• Kombination aus zentralem Data-Governance- Framework und dezentraler Verantwortung für Datenqualität

• Umsetzung fachlicher und technischer Data Lineage im Rahmen von RDARR-/BCBS-239-Anforderungen

• Balance zwischen Self-Service-Datenzugriff und regulatorischer Nachvollziehbarkeit

• Umsetzung der BCBS-239-/RDARR-Anforderungen in komplexen Bankarchitekturen – von der Definition kritischer Daten¬elemente bis zur fachlich und technisch vollständigen Nachvollziehbarkeit

• Aufbau und Pflege einer durchgängigen Data Lineage – fachlich, logisch und physisch – inklusive Schnittstellen zu regulatorischen Reporting-Systemen

• Erwartungen der Aufsicht an Dokumentation, Governance und Prüfungsfähigkeit – Lessons Learned aus laufenden und abgeschlossenen Projekten Reserviert für einen unserer Geschäftspartner

• Vergleich zentraler, hybrider und dezentraler Governance-Modelle zur Erfüllung von RDARRAnforderungen. • Technische Umsetzung von fachlicher und technischer Data Lineage sowie Definition von Critical Data Elements (CDEs). • Prüfungserfahrungen der Aufsicht inklusive typischer Findings und Erwartungen bei RDARR-Audits. • Organisatorische Best Practices für klare Verantwortlichkeiten und effektive Schnittstellen zwischen Fachbereich, IT und Compliance. • Balance zwischen regulatorischer Nachvollziehbarkeit und operativer Flexibilität bei Self-Service- Datenzugriff.

Prof . Dr. Andreas Igl

BDO-Stiftungsprofessor für digitale Datenanalyse und Prüfungsunterstützung
Technische Hochschule deggendorf

See Bio

Emira Al Baghdadi

Head of Group and AT Data and Reporting Governance
Erste Group Bank AG

See Bio

Jan Behling

Head of Data Governance Credit Risk Management
Deutsche Bank AG

See Bio

• Verbindung von RDARR-/BCBS-239-Anforderungen mit IReF-, COREP- und FINREP-Reportingprozessen

• Aufbau einer durchgängigen Datenarchitektur vom Quellsystem bis zum regulatorischen Output

• Nutzung von Data Governance, Lineage und Qualitätsmetriken zur Optimierung von Reporting- Genauigkeit und -Effizienz

• SAP als zentrale Governance- und Reporting-

Plattform kombiniert mit Databricks für agile Analysen

und Self-Service – eine Architektur, die flexible

Datenbereitstellung und BCBS-239-Konformit.t

gleichzeitig erm.glicht

• Integration beider Systeme: klare Verantwortlichkeiten,

konsistente Datenmodelle, geregelte Zugriffe, stabile

Datenqualit.t und Compliance-by-Design entlang der

gesamten Pipeline

• Praxisbeispiele zeigen, wie Automatisierung und eine

gemeinsame Datenbasis regulatorische Anforderungen

erfüllen und zugleich neue analytische und

datengetriebene Use Cases ermöglichen

Andreas Christiansen

Chief Data Officer
Hamburg Commercial Bank

See Bio

• Einsatz von Data Virtualization und föderierten Architekturen, um Daten aus verteilten Quellen in Echtzeit zugänglich zu machen

• Unterstützung von Regulatorik (z. B. BCBS 239, RDARR, ESG-Reporting) durch klare Data Lineage, Zugriffskontrollen und Auditierbarkeit

• Beschleunigung von Business- und KI-Initiativen durch flexible Datenbereitstellung für Fachbereiche ohne Verzicht auf Governance und Sicherheit Reserviert für einen unserer Geschäftspartner

• Data Mesh vs. Data Fabric: Welche Architekturansätze setzen sich durch und wie kombinieren Banken zentrale Steuerung mit dezentralem Data Ownership?

• Self-Service, Datenprodukte und Kataloge: Wie gelingt der Spagat zwischen Nutzerfreundlichkeit, Governance und regulatorischer Nachvollziehbarkeit?

• KI-Readiness: Welche Architekturkomponenten sind entscheidend für den produktiven Einsatz von GenAI und Agentic AI?

• Integration von Cloud-First-Strategien mit Legacy- Systemen: Wie bauen Banken zukunftsfähige hybride Landschaften?

• Lessons Learned: Erfolgreiche Implementierungsbeispiele und nächste Evolutionsschritte für hybride Architekturen im Finanzsektor

• Integration von ESG-Kennzahlen in zentrale Datenhaushalte und bestehende Bankarchitekturen

• Sicherstellung von Verlässlichkeit, Genauigkeit und Nachvollziehbarkeit der Daten – unter Anwendung bewährter Datenqualitätsprinzipien aus dem regulatorischen Umfeld

• Governance-Modelle zur klaren Rollenverteilung und kontinuierlichen Qualitätssicherung von ESGIndikatoren Reserviert für einen unserer Geschäftspartner

• Einsatz von Agentic AI zur Unterstützung der Zusammenführung mehrerer Marken in einer Organisation

• Ein KI-Agent verfolgt Data Lineage über Altsysteme hinweg, um schnelle Einblicke zu ermöglichen und Migrationen zu erleichtern

• Ein Policy-Agent analysiert und vergleicht Richtlinien, um ein gemeinsames Glossar zu erstellen und Duplikate bzw. Überschneidungen in Definitionen zu identifizieren

• Vorstellung der Architektur und Designmuster hinter diesen KI-Agenten

• Einsatz von KI-Agenten zur End-to-End- Automatisierung in Prozessen wie Kreditbearbeitung, Schadenregulierung, Compliance-Prüfungen und Reporting

• Integration von Agentensystemen in bestehende Kernund Fachanwendungen, um manuelle Schnittstellen zu eliminieren und Durchlaufzeiten zu verkürzen

• Sicherstellung von regulatorischer Konformität, Transparenz und Auditierbarkeit bei automatisierten Reserviert für einen unserer Geschäftspartner

• Wie sich KI-gestützte Ansätze auf Marketingprozesse und Dialogsteuerung auswirken können

• Welche Implikationen hat dies auf die Organisation und Wertschöpfung

• Erfahrungen und Insights aus der Praxis der CRONBANK

Patrick Steiner

Bereichsleiter Digital Bancassurance
Cronbank AG

See Bio

• Wie sich Kundenservice-Modelle von Inhouse- Strukturen hin zu skalierbaren Offshore-Setups entwickeln.

• Einsatz von KI in Verbindung mit Genesys für Routing, Qualitätsmanagement und Prozessoptimierung.

• Ausblick: Avatare und Chatbots als nächste Stufe der dig italen Kundenkommunikation.

Sven Nesselrath

Executive Director I Head of Central Digital Sales Services & Stab
Oldenburgische Landesbank AG

See Bio

• Vorgehen bei der umfassenden Metadatenerhebung über die gesamte Systemlandschaft und Lessons Learned aus zwei Jahren Umsetzung

• Aufbau eines Datenqualitäts-Frameworks: Definition von Anforderungen, Messung von Kontrollabdeckung und Integration in die Data Lineage

• Nutzung der Metadatenarbeit für Architekturverbesserungen und nachhaltige Governance im Risikodatenmanagement

Constantin Schröder

Data Governance Lead
Helaba-Landesbank Hessen-Thüringen

See Bio

• Aufbau eines strukturierten, wiederholbaren Prozesses zur Erfassung, Bearbeitung und Nachverfolgung von Datenqualitätsproblemen als Bestandteil des Data Governance Frameworks.

• Klare Rollen- und Verantwortlichkeitsmodelle für Data Stewards, Data Owners und Governance-Teams zur nachhaltigen Steuerung von Datenqualität.

• Etablierung eines transparenz- und effizienzorientierten Workflows, der Datenqualität messbar verbessert – auch in Organisationen, in denen Governance-Strukturen noch im Aufbau sind.

Alexander Kraft

Local Data Officer / Director
SMBC Bank EU AG

See Bio

• Datenqualität als Teil operativer Prozesse: Kontrolle, Validierung und Verantwortlichkeit entstehen bereits an der Quelle

• Prozessorientierter Governance-Ansatz: klare Zuordnung von Datenquellen, Zuständigkeiten und bereichsübergreifender Zusammenarbeit

• Flexibles Framework zur effizienten Integration neuer regulatorischer Anforderungen mit Fokus auf praktische Umsetzbarkeit und Nachhaltigkeit

Nadine Walch

Vice President - Data Governance Expert
UniCredit Bank GmbH

See Bio

• Design und Implementierung von Schnittstellen mit Linked Data

• Integrierte Modell Prüfung und Data Qualitätsvalidierung

• Semantische Verknüpfung zwischen divisionalen Modellen und Konzernmodell

Daniela Paulsen

Vice President Wealth Management, Head of Data Services Regions
UBS

See Bio

• Umstellung von einer rein Lineage-basierten Glossarpflege auf ein Top-down-Modell mit erwarteten Datenflüssen als Strukturgeber

• Sicherstellung von Konsistenz, Rückverfolgbarkeit und betriebswirtschaftlicher Nachvollziehbarkeit über den gesamten Datenfluss

• Integration des Glossars in Governance- und Qualitätsprozesse, um die Erfüllung regulatorischer Anforderungen (z. B. BCBS 239) nachhaltig zu unterstützen

• dentifikation von Datenbereichen und Aufbau eines zentralen Governance- Rahmens mit klaren Prozessen und Richtlinien.

• Implementierung eines Datenkatalogs, Festlegung von Qualitätsstandards, und Nutzung geeigneter Plattformen zur Effizienzsteigerung.

• Unterstützung von Data Owners, Priorisierung von Sicherheit und Datenschutz, sowie Förderung von Zusammenarbeit und Kommunikation

Armin Kech

Group Data Governance Director
Swiss Re

See Bio

• Architecture of multi-agent credit-risk systems: orchestration, data-flow design, and human-in-theloop control

• Practical lessons from building a real-time credit-risk engine for SME financing

• The future of Agentic AI in risk modelling – transparency, governance, and regulatory alignment

Sidharth Sharma

Head of Credit
Rakuten Europe

See Bio

• Technische und organisatorische Voraussetzungen, um Multi-Agenten-Architekturen stabil in größerem Umfang zu betreiben

• Umgang mit Abhängigkeiten, Koordination und Schnittstellen zwischen Agenten in komplexen Geschäftsprozessen

• Skalierungsstrategien aus der Praxis: Monitoring, Steuerungslogik und Grenzen heutiger Agentenframeworks

Andreas Sunman

Head AI Execution & Enablement
UBS

See Bio

• KI-gestützter Use Case zur automatisierten Erfassung ESG-relevanter Informationen aus Sustainability Reports

• Ziel: Reduktion manueller Datennachfragen bei Kunden, verbesserte Datenverfügbarkeit für ESG Scoring und Berichterstattung

• Live-Anwendung im produktiven Einsatz – Einblicke in Architektur, Umsetzung und regulatorische Einbindung

Rupini Sobottka

ESG Expertin
Independent

See Bio

Die Anforderungen aus RDARR und BCBS 239 an technische Data Lineage stellen viele Institute weiterhin vor große Herausforderungen – insbesondere im Hinblick auf Nachvollziehbarkeit, Tooling, Data Ownership und Relevanzfilter. In diesem interaktiven Workshop diskutieren Banken, Aufsicht und gegebenenfalls Berater/ Tool-Anbieter gemeinsam konkrete Umsetzungshürden, Lösungsansätze und Prioritäten.

Teil 1 – Einstieg & Perspektivabgleich

• Vorstellung der regulatorischen Erwartungslage • Bankenseitige Perspektive: Welche Anforderungen sind realistisch umsetzbar, welche nicht?

• Ziel: Verständnis schaffen für die Differenz zwischen regulatorischer Intention und bankfachlicher Realität

Teil 2 – Umsetzungshürden & Lösungsansätze

• Diskussion über konkrete Herausforderungen:

• Technische Lineage vs. dokumentierte Lineage • Auswahl kritischer Daten

• Tracability & Governance entlang der Toolchain • Good Practices und Ansätze: Welche Modelle, Tools oder Zwischenlösungen funktionieren?

Teil 3 – Gemeinsame Reflexion & Ausblick

• Welche Form von Guidance, Austausch oder Standardisierung wäre hilfreich?

• Wie könnte ein kontinuierlicher Dialog zwischen Aufsicht und Banken gestaltet werden?

• Ziel: Herausarbeitung von Vorschlägen für praktikable nächste Schritte (z. B. Followup- Gespräch mit EDM Council, interne Pilotierungen, neue Rollenmodelle)

Dr. Martin Kraus

Head of CDO Office
Commerzbank

See Bio

Marina Zaruk

Senior Expert in Banking Supervision
Deutsche Bundesbank

See Bio

Diese Masterclass vermittelt praxisorientierte Einblicke in den Einsatz von Agentic AI im Finanzsektor – von der Automatisierung komplexer Entscheidungsprozesse bis hin zu neuen Anwendungsmodellen in Banking und Insurance. Teilnehmer:innen lernen, wie Agentic AI-Architekturen aufgebaut werden, welche regulatorischen Aspekte zu beachten sind und wo die größten Potenziale und Grenzen liegen. Schwerpunkte:

• Grundlagen und Funktionsweise von Agentic AI im Unterschied zu klassischer Generative AI

• Praxisbeispiele: Bonitätsprüfung, Transaktionsüberwachung, Schadensfallbearbeitung, ESG-Datenanalyse

• Architekturansätze für Integration, Orchestrierung und Governance von Agentic- Systemen

• Regulatorische Anforderungen (u. a. EU AI Act) und Compliance-Absicherung im agentischen Kontext • Change Management: Kulturwandel, Rollenveränderung und Mitarbeiterbefähigung bei KI-Einführung