top of page
Daten werden immer zahlreicher – eine Binsenweisheit. Aber allein die regulatorischen Anforderungen an die Beurteilung und Einschätzung von Bonität, ESG-Impact oder Rentabilität sind enorm gestiegen. Analysen müssen auf allen verfügbaren Zahlenreihen basieren und diese in nachvollziehbaren Auswertungen abgebildet werden. Bei Banken, Wirtschaftsprüfern, Strategieberatern oder Finanzabteilungen von Konzernen bindet das Heerscharen von Finanzanalysten und Expertinnen mit der Aufgabe zunächst eine einheitliche Datenbasis herzustellen, bevor sie ihre eigentliche Arbeit beginnen können.
Wie eine Libelle im Flug die Daten zusammensammeln
Denn diese Zahlen und Fakten sind nicht einheitlich strukturiert. Man würde annehmen, dass es sehr einheitliche Standards dafür gibt, aber im Detail ist das nicht so. Jede Institution, Bank oder Firma berichtet eine Spur anders, manchmal nur in der Bezeichnung, manchmal aber auch in der Berechnung. Das macht es für eine Analystin aufwendig, die Zahlen eines Unternehmens und einer Bank aus verschiedenen Quellen so zusammenzustellen, dass sie in das Auswertungsschema des eigenen Analyseverfahrens, in das Ratingmodell etc. passen. In der Analyse von Banken und Versicherungen beispielsweise benötigt man damit oft einen gesamten Arbeitstag zur Vorbereitung. Das ist aufwendig, aber noch nicht vermeidbar. Und Datenbanken, die das teilweise bisher vorbereitet haben, sind sehr teuer.
Wir denken, dass gerade hier, moderne Technologie, vor allem K.I. ansetzen kann. Nicht um die Analystinnen und die menschliche Einschätzung zu verdrängen, sondern um genau diesen Prozess des Daten-zusammen-Klaubens deutlich zu beschleunigen und durch ein intelligentes System vorbereiten zu lassen.
Wie eine Libelle im Flug die Daten zusammensammeln
Aber auch hier stehen wir vor großen technischen Herausforderungen, die vordergründig einfacher wirken, als sie es sind: Zunächst müssen aus den Jahresberichten oder anderen Reports, meist PDF-Dokumente, die Zahlen einfach nur ausgelesen werden. Wie wir im Antrag detailliert zeigen, ist selbst das noch nicht ausreichend technisch gelöst. Genauso wie andere, scheinbar einfach wirkende Schritte der Datenaufbereitung:
​
-
Auslesen der Daten aus PDF-Dokumenten;
-
Richtiges Interpretieren unterschiedlicher Tabellenformate;
-
Richtige Zuordnung und Zusammenführung von unterschiedlich bezeichneten Kennzahlen;
-
Abbildung in einem allgemeingültigem Datenmodell;
-
Aggregation zu den vom Analysten und Auswertungsschema gewünschten Kennzahlen und Plausibilitätsprüfung der Ergebnisse
Gelingt es uns, dafür eine technische Lösung zu entwickeln, die einen Großteil dieser Schritte übernehmen kann, ist der Anwendungskreis einfach enorm, da diese Arbeiten von tausenden Personen manuell erledigt werden. Ein großes Marktpotential – aber nicht leicht und nicht durch ein schnelles MVP zu erschließen.
Daten sammeln so schnell wie eine Libelle im Flug
Wieso glauben wir, dass wir das lösen können?
Weil wir die notwendigen Fähigkeiten und Expertisen dafür im Team bündeln und dabei Erfahrung und Kompetenz aus ganz Europa zusammenführen können: mathematisch und technische Kompetenzen verbunden mit langjähriger Managementerfahrung. Das internationale Team kann die erfolgreiche Entwicklung und Umsetzung von Projekten genauso nachweisen, wie den erforderlichen wissenschaftlichen Hintergrund.
Wieso ist das für Österreich wichtig? Weil Wien als einer der wesentlichen zentraleuropäischen Finanzplätze eine solche bahnbrechende technische Innovation gut nutzen kann.
Erfahren Sie mehr über das Gründungsteam
Möchten Sie investieren?
bottom of page