Der Finanzsektor setzt voll und ganz auf Technologie, um der zunehmenden Volatilität und Unsicherheit im Markt zu begegnen. Einer aktuellen Studie von FT Longitude im Auftrag von SAS zufolge wollen 80 Prozent der deutschen Banken ihre Investition in die Infrastruktur erhöhen – mehr als der weltweite Schnitt.
Die Studienergebnisse, die auf einer Befragung von Risk-Verantwortlichen bei Banken in 25 Ländern basieren, zeigen, dass der Stellenwert von Risikomanagement in Banken gegenüber 2021 signifikant gestiegen ist. Damals hatte eine Vorgängerstudie ergeben, dass lediglich die Hälfte der Befragten in ihre Infrastruktur investieren wollte.
Zudem steht laut dem Benchmark-Report „Transforming Risk Management“ Risikomodellierung im Fokus: Banken müssen ihre Prozesse schnell an regulatorische Veränderungen anpassen. Um sich besser darauf vorzubereiten, wollen zwei Drittel ihre Risikomodellierung innerhalb der nächsten zwei Jahre modernisieren. 63 Prozent meinen, dass ihnen dies zudem einen Wettbewerbsvorteil verschafft; 2021 haben gerade einmal 47 Prozent dieses Potenzial gesehen.
KI-Einsatz verursacht gemischte Gefühle
Bislang setzt nur eine Minderheit der Banken die Technologie ein, in Bereichen wie Risikomanagement (40 Prozent), Risikomodellierung (30 Prozent) und Betrugserkennung (36 Prozent). Ein noch geringerer Anteil der Befragten gibt an, dass ihre Organisation Generative AI dafür nutzt: Risikomanagement (17 Prozent), Risikomodellierung (16 Prozent) und Betrugserkennung (24 Prozent). Der Mangel an Mitarbeiterkompetenz ist für die Hälfte aller Umfrageteilnehmer die größte Hürde, die einer umfassenden Adaption von KI im Wege steht.
Datenmanagement und -Governance sind essenziell
Angesichts der Vielzahl von Quellen sehen Führungskräfte die Konsolidierung von Kundendaten als Voraussetzung für zuverlässiges Risikomanagement (64 Prozent), bessere Customer Experience (55 Prozent) und präzise Betrugserkennung (55 Prozent) an. Erst 14 Prozent jedoch hegen konkrete Pläne, diese Datenkonsolidierung voranzutreiben.
Gerade einmal ein Fünftel der Risikoexperten ist zufrieden mit dem Liquiditätsrisikomanagement (22 Prozent) oder den ALM-Systemen (20 Prozent) ihrer Organisation. 8 von 10 wollen diesbezüglich Maßnahmen ergreifen – sei es mit einer Implementierung moderner ALM-Lösungen (38 Prozent) oder umfassenden Verbesserungen bestehender ALM-Funktionen (41 Prozent).
Datenqualität als Maxime
Zu den größten Herausforderungen gehören disparate oder überholte IT-Systeme in Verbindung mit nicht integrierten oder unpräzisen Datenverzeichnissen, Datenmodellen, Datentaxonomien oder -definitionen. Diese Unzulänglichkeiten führen dazu, dass Banken nicht in der Lage sind, Berichte mit dem erforderlichen Maß an Präzision und Granularität zu erstellen.
Die Einbindung von Prozessen zur Sicherung der Datenqualität sollte daher beim Aufbau einer Risikodateninfrastruktur gleich mitgedacht werden. Folgende Aspekte sind dabei zu berücksichtigen:
Integration: Eine Plattform, die Informationen aus unterschiedlichen operativen Systemen bündelt, ist eine maßgebende Quelle für Risiko- und Finanzreporting.
Vertrauen: Eine „Single Source of Truth” für sämtliche Daten sorgt für nachvollziehbare Ergebnisse bei Analysen und Reporting, die sich
auf die entsprechenden Quellsysteme wie Buchhaltung und Transaktionsmonitoring zurückführen lassen. Durch ein einfaches Drillen in die Daten können Banken aufsichtsrechtliche Überprüfungen absolvieren.
Vollständigkeit: Die Plattform sollte sämtliche Daten für unterschiedlichste Risiko-, Aufsichts- und Geschäftsanforderungen umfassen, darunter zu Basel III, zum Kreditmarkt, zu Liquiditätssteuerung oder ESG.
Konsistenz: Data-Governance-Prozesse als Überbau der Risikodateninfrastruktur stellen sicher, dass es Owners und Stewards für jede Art von Risiko- und Finanzdaten gibt. Das versetzt Banken in die Lage, jede Hinzufügung, Veränderung oder Versionierung von Daten nachzuvollziehen.
Zuverlässigkeit: Ein umfassendes Dictionary beschreibt Banking-Datenelemente für alle relevanten Bilanz- und Off-Bilanz-Positionen. Banken verfügen somit über die Voraussetzung, um ein vollständiges Mapping ihrer physischen Datenstrukturen mit Geschäftsbedingungen durchzuführen.
Integrierte Plattform für Geschäftserfolg
Mit zunehmenden und immer volatileren Risiken wird eine integrierte KI-basierte Plattform wichtiger denn je. Nur damit sind Banken in der Lage, Risiken übergreifend einzuschätzen und ganzheitliche Stresstests durchzuführen. Hohe Datenqualität ist dabei keine Option, sondern essenziell, um effektive Risikostrategien und Compliance sicherzustellen. Nicht zuletzt ergibt sich daraus auch die Chance für bessere Kundenzufriedenheit – und letztlich Umsatzwachstum.
Über den Autor: Carsten Krah ist Risk Advisory DACH bei SAS, einem Daten- und KI-Experten, der regelmäßig positiv von Chartis Research bewertet wird, unter anderem als Top-3-Anbieter im aktuellen Report „Chartis RiskTech AI 50“.