Wie Databricks und Generative AI das Investment Research transformieren: Ein Blick auf Jefferies Data Intelligence
Die Analyse und Selektion von Aktien ist ein komplexes Feld. Investment-Analysten wie bei der globalen Jefferies Group sehen sich mit der Mammutaufgabe konfrontiert, täglich eine riesige Bandbreite an Unternehmen, Branchen und internationalen Märkten zu bewerten. Jefferies deckt allein rund 3.500 Unternehmen weltweit ab – ein enormer Wettbewerbsvorteil, der aber mit wachsenden Herausforderungen im Umgang mit internen wie externen Datensätzen einhergeht.
Als Data Science- und KI-Dienstleister mit Spezialisierung auf Azure und Databricks erkennen wir bei der Ailio GmbH, wie moderne Plattformen den entscheidenden Unterschied machen, um aus Daten nachhaltige Mehrwerte zu schaffen. Im Folgenden zeigen wir, wie Jefferies mithilfe von Databricks und Generative AI seine weltweite Investment-Analyse neu definiert hat – und welche Chancen daraus auch für andere Unternehmen entstehen.
Die Herausforderung: Von Datenvielfalt zur Handlungsfähigkeit
Traditionell sind die Fragen, die Investment-Analysten stellen, offen, komplex und domain-spezifisch: Wo steht die Nachfrage im Bereich Fast-Casual Restaurants? Wie entwickeln sich Besucherzahlen und App-Downloads für einzelne Marken? Relevante Daten für solche Fragen sind auf viele Quellen verteilt – von alternativen Daten über Finanzkennzahlen bis zu konjunkturellen Indikatoren.
Das Problem: Analysten müssen sich nicht nur inhaltlich, sondern auch technisch im Datenbestand zurechtfinden. Selbst mit aufbereiteter und strukturierter Datenbasis erfordert die klassische Analyse tiefes Know-how in Datenmodellierung, Zugriffstechnologien und Visualization Tools. Zwei etablierte Arbeitsmodelle standen zur Verfügung: Self-Service Tools, für deren effektive Nutzung technische Affinität nötig ist, oder individuelle, manuelle Datenabfragen durch ein spezialisiertes Data Engineering-Team – mit begrenzter Kapazität.
Komplexe, cross-domain Analysen beanspruchten nicht selten Tage – nicht, weil es technisch unmöglich war, sondern weil Ressourcen und Schnittstellen eng waren. Für den Erkenntnisgewinn aus multiplen, unabhängigen Signalen fehlte die skalierbare Lösung.
Die Lösung: Conversational Analytics mit Databricks AI/BI Genie
Jefferies suchte nach einer Möglichkeit, die Stärken von Self-Service und eingebetteter Datenexpertise zu vereinen – und setzte dabei auf das Potenzial von generativer KI. Das Ergebnis: Jefferies Data Intelligence (JDI), eine interne Plattform, die auf Basis von Databricks AI/BI Genie eine neue Art von Conversational Analytics ermöglicht.
JDI erlaubt es Analysten, beliebige, auch sehr offene Recherchefragen in natürlicher Sprache zu stellen. Die Plattform interpretiert diese Fragen semantisch, ermittelt die relevanten Datenquellen und erstellt eine abgesicherte, multi-source Analyse – alles im Rahmen des bestehenden Data Governance-Modells von Databricks Unity Catalog.
Die Vorteile dieses Ansatzes sind weitreichend:
- Vereinte Nutzererfahrung: Analysten interagieren conversational mit der Plattform und erhalten fundierte multiquellenbasierte Antworten, ohne je Tabellenstrukturen, Datenmodellierung oder SQL schreiben zu müssen.
- Skalierbare Auswertung: Databricks orchestriert und verbindet Daten aus eigenen, kuratierten Spaces (z.B. Finanzreports, Umfragedaten, externe APIs) zu einer konsolidierten Sicht – und erweitert diese Quellen kontinuierlich.
- Nachvollziehbarkeit und Vertrauen: Jede Antwort enthält eine detaillierte „Chain of Thought“-Erklärung, wie die KI zur jeweiligen Analyse gelangt ist. So kann jeder Analyst den Analysepfad verstehen und auditieren.
- Governance by Design: Datensicherheit und Compliance sind jederzeit gewährleistet, da Unity Catalog bestehende Zugriffsrechte und Policies direkt durchsetzt.
Technologischer Unterbau: Architektur für Zukunftsfähigkeit
Unter der Haube setzt Jefferies auf eine multi-agentenbasierte Architektur, orchestriert durch den Einsatz von LangGraph und Databricks Model Serving. Verschiedene generative und spezifische Modelle werden je nach Anforderungsprofil flexibel genutzt – von komplexer Planungslogik bis hin zu leichten Validierungsaufgaben.
Die Architektur bleibt modellagnostisch und kann neue Modelle oder Funktionen einfach integrieren, was sie zukunftssicher und anpassungsfähig gegenüber neuen Bedürfnissen macht. Die bereits vorhandenen Databricks-Pipelines für Datenaufbereitung und Orchestrierung dienen weiterhin als skalierbares Fundament.
Messbarer Impact für Research & Analytics
Seit dem Rollout an 250 interne Analysten in den USA – mit geplantem globalem Ausbau auf 550 Nutzer – zeigen sich deutliche Effekte:
- Von Tagen zu Minuten: Analysen, die früher mit Aufwand und Wartezeiten verbunden waren, werden jetzt in Minuten generiert.
- Höhere Analyse-Qualität: Die KI bringt nicht nur Geschwindigkeit, sondern eröffnet neue Blickwinkel über kombinierte multiple Datenquellen. Analysten erhalten oft Zusatzdaten, die zuvor nicht als relevant erkannt wurden – und stärken so die Überprüfbarkeit ihrer Thesen.
- Höheres Vertrauen und Akzeptanz: Die Offenlegung der Analysewege und die Einhaltung der unternehmensweiten Governance-Standards fördern breite Akzeptanz auch bei nicht-technischen Nutzern.
- Kultureller Wandel: Der Fokus verschiebt sich von technischer Recherche hin zur eigentlichen Analyse & Strategieentwicklung. Das verändert nachhaltig die Arbeitsweise im Investment-Research.
Chancen und Zukunftsperspektive für Unternehmen im Datenzeitalter
Was Jefferies mit Databricks realisiert, ist exemplarisch für das, was heute im Industrial AI und Data-Engineering möglich ist – auch außerhalb des Finanzsektors. Die Kombination aus skalierbarer, sicherer Datenplattform, Self-Service Analytics und generativer KI eröffnet Unternehmen neue Wege, datengetriebene Entscheidungen zu beschleunigen und die Expertise der Mitarbeitenden mit maschinellen Erkenntnissen zu potenzieren.
Die wichtigsten Voraussetzungen dafür:
- Einheitliche, strukturierte Datenhaltung mit Governance (z.B. Databricks Unity Catalog)
- Flexible Integration verschiedener Datenquellen (interne & externe APIs, Rohdaten, strukturierte Spaces)
- Konversationsschnittstellen mit starker AI/ML-Orchestrierung und Erklärbarkeit
- Nahtlose Skalierbarkeit und Erweiterbarkeit – vom Piloten zum unternehmensweiten Rollout
Fazit
Mit seiner Conversational Analytics Plattform schafft Jefferies genau das, was sich viele Unternehmen wünschen: schnell, sicher und nachvollziehbar auf einen wachsenden Datenschatz zuzugreifen – ohne technische Hürden und mit voller Kontrolle über Governance und Compliance. Für Anwender wie Data Science Teams, Branchenanalysten oder Projektleiter im Industrial-Bereich zeigt dieses Beispiel, wohin die Reise mit modernen Data- und KI-Plattformen geht: von reiner Datennutzung zur aktiven, interaktiven Erkenntnisgenerierung auf Knopfdruck.
Wir bei der Ailio GmbH unterstützen Unternehmen aus Industrie und Finanzsektor entlang dieses Weges – von der Datenstrategie über die Infrastruktur mit Databricks bis zur Entwicklung moderner AI-Anwendungen.
Sind Sie bereit, das volle Potenzial Ihrer Daten zu entfalten?
