Alle Prozesse eines Unternehmens vollständig zu automatisieren ist in den meisten Fällen entweder unwirtschaftlich, oder Ihre Mitarbeiter oder Kunden lehnen dies ab.
Ist es sinnvoll, die E-Mail zum Firmenjubiläum oder zum Geburtstag zu automatisieren?
Ich hoffe, Sie stimmen mir zu und verneinen diese Frage.
Automatisierung kann unpersönlich wirken, auch wenn sie effizient und bestenfalls noch effektiv ist.
Doch was ist Straight Through Processing?
Straight Through Processing bezieht sich auf Prozesse, die so aufgebaut sind, dass Sie ohne Medienbrüche und menschliche Interaktionen arbeiten.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
In der Finanzwelt ist dieser Begriff ursprünglich geprägt von der vollautomatischen Abwicklung von Transaktionen ohne manuelle Eingriffe. Dieser Prozess hatte bereits vor der Zeit der Automatisierung mit KI hohes Automatisierungspotenzial. Durch die Einführung von generativer KI gibt es immer mehr Prozesse, die ohne menschliche Aktion automatisiert werden können.
Durch die Implementierung von STP können Unternehmen ihre Betriebskosten senken, Fehler reduzieren und die Gesamttransaktionszeit verkürzen.
Gleichzeitig unterschätzen viele, dass der Erfolg der Automatisierung neben der technischen Lösung konzeptionelle Effektivität benötigt.
Daher sehen wir uns zwei Fälle aus unterschiedlichen Branchen an.
Straight Through Processing bei Versicherern
Skaly bietet ein Beispiel eines Versicherers, der seine automatisierten Prozesse an andere Versicherungsunternehmen vermietet. Ob diese Prozessauslagerung wettbewerbstechnisch für andere Versicherer sinnvoll ist, möchten wir nicht bewerten, aber den Podcast als Meinungsbeitrag zum Thema Schadenbearbeitung einbinden.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Straight Through Processing in Banken
Regulierten Branchen bieten Prozesse ohne menschlichen Eingriff eine besondere Nachvollziehbarkeit. Je seltener Menschen in Prozesse eingreifen, desto konformer laufen diese ab.
Das folgende Video zeigt ein vereinfachtes Prozessdiagramm zur Kreditprüfung. Je modularer diese Prozesse konzipiert sind, desto einfach können diese bei Gesetzesänderungen angepasst werden. Der Beitrag Jahresabschluss digital mit KI erfassen – XBRL Import zu DiFin zeigt am Beispiel, wie diese Datenaufnahme aus Finanzberichten für Firmenkunden optimiert werden kann.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Straight Through Processing Software
Es gibt unterschiedliche Anbieter zu diesem Thema. Bitte kontaktieren Sie uns, um einen individuellen Überblick über mögliche Anbieter zu erhalten.
An dieser Stelle möchten wir Ihnen eine Liste frei verfügbarer Software präsentieren, die selbst betrieben werden kann.
1. Pathway
Pathway ist ein modernes Python-Framework für ETL, Streaming und Echtzeitdatenverarbeitung. Es unterstützt sowohl Batch- als auch Streaming-Workflows und eignet sich ideal für STP-Szenarien, bei denen Daten ohne manuelle Eingriffe verarbeitet werden sollen. Die zugrunde liegende Engine basiert auf Rust und ermöglicht skalierbare, speicherresidente Verarbeitung mit Unterstützung für Multithreading und verteilte Berechnungen. Pathway bietet zudem native Unterstützung für LLM-Integrationen und RAG-Pipelines.
2. WiredFlow
WiredFlow ist eine leichtgewichtige Python-Bibliothek zur Erstellung von ETL-Pipelines und Services mit mehreren Verarbeitungsschritten. Sie ermöglicht die Konfiguration von Datenflüssen, die Daten aus verschiedenen Quellen (wie HTTP, MQTT oder Datenbanken) empfangen, transformieren und speichern können. WiredFlow unterstützt sowohl Multi-Threading als auch Multi-Processing und eignet sich gut für STP-Anwendungen, bei denen Daten automatisch und ohne manuelle Eingriffe verarbeitet werden sollen.
3. Frictionless Py
Frictionless Py ist ein Python-Framework zur Verwaltung tabellarischer Daten. Es bietet Funktionen zum Beschreiben, Extrahieren, Validieren und Transformieren von Daten. Mit seiner Unterstützung für verschiedene Datenformate und -quellen sowie der Möglichkeit, Datenpipelines zu erstellen, eignet es sich für STP-Szenarien, bei denen Daten automatisch verarbeitet und validiert werden müssen.
4. DataPackage Pipelines
DataPackage Pipelines ist ein Framework zur Verarbeitung von Datenpaketen in modularen Pipelines. Es ermöglicht die Erstellung von Datenverarbeitungsketten, bei denen Daten aus verschiedenen Quellen extrahiert, transformiert und geladen werden können. Durch seine Streaming-Architektur eignet es sich für STP-Anwendungen, bei denen große Datenmengen effizient und ohne manuelle Eingriffe verarbeitet werden müssen.
5. PySTP
PySTP ist ein Python-Modul zur Verbindung mit STP-Servern (Seismogram Transfer Program) und zum Herunterladen von Ereignis-Metadaten, Phasenpicks und Wellenformen, die durch seismische Ereignisse ausgelöst wurden. Obwohl es speziell für seismologische Anwendungen entwickelt wurde, zeigt es, wie Daten automatisch von entfernten Servern abgerufen und verarbeitet werden können, was für STP-Szenarien relevant ist.
DE 
EN 
ES 
FR