Commerzbank
Die Herausforderung: Manuelle Suche im Daten-Dschungel
Täglich erhalten Banken hunderte Anfragen von Gerichten zur Kontopfändung. Sofern die gesuchte Person ein Konto bei der Bank führt, ist die Bank verpflichtet, das Konto zu sperren.
Mitarbeiter:innen der Pfändungsabteilung durchsuchten große Datenbanken nach Konten. Die bestehende Lösung der Commerzbank erforderte exakte Eingaben. Schon kleine Abweichungen - etwa in der Schreibweise von Namen oder veralteten Adressen - führten zu keinen oder falschen Treffern. Oft waren die Daten unvollständig oder inkonsistent. Die Suche nach dem richtigen Konto gestaltete sich so als zeitraubend.
Die Lösung: Fuzzy Search mit Apache Spark
Die Active Group entwickelte eine spezialisierte Suchlösung. Diese erkennt Ähnlichkeiten in Namen und Adressen, sortiert sie nach Übereinstimmungsgrad und nimmt den Bankmitarbeiter:innen mühsame manuelle Recherchen ab.
| Komponente | Technologie/Ansatz | Nutzen |
|---|---|---|
| Datenverarbeitung | Apache Spark (verteilte Datenverarbeitung) | Skalierbar auf Millionen Datensätze |
| Programmierung | Scala (Funktionale Programmierung) | Optimal für Spark, robust, wartbar und performant |
| Suchalgorithmus | Fuzzy Search (z.B. Levenshtein-Distanz) | Anzeige ähnlicher Treffer (z. B. »Hauptstraße« vs. »Hauptstrasse«) |
| Ranking-System | Gewichtung nach Relevanz | Name > Straße > Hausnummer |
| Schnittstelle | Webservice (JSON) + internes Frontend | Flexible Suche (nur Name, nur Adresse oder Kombinationen) |
Technische Basis: Big Data & Fuzzy-Search
Wie die Software funktioniert
- Nächtlicher Snapshot: Die Kundendatenbank wird automatisch aktualisiert und für die Suche aufbereitet.
- Flexible Eingabe: Nutzer können nach einzelnen Begriffen (z. B. "Berlin") oder Kombinationen (Name + Straße) suchen.
- Fuzzy Matching: Der Algorithmus vergleicht Ähnlichkeiten und liefert eine sortierte Liste mit den wahrscheinlichsten Treffern.
- Ranking nach Relevanz: Die Ergebnisse werden nach Passgenauigkeit gewichtet – z. B. werden Abweichungen im Namen stärker bestraft als in der Hausnummer.
Beispiel:
Eingabe: "Müller, Berlin, Hauptstraße 10" Treffer:
- Max Müller, Hauptstraße 1, Berlin (98% Übereinstimmung)
- Hans Mueller, Goethestraße 5, Berlin (90% Übereinstimmung)
- Müller GmbH, Industriestraße 10, Hamburg (30% Übereinstimmung)
Der Nutzen
Die neue Lösung beschleunigte die Bearbeitung der Fälle deutlich: Die Mitarbeiter:innen der Pfändungsabteilung konnten nun flexibel suchen - selbst mit unvollständigen und fehlerhaften Eingaben. Dank der funktionalen Software-Architektur ließ sich die Lösung später auf weitere Abteilungen ausweiten.
Die Software gewann einen internen Innovationspreis der Commerzbank.