Grid-Computing: Verteilte Rechenleistung, um das Risikomanagement zu verbessern

Um sich gegen Cyberkriminalität zu wehren und komplexe Regularien einzuhalten ist enorme Rechenleistung notwendig. Es gilt, die Komplexität zu reduzieren und das Fundament für eine Echtzeit-IT, ein Enterprise Risk Management, zu legen, das einen strategischen Wettbewerbsvorteil bieten und die Produktivität steigern kann. Doch wie können Banken und Versicherer das umsetzen? Tibco sieht die Lösung im Grid-Computing.

von Igor Babitsch, Account Executive for Eastern Europe, TIBCO Software

Es ist ein bekanntes Problem: Punkt-zu-Punkt-Architekturen und deren Komplexität führen dazu, dass 75 Prozent des IT-Budgets in die Wartung bestehender Systeme investiert werden müssen und nur 25 Prozent in Innovationen und strategische Initiativen fließen können – im Banken- und Finanzsektor ist dieses Missverhältnis mit ca. 90 zu zehn sogar noch auffälliger. Und das, obwohl Bedrohungen durch Cyberkriminalität und Regularien ebenfalls immer mehr und komplexer werden.

Traditionelle Datenverarbeitung: After-the-fact – wenn alles schon vorbei ist

Eine Schwierigkeit bei der traditionellen Verarbeitung von Daten ist die zu hohe Latenzzeit bei der Entscheidungsfindung. Reaktionen können erst nach einem bestimmten Ereignis („after-the-fact“) erfolgen. Umgekehrt lassen sich Entscheidungen nur basierend auf alten Daten treffen, wodurch wiederum Cross-Sell- oder Up-Sell-Möglichkeiten verloren gehen.

Werden Daten und Ereignisse hingegen sofort und in Echtzeit verarbeitet und analysiert, können Geschäftsentscheidungen zeitnah (oder sogar vor der Konkurrenz) getroffen und die Latenzzeit auf ein Minimum reduziert werden. Dazu wird viel Rechenleistung benötigt – und die wirtschaftlich darstellbar sein – Grid-Computing.

Was ist Grid-Computing?

GridServer sind wie ein virtueller Supercomputer und ermöglichen High-Performance-Computing in Echtzeit basierend auf bereits existierender Hardware. Mittels Grid-Computing können Anwendungs-Services dank einer hoch skalierbaren Software-Infrastruktur virtualisiert werden und sind dadurch unabhängig von bestimmten Hardware-Ressourcen verfügbar. Client-Anwendungen übermitteln Anfragen an die Grid-Umgebung und diese stellt als Reaktion darauf dynamisch bestimmte Services bereit. Indem der GridServer auf verschiedenen seiner Grid-Knoten mehrere Service-Instanzen individuell bereitstellt, kann die Grid-Computing-Infrastruktur Anfragen unterschiedlicher Client-Anwendungen auch parallel bearbeiten. Durch diese Ressourcenallokation ist die Architektur in hohem Maße skalierbar – sowohl im Hinblick auf Geschwindigkeit als auch bezüglich des Datendurchsatzes.

Eine Grid-Computing-Infrastruktur besteht üblicherweise aus vier verschiedenen Komponenten:

1.Grid Clients: Komponenten, die Serviceanfragen an das Netz („Grid“) senden. Sie werden auch Treiber genannt.
2.Engines: Prozesse, die Dienste auf den Grid-Knoten hosten und betreiben.
3.Broker: Komponenten, die für Request-Queuing, Request-Planung und Lastenausgleich zuständig sind und die Engines verwalten.
4.Directors: Komponenten, die den Brokern Grid-Clients und Engines basierend auf bestimmten Policies zuweisen. Sie verwalten Engines und steuern deren Lastenausgleich gemäß verfügbarer Broker.

Wie kann das Finanz- und Bankenwesen davon profitieren?

Grid-Computing-Plattformen (Platform-as-a-Service) werden immer größer. Die Zahl der Rechenkerne kann zwischen 50.000 und 200.000 oder darüber liegen. Diese hohe Skalierbarkeit sorgt für größere Performance, gleichzeitig sinken die operativen Kosten. Durch die Lastenverteilung und Ressourcenallokation können Nutzer immer auf ausreichend Rechenkapazitäten zugreifen – ganz im Gegensatz zu traditionellen Infrastrukturen, wo es schnell zu Engpässen kommen kann.

Mögliche Einsatzbereiche für GridServer umfassen datenintensive Anwendungen wie Risikokalkulationen (Kredit-, Markt-, Liquiditäts-, Betriebsrisiko), Hypothekenanalysen, die Bewertung und Risikoevaluierung komplexer Derivate, Handelssimulationen, interaktives Risiko-Reporting und Risiko-Management sowie Portfolio-Analysen. Ferner lassen sich durch die Parallelverarbeitung mit Multi-Cores eine ganze Reihe finanzieller Modell-Algorithmen wie die Monte Carlo-Simulation berechnen.

40 Minuten statt 15 Stunden

Entscheidend für den Erfolg solcher Anwendungen ist wie so oft der Faktor Zeit. Und hier hat sich gezeigt, dass eine Grid-Computing-Lösung für enorme Zeiteinsparungen sorgt. So benötigt eine renommierte kanadische Bank für ihre Preis- und Risikoanalysen heute nur noch zehn Minuten statt zuvor 15 Stunden, oder eine US-amerikanische Hypothekenbank nur noch eine statt zuvor 34 Stunden für ihr Reporting zu Schuldurkunden, oder ein Finanzdienstleistungsunternehmen mit Firmensitz in San Francisco nur noch 40 Minuten statt zehn Tage für seine Hypothekenanalysen.

Und auch im Hinblick auf Skalierbarkeit und Datendurchsatz kann Grid-Computing punkten. Für ihre Risikomodellierung konnte etwa eine Schweizer Bank die Kapazität um das Zehnfache steigern. Genauso eine Bank in den USA, die mit Grid-Computing strukturierte Schuldverschreibungen oder andere Asset-Backed-Securities technisch realisieren konnte und nun ein viermal größeres Transaktionsvolumen aufweisen und 25-mal so viele Simulationen durchführen kann.

Fazit

Die Nutzung eines Enterprise Risk Management-Systems ist in den vergangen Jahren stark gestiegen – von 36 % im Jahr 2008 auf 69 % im Jahr 2014. Das liegt einerseits an steigenden Datenvolumina, andererseits an gestiegenen Erwartungen der Kunden. Hürden sind für Unternehmen dabei vor allem die mangelnde Anpassungsfähigkeit und Skalierbarkeit der Systeme, was gerade vor dem Hintergrund sich ständig ändernder Regularien ein großes Problem ist. Hinzu kommen fehlende Integrationsmöglichkeiten und die Unfähigkeit, auf Daten umgehend zugreifen und auf ad-hoc Anfragen sofort reagieren zu können.

Die oben genannten Anwendungsfälle zeigen, dass Grid-Computing maßgeblich dabei helfen kann, Kapazitäten für daten- und rechenintensive Anwendungen zu schaffen und ressourcenschonend umzusetzen.aj