Der Ansatz von Albin Kistler in der Investmentanalyse positioniert das Unternehmen als einen vertrauenswürdigen Partner in der Finanzwelt. Die Kombination aus fundierten Branchenkenntnissen, präzisen mathematischen Analysen und einer langjährigen Erfolgsgeschichte, in der stets Mehrwert geschaffen wurde, bietet sie ihren Kunden an.

Ihr Analyseprozess, um die finanzielle Gesundheit eines Unternehmens zu bewerten, bezieht sowohl qualitative als auch quantitative Daten mit ein und stellt somit einen umfassenden Bewertungsprozess dar. Eine historische Perspektive, die sich über einen Zeitraum von 20 bis 25 Jahren erstreckt, bieten Excel-Dateien mit detaillierten Finanzkennzahlen. Die Grundlage für ein leistungsfähiges Analyseverfahren bildet die Synergie dieser beiden Dimensionen.

Das komplexe mathematische Verfahren ermöglicht nicht nur die Standardisierung der Bewertung, sondern auch deren Anpassung an spezifische Sektoren und damit eine maßgeschneiderte Bewertung, die den Nuancen jedes Sektors gerecht wird.

Die Herausforderung, mit der Albin Kistler in Bezug auf sein bestehendes System konfrontiert war, lag in der veralteten Infrastruktur der von ihm verwendeten Forschungsdatenbank.

Vor etwa 15 Jahren entwickelte ein kleines Team mit Microsoft Access die erste Version dieser Datenbank. Über die Jahre hinweg hatte sie sich als vorteilhaft für das Unternehmen erwiesen, was Albin Kistler dazu veranlasste, zu investieren, um sie zu verbessern. Allerdings erwies es sich als schwierig, die Anwendung zu erweitern. Die lange Vorlaufzeit bis zur Markteinführung stellte das Unternehmen vor Herausforderungen und behinderte seine Fähigkeit zur Implementierung neuer Funktionen und zum schnellen Ausprobieren von Ideen.

Der Algorithmus für die Investitionsanalyse war das Herzstück des Geschäftsmodells. Albin Kistler musste einen kompetenten Partner finden, der die Mängel beheben und das System so modernisieren konnte, dass es den sich wandelnden Anforderungen an das Kernprodukt des Unternehmens gerecht wurde.

Man wandte sich an Modeso, um die Anwendung neu zu entwickeln. Das Hauptziel bestand darin, den Algorithmus zu replizieren und zu verbessern und gleichzeitig die Datenbank in eine moderne, webbasierte Plattform umzuwandeln.
‍
Modeso hat nicht nur den Algorithmus neu implementiert, sondern auch den Technologie-Stack von Grund auf überarbeitet, um eine Lösung zu schaffen, die anpassungsfähiger, leistungsfähiger und leicht erweiterbar ist - ganz im Sinne der Vision von Albin Kistler.

Mehr über die Herausforderungen, die wir auf diesem Weg meistern mussten, erfahren Sie im Folgenden.

Um das bestehende System zu verstehen und zusätzliche Anforderungen für die neue Anwendung zu identifizieren, begannen wir das Projekt mit Alignment-Workshops mit Albin Kistler. Diese Anfangsphase half, einen übergeordneten Meilensteinplan zu erstellen und legte den Grundstein für detailliertere Workshops, um die Anforderungen zu erfassen.

Vor Beginn des agilen Entwicklungsprozesses erkannten wir die Notwendigkeit einer gründlichen Analyse des Kernalgorithmus, insbesondere im Hinblick auf die zu integrierenden Verbesserungen. Um diese Herausforderung zu meistern, haben wir unser Team mit zusätzlichen Ressourcen verstärkt. Dazu gehörte auch ein Business Analyst, der ausführliche Interviews mit Fachexperten führte.

Wir erkannten, dass ein agiler Ansatz weniger effektiv war, wenn wir mit einer kleinen, erfahrenen Benutzergruppe arbeiteten, die jahrelang mit dem Produkt zu tun hatte. Diese Anwender wussten genau, was sie brauchten, so dass wir zunächst die Kernfunktionalität des Systems umsetzen mussten, bevor die Anwender die Plattform testen konnten.
‍
Wir verwendeten ein Wasserfallmodell, um den Kernalgorithmus zu implementieren. Für die Benutzeroberfläche und zusätzliche Funktionen wechselten wir dann zu einem flexibleren agilen Ansatz. In dieser agilen Phase haben wir kontinuierlich neue Funktionsblöcke erstellt und integriert. Dabei haben wir Nutzerfeedback gesammelt und unsere Arbeit Schritt für Schritt verfeinert.

Eine umfangreiche Dokumentation, die den Algorithmus beschreibt, haben wir aus der Vorgängerversion der Anwendung übernommen. Um ein gemeinsames Verständnis bei allen Beteiligten zu schaffen, haben wir die Dokumentation in unseren eigenen Worten neu geschrieben.

Durch unser Verständnis der mathematischen Methoden, die bei der Entwicklung des Algorithmus zum Einsatz kamen, waren wir in der Lage, die Experten des Kunden bei der Verbesserung des Algorithmus zu unterstützen.

Albin Kistler hat eine Private Cloud im Einsatz, die auf der Infrastruktur eines unabhängigen Cloud Service Providers für den Schweizer Finanzmarkt basiert. Um massgeschneiderte und sichere Lösungen zu gewährleisten, passt dieser Anbieter die Umgebung an die spezifischen Bedürfnisse von Banken und Vermögensverwaltern an.

Trotz der anfänglichen Herausforderungen, die CI/CD-Pipelines und die Infrastrukturkonfiguration des privaten Infrastruktur-Hosters zu adaptieren, die für unser DevOps-Team eine neue Umgebung darstellten, ist es uns gelungen, diese Probleme effizient zu lösen. Mit der Zeit gelang es, die Infrastruktur nahtlos zu integrieren und unsere Ziele zu erreichen.

Während des Entwicklungsprozesses war uns nicht nur das Erreichen der technischen Ziele wichtig, sondern auch die Sicherstellung, dass die Lösung den Anforderungen von Albin Kistler entspricht.

Während des gesamten Entwicklungsprozesses haben wir User Acceptance Tests (UAT) durchgeführt, um sicherzustellen, dass die entwickelten Funktionen den Erwartungen unseres Kunden entsprechen.

Und so lief es ab: Um sicherzugehen, dass alles reibungslos funktioniert, haben wir direkt nach dem Erreichen eines Meilensteins einige Regressionstests durchgeführt. Dann haben wir den Kunden in die UAT einbezogen. Sie wurden mit Versionshinweisen und Testanweisungen versorgt und gebeten, die neuen Funktionen auszuprobieren. Auf diese Weise erhielten wir wertvolles Feedback und konnten uns davon überzeugen, dass alles so funktionierte, wie wir es erwartet hatten. Nachdem die Beteiligten ihr Feedback gegeben hatten, bearbeiteten wir alle von ihnen identifizierten Probleme. Anschließend stellten wir die Lösung bereit, um sicherzustellen, dass sie den Benutzern bei ihrer täglichen Arbeit zur Verfügung stand.

Nach dem Soft Launch Mitte Oktober 2023 führte Albin Kistler letzte Tests durch. Der nächste entscheidende Schritt war die Planung der Datenmigration von der alten auf die neue Plattform. Im Rahmen dieses Prozesses war die Migration eines umfangreichen Datensatzes erforderlich. Die Herausforderung bestand in der Änderung der Eingabedateien. Im Vergleich zur alten Anwendung war das neue Format sehr unterschiedlich.

Wir fanden einen Weg, die alten Dateien hochzuladen, und unser System stellte sicher, dass alles in Ordnung war. Diese Vorgehensweise half nicht nur, die Daten zu migrieren, sondern sorgte auch dafür, dass die Datenqualität eine deutliche Verbesserung erfuhr.

Unser Modeso-Team ist in die Wartungsphase übergegangen und hilft Albin Kistler tatkräftig mit, die Applikation im Tagesgeschäft laufen zu lassen. Gleichzeitig sind wir in der Vorbereitung für den nächsten Meilenstein: Für das kommende Jahr haben wir umfangreiche Entwicklungsschritte in Planung.

Die nahtlose Integration der Plattform von Albin Kistler in Microsoft 365 und die Anbindung des Dokumentenspeichersystems von Albin Kistler werden in nächster Zeit einen Schwerpunkt bilden.

Zahlreiche Ideen für weitere Verbesserungen - von der Optimierung der Benutzeroberfläche bis hin zu zusätzlichen Funktionalitäten - werden ebenfalls geprüft. Ein wichtiger Meilenstein auf unserer Agenda ist die Implementierung von regelbasierten Simulationen. Albin Kistler will die Möglichkeit implementieren, Szenarien zu simulieren. Dazu werden die Eingabeparameter angepasst und der entsprechende Output unter verschiedenen Bedingungen beobachtet.
‍
Übergeordnetes Ziel ist die Weiterentwicklung der Plattform zu einer leistungsfähigen Self-Service Business Intelligence Lösung. Um dies zu erreichen, werden Tools wie z.B. Power BI oder Tableau eingesetzt, die es den Analysten im Unternehmen ermöglichen, individuelle Dashboards zu erstellen und wertvolle Erkenntnisse aus den Daten zu gewinnen.