AI Federation Glossar

Möglichkeit, jeden Schritt einer Daten- oder Modelländerung lückenlos zu dokumentieren und externen Prüfern offenzulegen.

Ablageort für Quellcode, Konfigurationen und Skripte, aus denen sich Logik und Datenflüsse ableiten lassen.

Einhaltung externer Regulierungen und interner Richtlinien, dokumentiert und prüfbar über den gesamten Daten- und Modelllebenszyklus.

Zentrales Banksystem zur Abwicklung des Kerngeschäfts (Konten, Zahlungen, Kredite), dessen Metadaten und Schnittstellen für Transformationen und regulatorisches Reporting entscheidend sind.

Zentrales Verzeichnis, das Datenbestände, Metadaten, Verantwortliche und Nutzungsregeln dokumentiert.

Ein Datenmodell ist eine abstrakte, schematische Darstellung der Datenstruktur, Entitäten, Attribute und Beziehungen in einem System oder Unternehmen. Es dient als Blaupause für Datenbanken, Anwendungen und Prozesse, um Daten konsistent zu organisieren und zu verwalten. 

Struktur, in der Datenobjekte und ihre Beziehungen beschrieben werden, inklusive Prüfungen auf Konsistenz, Vollständigkeit und fachliche Korrektheit.

Regeln, Rollen und Prozesse, die festlegen, wie Daten im Unternehmen verantwortungsvoll genutzt, qualitätsgesichert und auditierbar gemacht werden.

System zur Verwaltung unstrukturierter Dokumente, aus denen mittels KI Metadaten extrahiert werden können, z. B. für Klassifikation, Qualitätsprüfungen und regulatorische Nachweise.

Fachliche Einheiten wie Kunde, Portfolio, Trade oder Produkt, an denen sich Prozesse, Berichte und KPIs orientieren.

Transparentes Bild darüber, wie Produkte, Prozesse, Daten und Systeme zur Wertschöpfung beitragen.

Klar formulierte Ziele und Beiträge zum Unternehmenserfolg, an denen Use Cases, Dateninitiativen und KI-Projekte ausgerichtet werden.

Umfasst Compliance, regulatorische Berichterstattung, Portfolio-Transparenz und Modellvalidierung zur Sicherstellung von Sicherheit, Auditierbarkeit und regulatorischer Konformität.

Kombination aus Regeln, Prozessen und KI, um Entscheidungen und Abläufe nachvollziehbar zu automatisieren.

Modulare Leistungen wie Metadatenextraktion, Datenmodell-Prüfung, Kennzahl-Generierung oder Testdatenerzeugung auf Basis von KI.

Älteres, oft geschäftskritisches System, das weiter genutzt wird, obwohl Technologie und Schnittstellen nicht mehr dem aktuellen Standard entsprechen.

Laufende Versorgung mit Preis-, Referenz- und Marktdaten, etwa von Börsen oder Datenanbietern.

Daten über Daten, z. B. Tabellenstrukturen, Felddefinitionen, Schnittstellen oder Dokumenteigenschaften, die Kontext und Bedeutung sichtbar machen.

Komponenten, die Metadaten automatisch aus Systemen, Code, Dokumenten oder Webseiten einsammeln und zentral bereitstellen.

Einsatz von Analytik und KI, um Metadaten automatisiert auszuwerten und daraus Geschäftslogik, Kennzahlen, Tests und Qualitätsregeln abzuleiten.

Organisatorische und technische Praktiken, mit denen Machine-Learning- und Large-Language-Modelle zuverlässig in den Betrieb gebracht, überwacht und weiterentwickelt werden, einschließlich Deployment, Monitoring und Governance.

Nachvollziehbare Dokumentation, wie Daten und Modelle entstehen, sich verändern und in Berichten oder Anwendungen genutzt werden – zentral für Auditierbarkeit und regulatorische Prüfungen.

Zentrales Software-System zur Verwaltung des gesamten Bestelllebenszyklus – von der Auftragsannahme über Inventarverwaltung, Kommissionierung bis hin zur Lieferung und Nachverfolgung.

Software zur zentralen Verwaltung und Überwachung von Anlage-, Projekt- oder Dienstleistungsportfolios. Bietet Echtzeit-Analysen, Risikobewertung, Performance-Monitoring und Ressourcenoptimierung für Vermögensverwalter, Projektteams oder Unternehmensstrategen.

Begrenztes Experiment, mit dem KI-Lösungen unter realen Bedingungen getestet werden, bevor sie in den Regelbetrieb übergehen.

Die Fähigkeit, Positionen, Risiken und Kennzahlen eines Portfolios konsistent und nachvollziehbar darzustellen.

Prozesse und Systeme, mit denen Institute Meldepflichten gegenüber Aufsichtsbehörden (z. B. Basel II/III/IV, MiFID II, EMIR, ESG-Reporting) erfüllen.

Spezialisierte Datenbank, in der Markt-, Kredit- oder Liquiditätsrisiken sowie Bewertungskennzahlen gespeichert werden.

Strategische Umgestaltung von Geschäftsprozessen, Datenarchitekturen und Technologien, um KI-gestützte Automatisierung und datengetriebene Entscheidungen zu ermöglichen. Bei AI Federation die Grundlage für effiziente Metadaten-Intelligenz und regulatorikkonforme Digitalisierung.

Konkret abgegrenzter Anwendungsfall, für den Daten, Modelle und Prozesse gezielt entwickelt oder optimiert werden.

Generierung messbaren Geschäftsnutzens aus Rohdaten durch Governance, Analyse und Prozessintegration.