PRESS RELEASE

Die Deutsche Bank kündigt einen neuen Frühwarndienst für Verzögerungen bei der Wertpapierabwicklung an, der auf Elastic-Technologie basiert

Echtzeitinformationen zum Abwicklungsrisiko unterstützen das Kundenportfoliomanagement und helfen Kunden dabei,die CSDR-Fristen einzuhalten
9. Oktober 2020
LONDON, U.K. - 9. Oktober 2020 -

Die Deutsche Bank führt Anfang 2021 einen überarbeiteten Wertpapierabwicklungsdienstes ein. Dieser erkennt vorausschauend, wenn bei der Abwicklung von in Bearbeitung befindlichen Wertpapiertransaktionen Verzögerungen drohen. Der überarbeitete Dienst nutzt den Elastic Stack und die Machine-Learning- und Anomalieerkennungsfunktionen von Elastic, um den Kunden der Bank zu helfen, die mit der Einführung der neuen Central Securities Depositories Regulation (CSDR) 2021 drohenden hohen finanziellen Strafen zu vermeiden.

Im Jahr 2020 hat die Deutsche Bank ihren aktuellen Echtzeitabwicklungsdienst auf Euronext, in Deutschland und im Vereinigten Königreich gestartet. Die Plattform ermöglicht den Operations-Teams der Bank Echtzeiteinblicke in Probleme, die die Abwicklung von Transaktionen verzögern können. Damit unterscheidet sie sich deutlich von herkömmlichen Plattformen, die nur historische Informationen zu den Gründen für Verzögerungen bei der Abwicklung heranziehen können.

Mithilfe von Dashboards, die auf Elasticsearch und Kafka zurückgreifen, überwachen die Teams der Deutschen Bank aktiv die laufenden Transaktionen. Sobald gemeldet wird, dass eine Transaktion von Abwicklungsverzögerungen bedroht ist, erhalten die Teams Empfehlungen, um dagegen vorzugehen. Die Operations-Teams können auch anderen internen Teams und externen Kunden hochleistungsfähige Anwendungsprogrammierschnittstellen (APIs) anbieten, damit diese über die Such- und Analytics-Engine von Elastic eigene Abwicklungsabfragen laufen lassen können.

Frühwarnsystem alarmiert bei Abwicklungsverzögerungen

Die Deutsche Bank plant, ihren Abwicklungsdienst durch Machine-Learning-Technologien zu ergänzen und so die Fähigkeiten der Plattform bei der Echtzeitüberwachung um Funktionen zur vorausschauenden Kontrolle zu erweitern. Machine Learning wird es der Bank ermöglichen, in Bearbeitung befindliche Transaktionen zu erkennen, bei denen Handlungsbedarf besteht, und die Teams zu alarmieren, bevor es zu Problemen mit den Transaktionen kommt.

„Unser Ziel ist es, die Art und Weise zu verändern, wie Märkte auf Ausnahmen reagieren, und unsere Post-Trade-Operations mit Pre-Trade-Performance auszustatten. Wir sind jetzt in der Lage, Transaktionen in Echtzeit zu erkennen, die bislang nicht als risikobehaftet gemeldet wurden, und müssen uns weniger mit den Transaktionen beschäftigen, die zwar scheinbar risikobehaftet sind, bei denen sich aber anhand historischer Daten nachweisen lässt, dass deren Abwicklung immer rechtzeitig abgeschlossen werden konnte“, so Christopher Daniels, Director, Data Products, Securities Services bei der Deutschen Bank.

Das dem aktualisierten Dienst zugrundeliegende Analytics-Modell stützt sich auf die Anomalie-Erkennung von Elastic, die wiederum die Saisonalität, Marktschwankungen und andere dynamische Faktoren berücksichtigt. Anhand dieser Informationen können den Operations-Teams der Bank Dashboards und Handlungswarteschlangen bereitgestellt werden, die auf einer Vielzahl von Faktoren basieren. DerenBandbreite und Komplexität übersteigen die Verarbeitungskapazität des menschliche Gehirns.

„Wir haben verschiedene Dashboards für Faktoren wie die Liquidität, die Abwicklungsleistung und die Risikoverwaltung entwickelt. Die Innovation ist aber die Ausführung von Machine-Learning-Algorithmen in der Produktionsumgebung zur Erkennung von Anomalien. Wir nutzen die Plattform, um die Signale zu ermitteln, die auf eine erhöhte Wahrscheinlichkeit für eine verspätete oder erfolglose Abwicklung hindeuten. So konzentrieren wir unsere Datengüteprüfungen auf Aktivitäten, die nicht mit dem typischen erwarteten Verhalten eines bestimmten Clusters im Einklang stehen. Dies ist eine sehr spannende Zeit in unserer Daten-Roadmap“, ergänzt Daniels.

„Die Partnerschaft zwischen der Deutschen Bank und Elastic ist ein Musterbeispiel dafür, welcher Grad an Innovation erreicht werden kann, wenn tiefgreifendes Fachwissen mit dem Elastic Stack kombiniert wird“, kommentiert Dan Broom, Area Vice President, Northern Europe, Middle East and Africa bei Elastic. „Unsere Machine-Learning- und Anomalie-Erkennungstechnologien bringen Innovationen bei der Deutschen Bank entscheiden voran und sorgen für einen echten Wandel bei der Abwicklungsverarbeitung.“


Über die Deutsche Bank

Die Deutsche Bank bietet vielfältige Finanzdienstleistungen an – vom Zahlungsverkehr und dem Kreditgeschäft über die Anlageberatung und Vermögensverwaltung bis hin zu einem fokussierten Kapitalmarktgeschäft. Sie bedient Privatkunden, mittelständische Unternehmen, Konzerne, die Öffentliche Hand und institutionelle Anleger. Die Deutsche Bank ist die führende Bank in Deutschland mit starken europäischen Wurzeln und einem globalen Netzwerk.

Über Elastic

Elastic macht Daten für Anwendungen wie Enterprise Search, Observability und Security nutzbar – in Echtzeit und unabhängig von ihrer Menge. Die Lösungen von Elastic bauen auf einem kostenlosen und offenen Technologie-Stack auf, der überall bereitgestellt werden kann und in kürzester Zeit Einblicke ermöglicht. Das Datenformat ist dabei ebenso wenig eingeschränkt wie die Anwendungsbereiche – vom Finden von Dokumenten über die Infrastrukturüberwachung bis hin zur Jagd auf Bedrohungen. Tausende Organisationen weltweit, darunter Cisco, Goldman Sachs, Microsoft, The Mayo Clinic, NASA, The New York Times, Wikipedia und Verizon, nutzen Elastic zur Unterstützung ihrer unternehmenskritischen Systeme. Elastic wurde 2012 gegründet und die Aktien des Unternehmens werden an der New Yorker Börse unter dem Symbol „ESTC“ gehandelt. Weitere Informationen erhalten Sie unter elastic.co/de.

###

Elastic und zugehörige Marken sind Marken oder eingetragene Marken von Elastic N.V. mit ihren Tochtergesellschaften. lle anderen Firmen- und Produktnamen können Marken ihrer jeweiligen Inhaber sein.