ABBYY Document AI
Zurück zu den Kundenreferenzen
CASE STUDY | FINANZDIENSTLEISTUNGEN
FinTrU rationalisiert regulatorische Workflows mit ABBYY Document AI
Partner Overview
Name: FinTrU
Headquarters: Belfast, Ireland
Web: www.fintru.com
Solution: TrU Label® Integration
FinTrU, ein Finanzdienstleistungsunternehmen mit Hauptsitz in Nordirland und Lieferzentren in ganz Europa und Nordamerika, liefert einigen der weltweit führenden Investmentbanken technologiegestützte Lösungen für das Lebenszyklusmanagement. Um globale Banken bei ihren regulatorischen Prozessen zu unterstützen, hat das Unternehmen TrU Label entwickelt: eine Plattform zur Automatisierung komplexer Dokumenten-Workflows, die von ABBYY AI unterstützt wird.
„ABBYY hat in Zusammenarbeit mit FinTrU eine bemerkenswerte Veränderung in unserem Produkt-Workflow bewirkt. Die OCR-Funktionen von ABBYY sind beeindruckend und sparen bei gleichbleibender Qualität sowohl Zeit als auch Mühe. Das Fachwissen im Bereich OCR ist bemerkenswert und gewährleistet durchweg Zuverlässigkeit und Genauigkeit. ABBYY ist ein vertrauenswürdiger Berater auf dem Weg zur digitalen Transformation und zeichnet sich als innovativer Marktführer aus.“
Phoebe Courtley, Senior Vice President of Product, FinTrU
Herausforderung
Auf den Kapitalmärkten reicht die Automatisierung von Dokumenten von der Bearbeitung einfacher, strukturierter Formulare bis hin zur Verarbeitung langer, umfangreicher, unstrukturierter Geschäftsberichte. Letzteres ist der Bereich, in dem die Dinge kompliziert werden - und in dem FinTrU tätig ist. Das Unternehmen unterstützt globale Investmentbanken in hochkomplexen Bereichen wie der Einhaltung von KYC-Richtlinien (Know Your Customer) und Kreditrisiken.
Analysten verbrachten Stunden damit, Tausende von widersprüchlichen Finanzdokumenten durchzusehen, die zudem oft Hunderte von Seiten umfassen. FinTrU benötigte eine Automatisierungslösung, die große Mengen und unterschiedliche Arten von Finanzdokumenten verarbeiten und gleichzeitig die strengen Compliance-Standards für die Kunden erfüllen konnte.
„Unsere Produkte passen perfekt zusammen, um diese kniffligen Probleme im Finanzdienstleistungsbereich zu lösen. ABBYY verfügt über ein umfassendes IDP-Fachwissen, und FinTrU ergänzt dieses durch sein tiefes Verständnis und sein hochwertiges Know-how im Bereich der Regulierung. Zusammen ist das eine sehr erfolgreiche Kombination.“
Phoebe Courtley, Senior Vice President of Product, FinTrU
Lösung
FinTrU hat TrU Label entwickelt, eine hochgradig konfigurierbare Document-Intelligence-Lösung, die eine automatische Datenextraktion aus großen, komplexen regulatorischen Dokumenten ermöglicht. Um dies in die Tat umzusetzen, hat FinTrU eine Partnerschaft mit ABBYY geschlossen und dessen erweiterte Texterkennung (OCR) und Intelligent Document Processing (IDP) direkt in TrU Label integriert. Dies ermöglichte es FinTrU, sich auf seine eigenen maschinellen Lernmodelle und Produktunterscheidungsmerkmale zu konzentrieren, anstatt den gesamten Dokumentenerkennungs-Stack von Grund auf neu aufzubauen.
TrU Label enthält vorgefertigte Optionen für gängige regulatorische Anwendungsfälle wie KYC, Kreditrisiko und ISDA-Verträge. Mit der IDP-Plattform von ABBYY als Grundlage für die Dokumentenerfassung und Datenextraktion war TrU Label in der Lage:
- Mehr als 54 Arten von Kapitalmarktdokumenten zu klassifizieren.
- Mehr als 60 Schlüsseldatenfelder aus komplexen Finanzdokumenten präzise zu extrahieren – unterstützt durch das branchenspezifische Datenmodell von FinTrU.
- Eine Human-in-the-Loop-Validierung durch einen Maker-Checker-Workflow zu ermöglichen, bei dem KI die Informationen vorausfüllt, ein erster Prüfer sie verifiziert und ein zweiter Prüfer sie auf ihre Konformität hin bestätigt.
- Prüffähige, kommentierte PDF-Dateien und saubere, strukturierte Daten zu erstellen, die direkt in Banksysteme integriert werden können, komplett mit Datenverknüpfung für die Prüfbarkeit.
FinTrU hat die Plattform zusammen mit einer multinationalen Bank Ende 2023 eingeführt. Seitdem hat die Automation Engine bemerkenswerte Ergebnisse geliefert.
Ergebnis
- 99% Bestehensquote der Konformitätsprüfung beim ersten Versuch
- 96% Genauigkeit der Dokumentenklassifizierung
- 40% Verbesserung der Effizienz der Dokumentenverarbeitung
- 40% Reduzierung manueller Dateneingabefehler
- 15% Kosteneinsparungen
