Banking · Düsseldorf · reguliertes LSI
Regulatorisches Reporting mit einem Audit Trail, den die Aufsicht lesen kann
Our customer's Finance-Funktion beantwortet aufsichtsrechtliche Datenanfragen unter Zeitdruck. DataQube machte aus Ad-hoc-SQL-Archäologie governte Self-Service-Analyse - mit einem Audit Log, das Internal Audit im ersten Review überzeugte.
Das Problem: jede Anfrage war Archäologie
Aufsichtsanfragen kamen mit Zwei-Wochen-Fristen und berührten Daten aus Kernbankensystem, Risk Warehouse und Jahrzehnten ungeschriebener Konventionen. Die zwei Personen, die wussten, wo alles lag, verbrachten ihre Zeit damit, Anfragen in SQL zu übersetzen - und jede Antwort hinterließ keine Spur, der ein Reviewer folgen konnte.
Durchlaufzeit von Aufsichtsanfragen
Arbeitstage, MedianMedian nach Anfragekategorie, vor und nachher - eigenes Tracking der Finance-Funktion über zwei Aufsichtszyklen.
Ein generischer Copilot wurde in einem Meeting ausgeschlossen: Bankdaten in einer Shared Cloud waren ein Non-Starter, und eine Antwort, die die Bank nicht zeilenweise verteidigen konnte, war schlechter als keine Antwort.
Vom Problem zur Antwort
So wird eine Aufsichtsanfrage Ende-zu-Ende als eine governte Session beantwortet - auf Basis realer Kundengespräche.
Die Frage
Die Antwort beginnt bei dem, was die Bank bereits validiert hat - nicht in einem leeren Query-Editor.
Was das Team bereits wussteKonventionen, die in wenigen Köpfen lebten - Restatement-Grenzen, Produktcode-Mappings, Reporting-Date-Konventionen - werden validiertes Memory. Neue Joiner erben sie am ersten Tag.
Jede Query läuft read-only gegen das Risiko-Warehouse, jede mit Audit-Referenz - ein Reviewer kann den Pfad nachvollziehen.
Governte AusführungSELECT l.segment,
SUM(l.drawn_amount) / 1e9 AS exposure_bn,
SUM(l.drawn_amount) / t.loan_book_total AS share_of_book,
f.sub_limit_pct,
f.sub_limit_pct - SUM(l.drawn_amount) / t.loan_book_total AS headroom_pp
FROM loan_book l
JOIN limit_framework f USING (segment)
CROSS JOIN loan_book_totals t
WHERE l.cre_flag = TRUE AND l.as_of = '2026-09-30'
GROUP BY l.segment, f.sub_limit_pct, t.loan_book_total
ORDER BY share_of_book DESC;| Segment | Exposure | % des Buchs | Sublimit | Spielraum (Pp) |
|---|---|---|---|---|
| Büro | €1.95bn | 5.5% | 6.0% | +0.5 |
| Einzelhandel | €0.90bn | 2.5% | 4.0% | +1.5 |
| Wohnen | €0.75bn | 2.1% | 4.0% | +1.9 |
| Logistik | €0.45bn | 1.3% | 3.0% | +1.7 |
| Hotels | €0.15bn | 0.4% | 1.5% | +1.1 |
In Anspruch genommenes Exposure · Monatsende Sep 2026 · Kreditbuch 35,6 Mrd. €
Konzentration ist nur gegen die vom Board genehmigten Limits aussagekräftig - aus derselben governten Quelle, berechnet im selben Record.
Die AnalyseCRE-Gesamtanteil am Kreditbuch
Sechs Quartale vs. 12,5% internes Limit
Demodaten.
CRE-Buch nach LTV-Band
In Anspruch genommenes Exposure · Monatsende Sep 2026
Und wenn die Aufsicht fragt, wie eine Kennzahl entstand, exportiert die Bank die Provenienzkette:
Der Befund — Evidenz angehängtBüro-CRE liegt bei 92% seines internen Sublimits
Das Büro-Exposure von 1,95 Mrd. € entspricht 5,5% des Kreditbuchs gegen ein 6,0%-Sublimit, getrieben von Ziehungen auf zwei Fazilitäten aus dem Jahrgang 2024. Gesamtes CRE bleibt mit 11,8% vs. 12,5%-Limit im Risikoappetit, und 84% des Buchs liegen bei höchstens 70% LTV. Jede Zahl trägt ihre Query, Methodik und Audit-Referenz.
{ "claim": "Office CRE utilisation: 92% of sub-limit", "derived_from": [ { "query": "evt-4c19d2", "source": "risk_warehouse.loan_book", "rows": 18204, "as_of": "2026-09-30" }, { "query": "evt-4c19d3", "source": "limit_framework", "version": "current" }, { "memory": "def-cre-taxonomy-v4", "status": "validated", "validated_by": "Group Risk Methodology" } ], "produced_in": "thread/supervisory-2026-114"}Das Folgemeeting war kurz. Der Reviewer der Aufsicht fragte später, welches Tool den Export erzeugt hatte.
Das Antwortpaket stellt sich selbst zusammen - Exposures, Trend, Kreditqualität und die Methodikseite, bereit zur Freigabe.
Das fertige PaketDie Bereitstellung: Private Cloud, Schlüssel der Bank
DataQube läuft in our customer's eigener Azure-Tenancy mit kundenseitig verwalteten Schlüsseln und ohne externe Calls. Read-only-Datenbankverbindungen werden in der Datenbank mit verpflichtenden Zeilenlimits und Timeouts erzwungen. Single Sign-On ordnet AD-Gruppen Rollen zu, und Need-to-know-Regeln aus einem Spreadsheet wurden zu durchgesetzten Policies.
Tenancy-Deployment und SIEM-Anbindung
Installation in das AKS der Bank, Schlüssel im Vault der Bank, Audit-Stream in den bestehenden Sentinel-Workspace. Security-Sign-off in vier Wochen.
Finance-Funktion pilotiert
Regulatory-Reporting-Team live mit dem Risk Warehouse. Erste Aufsichtsanfrage innerhalb der Plattform beantwortet - mit vollständiger Evidenzkette.
Internal-Audit-Review
Dreiwöchiger Review von Zugriffskontrolle, Logging und Change Tracking. Null Findings; das Audit Log selbst als Best Practice zitiert.
Neun Abteilungen, eine Plattform
Treasury, Controlling und Risk mit Abteilungs-Workspaces und Information Barriers als Policies angebunden.
Governed Self-Service, nicht Shadow IT
Neun Abteilungen beantworten ihre Datenfragen nun selbst innerhalb klarer Leitplanken, und die zwei Experten prüfen Wissen, statt SQL für andere Teams zu schreiben.
“Internal Audit prüfte die Plattform drei Wochen lang. Ihr Fazit war, dass DataQubes Audit Log bessere Evidenz liefert als unser eigener Change-Prozess.”
Sehen Sie, wie Ihre Daten Fragen beantworten - ohne Ihre Infrastruktur zu verlassen
Dreißig Minuten mit einem Engineer: Live-Produkt, Bereitstellungsoptionen und Antworten auf die Fragen Ihres Sicherheitsteams von jemandem, der den Code geschrieben hat.