Eine Moderne Daten Plattform für bessere Investment Entscheidungen

"Dieses Projekt war für mich mehr als nur eine technische Umsetzung – es war vor allem eines der ersten großen Projekte, bei dem nicht nur eine Lösung geliefert wurde, sondern echtes Vertrauen aufgebaut. Wir sind mit einem klar umrissenen Use Case gestartet, aber schnell wurde deutlich, dass es eigentlich um viel mehr geht – Daten, Prozesse, Governance und letztlich darum, wie Entscheidungen getroffen werden.“

Georgi Pargov

Projektleiter und Analytics Engineer

Mit jedem Schritt zeigte sich, dass die Plattform nicht nur ein bestehendes Problem löst, sondern neue Möglichkeiten eröffnet. Genau das war der Moment, in dem aus einem Projekt eine langfristige Zusammenarbeit wurde.

Vor dem Start des Projektes bei unserem Kunden, waren zentrale Investmentprozesse noch stark Excel-basiert. Das führte zu manuellen Aufwänden, Versionsproblemen, inkonsistenten Zahlen und hoher Fehleranfälligkeit.

Unsere Lösung:

Eine skalierbare Datenplattform auf Databricks aufzubauen – inklusive automatisierter Pipelines, zentraler Datenhaltung, Governance mit Unity Catalog und interaktiver Entscheidungsunterstützung via Streamlit. Die Datenstruktur haben wir dabei so konzipiert, dass sie direkt für Advanced Analytics und AI-Use-Cases genutzt werden kann, ohne dass es weiterer Aufbereitung brauchte.

Enterprise Investment Analytics Platform - Governed Lakehouse Architecture

Das Ergebnis:

• Single Source of Truth für Investmentdaten

• Schnellere, konsistente Analysen und Reports

• Reduziertes operatives Risiko

• Mehr Autonomie für Investment-Teams bei Szenarioanalysen und Portfoliosimulationen

• Strukturierte Plattform für zukünftige AI-Analysen und Testläufe

• Langfristige, nachhaltige Plattform, die zukünftige Anforderungen problemlos skaliert 

Um dieses Ergebnis zu erreichen, haben wir den Prozess in 3 Schritte gegliedert.

Schritt 1: Weg von Excel – Aufbau einer skalierbaren Grundlage

Die erste Phase konzentrierte sich darauf, zentrale Investment-Workflows aus Excel in Databricks zu überführen. Zu diesem Zeitpunkt war Unity Catalog noch nicht in seiner heutigen Reife verfügbar, daher lag der Fokus auf schneller Wertschöpfung: automatisierte Pipelines, zentrale Datenhaltung und reproduzierbare Analysen.

Allein dieser Schritt brachte unmittelbaren Mehrwert:

• Eine zentrale Single Source of Truth für Investmentdaten

• Weniger manueller Aufwand für die Investment-Teams

• Schneller Zugriff auf konsistente, aktuelle Informationen

• Reduziertes operatives Risiko im täglichen Reporting

Am wichtigsten war jedoch: Investment Manager konnten weniger Zeit mit der Abstimmung von Zahlen verbringen und mehr Zeit in deren Interpretation investieren.

Von Anfang an haben wir die Plattform jedoch als eine sich entwickelnde Fähigkeit verstanden – nicht als einmaliges IT-Projekt. Technologische Entwicklungen und neue Plattformfunktionen wurden kontinuierlich beobachtet, um die Lösung auch langfristig zukunftsfähig zu halten.

Schritt 2: Von funktional zu Enterprise-Grade – Governance mit Unity Catalog

Mit der Einführung von Unity Catalog als Standard für Governance, Security und Data Lineage in Databricks haben wir die Architektur gezielt weiterentwickelt.

Das initiale Setup ohne Unity Catalog war zwar funktional, brachte aber auch einige Einschränkungen mit sich:

• keine zentrale Governance über Teams und Workspaces hinweg

• eingeschränkte Zugriffskontrolle für sensible Investmentdaten

• fehlende transparente Nachvollziehbarkeit der Datennutzung

Deshalb haben wir die gesamte Plattform auf Unity Catalog migriert und eine klare Umgebungsstrategie eingeführt und vollständig in Azure DevOps integriert für Versionierung und kontrollierte Deployments: DEV → TEST → PRP (Pre-Production) → PRD (Production)

Dieser Schritt war hierbei nicht nur eine technische Weiterentwicklung, sondern ein zentraler Baustein für Risiko- und Compliance-Anforderungen.

Business Impact:

• Klare Trennung zwischen Entwicklung und Produktivbetrieb

• Verbesserte Auditierbarkeit und Compliance

• Kontrollierter Zugriff auf sensible Investment- und Risikodaten

• Geringeres Risiko bei der Einführung neuer Analysefunktionen

Für eine regulierte, global agierende Organisation ist Governance kein Overhead, sondern die Grundlage für Vertrauen, Skalierbarkeit und nachhaltige datengetriebene Entscheidungen.

Diese Governance-Schicht hat die notwendige stabile Basis geschaffen, um die Art der Bereitstellung von Insights neu zu denken.

Schritt 3: Von Dashboards zu Entscheidungsunterstützung und die Nutzung von Streamlit

Nachdem Datenpipelines und Governance etabliert waren, stellte sich die nächste Herausforderung: die Nutzererfahrung.

Die bestehende Lösung basierte auf Databricks-Dashboards. Das eignet sich zwar für statisches Reporting, stößt jedoch an Grenzen, sobald Fachanwender Szenarien analysieren, Annahmen anpassen oder interaktiv mit Daten arbeiten wollen.

Aus diesem Grund, haben wir Streamlit als neue Interface-Schicht für Investment-Analytics eingeführt.

Streamlit ist ein modernes Framework für datengetriebene Anwendungen – nicht nur für Visualisierung.

Dadurch hat sich die Arbeitsweise der Investment Manager grundlegend verändert:

• Interaktive Anwendungen statt statischer Dashboards

• Individuelle Workflows für Szenarioanalysen, Stresstests und Portfoliosimulationen

• Schnelle Iterationen: neue Anforderungen lassen sich innerhalb weniger Tage umsetzen

• Enge Integration mit Databricks, sodass Datenlogik und Nutzerinteraktion nah beieinander bleiben

Business Impact:

• Schnellere Anpassung an Markt- und regulatorische Anforderungen

• Werkzeuge, die reale Investmentprozesse abbilden

• Mehr Eigenständigkeit für Fachbereiche bei der Analyse und Bewertung von Daten

Für uns hat sich klar gezeigt: klassische BI-Tools wie Power BI bleiben wichtig für standardisiertes Reporting. Streamlit hingegen spielt seine Stärken bei Entscheidungsunterstützung aus und verschiebt den Fokus von „Was ist passiert?“ hin zu „Was sollten wir als Nächstes tun?“. 

Enabling the Business: Analytics-Tools für Fachanwender

Technologie schafft nur dann Mehrwert, wenn sie nutzbar ist.

Um die Abhängigkeit von technischen Teams zu reduzieren, haben wir eigene Python-Pakete entwickelt, die den Umgang mit Daten vereinfachen:

• Standardisierte Funktionen zum Lesen und Schreiben von Databricks-Tabellen

• Einfache Hilfsfunktionen zur Analyse von Datensätzen

• Wiederverwendbare Bausteine für typische Investment-Analysen

Diese Abstraktionsschicht reduziert technische Komplexität und stellt gleichzeitig Konsistenz und Datenqualität sicher.

Business Impact:

• Schnellere Time-to-Insight

• Weniger Reibung zwischen IT und Investment-Teams

• Geringeres operatives Risiko durch standardisierte Zugriffe

• Höhere Unabhängigkeit der Fachanwender 

Gesamt-Impact: Über Technologie hinaus

Diese Transformation hat messbaren Mehrwert für alle geschaffen:

Für die Investment-Teams:

• Schneller Zugriff auf vertrauenswürdige Daten

• Interaktive Tools für echte Entscheidungsprozesse

• Weniger manueller Aufwand

Für die Organisation:

• Stärkere Governance und regulatorische Sicherheit

• Skalierbare Grundlage für zukünftige Use Cases

• Geringeres Risiko bei Weiterentwicklungen

• Höhere Entwicklungsgeschwindigkeit bei gleichzeitigem Kontrollniveau

Unsere Rolle ging dabei über die reine Implementierung hinaus. Wir haben aktiv zu Architektur, Governance und Betriebsmodellen beraten und interne Teams befähigt, die Plattform eigenständig weiterzuentwickeln.

Das Ergebnis ist nicht nur eine moderne Datenplattform, sondern eine nachhaltige Fähigkeit innerhalb der Organisation:

eine Grundlage, die es ermöglicht, Investitionsentscheidungen schneller, fundierter und mit größerer Sicherheit zu treffen.