Einstellungen für Cookies und Datenerfassung

Wir setzen auf unserer Website technisch notwendige Cookies ein. Diese sind dazu da, um die Sitzung aufrecht zu erhalten sowie Ihre Angabe zu dieser Hinweisfunktion für diese und weitere Sitzungen zu speichern. Sie können diese Cookies in Ihren Browsereinstellungen kontrollieren und verwalten.

Bitte entscheiden Sie darüber hinaus, welche weiteren Cookies sie zulassen wollen:

Cookies für Statistik:  Wir nutzen Google Analytics, um die Zugriffe auf unserer Website zu analysieren und damit das Angebot zu verbessern. Dazu werden Daten zur Website-Nutzung anonymisiert an Google übertragen.

Mehr Informationen finden Sie auf den Seiten Impressum und Datenschutz, wo Sie diese Einstellung auch später wieder ändern können.

Willkommen bei d-fine

Inside d-fine

Kontakt
d-fine Recruiting Team
+49 69 90737-555

careers[at]d-fine.de

› 200

Kunden

› 25

Länder, in denen wir Projekte durchführen

1 vs. 70

kleinstes vs. bislang größtes d-fine Projektteam

› 50

Trainings und Fortbildungsprogramme im Rahmen der d-fine Academy

Expertise & Branchen

Projektbeispiele

Slide #1

LÖSUNG

  • Wir haben eine interaktive Projektlandkarte entwickelt, auf der aktuelle und geplante Marktaktivitäten im Bereich Wasserstoff in der Region verortet und detaillierte Beschreibungen eingesehen werden können.

  • Auf Basis eines Fragebogens sowie Einzelinterviews mit den Partnerunternehmen konnten wir die partnerspezifischen Anforderungen an eine Infrastruktur aufnehmen, um sie in der weiteren Planung zu berücksichtigen.

  • Den standortbezogenen Wasserstoffbedarf in der Region haben wir unter verschiedenen Hochlaufszenarien abgeschätzt und in einer interaktiven Heatmap für die Jahre 2030, 2035 und 2040 visualisiert.

  • Anhand dieser Erkenntnisse haben wir Auswahlkriterien definiert und geeignete Standorte für den Aufbau einer nachhaltigen Wasserstofftankstelleninfrastruktur, darunter insb. H2-Tankstellen, identifiziert.


    Weitere Beispiele aus dem Bereich Public Sector

    [ ZU DEN PROJEKTEN ]

Slide #2

LÖSUNG

  • Das neu entwickelte Energiesystemmodell erlaubt eine konsistente Planung des Stromnetzes bei gekoppelten Energiesektoren.

  • Unser Optimierungstool für Schaltungen stellt sicher, dass das Stromnetz auch bei vielen gleichzeitigen Baumaßnahmen stabil bleibt.

  • Der integrierte Datenhaushalt ermöglicht neue Erkenntnisse aus der Datenanalyse.

  • Die hybride IT-Architektur vernetzt die Cloud mit Servern on-premise und bietet bedarfsgerechte Rechenressourcen für die Netzplanung.

  • Der Schlüsselfaktor für den Projekterfolg ist unsere Kombination aus energiewirtschaftlichen Fachwissen und IT-Kenntnissen.


    Weitere Beispiele aus dem Bereich Energy & Industrials

    [ ZU DEN PROJEKTEN ]

Slide #3

LÖSUNG

  • Die Entwicklung der Methodik basiert auf einer Kombination aus Experten-Feedback und mathematisch-statistischen Modellen mit dem Ziel, möglichst gut verdächtige Ereignisse im Rauschen aller Konversationen zu erkennen. Dies erfordert zwei wesentliche Bausteine: Natural Language Processing (NLP) und Machine Learning. .

  • Nach einer Vorverarbeitung transformieren NLP-Techniken (z. B. Lexika, Maximum-Entropy Part-of-Speech Tagging und Word-Embeddings) Textinhalte in eine mehrdimensionale Struktur, die eine quantitative Analyse ermöglicht. Machine-Learning Techniken (z. B. Boosted Decision Trees und Deep Neural Networks) trainieren das Modell, Abweichungen vom „typischen“ Chatverhalten zu erkennen und zu quantifizieren.

  • Um den Prozessablauf zu unterstützen, der mit der manuellen Kontrolle der von dem Modell als kritisch eingestuften Konversationen einhergehen muss, wurde ein intuitives Visualisierungskonzept erarbeitet, das Modellvorhersagen in einer interaktiven, Multi-User fähigen Web-Oberfläche darstellt und dem Anwender einen Eingriff in Modellentscheidungen ermöglicht (Supervised Learning).

  • Das neu entwickelte Verfahren ist im Bankensektor einzigartig und erzielt deutlich bessere Ergebnisse als die zuvor eingesetzte kommerzielle Software. Es reduziert deutlich die Aufwendungen in der Bank, Marktmanipulationen und Insiderhandel zuverlässig aufzudecken und erfüllt alle von der Aufsicht geforderten Anforderungen.
     

    Weitere Beispiele aus dem Bereich Banking & Capital Markets

    [ ZU DEN PROJEKTEN ]

Slide #4

LÖSUNG

  • Die neu entwickelte In-house-Lösung leistet eine Echtzeit-Risikomessung bei exakter Bewertung aller Finanzinstrumente.

  • Die IT-Architektur des Modells besteht aus einem hoch performanten GPU-basierten Rechenkern und darauf aufsetzenden Systemkomponenten zur Erzeugung, Bewertung und Analyse von Risikoszenarien.

  • Schlüsselrollen für den Projekterfolg spielten die nahtlose und stabile Integration der Methodik in die komplexe Prozess- und IT-Landschaft des Kunden sowie die Koordination der international agierenden Projektteams.

  • Die gemeinsam mit dem Kunden unter immer anspruchsvolleren regulatorischen Rahmenbedingungen sukzessiv weiterentwickelte Lösung kann zurecht als Referenz moderner Risikomessung und -steuerung bezeichnet werden.


    Weitere Beispiele aus dem Bereich Banking & Capital Markets

    [ ZU DEN PROJEKTEN ]

Slide #5

LÖSUNG

  • Als Grundstein der Lösung unterstützte d-fine die Konzeption der Anpassung der Risikosteuerungsverfahren und der Fach-/IT-Architektur.

  • Ein passendes Vendoren-System wurde ausgewählt, dieses zur Abbildung von Marktrisiken und barwertigen und ertragswertigen Zinsänderungsrisiken angepasst und über ein neu entwickeltes Data Warehouse in die IT-Landschaft integriert.

  • Wesentlicher Erfolgsfaktor war die Integration von Methoden und Prozessen in die komplexe IT-Landschaft des Kunden, in enger Zusammenarbeit zwischen Kundenfach- und IT-Bereichen, System-Vendor und d-fine bei agilen Vorgehensmodellen.


    Weitere Beispiele aus dem Bereich Banking & Capital Markets

    [ ZU DEN PROJEKTEN ]

Slide #6

LÖSUNG

  • Als Basis für die Optimierung der Medikamentenlagerung und -verteilung wurden interne, teilweise inkonsistente Daten zu den Verteilzentren mit öffentlich verfügbaren Daten zu den Standorten mittels Natural Language Processing verknüpft.

  • Ausgehend von den ermittelten Standorten und gemeldeten Verteilmengen wurde ein robustes, mit wenigen Daten aussagekräftiges Framework entwickelt und damit verschiedene Alternativen für ein optimiertes Verteilschema berechnet.

  • Verglichen mit der vorhandenen Verteillösung konnten Kosteneinsparungen vorgeschlagen werden, welche die HIV-Behandlung von 25.000 zusätzlichen Patienten pro Jahr ermöglichen würden.


    Weitere Beispiele aus dem Bereich Healthcare

    [ ZU DEN PROJEKTEN ]

Slide #7

LÖSUNG

  • Ein d-fine Team entwickelt gemeinsam mit den Aktuaren der Lebensversicherung einen innovativen Algorithmus zur risikoorientierten Portfoliosteuerung.

  • Der Algorithmus detektiert mit einem intelligenten Verfahren sich ändernde Kapitalmarktbedingungen und veranlasst geeignete Portfolioumschichtungen.

  • Die Anlagen erfolgen in börsennotierte Indexfonds (ETFs) sowie aktive Fonds und werden danach selektiert, ob deren Anbieter Nachhaltigkeitskriterien (ESG) bei der Portfoliokonstruktion berücksichtigen.

  • Das d-fine Team stellt den Robo Advisory Algorithmus als Server-Anwendung mit moderner, web-basierter Nutzeroberfläche zur Verfügung.

  • Auch nach der Markteinführung unterstützt d-fine den Betrieb des Robo Advisors und ist als Beisitzer im Anlageausschuss tätig.


    Weitere Beispiele aus dem Bereich Insurance & Asset Management

    [ ZU DEN PROJEKTEN ]

Slide #8

LÖSUNG

  • Als Grundlage für das Tool haben wir eine Verkehrssimulation entwickelt, die in Echtzeit die Verkehrssituation auf den Schienen widerspiegelt und das Verkehrsverhalten der folgenden zwei Stunden auf Basis von Fahrplan- und IST-Daten prognostiziert.

  • Für die Simulation wurden unterschiedliche Daten, wie zum Beispiel Gleisinfrastrukturdaten und Echtzeitinformationen, angebunden und ETL-Prozesse zur Verarbeitung der Daten unter Einsatz von modernen Cloudtechnologien umgesetzt.

  • Die Entscheidungsfindung des Tools erfolgt mittels Reinforcement Learning, wofür wir entsprechende Agents, States, Rewards und Actions entwickelt haben.

  • Iterativ wurden weitere Komponenten des Reinforcement Learners implementiert sowie neue Modelle mit unterschiedlichen Parametern trainiert und evaluiert.

  • In regelmäßigen Austauschformaten mit den Disponenten wurden gemeinsam weitere Features des Tools erarbeitet und in einem späteren Schritt umgesetzt.



    Weitere Beispiele aus dem Bereich Public Sector

    [ ZU DEN PROJEKTEN ]

Einblicke

#Lieblingsarbeitgeber

1. Wir leben ein faires, respektvolles, wertschätzendes und aufrichtiges Miteinander und erreichen mit unseren Kunden gemeinsam Projekterfolge.
2. Wir bieten Interessierten vorab Einblicke in das Beratungsleben und gestalten Bewerbungsprozesse menschlich und auf gleicher Augenhöhe.
3. Wir heißen Neu- und Quereinsteiger/-innen willkommen und bereiten sie bestmöglich auf den ersten Projekteinsatz vor.
4. Wir fördern beständiges Lernen und individuelle Weiterentwicklung – sowohl fachlich als auch persönlich.
5. Wir investieren Zeit und Energie, um passende Projekte und Aufgaben für individuelle Entwicklungs- und Karriereziele zu finden.
6. Wir schaffen Ausgleich für die anspruchsvollen Bedingungen der Projektarbeit durch Maßnahmen zur Arbeitsflexibilisierung und -organisation.
7. Wir unterstützen dabei, Berufliches und Privates in unterschiedlichen Lebensphasen in Einklang zu bringen, um dem Beruf als Berater/-in eine langfristige Perspektive zu geben.
8. Wir zahlen attraktive und leistungsbezogene Gehälter und bieten eine Vielzahl von Zusatzleistungen.
9. Wir übernehmen auch gesellschaftliche Verantwortung und engagieren uns über unser Beratungsgeschäft hinaus.

Stay in Touch

Werden Sie Teil des d-fine Netzwerks! Im Rahmen unseres Career Pools erhalten Sie exklusive Neuigkeiten zu d-fine, unseren Events und Stellenangeboten, z. B. durch unseren quartalsweise erscheinenden Newsletter.

 

ANMELDUNG CAREER POOL

Newsletter