Das Projekt auf einen Blick

• ~Vorhersage von Restwerten durch Machine Learning: In unserer Lösung wird auf Basis von Trainingsdaten ein Machine-Learning-(ML)-Modell trainiert. Auf Grundlage dieses ML-Modells erfolgt die Vorhersage der Restwerte von Fahrzeugen in der Zukunft sowie die Ermittlung des Buchwertes des aktuellen Leasingportfolios eines führenden deutschen Automobilherstellers.
• ~Auditierbarkeit durch Wirtschaftsprüfung: Da die Lösung abschlussrelevante Zahlen liefert, erfolgt eine Prüfung durch Wirtschaftsprüfer. Zu diesem Zweck wurden verschiedene Komponenten umgesetzt, darunter Audit-Logs, Approval-Workflows sowie eine umfassende doc-as-code-basierte Architektur-, Prozess- und Testdokumentation.
• ~Multi-Market: Die Anwendung wurde für neun Märkte weltweit ausgerollt. Dabei wurden marktspezifische Anforderungen sowohl im ML-Modell als auch in der Datenaggregation berücksichtigt.
• ~Cloud-native Microservice-Architektur: Das System hinter unserer Lösung ist modular aufgebaut. Einzelne, unabhängige Dienste können flexibel skaliert, aktualisiert und gewartet werden, ohne die gesamte Anwendung zu beeinträchtigen. Als skalierbare Plattform kommen Kubernetes und AWS zum Einsatz.

Ausgangssituation

Der Automobilhersteller stand vor der Herausforderung, eine einheitliche Lösung für die Vorhersage der Restwerte seiner Fahrzeuge zu entwickeln. Bisherige Ansätze waren marktspezifisch und stark fragmentiert, was zu Ineffizienzen und einer begrenzten Genauigkeit der Vorhersagen führte. In einigen Märkten wurden Restwerte extern eingekauft, was zusätzliche Kosten verursachte. Die Zielsetzung bestand darin, eine globale Software einzuführen, die dennoch an die Anforderungen jedes Marktes angepasst werden kann und den Anforderungen der Wirtschaftsprüfung gerecht wird.
‍

Lösung

Gemeinsam mit dem Automobilhersteller entwickelten wir eine skalierbare Plattform zur Vorhersage von Fahrzeugrestwerten und Bewertung des Leasingportfolios. Mithilfe von Machine-Learning-Modellen liefert unsere Lösung präzise Prognosen, berücksichtigt marktspezifische Anforderungen und automatisiert End-to-End-Prozesse von der Datenaggregation bis zur Freigabe.

‍

Das System verarbeitet Daten aus einer Vielzahl marktspezifischer Schnittstellen, bereitet diese auf und integriert sie nahtlos in die Plattform. Die Ergebnisse der Prognosen und Bewertungen werden direkt an das System zur Vertragsverwaltung übermittelt.

‍

Ein besonderes Highlight ist das komplexe Frontend, das eine benutzerfreundliche und leistungsstarke Oberfläche bietet. Es wurde speziell auf die Bedürfnisse von Nutzern zugeschnitten, die gewohnt sind, mit Tabellen und Excel zu arbeiten. Durch die Unterstützung tabellenartiger Eingaben ermöglicht die Plattform eine intuitive, flexible und effiziente Datenerfassung, ohne die gewohnten Arbeitsabläufe der Nutzer zu verändern. Die Plattform wird von unterschiedlichen Nutzergruppen bis hin zum Markt-CFO eingesetzt und erfüllt damit höchste Anforderungen an Benutzerfreundlichkeit und Transparenz.

‍

Zur weiteren Optimierung und Nutzung der Daten wurde eine BI-Schnittstelle integriert, die die Daten in Echtzeit für Reporting und Dashboards verfügbar macht. Zusätzlich wurde unsere Lösung in das interne API Management des Automobilherstellers eingebunden, wodurch eine standardisierte und sichere API-Verwaltung gewährleistet wird und die Plattform nahtlos in bestehende interne Systeme integriert werden kann.

Die technische Basis umfasst Spring Boot für Microservices, Spring Batch für ETL-Datenverarbeitung, Angular für das Frontend, Celery für Machine-Learning-Workloads sowie Kubernetes und AWS für flexible Skalierung. GitHub Actions ermöglichen automatisierte Tests und die Bereitstellung der Services im DevOps-Ansatz.

‍

Durch Audit Logs, Approval Workflows und automatisierte Tests erfüllt die Anwendung die Anforderungen der Wirtschaftsprüfung. Die Plattform verbessert die betriebliche Effizienz, ermöglicht fundierte Entscheidungen durch präzise ML-Prognosen und bietet eine skalierbare, zukunftssichere Lösung für die Prognose und Verwaltung von Restwertdaten.
‍

Ergebnis

Die Entwicklung dieser Lösung führte zu einer einheitlichen und global skalierbaren Plattform, die inzwischen mehr als 50 Prozent des weltweiten Leasingportfolios des Automobilherstellers abdeckt. Durch die Bereitstellung von Benchmark-Restwerten und umfassenden Risikobewertungen bietet die Plattform weltweit eine verlässliche Grundlage für fundierte Entscheidungen.

‍

End-to-End-Prozesse, präzise Prognosen und die nahtlose Integration von marktspezifischen Anforderungen sorgen für Effizienz und Flexibilität. Gleichzeitig gewährleisten standardisierte Prozesse, Audit-Logs und umfassende Testdokumentationen eine hohe Auditierbarkeit und Transparenz.