Chemicals, Energy & Manufacturing

Vom Design des Zielbilds (Target Operating Model) für die Risikomanagementaktivitäten und die neu zu schaffenden Risikomanagement-Funktionen auf regionaler und zentraler Ebene, über die Konzeption von Risikorichtlinien, Risikokennzahlen, der Limitstruktur sowie von Risikoreports bis zur Implementierung der Risikomanagement-Funktionalitäten im neu eingeführten ETRM-System wurde der Aufbau der neuen Risikomanagementfunktion von d-fine federführend umgesetzt.

Energy Trading and Risk Management (ETRM) - Systeme bilden oft die zentrale Komponente der IT-Architektur eines Energieversorgers. Die optimale Integration und Parametrierung dieser Systeme spielt daher für den wirtschaftlichen Erfolg einer Unternehmung eine entscheidende Rolle. Gemeinsamen mit unserem Kunden, einem großen deutschen Gashändler, erweiterten wird das eingesetzte ETRM-System Allegro zur Einhaltung aktueller Handels-, Risikomanagement- und Reporting-Standards. Hierzu zählten insb. die Analyse und Optimierung von Geschäftsprozessen, aber auch die Sicherstellung der Datenmigration mit dem Ziel, Altsysteme abzuschalten. Durch das Projekt wurde Allegro als zentrales System unseres Kunden gestärkt und die zu Grunde liegende IT-Infrastruktur vereinfacht und effizienter.

Wir unterstützen einen Kunden aus der Energiebranche bei der Optimierung der Ausnutzung liquider Mittel und damit verbundenen Reduktion von Kosten. Gemeinsam analysieren wir die Umstellung der Liquiditätsplanung von einem klassischen Bottom-Up Ansatz auf einen voll automatisierten und digitalisierten Prozess. Dies bedeutetet einerseits die Reduktion von operativen Risiken, ermöglicht aber auch die Einführung von Machine Learning zur Verbesserung der Prognosen. Der Prozess der aktuellen Liquiditätsplanung wurde in einzelne Komponenten unterteilt und priorisiert. Essentielle Abschnitte werden durch die automatisierte Einbindung von Machine Learning Algorithmen verbessert.

Regelmäßige Bewertungen der physischen und finanziellen Portfolios stellen große Herausforderungen für Energieversorger dar. Der zunehmende Einfluss erneuerbarer Energien sowie die geringe Liquidität der Energiemärkte verstärken diese zunehmend. Die existierenden Bewertungsansätze unseres Kunden, einem großen internationalen Energieversorger, sollten um algorithmische Prognosen erweitert werden. Dabei standen insbesondere der Einfluss erneuerbarer Energien sowie die Qualitätssicherung von Markt-, Wetter- und Fundamentaldaten im Mittelpunkt. Gemeinsam wurden die notwendigen fachlichen und technischen Erweiterungen durchgeführt und erfolgreich in die operativen Prozesse überführt.

Die Einführung von S/4HANA stellt nicht nur eine rein technische Herausforderung dar, sondern bedarf vielmehr eines umfassenden Transformationsprojektes. Um alle Vorteile des Upgrades zu nutzen, sind neue und angepasste Prozesse, Funktionen sowie eine geänderte IT-Landschaft obligatorisch.

d-fine hat die Entwicklung einer Roadmap zur Einführung eines weltweit einheitlichen, standardisierten und harmonisierten Finanz-Templates begleitet. Unsere umfassenden fachlichen und technischen Kenntnisse und Expertise im Bereich Projektmanagement, Target Operating Model und Steuerungskonzept ermöglichten dabei die Formulierung der künftigen Produktvision.

Unsere KI-Lösungen kommen in unterschiedlichen industriellen Kontexten zum Einsatz: Im Maschinenbau dienen Sie zur Echtzeit-Qualitätsprüfung von Behältern, Baustoffhersteller führen einen automatischen Abgleich von Kundenbildern mit ihrem Produktportfolio durch und industrielle Forschungseinrichtungen erkennen damit Risse auf komplexen Blechbauteilen. Für diese und weitere Anwendungsfälle entwickelt d-fine spezialisierte KI-Architekturen, stellt skalierbare High-Performance-Trainingspipelines für das Training in der Cloud oder on-premise bereit und automatisiert das Deployment für den Betrieb.
Unsere Lösungen erfüllen höchste Anforderungen an moderne KI-Systeme, wie z. B. das kontinuierliche Weiterlernen im operativen Einsatz, die visuell unterstützte Erläuterung der Resultate für den menschlichen Operator und die einfache Übertragbarkeit auf neue Einsatzszenarien.

Unternehmen und Forschungsinstitute aus der Metallindustrie entwickeln mit d-fine Plattformen für den sicheren Austausch von Material- und Fertigungsdaten. Unsere Lösungen integrieren dabei die vorhandenen Corporate-Datalakes mit unternehmensübergreifenden Datenplattformen in einer Weise, die den technologischen Randbedingungen der Unternehmen und ihren Anforderungen an Sicherheit und Vertraulichkeit in vollem Umfang gerecht wird. Dazu setzen wir sowohl klassische Datenbanken als auch Big Data Technologien und Distributed Ledgers ein, wie z. B. Kafka oder das Hyperledger-Fabric Framework.
Wir unterstützen unsere Kunden außerdem bei der Integration weiterer Datenquellen – wie beispielsweise dem ERP- oder MES-System oder von Finanzkennzahlen. Für die Datenanalyse stehen Erweiterungen bereit, mittels derer z. B. C-Level-Cockpits zur Vorhersage und Steuerung von Unternehmenskennzahlen oder Anwendungen zur Optimierung von Fertigungsabläufen umgesetzt werden können.

Immobilienunternehmen müssen aufgrund zunehmender regulatorischer Vorgaben die Umsetzung ihrer Klimastrategien deutlich intensivieren. Die Erfassung, Bewertung und Steuerung der Klimawirkung im Gebäudesektor erfordern dabei eine branchenübergreifende und interdisziplinäre Herangehensweise. Gemeinsam mit unseren Kunden entwickelten wir Konzepte zur Einbindung klimabezogener Indikatoren in die operativen Geschäftsprozesse der Immobilienwirtschaft unter Berücksichtigung maßgebender Steuerungskennzahlen. Für den recheneffizienten Umgang mit großen Gebäudedatenbeständen und die Etablierung standardisierter Schnittstellen setzten wir eine moderne Datenbankstruktur zur Speicherung der erfassten und ggf. nachberechneten Daten um. Hierzu zählten die Sammlung und Digitalisierung sämtlicher Faktoren und Daten, die Entwicklung und Validierung von Proxy-Modellen sowie die Visualisierung der ökologischen und finanziellen Effekte klimabezogener und energetischer Portfolioentscheidungen.

Unser Kunde ist eines der größten deutschen Wohnungsunternehmen und im Aufbau eines ambitionierten Rahmens für das Nachhaltigkeitsmanagement begriffen. Um ein effizientes Portfoliomanagement zu ermöglichen, müssen soziale, technologische, ökonomische und regulatorische Faktoren in einem integrierten und regional aufgelösten Ansatz analysiert und bewertet werden. Wir haben dazu die relevanten Einflussfaktoren unter Verwendung von wissenschaftlichen Modellen, Studien und Branchenpraktiken ausgearbeitet und einen integrierten Rahmen für eine systematische Spezifikation von Klimaszenarien und die darauf basierende Risikobewertung umgesetzt sowie die kurzfristigen klimabedingten Auswirkungen auf die finanzielle Leistungsfähigkeit des Unternehmens modelliert. Durch ein modernes Tool-Set inklusive Datenbank, Algorithmen und BI-Lösungen ermöglichen wir unserem Kunden die Operationalisierung der entwickelten Methoden.