Kollaborative Analysen auf Databricks

Einleitung

In unserem früheren Blogbeitrag Enabling Business Users on Databricks haben wir untersucht, wie Funktionen wie konversationelle Analysen, gesteuerter Datenzugriff und KI-gestützte Anwendungen Geschäftsbenutzer befähigen, direkt mit Daten zu interagieren. Aber Befähigung allein ist nicht genug.

Die eigentliche Herausforderung für die meisten Finanzinstitute besteht nicht nur darin, einzelne Benutzer zu befähigen – es geht darum, die Zusammenarbeit zwischen Teams zu ermöglichen. Kunden, Portfoliomanager, operative Spezialisten und Finanzteams verlassen sich alle auf dieselben zugrunde liegenden Daten. Dennoch arbeiten sie oft in getrennten Systemen mit fragmentierten Arbeitsabläufen und manuellen Übergaben dazwischen. Erkenntnisse bewegen sich langsam. Datendefinitionen verschieben sich. Und Führungskräfte fragen sich immer wieder:

„Schauen wir alle auf dieselben Zahlen?“

Die Databricks Data Intelligence Platform beantwortet diese Frage mit einer einheitlichen Plattform für Daten, Analysen, KI und operative Arbeitsabläufe, die es Geschäftsbenutzern im gesamten Unternehmen ermöglicht, an denselben gesteuerten Daten zusammenzuarbeiten. Um zu sehen, wie dies in der Praxis funktioniert, gehen wir einen realistischen Arbeitsablauf durch, der von Databricks SQL, UC Metric Views und Lakebase auf Databricks unterstützt wird.

Die Kernspannung: dieselben Daten, unterschiedliche Welten

Stellen Sie sich vier Fachleute vor, die versuchen, Fragen zu demselben Anlageportfolio zu beantworten, jeder aus einer völlig anderen Perspektive.

• Sarah, eine Aktuarin, möchte wissen, ob die Verbindlichkeitszahlungsströme mit den Anlagedauern übereinstimmen.
• Dan, ein Portfoliomanager, muss bestätigen, ob das Portfolio eines Kunden im Mandat liegt und den aktuellen Ertrag im Vergleich zum erwarteten Ertrag verstehen.
• John im operativen Bereich gleicht IBOR- und ABOR-Aufzeichnungen ab und sucht nach den größten Positionsabweichungen.
• Ben im Finanzwesen muss Ledger-Einträge erstellen und validieren, ob eine Anpassung ein Buch korrekt abschließt.

Jeder von ihnen stellt andere Fragen. Jeder hat unterschiedliche Datenzugriffsanforderungen. Jeder verwendet unterschiedliche Werkzeuge. Dennoch verlassen sie sich alle auf dieselben zugrunde liegenden Daten: Portfolios, Positionen, Verbindlichkeiten und Transaktionen.

Traditionell reagieren Unternehmen auf diese Herausforderung mit gesilten Systemen – Aktuarwerkzeugen, Portfolio-Plattformen, Abgleichsoftware und ERP-Systemen. Databricks ersetzt dieses fragmentierte Modell durch eine einzige, gesteuerte Datenplattform mit einheitlichen Semantiken für jedes Team.

Der Databricks-Fähigkeitenstapel für Geschäfts-Kollaboration

Für das technische Team ist das Versprechen ein einheitlicher Werkzeugsatz. Für Geschäftsbenutzer ist das Versprechen weniger manuelle Übergaben und mehr Zeit für Entscheidungen, nicht für Datenaufbereitung.

Hier ist, wie der Stapel dieses Versprechen erfüllt:

• Sprechen Sie mit Ihren Daten mit Genie (Konversationelle Analysen). Geschäftsbenutzer stellen Fragen in einfacher Sprache und erhalten Antworten, die auf verifizierten, gesteuerten Daten basieren. Kein SQL erforderlich. Kein Ticket an das Datenteam. Und durch One Chat mit intelligenter Weiterleitung muss ein Benutzer nicht wissen, welcher Genie-Bereich welche Domäne verwaltet! Das System leitet die Abfrage automatisch an den richtigen Kontext weiter.
• Nahtlose Übergabe-Schnittstelle mit Databricks Apps. Bieten Sie Geschäftsbenutzern reichhaltige, interaktive Schnittstellen, in denen sie nicht nur Berichte überprüfen, sondern auch handeln können, Notizen hinzufügen, Anpassungen genehmigen und nachgelagerte Arbeitsabläufe auslösen können – alles innerhalb einer gesteuerten Anwendungsschicht.
• Low-Latency Serving Layer mit Lakebase. Dient als transaktionales und operatives Daten-Backbone und unterstützt die Abgleichprüfungen, Saldenvalidierungen und Echtzeit-Schreibvorgänge, die Arbeitsabläufe im mittleren und hinteren Bereich erfordern. Es ist die Brücke zwischen analytischer Einsicht und operativer Aktion.
• Drag and Drop mit Lakeflow Designer. Ermöglichen Sie die Anreicherung und Transformation von Daten in Lakeflow Pipelines über eine visuelle Low-Code-Oberfläche – sodass Teams wie Sarahs Rohdaten zu Vermögenswerten und Verbindlichkeiten anreichern können, ohne auf Engineering-Zyklen warten zu müssen.
• Starke Daten-Governance mit Unity Catalog. Bieten Sie die Isolationsgrenzen durch Row-Level-Sicherheit, Spaltenmaskierung, RBAC- und ABAC-Richtlinien, um sicherzustellen, dass Sarahs Zugriff auf Verbindlichkeitsdaten und Bens Zugriff auf Ledger-Einträge unabhängig voneinander gesteuert werden, auch wenn sie dieselben zugrunde liegenden Tabellen abfragen.
• Konsistente Begriffdefinitionen mit Unity Catalog Business Semantics. Dieselben Daten, der richtige Zugriff und dieselbe Terminologie im gesamten Unternehmen.

Und da das Tempo der Innovation von KI-Modellen nicht nachlässt, ermöglicht die modellagnostische Architektur von Databricks schnelle Anpassungen, den Austausch neuer Modelle, die Nutzung multimodaler Fähigkeiten und die Abdeckung von Multi-Cloud-Umgebungen, ohne Ihre Datenplattform neu zu gestalten.

Von der Absicht zur Wirkung: ein Closed-Loop-Geschäftsworkflow

Machen wir das konkret. Das folgende Szenario verfolgt eine einzelne Geschäftsabsicht – die Aufforderung zur Anpassung der Portfoliodauer – von ihrem Ursprung in der Analyse des Aktuars bis zum endgültigen Ledger-Eintrag im Backoffice.

Schritt 1: Strategie beginnt beim Geschäft (Kunde)

Sarah, die Aktuarin, ist für die strategische Vermögensallokation zuständig. Ihre Arbeit beginnt mit einer Frage: „Decken unsere Vermögenswerte unsere Verbindlichkeiten in den richtigen Proportionen und mit den richtigen Dauern ab?“

Sie öffnet Genie auf Databricks und fragt in einfacher Sprache: „Sind die Cashflows der Vermögenswerte für die Abgleichanalyse mit dem Zeitplan der Verbindlichkeiten abgestimmt?“ Genie fragt die Verbindlichkeits- und Vermögenswerttabellen ab, deckt eine Laufzeitabweichung auf und präsentiert sie in einem interaktiven Dashboard. Sarah reichert die Rohdaten mit Lakeflow Designer Pipelines an und stellt fest, dass die Ziel-Laufzeit geändert werden muss. Sie reicht eine formelle Aufforderung zur Änderung des Mandats ein.

Die Botschaft hier: Strategie ist von Anfang an datengesteuert. Die Empfehlung des Aktuars basiert nicht auf einem Tabellenkalkulationsexport von letztem Dienstag, sondern auf denselben Live- und gesteuerten Daten, die der Rest des Unternehmens verwendet.

Schritt 2: Front Office übersetzt Strategie in Aktion (Portfoliomanagement)

Dan, der Portfoliomanager, erhält Sarahs Aufforderung über eine Databricks App. Er kann die Aufforderung im Kontext, die zugrunde liegende Analyse, die Laufzeitlücke und die vorgeschlagene Anpassung sehen – alles, ohne die Plattform zu verlassen.

Von dort aus übernehmen KI-Agenten die Arbeit. Sie ziehen die neuesten Marktdaten über einen externen MCP-Server, führen Szenariomodelle aus, um die Ertrags- und Sektorimplikationen der Laufzeitverschiebung zu verstehen, und präsentieren die Trade-off-Analyse direkt im Workflow von Dan. Dan überprüft die Ergebnisse, passt Parameter an und übersetzt die übergeordnete Absicht – „Laufzeit um X Jahre verschieben“ – in konkrete Portfolioänderungen: spezifische Anpassungen der Sektorexposition, Renditeziele und Positionsmodifikationen, die an die Ausführungsschicht kommuniziert werden.

Die Botschaft hier: KI agiert als Kollege, nicht als Blackbox. Sie beschleunigt die Übersetzung strategischer Absichten in handlungsfähige Anweisungen, während der Portfoliomanager fest im Entscheidungssitz bleibt.

Schritt 3: Middle Office stellt operative Integrität sicher (Operations / Bewertung)

Sobald die Portfolioänderungen in der Warteschlange stehen, übernimmt John im operativen Bereich. Seine Aufgabe ist es, sicherzustellen, dass das Investment Book of Record (IBOR) und das Accounting Book of Record (ABOR) abgeglichen werden.

John verwendet KI-gestützte Abgleiche über Databricks Apps, um IBOR/ABOR-Aufzeichnungen nebeneinander zu überprüfen. Das System kennzeichnet Abweichungen, deckt die Grundursachen auf – sei es eine Zeitdifferenz, eine fehlgeschlagene Abwicklung oder ein Datenmapping-Problem – und schlägt Korrekturanpassungen vor. Diese Anpassungen werden direkt in gesteuerte Lakebase-Tabellen geschrieben, wodurch ein prüfbarer, zeitgestempelter Datensatz jeder Korrektur erstellt wird.

Die Botschaft hier: Kontrollen und Transparenz sind in den Arbeitsablauf integriert, nicht nachträglich angebracht. Das Middle Office jagt keine Ausnahmen mehr per E-Mail-Thread; sie lösen sie in einer gesteuerten, nachvollziehbaren Umgebung.

Schritt 4: Back Office schließt den Kreis (Investment Office / Finanzen)

Ben, im Backoffice, prüft die Anpassungseinträge, die Johns Team vorbereitet hat. Mithilfe von Databricks Apps und Lakebase genehmigt er die Korrekturen, erstellt die entsprechenden Hauptbuchposten und führt eine abschließende Risikoprüfung über AI/BI Dashboards durch, um zu bestätigen, dass das allgemeine Risikoprofil des Portfolios nach der Mandatsänderung innerhalb akzeptabler Grenzen liegt.

Alles, was Ben sieht – die Portfoliobestände, die Abstimmungsanpassungen, die Risikokennzahlen – lässt sich auf dieselbe gesteuerte Datenplattform zurückführen, die Sarah zu Beginn dieses Workflows abgefragt hat. Es gibt keine Abstimmung zwischen Systemen, weil es nur ein System gibt.

Die Botschaft hier: Reporting, Risikomanagement und Buchhaltung arbeiten mit derselben Quelle der Wahrheit. Das Backoffice holt nicht zum Frontoffice auf; es schließt denselben Kreislauf, auf denselben Daten, in Echtzeit.

Das Fazit für Führungskräfte

Für Führungskräfte im Finanzwesen bietet dieses Muster vier entscheidende Vorteile:

1. Eine Plattform für das gesamte Unternehmen, wodurch die Integrationskosten für die Verknüpfung isolierter Tools entfallen.
2. KI in Geschäftsabläufe integriert, nicht in Data Science isoliert; KI unterstützt die Menschen, die tägliche Entscheidungen treffen, eher wie ein vertrauenswürdiger Kollege.
3. Gesteuerte Echtzeitdaten von der Entscheidung bis zum Hauptbuch mit Unity Catalog, um sicherzustellen, dass Zugriff, Nachverfolgbarkeit und Compliance niemals zu kurz kommen.
4. Mensch-KI-Kollaboration bei jedem Schritt, die menschliches Urteilsvermögen und Verantwortlichkeit bewahrt und gleichzeitig die Zeit vom Einblick zur Aktion drastisch verkürzt.

Bei der Story geht es nicht um Tools. Es geht darum, Strategie-zu-Umsetzungs-Zyklen zu verkürzen und gleichzeitig die Kontrollen zu stärken. Das ist nicht nur eine Technologiestory. Das ist eine bessere Art, das Geschäft zu führen.

Bereit, den Kreislauf zu schließen?

Vom Aktuar bis zur Finanzabteilung verdient jede Entscheidung dieselbe gesteuerte Echtzeit-Wahrheitsquelle. So geht es weiter:

• Probieren Sie es aus: Starten Sie noch heute Ihre kostenlose Databricks-Testversion
• Sehen Sie es in Aktion: Besuchen Sie unser Demoscenter für Produkt-Touren, Videos und praktische Tutorials zu Lakeflow, Unity Catalog, AI/BI und mehr.
• Lernen Sie die Grundlagen: Beginnen Sie mit kostenlosen Academy-Schulungen
• Herunterladen: Das eBook „Business Intelligence trifft KI“ hier

Bereit zum Gespräch? Kontaktieren Sie Ihr Databricks-Account-Team, um zu erfahren, wie Databricks die täglichen Arbeitsabläufe Ihrer Geschäftsbenutzer transformieren kann.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag