Banking und Finance

Kredit-Score

Aufgabe: Für ein Kreditinstitut entwickelten wir ein Scoring-Modell zur Vorhersage von Zahlungsausfällen. Unter Einsatz von Machine Learning Algorithmen (Random Forest, XGBoost) sowie KI-basierten Methoden wurde das Modell auf historischen Kundendaten trainiert und validiert.

Ergebnis: Die finale Lösung ermöglichte eine deutliche Verbesserung der Trefferquote bei der Risikobewertung und wurde erfolgreich in den Prüfprozess integriert.

• Kunde: Deutsches Kreditinstitut
• Datum: 2023

Banking und Finance

Optimierung von Filialstandorten

Aufgabe: Ein Finanzdienstleister wollte sein Filialnetz an das veränderte Kundenverhalten anpassen. Auf Basis regionaler Potenziale, demografischer Daten und Bestandskundenanalysen erstellten wir ein Standortmodell zur Optimierung der Filialstruktur. Die interaktive Karte zeigte, wo Schließungen möglich und Investitionen sinnvoll waren.

Ergebnis: Das Modell führte zur datenbasierten Entscheidung von 12 Standortoptimierungen und 5 Neuinvestitionen mit deutlich höherer regionaler Reichweite.

• Kunde: Deutsches Kreditinstitut
• Datum: 2024

Banking und Finance

Zufriedenheit im Online-Banking

Aufgabe: Für eine Bank führten wir eine umfassende Auswertung einer Kundenbefragung durch. Ziel war es, die Treiber der Zufriedenheit im Online-Banking zu identifizieren. Mit Faktorenanalysen und Regressionsmodellen konnten konkrete Handlungsempfehlungen für die Produktentwicklung und UX-Optimierung abgeleitet werden.

Ergebnis: Die Bank konnte gezielt drei Funktionen überarbeiten, was zu einem Anstieg der Weiterempfehlungsrate um 18 % innerhalb von drei Monaten führte.

• Kunde: Deutsches Kreditinstitut
• Datum: 2024

Banking und Finance

Dashboard zur Echtzeit-Überwachung

Aufgabe: Ein mittelständisches Unternehmen benötigte eine individuelle Lösung zur Visualisierung sich schnell verändernder zentraler Leistungskennzahlen. Wir entwickelten ein interaktives Dashboard mit tagesaktuellen Reports zu Volumina, Ausfallraten und weiteren KPIs. Die Lösung ermöglichte ein proaktives Management durch transparente Steuerung in Echtzeit.

Ergebnis: Der Vorstand nutzte das Dashboard fortan in wöchentlichen Reviews – Reaktionszeiten bei Planabweichungen konnten um über 40 % verkürzt werden.

• Kunde: Mittelständisches Unternehmen
• Datum: 2025

Medizin und Pharma

Patientenpfad-Analyse in der Onkologie

Aufgabe: Für ein Universitätsklinikum analysierten wir longitudinale Patientendaten aus der Onkologie, um typische Versorgungsverläufe und Abbruchrisiken zu identifizieren. Mittels Sequenzanalyse und Clustering konnten wir Muster erkennen, die mit Therapieerfolg oder -abbrüchen zusammenhingen. Die Ergebnisse flossen direkt in die Optimierung der Nachsorgeplanung ein.
Ergebnis: Signifikante Verkürzung der Wartezeiten und verbesserte Prognoseabschätzung.

• Kunde: Universitätsklinikum
• Datum: 2023

Medizin und Pharma

Arzneimittelstudie

Aufgabe: Ein pharmazeutisches Unternehmen beauftragte uns mit der Analyse einer Phase-III-Studie zu einem neuen Antihypertensivum. Unser Fokus lag auf Subgruppenanalysen mit Interaktionstests sowie der Visualisierung dosisabhängiger Effekte. Durch robuste Modelle (GEE, Mixed Models) konnten wir belastbare Aussagen für klinische Entscheidungen ableiten.

Ergebnis: Zulassungsrelevante Hinweise auf Wirksamkeit bei älteren Patientengruppen.

• Kunde: Pharma-Unternehmen
• Datum: 2024

Medizin und Pharma

Validierung prädiktiver Biomarker

Aufgabe: In Kooperation mit einem Biotech-Unternehmen begleiteten wir die Validierung prädiktiver Biomarker für eine zielgerichtete Krebstherapie. Wir führten ROC-Analysen, logistische Regressionsmodelle und Validierungsprozeduren (Cross-Validation, Bootstrapping) durch.

Ergebnis: Zwei Marker wurden erfolgreich als Prädiktoren für das Therapieansprechen identifiziert und patentiert.

• Kunde: Biotec-Unternehmen
• Datum: 2025

Bildung und Wissenschaft

Einflussfaktoren studentischer Resilienz

Aufgabe: Im Rahmen eines universitären Forschungsprojekts analysierten wir Paneldaten von Studierenden zu psychischer Belastung und Resilienz während der Pandemie. Mit Hilfe latenter Wachstumsmodelle und Cross-Lagged Panel-Analysen untersuchten wir Wechselwirkungen zwischen Studienzufriedenheit, sozialer Unterstützung und Coping-Verhalten. Die Ergebnisse wurden zur Weiterentwicklung hochschulinterner Unterstützungsangebote genutzt.

Ergebnis: Signifikante Prädiktoren für positive Resilienzverläufe identifiziert und in einem wissenschaftlichen Paper veröffentlicht.

• Kunde: Universität (Fachbereich)
• Datum: 2023

Bildung und Wissenschaft

Skala zur Technikakzeptanz

Aufgabe: Ein Forschungsteam benötigte Unterstützung bei der Validierung eines neuen Messinstruments zur Technikakzeptanz im Gesundheitswesen. Wir führten konfirmatorische Faktorenanalysen durch, testeten Messinvarianz über Berufsgruppen hinweg und berechneten Reliabilitätskennzahlen. Auf Basis der Ergebnisse wurden Itemformulierungen überarbeitet und Skalen neu gruppiert.

Ergebnis: Publikationsreife Skala mit belastbaren psychometrischen Eigenschaften.

• Kunde: Forschungsteam (Privat-Universität in den USA)
• Datum: 2024

Bildung und Wissenschaft

Systematische Review-Auswertung mit Textmining

Aufgabe: Ein Forschungsteam benötigte quantitative Unterstützung bei einem systematischen Literaturreview zur Wirksamkeit digitaler Gesundheitsanwendungen. Wir entwickelten ein Textmining-Framework zur automatisierten Klassifikation von Abstracts und führten anschließend eine Meta-Analyse mit Effektstärkenschätzung durch.

Ergebnis: Automatisierter Screening-Prozess und Visualisierungen zur Veröffentlichung in einem peer-reviewed Journal.

• Kunde: Forschungsteam
• Datum: 2025

AI

Synthetische Daten für Kreditrisikomodelle

Aufgabe: Ein Finanzinstitut benötigte realistische, aber anonymisierte Daten zur Modellierung von Zahlungsausfällen. Wir erzeugten synthetische Datensätze mit GANs, validierten die Ähnlichkeit zur Originalverteilung und trainierten ML-Modelle darauf. Die generierten Daten ermöglichten eine risikofreie Erprobung neuer Scoring-Ansätze im Rahmen regulatorischer Vorgaben.

Ergebnis: Einsetzbare synthetische Datenbasis für internes Modelltraining und Audit-Tests.

• Kunde: Spanisches Kreditinstitut
• Datum: 2025

AI

Anomalie-Erkennung im Zahlungsverkehr

Aufgabe: Für einen Zahlungsdienstleister entwickelten wir ein Deep-Learning-Modell mit Autoencodern zur Erkennung verdächtiger Transaktionen. Durch kontinuierliches Online-Learning wurde das Modell robust gegenüber saisonalen Schwankungen. Es identifizierte Betrugsversuche deutlich früher als bisherige Regeln.

Ergebnis: Reduktion der manuellen Prüfungen um 35 % bei gleichzeitiger Steigerung der Aufdeckungsrate.

• Kunde: Internationaler Zahlungsdienstleister
• Datum: 2025

AI

Textanalyse in Evaluationen

Aufgabe: Im Rahmen einer universitären Evaluation wurden mehrere tausend Freitextantworten ausgewertet. Mit Hilfe von Topic Modeling, Sentiment-Analyse und BERT-basierter Klassifikation identifizierten wir Themencluster und Trends über Studiengänge hinweg. Die Ergebnisse flossen direkt in strategische Maßnahmen.

Ergebnis: Automatisierter Bericht mit Handlungsempfehlungen für drei Fakultäten.

• Kunde: verschiedene Universitäten
• Datum: 2025

AI

Patientenstratifizierung für klinische Studie

Aufgabe: Ein Pharmaunternehmen suchte datengetriebene Unterstützung bei der Subgruppenanalyse einer Phase-II-Studie. Wir kombinierten t-SNE und Clustering, um heterogene Patientenprofile zu erkennen und Therapieansprecher zu identifizieren. Diese Gruppen wurden zur Optimierung des Studiendesigns genutzt.

Ergebnis: Identifikation von zwei relevanten Subgruppen für die gezielte Weiterentwicklung der Therapie.

• Kunde: Pharma-Unternehmen
• Datum: 2025