Die Finanzindustrie hat heute ein ganzes Paket an Herausforderungen zu schleppen. Neben Niedrigzinsphasen und strengeren Richtlinien der Aufsichtsbehörden muss sie sich auch noch mit dem Thema Digitalisierung/Industrie 4.0 beschäftigen. Dabei betreten die sogenannten FinTech-Unternehmen die Bühne und machen Finanzinstituten Geschäftsfelder streitig. In der Vergangenheit musste sich der Finanzsektor immer wieder anpassen.

So waren es oftmals Krisen, die zum Beispiel die Regulation in Fahrt brachten (Verschärfung des KWGs mit seinem damaligen Grundsatz 1a als Reaktion auf die Herstatt-Pleite 1974 oder Basel III als Antwort auf die Finanzmarktkrise). Wenn man sich die vergangenen Jahre anschaut, dann kann man seit der Finanzkrise schon von einer Regulationsflut reden, die, einhergehend mit der Digitalisierung, zu massiven Veränderungen in der Finanzwelt geführt hat.

Auch wenn der Präsident der BaFin auf der Gesamtbanksteuerungskonferenz 2016 bei der Frankfurt School of Finance Basel IV noch vehement ins Reich der Fabeln verbannen wollte, so ist der Begriff für Banken wohl schon Realität. Zudem ist ein Trend zur Standardisierung zu erkennen, der aber nicht unbedingt zu einem stabileren Finanzsystem führen muss. Vielversprechend scheint dagegen der Ansatz, mehr Transparenz und Automatismen im Prozess der datenbasierten Wissensgenerierung zu schaffen. Auch der Umgang mit Analytik wird grundsätzlich begrüßt, solange er nicht vom gesunden Menschenverstand entkoppelt ist.

Damit Modelle und Analysen nicht zum Selbstzweck werden, sondern objektivierbare Ergebnisse hervorbringen, bedarf es nicht nur moderner Technologie. Darüber hinaus spielen meiner Ansicht nach drei Aspekte eine Rolle:

• Datenqualität und Governance über die Datenströme,
• eine solide Plattform, die den Einsatz und automatisierten Ablauf von analytischen Verfahren ermöglicht,
• Self-Service-Anwendungen, mit denen alle Mitarbeiter ihre Fragestellung ganz individuell an stetig wachsende Datenbestände anpassen können.

Am Beispiel der Modellwelt soll dies verdeutlicht werden. Mit dem regulatorischen Regelwerk Comprehensive Capital Analysis and Review (CCAR) wurde den eingesetzten Modellen in den USA schon durch die Aufsicht ein Augenmerk geschenkt. Auch die Europäische Zentralbank (ECB) widmet sich mit dem Projekt TRIM (Target Review of Internal Models) dem Modellthema.

Wenn die US-Aufsicht hier ein Model Risk Management (MRM) fordert, so sind auch Bemühungen der ECB nun in diese Richtung zu sehen. Damit sollten Finanzinstitute dem Thema ebenfalls Aufmerksamkeit widmen. Aber nicht nur unter regulatorischen Gesichtspunkten macht eine Auseinandersetzung mit MRM Sinn. Ein ordnungsgemäßer und transparenter Umgang mit Modellen in einer gut dokumentierten Art und Weise sollte vielmehr schon aufgrund des großen Einflusses von Modellen auf Geschäftsentscheidungen selbstverständlich sein.

Da die Modellwelt in den vergangenen Jahren immer komplexer geworden ist, sollte man sich systematisch der durchgängigen Überwachung von Modellen nähern. Neben der Inventarisierung von Modellen gilt es, dokumentierte Überprüfungs- und Änderungsprozesse unter Einbindung der erforderlichen Stakeholder (darunter Entwickler, Business Owner, Modellvalidierer) über den gesamten Lebenszyklus hinweg sicherzustellen. Hier kann Software – ähnlich wie bei einem internen Kontrollsystem – massiv unterstützen und den Aufwand reduzieren.

Wer will nicht auf Knopfdruck die vollständige Historie samt Dokumentation zu einem Modell haben, wenn er sie braucht? Durch den Einsatz einer zentralen Plattform für die Überwachung von Modellrisiken kann nicht nur die Qualität der Ergebnisse erhöht werden. Darüber hinaus wird mehr Transparenz geschaffen – einerseits in Bezug auf die Ergebnisse aus Modellen und andererseits auf die Zusammenhänge zwischen Modellen, was letztlich zu einer besseren Governance führt. Und die saubere Dokumentation und Überwachung von Modellen ist die Basis für eine sinnvolle Automatisierung von analytischen Prozessen.

Fazit: Ein professionelles Model Risk Management bildet die Voraussetzung für Transparenz und Zuverlässigkeit der Modelle. Die beste Basis, um das verlorene Vertrauen in die Finanzwelt zurückzugewinnen.