Digital Finance

Grundlage sind die von Instituten eingereichten XBRL-Meldedaten  gemäß EBA-Reporting-Framework sowie Meldungen nach nationalen Berichtsvorschriften.

Ein erfahrenes d-fine-Expertenteam aus den Bereichen Meldewesen und angewandte KI verzahnte fachliche und technische Expertise.

In Python wurden Proofs of Concept zur Muster-, Ausreißer- und Trenderkennung mit Hilfe von Clustering, Isolation-Forests und Zeitreihenprognosen durch Explainable KI-Methoden entwickelt.

Die Eignung von KI-Methoden, wie z.B. Language-Modellen zum semantischen Clustern von Meldungsdefinitionen, wurde bewertet.

Für die Einschätzung der Risikoentwicklung wurden neuronale Modelle zu Prognosezwecken mithilfe makroökonomischer Indikatoren und Marktdaten erprobt.

Der Treuhänder stellt als neutraler Intermediär den zuverlässigen und sicheren Austausch von Daten zwischen beliebigen Parteien sicher und ermöglicht unabhängige Analysen auf gemeinsamen Daten, ohne dass Datengeber ihre Datensouveränität aufgeben müssen.

d-fine verantwortet als Verbundkoordinator das Gesamtprojektmanagement und plant und koordiniert die Zusammenarbeit der Konsortialpartner.

d-fine verantwortet die technische Entwicklung der Treuhänder-Plattform als Microservice-Applikation in Kubernetes mit Data-Contracting und -Transfer über den Eclipse Dataspace Connector.

Das Konsortium tauscht sich kontinuierlich mit Gesetzgebern und Regulatoren aus, um die rechtliche Rahmengestaltung für Datentreuhänder zu begleiten und EuroDaT in diesem Rahmen zu positionieren.

d-fine entwickelte mehrerer Proof-of-Concepts (PoCs) zur Bewertung verschiedener Technologien für eine sichere Verwahrung von Kryptowerten (z.B. HSM und MPC basierte Lösungen).

Dies wurde durch die Entwicklung eines PoC-Ansatzes für die Geldwäsche-Compliance ergänzt.

d-fine unterstützte bei der Gestaltung des Zielbetriebsmodells einer entsprechenden Lösung für Custody, Trading und Geldwäschepävention.

Zusätzlich wurden die Auswirkungen durch den MiCA-Entwurf auf das zukünftige Geschäftsmodell analysiert und mit den aktuellen regulatorischen Anforderungen verglichen.

d-fine analysierte bestehende Angebote und verwendete Technologien am Markt, auch unter Berücksichtigung von Alternativlösungen zu SSI und deren Sicherheit

d-fine identifizierte kritische Sicherheitslücken, die für ein sicheres Angebot SSI-basierter Services adressiertwerden müssen. Möglichkeiten zur Schließung der Lücken wurden erarbeitet und in Bezug auf Umsetzbarkeit aus Kundenperspektive bewertet.

Die ausgewählte Lösung wurde im Detail konzipiert und ein Target Operating Model erstellt, das als Basis für ein Patent dienen soll.

Zur Veranschaulichung des erarbeiteten Prozessflusses entwarf d-fine einen Demonstrator.

d-fine überarbeite die internen Informationssicherheitsvorgaben und -methoden auf Basis der internationalen ISO-Standards 27001 ff. Die Informationssicherheitsanforderungen wurden dabei in eine strukturierte und leicht nachvollziehbare Dokumentenhierarchie eingeordnet.

Die Risikomethodik basierte auf einer Schutzbedarfsanalyse aller Bestandteile des Informationsverbundes. Dabei wurden Vererbungen zwischen untereinander abhängigen Informationsverbundbestandteilen berücksichtigt.

Herausforderung des Projekts war, eine Methodik zu entwerfen, die sowohl von den Informationseigentümern einfach zu bedienen war, als auch den Anforderungen des operationellen Risikomanagements an die Risikobewertung und Risikoakzeptanz genügte.

Für die Erklärung eines komplexen AI-Modells muss dieses in eine einfachere Repräsentation überführt werden. Die Herausforderung ist dabei, einen guten Kompromiss zwischen der Berücksichtigung der Eigenschaften des AI-Modells und der Einfachheit der Repräsentation sowie ein geeignetes Vorgehen zu finden.

Zentrale Aufgaben waren Konzeption und Design eines XAI (eXplainability AI) Moduls für komplexe AI-Modell-Ensemble unter Verwendung von modell-agnostischen Methoden (LIME, SHAP und ANCHOR), einschließlich der Bewertung der fachlich-mathematischen Fundierung der XAI-Methoden und deren Eignung der XAI-Methoden für den Anwendungsfall sowie der Bewertung von Alternativen (z.B. modell-spezifische Methoden) und der Abwägung von Vor- und Nachteilen.

Das Explainability Modul wurde in die kundeneigene Infrastruktur integriert und eine Reportinglösung mit geeigneten Visualisierungen der Resultate aufgebaut.

Als Generalunternehmen setzte d-fine eine Lösung bestehend aus einem Internet-Portal für die beaufsichtigten Unternehmen, einer Data Science Plattform zur massiven Datenanalyse und Web-Anwendungen für die Finanzaufseher um.

Die Plattform läuft auf über 100 Servern und bildet mit Hilfe einer Process-Engine Standard- und Ausnahmeprozesse einheitlich ab.

Technische Basis war eine Mischung aus Standardtechnologien wie Camunda oder Tableau, die mit Eigenentwicklungen für Web-Anwendungen, Backends und einer Data Science Plattform integriert wurden.

Das erste Release konnte bereits nach neun Monaten in Produktion gehen, wobei in der Spitze 70 d-fine Berater mit der Umsetzung betraut waren.

Auf der Plattform sind seit dem Go-Live mehrere Stresstests und andere aufsichtliche Exercises erfolgreich durchgeführt wurden.

d-fine leistet einen wesentlichen Beitrag in allen Bereichen des Projekts - von der regulatorisch konformen Anforderungsspezifikation über die Umsetzung der Datenmigration bis hin zum Projektmanagement.

Bei diesem Projekt überzeugen wir durch die Kombination unserer fachlichen Expertise in den Bereichen Zahlungsverkehr, Compliance und Prozessdigitalisierung sowie unseren technischen Fähigkeiten in der Systemintegration.

Ergebnis ist zum einen eine skalierbare und moderne IT-Infrastruktur, über welche Zahlungsaufträge effizient und regulatorisch konform abgewickelt werden können, und zum anderen eine state-of-the-art E-Banking Lösung.

d-fine hat in einem ersten Schritt maßgeblich dazu beigetragen, die bislang manuell erstellten Zulieferdateien zu standardisieren und automatisiert technisch zu verarbeiten.

Damit konnte die Automatisierung der Infrastruktur rund um Datenbank und Reporting auf Gruppenebene parallel zur Konzeption und Abstimmung neuer technischer Schnittstellen erfolgen.

Resultat waren Quick Wins nach jeder Projektphase, so dass der Kunde schnellstmöglich von der Digitalisierung profitieren konnte.