Der Kunde hat beschlossen, seine vertraulichen Daten zu schützen
Eine Finanzlösung zur Kontrolle und Erleichterung der Kreditvergabe
Kundeninformationen
In diesem Geschäftsfall haben wir mit einem wachsenden europäischen Unternehmen zusammengearbeitet. Sie haben ein starkes Interesse an FinTech und besonders an der Kreditbranche.
![[object Object] on the map](https://static.andersenlab.com/andersenlab/new-andersensite/bg-for-blocks/about-the-client/serbia-tablet-2x.png)
Projektübersicht
Dieses IT-Projekt wurde für eine der größten Bankenholdings in Osteuropa umgesetzt. Dort ist man ständig mit unzähligen Prozessen rund um die Erstellung von Kreditangeboten und die Bearbeitung von Kreditanträgen beschäftigt. Diese Prozesse umfassen typischerweise mehrere wichtige Schritte, wie beispielsweise die Identitätsprüfung, die Kreditwürdigkeitsprüfung, die Prüfung der Produktberechtigung sowie die Festlegung der Konditionen und Beträge.
Vor der Einführung der IT-Lösung waren das Onboarding der Kunden und die Bearbeitung der Anträge manuell und ineffizient. Die Bankangestellten mussten die Kundendaten erfassen und die Systemeinträge von Hand aktualisieren. Auch die Prüfung der Förderkriterien und das anschließende Erstellen der Angebote erfolgte manuell. Dieser zeitaufwendige Verwaltungsprozess schränkte die Möglichkeiten der Banken stark ein.
Die Kreditfabrik sollte nun diesen komplexen und zeitintensiven Entscheidungsprozess automatisieren und vereinfachen. Sie basiert auf einer Microservice-Architektur mit einer zentralen KI-gesteuerten Plattform. Eine solche Technologie ermöglicht es, nicht nur schnell und effektiv auf Kundenanfragen zu reagieren, sondern diese auch vorherzusagen.
Somit kann der Kunde zeitnah Kreditangebote generieren, die bereits im voraus sicher bewilligt werden können.
Technischer Ansatz
Die Mikroservice-Architektur der Kreditfabrik wurde auf der Grundlage der Camunda-BPM-Engine strukturiert und aufgebaut. Eine solche Engine ist eine Sammlung von Bibliotheken, die es ermöglichen, vordefinierte Prozesse auszuführen.
Dieser Ansatz ermöglichte es uns, eine flexible und skalierbare Architektur zu erstellen, die folgende Vorteile bietet:
- Die Möglichkeit, den Prozess ab dem Zeitpunkt eines kürzlichen technischen Fehlers wiederherzustellen; darüber hinaus ist eine solche Funktion direkt von Anfang an verfügbar;
- Die Integration der GUI ermöglicht Echtzeitüberwachung;
- Die Fähigkeit, Modultests zu schaffen, die sich nicht nur auf die Logik und Integration, sondern auch auf den Prozess selbst konzentrieren;
- Die Microservices, die für die Phasen der Kreditfabrik verantwortlich sind, wurden als Java-Komponenten unter Verwendung des Spring-Frameworks bereitgestellt und über Spring Boot konfiguriert. Die Komponenten selbst stützen sich auf ihre eigenen Datenquellen, die auf dem PostgreSQL-DBMS basieren.
- Da die Kreditfabrik darauf abzielt, Entscheidungen in kürzester Zeit zu treffen, erfolgt der Datenbankzugriff über Spring ORM, um schnelle und datenintensive Abfragen effizient zu bewältigen. Die Kommunikation zwischen den verschiedenen Systemkomponenten erfolgt asynchron und nutzt dazu Apache Kafka.
- Zusätzlich dazu sind die Microservices mit externen Systemen über vielfältige Technologien und Protokolle integriert, darunter REST API, IBM MQ und Apache Kafka.
App-Funktionalität
Die Architektur der Kreditfabrik basierte auf statistischen Modellen, die sämtliche verfügbaren Informationen für die Bewertung heranzogen. Zu Beginn des Kreditfabrikbetriebs führte die Bank Modelle zur Beurteilung des Kreditrisikos und zur Ermittlung der Bereitschaft der Kunden zur Nutzung von Kreditprodukten ein. Das Besondere an dieser Kreditfabrik besteht darin, dass diese Modelle über Abfragen an eine zentrale Plattform verarbeitet werden, um die verschiedenen Betriebsmodi auszuführen.
Die Kreditfabrik nutzt mehrere Module, um verschiedene Aufgaben zu erfüllen:
- Bewertung der Kreditwürdigkeit (Hauptquellen - Kreditbüros und interne Bankdaten);
- Einschätzung des Risikos von Zahlungsausfällen;
- Auswahl eines geeigneten Kreditprodukts für den Kunden basierend auf Neigungsmodellen;
- Beurteilung der Ver