'-Agents sind noch flaky. Wir scopen standardmäßig auf Single-Purpose.
Voice / Speech?
Whisper für Speech-to-Text, ElevenLabs / OpenAI TTS für Synthese. Wir haben Call-Summary- + Voice-Note-Transkriptions-Features für Kunden im Rechts- + Gesundheits-Bereich gebaut.
KI + ML-Projekt scopen
60 Min. Discovery-Call kostenlos. 6-seitiger Plan in 48 h.