Diese Seite ist auch in English, Español, Français, Italiano, 日本語 und Português verfügbar.
mscope senkt ML-Kosten und kommt schneller zu Investment-Insights
DoiT hat den AWS-Stack von mscope mit SageMaker, Step Functions und Bedrock neu aufgesetzt, um LLMs auf mehrsprachigen Daten für eine präzisere Unternehmensklassifizierung zu fine-tunen.
The Challenge
Als Startup in der Frühphase fehlte mscope das eigene Machine-Learning-Know-how, und es musste erst eine Infrastruktur zum Training und Deployment von Modellen aufgebaut werden. Gefragt waren Lösungen, um aus mehrsprachigen Web-Scraping-Daten per LLM englische Texte zu erzeugen – und ein mehrstufiges Klassifizierungssystem, das Unternehmen anhand ihrer Rolle in der Lieferkette und ihrer Produktmerkmale einordnet.
The Solution
DoiT lieferte umfassendes Machine-Learning-Consulting: von der AWS-Kostenplanung über das Architekturdesign für das Fine-Tuning von Transformer-Modellen wie Mistral 7B mit dem HuggingFace-Framework bis hin zur Workflow-Optimierung. DoiT empfahl, teure EMR-Cluster durch SageMaker Batch Transform mit Step-Functions-Orchestrierung zu ersetzen, und sicherte mscope frühzeitigen Zugang zu Amazon Bedrock für kosteneffizientes Experimentieren mit LLMs.
Results
- Bessere Vorverarbeitung mehrsprachiger Web-Scraping-Daten und damit höhere Leistung des Klassifizierungsalgorithmus
- Kürzere Verarbeitungszeiten und geringere Kosten durch eine optimierte Architektur
- Wertvolle Insights aus mehrsprachigen Daten für fundiertere Investmententscheidungen
Wir sind DoiT für die enorme Unterstützung sehr dankbar. Als Startup in der Frühphase, das sich mit neuen Machine-Learning-Techniken durch komplexes Terrain bewegt, war die Expertise von DoiT entscheidend. Von der Budgetierung der AWS-Services bis zur Architektur einer maßgeschneiderten Lösung – die Beratung hat uns in die Lage versetzt, fortschrittliche Technologien wirklich nutzbar zu machen. Die Lösung von DoiT hat tiefgreifende Ergebnisse gebracht: Wir nutzen unsere Web-Scraping-Daten deutlich effizienter, gewinnen mehr Erkenntnisse daraus und haben unseren Klassifizierungsalgorithmus spürbar verbessert.
Marion Roussel, VP Data bei mscope
Das ist mscope
mscope.tech ist ein dynamisches Startup in der Frühphase, das das Potenzial von Daten für fundierte Investmententscheidungen voll ausschöpfen will. Mit klarer Vision verfolgt das Unternehmen ein zentrales Ziel: den verborgenen Wert in riesigen Informationsmengen freizulegen und nutzbar zu machen. Mit modernsten Technologien wie Machine Learning und KI will mscope die Datenanalyse neu denken. Im Fokus stehen innovative Methoden, um Dokumente zusammenzufassen und entscheidende Merkmale aus Web-Scraping-Daten zu extrahieren.
Die Herausforderung
Als Startup in der Frühphase stand mscope vor mehreren Herausforderungen, denn intern fehlte es an Machine-Learning-Expertise. Es galt herauszufinden, wie sich die nötige Infrastruktur und die Workflows aufbauen lassen, um Modelle auf den eigenen Daten zu trainieren und zu deployen. mscope musste aus mehrsprachigen Web-Scraping-Daten mithilfe von Large Language Models (LLMs) Texte in einer einheitlichen Sprache (Englisch) erzeugen. Zudem brauchte es ein ausgefeiltes mehrstufiges Klassifizierungssystem, um Unternehmen nach ihrer Rolle in der Lieferkette und der Art ihrer Produkte zu kennzeichnen.
Die Lösung
mscope holte sich DoiT als Expertenpartner ins Boot, um die Machine-Learning-Anforderungen gemeinsam anzugehen. DoiT unterstützte bei der Budgetierung und Kostenschätzung der erforderlichen AWS-Services und entwarf eine Lösung für das Fine-Tuning transformerbasierter Modelle wie Mistral 7B auf Basis des HuggingFace-Frameworks. Die Empfehlung: SageMaker Batch Transform für die Ausführung der einzelnen Schritte und den asynchronen Aufruf des SageMaker-Modells, orchestriert über Step Functions. Über die enge Beziehung zu AWS konnte DoiT zudem frühzeitigen Zugang zu Amazon Bedrock für mscope sichern.
Die Ergebnisse
Die Lösung von DoiT hat mscope deutlich vorangebracht und spürbare Ergebnisse geliefert. Durch den Einsatz fortschrittlicher Modelle wie LLMs konnte mscope die Vorverarbeitung der mehrsprachigen Roh-Web-Scraping-Daten verbessern – und damit auch den Klassifizierungsalgorithmus optimieren. DoiT half mscope dabei, LLMs effektiv zu nutzen, Verarbeitungszeiten zu verkürzen und Kosten zu senken. Dank der AWS-Expertise von DoiT erhielt mscope außerdem Unterstützung bei Problemen rund um SageMaker-Endpoints und die Nutzung von EMR-Clustern.
Wie es weitergeht
Auf Basis dieser erfolgreichen Zusammenarbeit will mscope die Partnerschaft fortsetzen und einen neuen Unternehmensklassifizierer entwickeln. Nachdem die Web-Scraping-Eingangsdaten deutlich verbessert wurden, liegt der Fokus jetzt darauf, die Klassifizierung der mscope-Unternehmen weiter zu schärfen. Die Zusammenarbeit zeigt einmal mehr, welchen nachhaltigen Mehrwert die Expertise von DoiT bietet, wenn Startups moderne Cloud-Technologien für ihr Wachstum nutzen wollen.
So unterstützt DoiT Cloud-Teams bei der Kostenkontrolle
Entdecken Sie, wie Cloud Intelligence™ Teams dabei hilft, Transparenz, Governance und Unit Economics in Cloud-Umgebungen zu verbessern.
More customer stories
Finlex halbiert Cloud-Kosten und bringt KI mit DoiT in Produktion
- Over 65%
- Weniger Cloud-Infrastrukturkosten von 2024 bis heute
- 40%
- Kosteneinsparungen durch bessere Transparenz und eine effiziente KI-Architektur
Cloud-Kosten werden bei Hippo zum Hebel für die Teams
- Minutes
- Integrationsdauer von Attribute™ in AWS
- Business unit
- Erreichter Grad an Kostenverantwortung
Island sieht die echten Kosten pro Kunde – ganz ohne Tagging
- $5B
- Unternehmensbewertung
- Days
- Zeit bis zu den ersten Insights
- 0
- Benötigte Tags
Claroty ordnet Kosten dank Attribute™ präzise einzelnen Kunden zu
- 1,000+
- Geschützte Kunden weltweit
- Days
- Zeit bis zu den ersten granularen Kosten-Reports
- Zero
- Beeinträchtigung des Betriebs beim Deployment
SaaS Leader
Wertbasiertes AI-Pricing dank Kostenattribution auf Kundenebene
- $1.3M
- Umsatz mit negativer Marge aufgedeckt
- ~360
- unprofitable Accounts identifiziert
- $1.3M
- aggregierte Verluste aufgedeckt
Salt Security standardisiert die COGS-Messung für bessere Margen und Preisgestaltung
- 1
- Single Source of Truth für COGS
- 1
- Standardisierte Single Source of Truth für COGS bei CFO und DevOps
- 0
- Code- oder Tagging-Änderungen für die Integration von Attribute™
PropertyGuru macht aus dem Cloud-Kostenchaos echte Engineering-Verantwortung
- Minutes
- um Shared-Service-Rechnungen zu entschlüsseln (zuvor Stunden)
- 32M+
- Monatlich betreute Immobiliensuchende
- 2 weeks
- Vom Rollout bis zu umsetzbaren Erkenntnissen
Flooid treibt die Zukunft des Handels voran – mit Google Cloud und DoiT
Finlex halbiert Cloud-Kosten und bringt KI mit DoiT in Produktion
- Over 65%
- Weniger Cloud-Infrastrukturkosten von 2024 bis heute
- 40%
- Kosteneinsparungen durch bessere Transparenz und eine effiziente KI-Architektur
Cloud-Kosten werden bei Hippo zum Hebel für die Teams
- Minutes
- Integrationsdauer von Attribute™ in AWS
- Business unit
- Erreichter Grad an Kostenverantwortung
Island sieht die echten Kosten pro Kunde – ganz ohne Tagging
- $5B
- Unternehmensbewertung
- Days
- Zeit bis zu den ersten Insights
- 0
- Benötigte Tags
Claroty ordnet Kosten dank Attribute™ präzise einzelnen Kunden zu
- 1,000+
- Geschützte Kunden weltweit
- Days
- Zeit bis zu den ersten granularen Kosten-Reports
- Zero
- Beeinträchtigung des Betriebs beim Deployment
SaaS Leader
Wertbasiertes AI-Pricing dank Kostenattribution auf Kundenebene
- $1.3M
- Umsatz mit negativer Marge aufgedeckt
- ~360
- unprofitable Accounts identifiziert
- $1.3M
- aggregierte Verluste aufgedeckt
Salt Security standardisiert die COGS-Messung für bessere Margen und Preisgestaltung
- 1
- Single Source of Truth für COGS
- 1
- Standardisierte Single Source of Truth für COGS bei CFO und DevOps
- 0
- Code- oder Tagging-Änderungen für die Integration von Attribute™
PropertyGuru macht aus dem Cloud-Kostenchaos echte Engineering-Verantwortung
- Minutes
- um Shared-Service-Rechnungen zu entschlüsseln (zuvor Stunden)
- 32M+
- Monatlich betreute Immobiliensuchende
- 2 weeks
- Vom Rollout bis zu umsetzbaren Erkenntnissen
What they say
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.
Andrea Benfatto, Platform/Cloud Runtime Engineering Manager
Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.
Jon Fairbanks, Site Reliability Engineering Manager
PerfectScale cut 40% off our total EKS spend, and the automations handle what used to take our team 20 hours a month. Now we spend that time on reliability and performance instead of chasing cost metrics.
Caio Cristo, Director of Infrastructure/SRE
What I really like about DoiT's approach is that you're very hands-on and proactive. Satyam would ping me a few times a sprint, letting me know about the most current features, checking in on how things are going. When we are going through a peak time, that proactiveness makes a real difference. Satyam always comes through whenever we need support and helps us leverage the right experts to get us where we need to be.
Chiamaka Ibeme, Engineering Manager, Platform
Your cloud bill shouldn't be a mystery
Let us show you what ships this week.