Domain-Driven Design in der Praxis: KPI-Extraktion im Bankensektor
Wie wir durch tiefes Domänenverständnis 80% Automatisierung erreicht haben.
Unser KPI Extraction Tool ist ein perfektes Beispiel dafür, wie Domain-Driven Design in der Praxis funktioniert. Anstatt mit einer vorgefertigten Lösung zu starten, haben wir uns intensiv mit den Geschäftsprozessen unseres Kunden aus dem Bankendienstleistungssektor auseinandergesetzt. Das Ergebnis: Eine KI-Lösung, die nicht nur funktioniert, sondern die Sprache der Domäne spricht und 80% der manuellen Arbeit automatisiert – mit einem Break-even von nur 1,5 Monaten.
Wer die technische Umsetzung, Architektur und konkrete Produktdetails zu unserem KPI Extraction Tool sehen möchte:
Dieses Produkt ist nämlich eine ideale Fallstudie für Domain-Driven Design in der Praxis.
Es gibt zwei Wege, KI-Systeme zu bauen: Man nimmt eine generische Lösung und versucht, sie anzupassen. Oder man beginnt mit der Domäne – und baut die Technologie darum herum.
Wir wählen konsequent den zweiten Weg.
Der Irrtum des „Generic Hammer“
Viele KI-Projekte starten mit dem Toolset: „Wir nehmen ein LLM, bauen ein bisschen RAG dazu – fertig.“ Das Problem: Diese Systeme verstehen weder Geschäftsprozesse noch implizite Regeln. Sie kennen keine kritischen Validierungen. Sie unterscheiden nicht zwischen relevanten und irrelevanten Sonderfällen.
Das Resultat sind Lösungen, die in 80% der Fälle funktionieren – aber genau die 20% nicht abdecken, die im Alltag teuer werden.
Was Domain-Driven Design wirklich bedeutet
Domain-Driven Design (DDD) ist keine Technik. Es ist eine Denkweise. Nicht die Technologie steht im Zentrum, sondern das Geschäftsproblem.
Konkret heißt das:
1. Mit dem Geschäft beginnen – nicht mit dem Modell
Bevor Architekturentscheidungen getroffen werden, wird der Prozess verstanden. Welche Entscheidungen werden getroffen? Wo entstehen Risiken? Was sind die echten Engpässe?
2. Die Sprache der Domäne ernst nehmen
Begriffe wie „EBIT“, „Leverage Ratio“ oder „Working Capital“ sind keine Textfragmente. Sie sind definierte Geschäftskonzepte mit Regeln, Abhängigkeiten und Kontext.
3. Geschäftslogik explizit machen
Expert:innen arbeiten oft mit implizitem Wissen. Erfolgreiche KI-Systeme machen diese Logik explizit – als überprüfbare Regeln.
4. Human-in-the-Loop bewusst designen
Automatisierung ersetzt nicht Expertise. Sie strukturiert sie. Jede Extraktion ist nachvollziehbar, referenziert und überprüfbar.
Praxisbeispiel: 500+ Seiten Reports, 80% Automatisierung
Im Bankenumfeld müssen regelmäßig umfangreiche Jahresberichte analysiert werden – oft mehrere hundert Seiten pro Dokument. Quantitative und qualitative KPIs werden manuell extrahiert, geprüft und in Systeme übertragen.
Die naive Lösung wäre: Dokumente in ein LLM werfen und Ergebnisse akzeptieren.
Die reale Herausforderung ist komplexer:
- Welche KPIs sind wirklich relevant?
- Wie werden widersprüchliche Angaben bewertet?
- Welche Validierungen sind regulatorisch notwendig?
- Wie wird Transparenz und Auditierbarkeit sichergestellt?
Erst durch eine strukturierte Domänenanalyse wurde klar, welche Logik tatsächlich automatisiert werden kann – und welche kontrolliert bleiben muss.
Das Ergebnis: 80% Zeitersparnis, Break-even nach 1,5 Monaten, höhere Konsistenz durch standardisierte Validierung.
Warum generische KI-Lösungen in regulierten Branchen scheitern
- Fehlende Domänenlogik: Modelle erkennen Begriffe, aber nicht deren Bedeutung.
- Keine Geschäftsregeln: Cross-Checks fehlen.
- Unzureichender Kontext: Prognosen und Ist-Werte werden vermischt.
- Kein strukturiertes Fehlerhandling: Sonderfälle bleiben unklar.
Mehr Daten lösen dieses Problem nicht. Bessere Modelle lösen es auch nicht. Nur ein tieferes Verständnis der Domäne löst es.
Die unbequeme Wahrheit
Domänenwissen aufzubauen dauert. Es erfordert Gespräche mit Expert:innen, Prozessanalyse und Iteration. Es bedeutet, nicht sofort zu implementieren.
Aber genau das unterscheidet kurzfristige Demos von produktiven Systemen.
Von Technologie-Denken zu Problem-Denken
Die entscheidende Frage lautet nicht: „Welches Modell verwenden wir?“ Sondern: „Verstehen wir das Problem vollständig?“
Technologie ist ein Werkzeug. Domänenverständnis ist die Architektur.
Domain-Driven Design ist für uns kein Buzzword – sondern die Grundlage, auf der skalierbare, nachvollziehbare und wirtschaftlich sinnvolle KI-Systeme entstehen.
Wer die technische Umsetzung, Architektur und konkrete Produktdetails zu unserem KPI Extraction Tool sehen möchte:
