Société Générale

Herausforderung

Die Bank benötigte ein System, das mehrere interne Advertising-APIs und Kredit-/Produktpipelines in einer einzigen, kohärenten Plattform vereint.

• Personalisierung in Echtzeit
• Interne Ausspielung ohne externe Ad-Netzwerke
• Hohe Anforderungen an Sicherheit und Compliance
• Stabile Performance während hoher Kampagnenlast
• Einheitliche Datenbasis statt fragmentierter Silos

Die Lösung musste einerseits unternehmensweite Prozesse unterstützen, andererseits genügend Modularität bieten, um zukünftige Kampagnen flexibel steuern zu können.

Unser Ansatz

Wir entwickelten eine modulare Backend-Plattform, die mehrere Kernbereiche unifiziert:

1 — Kundenprofile & Echtzeit-Scoring

Integration interner Datenquellen, Kredit- und Produktlogiken.

Echtzeit-Scoring auf Basis verhaltensbezogener Parameter.

2 — Kampagnen- und Regel-Engine

• Flexible Segmentierung
• Tracking von Engagement
• Dynamische Angebotssteuerung

3 — API-Orchestrierung

Alle relevanten Dienste wurden über interne APIs verbunden.

Die Plattform agiert als intelligentes Gateway zwischen

• CRM
• Produktkatalogen
• Scoring-Engines
• Ausspielungsmodulen

4 — CI/CD & Deployment

Ein automatisierter Jenkins-Pipeline-Workflow ermöglicht:

• kontinuierliche Integration
• Zero-Downtime-Deployments
• automatisierte Tests & Security Checks

5 — Infrastruktur & Skalierung

Kubernetes sorgt für

• automatische Skalierung
• Resilienz bei Lastspitzen
• isolierte Services und saubere Deployments

Zusätzlich wurde eine Verhaltensanalyse-Schicht implementiert, die Engagement misst und Machine-Learning-Modelle mit Daten versorgt – für bessere Kampagnenperformance in der Zukunft.

Ergebnisse

• Vollständig automatisierte, personalisierte Ausspielung von Finanzprodukten
• Reduktion der Kampagnen-Setup-Zeit von mehreren Tagen auf wenige Minuten
• Zusammenführung von Daten aus drei getrennten Systemen
• Zentrales Monitoring & Reporting für Conversion, Performance und Reichweite
• Hohe Stabilität auch bei kampagnenbedingten Lastspitzen

Technologie-Stack

• Backend: Java 11 · Spring
• Database: Oracle
• Infrastructure: Docker · Kubernetes
• CI/CD: Jenkins

Duration: 12 Monate Team: 5 Engineers

Warum das wichtig ist

• Dieses Projekt stärkte unsere Expertise in den Bereichen:
• Echtzeit-Personalisierung
• Interne API-Orchestrierung
• Enterprise-Dataflows
• Hochskalierbare Microservice-Architektur
• Die in diesem Projekt entwickelten Mechanismen nutzen wir heute beim Bau moderner CRM- und Automatisierungslösungen für Unternehmen, die Enterprise-Intelligenz in Startup-Geschwindigkeit benötigen.