Weniger Technik - mehr Lösung

Im besten Fall ist eine CEP-Lösung jedoch kein Technologie-Toolkit für IT-Experten, sondern die Lösung für ein Problem. Eine Branche, die als Anwendungsszenario dafür in den letzten Monaten immer mehr in den Vordergrund gerückt ist, ist der Kapitalmarkt. Das Thema Risiko und Compliance - und die Forderung nach einer adäquaten Kontrolle der Finanzmärkte - steht seit einer gefühlten Ewigkeit auf der Tagesordnung der Marktteilnehmer, Regulatoren und Politiker.

Zwar gibt es seit 2008 regulatorische Leitlinien in der Finanzbranche, aber die wiederholten Verstöße - sei es die Umgehung von Risikorichtlinien, Geldwäsche, Marktmanipulation, Handelsbetrug oder manipulierte Algorithmen selbst - machen deutlich, dass es noch ein weiter Weg ist, bevor die Allgemeinheit wieder darauf vertrauen kann, dass diese Branche unter Kontrolle ist.

Das Risk and Compliance Monitoring erfordert daher einen neuen Denkansatz im Hinblick auf die Architektur. Nur so lässt sich eine Überwachungsplattform einrichten, die diese Anforderungen unternehmensweit abdeckt. Folgende Fragen und Faktoren spielen dabei eine Rolle:

1. Anwenderunternehmen stehen indes vor der Grundsatzfrage, ein entsprechendes System zu kaufen beziehungsweise selbst zu entwickeln. Die Funktionen und Möglichkeiten, die eine Risiko- und Compliance-Überwachung bieten muss, werden durch das Unternehmen definiert, in das sie eingepasst wird. Ein solches System muss flexibel, individuell anpassbar und im Zuge rechtlicher Neuerungen und Marktveränderungen schnell ausbaufähig sein - in aller Regel kann man es nicht als Standard kaufen. Andererseits ist es aufgrund der Größenordnung der Architektur auch nicht machbar, jede einzelne Komponente von Grund auf neu zu entwickeln - das ist unter dem Kostenaspekt meist kaum u rechtfertigen. Die Lösung kann eine Kombination beider Konzepte sein - kaufen und selbst entwickeln - in der Technologieplattformen die Grundlage für teilweise maßgeschneiderte und fein abgestimmte Lösungen bilden.

2. Durch die Vielzahl von Datenquellen und Datentypen, die Struktur der Daten und andere Faktoren ist es außerdem erforderlich, dass sich jede beliebige Art von Daten über ein gemeinsames Messaging Backbone von einer Plattform auf eine andere Plattform übertragen lässt - eine Many-to-One-Übertragung, bei der Daten an die Überwachungsplattform übertragen und dort für die weitere Verwendung normiert werden, so dass sich Datensilos zu aussagekräftigen Informationen zusammenführen lassen.

3. Unerwünschte Verhaltensweisen, die erkannt werden müssen und denen man in Echtzeit mit entsprechenden Maßnahmen begegnen muss, werfen oft ein weiteres Problem auf: die Anreicherung mit zusätzlichen Daten. Wenn der Hinweis auf ein solches Verhalten nicht vollständig in den operativen Daten - oder Ereignissen - enthalten ist, müssen die Ereignisse mit historischen Daten, Referenzdaten, On-the-Fly-Analytik oder anderen Daten angereichert werden. Dieses Heranziehen externer Datenquellen kann, wenn sie auf herkömmlichen Festplatten basieren, zu inakzeptablen Verzögerungen führen. Um große Mengen an Zusatzdaten zu speichern und abzurufen, ohne eine Nahezu-Echtzeit-Umgebung zu gefährden, bedarf es einer Lösung, um das Management dieser Daten im schnelleren Arbeitsspeicher abzuwickeln.

Big Data hilft beim Umweltschutz

Neben dem Finanzsektor bietet die Logistikbranche ein weiteres Anwendungsfeld für Big Data-Anwendungen. Verlässt ein Container-Schiff seinen Ursprungshafen, kann ein solches System eine Prognose liefern, wann es bei einer bestimmten Geschwindigkeit den Zielhafen erreichen wird. Im Zielhafen lassen sich damit entsprechende Vorbereitungen für das Löschen der Ladung zum voraussichtlichen Ankunftszeitpunkt treffen. Ein Ankerplatz wird reserviert und die, Verfügbarkeit von Kränen, LKW und Platz auf Güterzügen geprüft.

Während das Schiff unterwegs ist, werden nun ständig Daten abgefragt - dazu gehören Wetterdaten, Meeresbewegungen, Daten anderer Schiffe, Hafendaten. Zeigt die Analyse all dieser Daten, dass das Schiff erst eine Stunde später als geplant entladen werden kann, geht diese Information direkt an die Kapitänsbrücke, und der Kapitän reduziert die Fahrgeschwindigkeit so, dass die Fahrt eine Stunde länger dauert. Das spart enorme Mengen an Diesel, und auch die nachfolgenden Prozessschritte lassen sich so anpassen, dass ein weiterhin ein reibungsloser Ablauf garantiert ist. Fährt ein Schiff dieser Dimension nur mit halber Kraft, ist eine Einsparung von 150 Tonnen Diesel pro Stunde möglich.

Im Schnitt könnte jedes Schiff so viel Diesel einsparen, wie 50 deutsche Haushalte im Jahr verbrauchen. Durch das Monitoring aller relevanten Daten des Schiffsverkehrs in Echtzeit und dem Abgleich dieser Daten mit denen des Zielhafens erfolgt eine Echtzeit-Regulierung der Schiffsgeschwindigkeit, der CO2-Ausstoß wird erheblich reduziert, weniger Energie verbraucht - das kommt alles der Umwelt zugute.

Egal ob in der Finanzbranche oder in der Logistik: Als Frühwarnsystem kann Big Data alternative Handlungsoptionen aufzeigen. Diese reduzieren die globalen Risiken, denn sie machen das Wirtschaftssystem stabiler, und sie bremsen zumindest ein Stück weit den Klimawandel.