ML-Toolbox: Leistungsstarke & maßgeschneiderte Lösungen für Ihre Business-Cases im Finanzsektor

Finbridge - Ihr Partner für ML-Dienstleistungen in der Finanz- & Bankenlandschaft. Durch den Einsatz von Machine Learning (ML) fördern wir Innovationen, steigern die Effizienz und verbessern die Kundenerfahrung. Unsere KI-Lösungen unterstützen Bereiche wie Kundenservice, Risikomanagement, Prozessautomatisierung und Datenanalyse. Wir bieten modulare ML-Lösungen aus unserer umfangreichen ML-Toolbox und passen diese flexibel an Ihre Bedürfnisse an, sei es durch maßgeschneiderte Beratungsprojekte oder effiziente Softwarepakete. Entdecken Sie Business-Cases für erfolgreiche Anwendungsfälle!

Ivan Balashov27. Juni 2023MachineLearning, machine-learning, ML-Automation, KI, #Machine Learning

Success Story: pbb und Finbridge – Modernisierung des HRL-Prozesses durch Automatisierung und Maschinelles Lernen

Die pbb Deutsche Pfandbriefbank AG und das Beratungsunternehmen Finbridge haben ihre Kräfte gebündelt, um den Prozess der Stillen Reserven und Lasten (HRL) durch Automatisierung und maschinelles Lernen zu verbessern. Dies führte zu einer signifikanten Reduzierung des Gesamtaufwands unter Steigerung der Automatisierung, wodurch Mitarbeiter bei Routineaufgaben entlastet wurden. Der innovative ML-Ansatz von Finbridge ermöglicht es, komplexe Finanzdaten effizient und präzise zu analysieren und dabei neue Erkenntnisse und Optimierungspotenziale zu entdecken. Die Lösungen sind maßgeschneidert, robust und nachvollziehbar, wobei erklärbare KI-Verfahren (mittels XAI) eingesetzt werden, um eine intuitive Interpretation der Ergebnisse zu ermöglichen.

Ivan Balashov27. März 2023Success Story, MachineLearning, machine-learning, ML-Automation, KI, #Machine Learning

Machine Learning im Finanzwesen: ein innovativer Ansatz zur Analyse von stillen Lasten/Reserven und weiterer Parameter

Die breitere Akzeptanz und aktive Weiterentwicklung von Techniken des Machine-Learnings und der Datenanalyse haben neue Möglichkeiten der Optimierung und Automatisierung von Geschäftsprozessen ermöglicht. Dies bietet Banken neue Wege ihre Abläufe so umzugestalten, dass Bearbeitungszeiten eingespart, die Transparenz verbessert und Ressourcen eingespart werden können. Wir stellen das Potenzial solcher Verfahren am Beispiel eines stille Lasten und Reserven Prozesses vor, der unter anderem in den Finance-Abteilungen von Banken Anwendung findet.

Ivan Balashov2. Februar 2021machine-learning, #Machine Learning, Digitalisierung, digital-transformation, MachineLearning

Maschinelle Informationsextraktion aus gescannten Dokumenten

In ihrem Artikel stellen unsere Kollegen David Israel und Jördis Helmers die Herausforderungen bei der Informationsgewinnung aus gescannten Dokumenten dar. Sie beschreiben anhand verschiedener Anwendungsbeispiele, wie Dokumente klassifiziert werden, d.h. welche Formate typischerweise bei Verträgen vorkommen können, und wie diese mit verschiedenen Parsing-Regeln jeweils optimal gehandhabt werden können.

Proof of ConceptJördis Helmers25. August 2020AI, machine-learning, data-science, ocr, process, digital-transformation, Digital Transformation, Digitalisierung, ML-Automation, MachineLearning

Fallstudie: Digitalisierung von Prüfprozessen mit KI

Die Bedeutung der Bereiche Audit und Compliance nimmt stetig zu und gewinnt als Thema an Geschwindigkeit. Seitens des Regulators, der Aufsicht sowie der externen und internen Prüfer wächst der Druck, mit der zunehmenden Digitalisierung und der damit einhergehenden Beschleunigung der Geschäftstätigkeit schrittzuhalten. Der aktuelle, risikoadjustierte Prüfungsansatz setzt umfangreiches Expertenwissen voraus und basiert in der Regel auf einer intelligenten, aber stichprobenhaften Prüfung. Im Rahmen dieses Umfelds haben wir die Commerzbank im Bereich Audit unterstützt, Lösungen für Tools zur Prozessautomatisierung und technischen Prüfungsunterstützung zu entwickeln.

Projekt, Insight, Proof of ConceptGuest User19. November 2019KI, AI, Automatisierung, machine-learning, Digital Transformation, Process, Prozess, Data Analytics, Datenanalyse, ML-Automation, MachineLearning

Business Intelligence in Finanzinstituten

Manager auf allen Ebenen setzen BI Methoden der einen oder anderen Art ein, um die täglichen Herausforderungen zu meistern. Auch die Fachbereiche in Finanzinstituten verwenden BI Techniken um ihre Daten bestmöglich zu analysieren und interpretieren. Nur Wenige schöpfen allerdingsdie Möglichkeiten aus, die der Markt durch die Vielzahl an verfügbaren, hochfunktionalen self-service BI (SSBI) Tools bietet.

Dieser Artikel beleuchtet das Potenzial von BI allgemein, und von SSBI im Besonderen. Wir fassen einige Pro und Contra Argumente verschiedener Methoden zusammen und setzen diese in Kontext zu den allseits bekannten und sehr individuellen MS Excel & Access Dashboard Lösungen.

InsightGuest User23. Oktober 2019BI, Automatisierung, Data Warehouse, Prozess, machine-learning, Business Intelligence, PowerBI, Process

Fallstudie: Digitalisierung der Datenanalyse mit KI

Insight, Projekt, Proof of ConceptGuest User8. Oktober 2019Digital Transformation, machine-learning, KI, AI, Automa, Testdesign, test, Datenanalyse, Data Analytics, ML-Automation, MachineLearning

Proof of Concept: OCR, Künstliche Intelligenz und Zweitschriften

In unserem Hauptartikel haben wir einen Überblick über das etablierte, klassische Zweitschriftverfahren gegeben und Vorschläge zur Einsatzoptimierung der vorhandenen Ressourcen vorgestellt. Der folgende Proof of Concept illustriert den ersten Schritt zur Optimierung bzw. Automatisierung des Zweitschriftverfahrens durch die Digitalisierung der Arbeitsschritte der Zweitschrift-prüfenden Bank.

Proof of ConceptGuest User25. Juni 2019digital-transformation, innovation, machine-learning, #AI, Digital Transformation, Digitalisierung, Prozess, Process, MachineLearning

Machine Learning, Blockchain, Zweitschriftverfahren und Digital Transformation

Das Zweitschriftverfahren betrifft grundsätzlich jedes Institut, das Wertpapiergeschäfte tätigt. Da die Art und Weise der Erstellung der Zweitschriften individuell historisch gewachsen ist, gibt es keine institutsübergreifende Norm, die eine weitere Verarbeitung der Zweitschriften vereinfachen würde. Einen etablierten Prozess vollständig umzustellen und ad hoc digital abzuwickeln ist ein sehr aufwändiges Unterfangen, unter anderem durch die Vielzahl an beteiligten Parteien. Wir schlagen daher vor, den Prozess schrittweise zu verbessern und zunächst lokal bei den einzelnen Instituten anzusetzen.

InsightGuest User7. Dezember 2018#Compliance, #Machine Learning, Digital Transformation, Digitalisierung, Blockchain, machine-learning, AI, MachineLearning

Insights und Themen

Building bridges - Auszüge aus unserer Arbeit und aktuelle Branchenthemen