Anleihen-Analytics-Plattform
Von Null auf enterprise-tauglich in zwei Monaten. Mehrere Finanzierungsrunden folgten.
Eine institutionelle Analyseplattform, die Anleihen-Emissionen und die Schuldengesundheit von Aktien mit einem proprietären Rating-Algorithmus bewertet. Banken, Asset Manager und Unternehmen nutzen sie, um Unternehmensschulden zu bepreisen und Ex-post-Analysen gegen realisierte Marktergebnisse zu fahren. Mehrere Finanzierungsrunden abgeschlossen.
Überblick
Eine institutionelle Analyseplattform, die Anleihen-Emissionen und die Schuldengesundheit von Aktien mit einem proprietären Rating-Algorithmus bewertet. Banken, Asset Manager und Unternehmen nutzen sie, um Unternehmensschulden zu bepreisen und Ex-post-Analysen gegen realisierte Marktergebnisse zu fahren. Mehrere Finanzierungsrunden abgeschlossen.
Die Herausforderung
Zwei Monate, null Codebasis, Banken am anderen Ende der Demo. Die Anbieter-API lag außerhalb des Budgets, also lief der Datenpfad über quartalsweise Excel-Exporte – manuell heruntergeladen, formatdriftend, ohne API-Sicherheitsnetz. Die proprietäre Rating-Logik musste belastbar genug sein, damit institutionelle Käufer Entscheidungen darauf gründen, und Ex-post-Analyse musste erstklassig sein – denn das ist, was sie tatsächlich kaufen.
Die Datenanbieter-Lizenz war die Einschränkung, die die Architektur formte.
Der institutionelle Datenanbieter war die Quelle, die Banken erwarteten – und die Lizenz lag außerhalb des Budgets eines Startups. Jede nachgelagerte Entscheidung absorbierte das. Quartalsweise Excel-Exporte, manuelle Downloads, Schema-Drift zwischen Releases. Wir bauten um diese Realität herum: idempotente Reruns, zeilenweise Validierung, die Format-Drift abfing, bevor sie Ratings korrumpierte, und ein Postgres-Schema auf Snapshot-Form, damit Ex-post-Replay audit-tauglich blieb. Die Lizenz formte die Architektur, die Architektur formte, was die Plattform versprechen konnte.
Was wir gemacht haben
Vorgabe: institutionelle Analytik auf einem Startup-Lizenzbudget, mit Excel als einziger realistischer Quelle. Die nicht-offensichtliche Entscheidung: den Datenpfad um idempotente Reruns und audit-taugliches Ex-post-Replay bauen, nicht um Streaming-Aktualität – denn das ist, was Banken tatsächlich nutzen. Konkret: Excel-Ingestion mit zeilenweiser Schemavalidierung, die Anbieter-Format-Drift abfing, bevor sie Ratings korrumpierte, die proprietäre Anleihen- und Aktien-Schuldengesundheits-Engine, NestJS-API, React-Dashboard, JWT-Auth, Postgres-Schema um quartalsweise Snapshots. Durchgängig testgetrieben gebaut – die proprietären Algorithmen waren komplex genug, dass die Plattform ohne die Test-Suite nicht baubar gewesen wäre, jede neue Anforderung konnte drei andere lautlos kaputt machen. Was es brachte: institutionelle Käufer, die jeden Rating-Call gegen realisierte Marktergebnisse wiederabspielen konnten.
Ergebnisse
Produktionsarchitektur
Das Diagramm zeigt eine vereinfachte High-Level-Architektur und lässt vertrauliche Implementierungs- und Sicherheitsdetails aus.
Was wir gelernt haben
Wenn das Lizenzbudget dich auf Excel festnagelt und die Taktung quartalsweise ist, kippt die Architektur. Du hörst auf, für Streaming-Aktualität zu optimieren, und fängst an, für idempotente Reruns, Schema-Drift-Resilienz und audit-taugliches Ex-post-Replay zu bauen. Darauf läuft institutionelle Finanzwelt tatsächlich.
Wollen Sie ähnliche Ergebnisse?
Erzählen Sie uns, was Sie bauen. Wir sagen Ihnen, ob wir das richtige Team dafür sind.
Termin buchen