Motivation
Die effiziente Verwaltung und das Zusammenführen vieler heterogener, sich ändernder Datenquellen sind für Unternehmen zu kritischen Erfolgsfaktoren geworden. Dies trifft auf den Finanzsektor genauso wie auf viele andere Anwendungsbereiche zu. Viele Banken und Finanzdienstleister verlieren bei steigender Heterogenität der Daten zunehmend den Überblick über historisch mühsam gesammelte Daten und exponentiell wachsende Datentöpfe. Dies birgt erhebliche gesamtwirtschaftliche Risiken. Bisher gibt es für Finanzinstitute keine Lösung, die heterogene Datenquellen flexibel integriert und gleichzeitig die Metadaten intuitiv aufbereiten kann, um u.a. anhand der Daten Risikopotenziale frühzeitig zu erkennen oder den zunehmenden (ad-hoc-)Berichtspflichten effizient nachzukommen.
Ziele und Vorgehen
Im Vorhaben „AMPL“ wird eine neue Softwarelösung zur Strukturierung, Analyse und Exploration großer Mengen heterogener, veränderlicher Datenquellen entwickelt. Dazu werden umfangreiche Datenprofile, bestehend aus Statistiken, Korrelationen und komplexen Herkunftsinformationen (Lineage), berechnet. Dabei helfen durch maschinelles Lernen unterstützte Methoden beim Schema-Mapping zwischen den Datenquellen sowie neue Verfahren zur skalierbaren und inkrementellen Berechnung von Datenprofilen. Neben der reinen Herkunft der Daten sind Anwenderinnen und Anwender innerhalb von Finanzinstituten sowie bei externen Aufsichtsbehörden auch an weiteren Informationen (Metadaten-Annotationen) interessiert, z.B. wer verantwortlich ist für bestimmte Daten, wie kritisch die Daten aus betriebswirtschaftlicher Sicht sind oder wie hoch die Qualität der Daten ist. Darüber hinaus soll das Werkzeug den Nutzenden in einer visuellen Bedienoberfläche die Möglichkeit zur Interaktion mit den Daten sowie deren Analyse bieten. Dabei wird es möglich sein, Daten intuitiv in geeignete Darstellungsformen umzuwandeln und Zusammenfassungen verschiedener Daten zu definieren.
Innovationen und Perspektiven
Die zugrunde liegende Plattformtechnologie ermöglicht den Einsatz des aus „AMPL“ hervorgehenden Werkzeugs in verschiedensten Branchen. Industriezweige, die vor ähnlichen Datenherausforderungen stehen, sind neben klassischen digitalen Geschäftszweigen (E-Commerce) auch die Automobilindustrie, die industrielle Fertigung oder die öffentliche Verwaltung (autonomes Fahren, Internet of Things bzw. Smart Cities). Es ergibt sich somit ein breites Spektrum möglicher Anwendungs- und Anschlussszenarien über den prototypischen Anwendungsfall hinaus.