90 % schneller,
präziser, sicherer:
KI-gestützte On-Premise-Lösung für reibungslose Wertpapierabrechnungen
Wertpapierabrechnungen von Drittbankgeschäften stellen Banken vor einen zeitintensiven und fehleranfälligen Prozess: Sämtliche Abrechnungsdokumente müssen von Hand erfasst, auf Richtigkeit geprüft und ins System übertragen werden, um sie im Rahmen der Wertpapiertransaktionsdatenüberwachung zu berücksichtigen.
Die DZ Compliance Partner (DZ-CP) übernimmt diese Aufgabe gleich für zahlreiche Banken. Daher suchte die DZ-CP nach einer Möglichkeit, diesen manuellen Aufwand zu reduzieren und dennoch die Compliance-Anforderungen weiterhin vollumfänglich sicherzustellen. Gemeinsam haben wir eine KI-gestützte On-Premise-Lösung entwickelt, die den gesamten Ablauf von der Dokumentenerkennung bis zur Freigabe automatisiert – für eine schnellere, fehlerfreie und transparente Verarbeitung.
Herausforderungen
Die DZ Compliance Partner (DZ-CP) erhält täglich diverse Wertpapierabrechnungen von Drittbanken in unterschiedlichem Layout und Format. Ob eingescannt oder digital: Jede Abrechnung muss bislang manuell geöffnet, relevante Felder (z. B. ISIN, Depotnummer, Stückzahl, Kauf-/Verkaufsdatum, Gebühren) identifiziert und in eine Erfassungsmaske übertragen werden. Durch diese repetitive Tätigkeit entstehen:
- Zeitintensive Abläufe: Ca. 25 Transaktionen pro Tag (teils bis zu 6000 Vorgänge pro Jahr) summieren sich zu einem erheblichen manuellen Aufwand.
- Fehler durch Abtipparbeiten: Unterschiedliche Vorlagen und Layouts erhöhen die Gefahr von Tipp- oder Zuordnungsfehlern.
- Strenge Compliance-Anforderungen:
Die Freigabe der Daten im Vier-Augen-Prinzip (WpHG Compliance, MAR)
erfordert zusätzliche manuelle Schritte und steigert den Aufwand
zusätzlich.
Warum ein Sprachmodell?
Wertpapierabrechnungen enthalten oft variierende Formulierungen und Layouts. Ein Sprachmodell ermöglicht es, diese Dokumente semantisch zu analysieren und relevante Inhalte – beispielsweise ISINs, Depotnummern, Beträge oder Datumsangaben – präzise zu identifizieren. So lassen sich gleiche Bedeutungen trotz unterschiedlicher Textdarstellung erkennen. In Kombination mit OCR (Optische Zeichenerkennung), die den gedruckten oder gescannten Text in einen digitalen Text umwandelt, sorgt das Modell dafür, dass alle relevanten Daten zuverlässig erkannt, ausgelesen und auf Plausibilität geprüft werden können.
Zudem können sensible Daten bei einer On-Premise-Implementierung in der lokalen Infrastruktur bleiben, was den hohen Schutzbedarf (Vertraulichkeit und Integrität) erfüllt und die Anforderungen der DZ-CP an Auslagerungsmanagement und IKT-Sicherheit berücksichtigt.
Lösung
Unsere automatisierte On-Premise End-to-End-Lösung umfasst folgende Kernkomponenten:
- Dokumenten-Upload & Vorverarbeitung
- Eingescannte oder digital empfangene PDFs werden in einem täglichen Job (z. B. 14 Uhr) gebündelt verarbeitet.
- Eine OCR-Komponente bereitet gescannte Dokumente auf und wandelt sie in maschinenlesbaren Text um.
- Extraktion & Sprachmodell
- Anschließend übernimmt eine Extraktions-API (basierend auf einem lokal deployten LLAMA-Sprachmodell) die automatische Erkennung und Zuordnung relevanter Felder wie ISIN, Depotnummer oder Stückzahl.
- Die Ergebnisse werden mit einer fortlaufenden ID verknüpft, um jedes Ursprungsdokument eindeutig zuordnen zu können.
- Human in the Loop: Validierung & Freigabe
- Im nächsten Schritt werden die extrahierten Daten in einer Validierungsoberfläche (UiPath Action Center) angezeigt.
- Ein Mitarbeiter kontrolliert die Werte und kann bei Bedarf korrigieren, bevor die Freigabe erfolgt.
- Datenexport an das Compliance-Tool
- Die final validierten Daten werden automatisiert in das definierte Format überführt.
- Anschließend erfolgt die Bereitstellung für das interne Compliance-Tool, wodurch alle relevanten Informationen für die weitere Compliance-Prüfung bereitstehen.
Ergebnis
Die Einführung der KI-gestützten Dokumentenextraktion hat zu erheblichen Verbesserungen geführt:
- Deutliche Zeitersparnis
Die Erfassungs- und Prüfzeit wurde um über 90 % reduziert. Statt manueller Übertragung reicht ein automatisierter Extraktionsworkflow, gefolgt von einer gezielten Validierung der Ergebnisse. - Reduzierte Fehlerquote
Dank der maschinellen Extraktion und automatischen Plausibilisierung ging die Fehlerquote signifikant zurück. Werte wie ISIN oder Depotnummer erreichen extraktionsgenau Werte von über 90 % und müssen nur in wenigen Fällen manuell erfasst werden. - Mehr Transparenz und Compliance
Die extrahierten Werte sowie alle vorgenommenen Korrekturen vor einer Freigabe werden protokolliert und gespeichert. So sind die Daten revisionssicher erfasst und stets nachvollziehbar. - On-Premise-Architektur
Sämtliche Prozesse und Datenflüsse bleiben in der lokalen Infrastruktur, was höchste Datensicherheit garantiert – ein essenzieller Aspekt im Umgang mit sensiblen Personen- und Transaktionsdaten. - Skalierbarkeit
Die automatisierte Lösung lässt sich jederzeit für zusätzliche Dokumententypen oder geänderte Abrechnungsformate erweitern, ohne den Gesamtablauf neu aufzusetzen.
Fazit
Durch den kombinierten Einsatz von OCR, einem leistungsfähigen Sprachmodell und einem Human-in-the-Loop-Validierungsprozess konnte der manuelle Aufwand bei der Verarbeitung von Wertpapierabrechnungen drastisch verringert werden. Die lokale On-Premise-Lösung stellt sicher, dass alle sensiblen Daten inhouse bleiben und die Compliance-Anforderungen ohne Abstriche erfüllt werden. Damit ist ein schneller, sicherer und konsistenter Prozess gewährleistet, der sich flexibel anpassen lässt.
"Die automatisierte Extraktion unserer Wertpapierabrechnungen hat einen spürbaren Unterschied gemacht. Wir sparen nicht nur Zeit und vermeiden manuelle Fehler, sondern sorgen auch für ein Höchstmaß an Compliance und Datensicherheit während wir neueste KI-Technologie einsetzen – alles, was uns im Finanzsektor wichtig ist.“
Yvonne Debus, Abteilungsleiterin Produkte & Prozesse bei DZ Compliance Partner GmbH