Das Problem
Moderne, datengetriebene Handels- und Prognosesysteme stehen vor der Herausforderung, große Mengen zeitabhängiger Daten aus unterschiedlichen Quellen zuverlässig zu verarbeiten. Dazu zählen Markt- und Preisdaten, Blockchain-Daten, Mess- und Ereignisdaten sowie abgeleitete Features für Machine-Learning-Modelle. Diese Daten müssen kontinuierlich erfasst, aufbereitet, gespeichert und analysiert werden, um belastbare Vorhersagen und automatisierte Entscheidungen zu ermöglichen. Klassische Trading- oder ETL-Systeme decken meist nur Teilaspekte ab und sind häufig nicht auf End-to-End-Workflows ausgelegt.
Die Lösung
Mit NexPatch / finPatch wurde eine modulare, containerisierte End-to-End-Plattform entwickelt, die den gesamten Lebenszyklus datengetriebener Trading- und Prognosesysteme abbildet. Die Plattform kombiniert visuelles Data Engineering, GPU-beschleunigtes Machine Learning, Signal- und Risikobewertung sowie automatisierten Handel in einer einheitlichen Architektur. Über den visuellen Pipeline Builder (Orpheon) können Datenquellen angebunden, Zeitreihendaten transformiert und ML-ready aufbereitet werden. Dort werden moderne PatchTST-Zeitreihenmodelle trainiert, überwacht und für kontinuierliche Vorhersagen eingesetzt. Die finPatch Webanwendung stellt Nutzern eine sichere, abonnementbasierte Oberfläche zur Verfügung, um Projekte, Signale, Vorhersagen und Trading-Aktivitäten in Echtzeit zu überwachen und zu steuern.
