Prozess und Instrumente zur Steuerung und Reduktion operationeller Risiken im Bankensektor

Masterarbeit von Martin Maslen

Einleitung:

Die operationellen Risiken gehören zu den ältesten Risiken, welche das Bankgeschäft seit seiner Gründung begleiten, obwohl ihnen keine ausreichende Aufmerksamkeit bisher gewidmet wurde. Die erheblichen Verlustfälle der letzten Jahrzehnten, deren Ursachen auf operationelle Risiken zurückzuführen sind, haben diese Kategorie ins Zentrum des Interesses verschoben. Das geeignete praktische Beispiel dafür ist der Fall Barings Bank. Das ist einer der Gründe, warum sich der Fokus der Banken als auch der Aufsichtsbehörden von anderen Risikoarten bis zu operationellen erweitert hat. Nach der bevorzugten langjährigen Beschäftigung mit Markt- und Kreditrisiken, sind diese auch ein wichtiger Bestandteil für den wirtschaftlichen Erfolg der Bank geworden.

Der Autor zeigt diverse Möglichkeiten, wie die Banken operationelle Risiken identifizieren, quantifizieren und steuern können. Er erklärt die einzelnen Stufen des operationellen Risikomanagementprozesses und möchte darauf aufmerksam machen, dass der Anteil operationeller Risiken am Gesamtrisiko kontinuierlich steigt und deswegen ist derzeit ein unternehmensweit und proaktiv funktionierendes Risikomanagement mit entsprechenden Instrumenten sogar unerlässlich. Das hilft genauere zukunftsorientierte Prognosen ausarbeiten, die Risiken bewusst ohne überflüssige Verluste eingehen und den Unternehmenserfolg langfristig sichern. Der Leser erfährt die Möglichkeiten zur Identifizierung und Steurung (je nach der gewählten Strategie – Akzeptanz, Verringerung, Transfer) der operationellen Risiken und gleichzeitig sollte es ihm klar sein, wie umfassend das verfügbare Instrumentarium ist. Das Ziel ist es, die steigende Wichtigkeit und Dominanz dieser Risikokategorie im Bankensektor zu betonen.

Gang der Untersuchung:

Die Arbeit umfasst neben der Einleitung und der Zusammenfassung vier Kapitel. Im ersten Kapitel wird mit der Definition und Systematisierung der wichtigsten bankbetrieblichen Risiken angefangen. Nachdem die Grundlagen gelegt werden, wird anschließend die Risikokategorie ‘operationelle Risiken’ ausführlicher erläutert. Nach uneinheitlichen Gliederungen und Definitionen werden die operationellen Ursachen ‘Menschen’, ‘Systeme’, ‘Prozesse’ und ‘externe Ereignisse’ sowie die Abgrenzungen zu anderen Risiken beschrieben. Das Kapitel schließt mit der Darstellung mehrerer Fallbeispielen aus der Praxis, in denen das operationelle Risiko erhebliche Verluste verursacht hat.

Im zweiten Kapitel werden die rechtlichen Rahmenbedingungen behandelt. Insbesondere alte und neue Basler Eigenkapitalverordnung mit ihren Schwächen sind Gegenstand dieser Ausführungen, wobei die aufsichtrechtliche Entwicklung der Kategorie ‘operationelle Risiken’ den Schwerpunkt dieses Kapitels darstellt. Den Wert wird auf die erste baslere Säule ‘Mindestkapitalanforderungen’ und die regulatorischen Verfahren zur Berechnung der notwendigen Deckungsmittel gelegt. Zum Schluß werden die deutschen rechtlichen Grundlagen, die die operationellen Risiken angehen, kurz vorgestellt.

Nach der Bekanntmachung mit den aufsichtsrechtlichen Anforderungen im vorherigen Kapitel stellt der dritte Teil die einzelnen Stufen des Risikomanagementprozesses mit zuständigen Instrumenten dar. Insbesondere die Risikoidentifikation, -messung und -steuerung werden detailliert beschrieben. Auf die Überwachungsphase wird nur am Rande eingegangen. Danach werden die praktisch gängigsten Tools zur operationellen Risikosteuerung aus der Sicht der basleren Risikoursachen erwähnt.

Das letzte Kapitel beschäftigt sich mit dem Verlauf und den Instrumenten des Risikomanagementprozesses im Rahmen des Konzerns Deutsche Bank. Es werden konkrete Schritte zur Identifikation von Verlustereignissen in Praxis veranschaulicht und es wird auf übliche Maßnahmen zur Risikoverringerung und -transferierung eingegangen. Zum Inhalt des vierten Kapitels gehört auch der Teil, der sich mit der Eigenkapitalunterlegung von operationellen Risiken befasst und somit ihre steigende und realistische Bedeutung auf der praktischen Ebene bildet. Zu Unterlagen für das Praxisbeispiel zählen die Geschäftsberichte der Deutschen Bank, die veröffentlichten Präsentationen sowie Interviews mit Mitarbeitern der Bank. Eine Zusammenfassung der Erkenntnisse und ein Ausblick über mögliche weitere Entwicklungen bezüglich der operationellen Risiken schließen die Masterarbeit ab.

Inhaltsverzeichnis:

Textprobe:

Kapitel 3.1.1, SELF ASSESMENT (RISIKOINVENTUR):

Das Ziel von Self Assessments ist es, das Bewusstsein für operationelle Risiken zu verstärken und ein Ausgangspunkt für weitere Prozesse im Risikomanagement zu schaffen. Self Assessments werden meist in Form von strukturierten Fragebogen oder von Workshops organisiert. Die größeren Banken führen typischerweise einen eintägigen Workshop mit den Abteilungsverantwortlichen oder durch Computer gestützte offene, bzw. strukturierte Befragungen auf allen Ebenen durch, welche dem Top-down, bzw. Bottom-up Ansatz entsprechen. Obwohl es bestimmte Unterschiede gibt, allgemein sind die Verlusthöhe, die Verlusthäufigkeit, die Qualität der Prozesse und mögliche Maßnahmen abgefragt. Ihre Aufgabe besteht also darin, wesentliche operationellen Risiken zu entdecken und angemessen zu bewerten. Anschließend kommt es zur Identifizierung der Schlüsselrisiken, die in grafischer bzw. tabellarischer Form der Risikolandkarte oder Risikomatrix gebildet werden können. Strukturierte Fragebogen, die z.B. auch per Intranet durchgeführt werden können, haben den Vorteil einer einfachen Erfassung auch bei großen Banken mit vielen Organisationseinheiten. Vor einem Workshop wird häufig eine Befragung (Fragebogen oder Interviews) vorgenommen und aufgrund der Ergebnisse kann man weiter auf wesentliche Risiken und damit zusammenhängende Prozesse konzentrieren.

Der Einsatz von Self Assessments bedingt eine sorgfältige Vorbereitung. Dazu zählt u.a. die Wahl des geeigneten Ansatzes, die Auswahl der Teilnehmer, deren Einschulung oder Zugriff zu den Komponenten des Rahmenwerks zum Management operationeller Risiken. In Praxis werden sie bei größeren Banken meistens einmal pro Jahr und bei kleineren Banken z.B. bei größeren Änderungen oder neuartigen Geschäften durchgeführt. Diese Methode ist häufig genutzt, weil sie schnell implementierbar ist und nutzt die Wissen der Mitarbeiter. Im Vergleich mit den Verlustdaten, die ein paar Jahren gesammelt werden müssen, ist dieser Ansatz auf die Zukunft gerichtet und sofort benutzbar. Der große Nachteil dieses Verfahrens ist hohe Subjektivität der Ergebnisse.

SZENARIOANALYSE:

Eine einheitliche Definition des Begriffs Szenario gibt es nicht. Ein Szenario kann beispielsweise als eine Folge von möglichen Ereignissen oder die Beschreibung der Entwicklungen definiert werden. Typische ‘Was wäre, wenn’ Fragen richten die Risikobeurteilung in die Zukunft. Durch die Zukunftsorientierung ist diese Methode ein wichtiges Ergänzungsinstrument zu den Verlustdatenbanken, die vergangene Ereignisse dokumentieren. Mit dem Einsatz der Szenarioanalyse sollen noch nicht aufgetretene, aber mögliche Ereignisse mit hoher Auswirkung erfasst werden. Für die durchgeführten Szenarien sind dann potentielle Schadenshöhe und Schadenshäufigkeit zu schätzen. Dabei können u. a. bei anderen Banken eingetretene Extremereignisse oder Gespräche mit den Geschäftsbereichen einbezogen werden. Im Gegensatz zur rein vergangenheitsorientierten Schadensfallsdatensammlung verfügt die Szenarioanalyse über zukunftsorientierte Weltstände und Ereignisse, die zu sehr hohen Verlusten führen können. Ihre Funktion beinhaltet quantitative und qualitative Elemente - Vervollständigung der für die Risikokapitalberechnung verwendeten Daten und Grundlage für die Durchführung von Stresstests. Der Vorteil dieser Methode beruht auf der Flexibilität, weil die Ereignisse ohne irgendwelche verfügbaren Daten beschrieben und abgeschätzt werden können. Auf der anderen Seite verfügt sie über großes Maß an Subjektivität sowie Self Assessments.

RISIKOINDIKATOREN UND SCORECARDANSATZ:

Die Risikoindikatoren (engl. Key Risk Indicators, KRI) stellen solche Kennzahlen dar, die eine Aussage über künftige potenzielle Verlustrisiken erlauben. Für Risikoindikatoren werden normalerweise kritische Werte vorgegeben, die in Verbindung mit einem Ampelsystem als ein Frühwarnsystem dienen können. Geeignete Beispiele dafür sind die Mitarbeiterfluktuationsrate, Krankenstandstage, Überstunden, Anzahl und Dauer von Systemausfällen oder Fehlbuchungen. Die Indikatoren sollen keinen übertriebenen Aufwand einfordern und das Risiko möglichst gut darstellen. Es geht also um die frühzeitige Erkennung negativer Änderungen so dass es noch hinreichend Zeit für die geeignete Maßnahmen zur Reduktion der Bedrohung gibt. Zur Bestimmung von Indikatoren werden normalerweise Self Assesments durchgeführt.

Die Verwendung von Risikoindikatoren ist aber auch mit Problemen verbunden. Die Schwierigkeiten ergeben sich bei der Klassifizierung, Messfrequenz oder der Vergleichbarkeit, egal ob es innerhalb einer Bank oder unter Banken gemeint ist. Wenn man z.B. zu wenig misst, kann man einen Risikotreiber übersehen und muss so einen resultierenden Verlust hingenommen werden. Jede Messung ist different wegen der Reaktionszeit, da (je nach Indikator) unterschiedliche Messzeitpunkte sinnvoll sind. Aus der Sicht der Vergleichbarkeit muss man sagen, dass die Indikatoren nicht nur bereichsspezifisch definiert, sondern auch in unterschiedlichen Maßeinheiten gemessen werden. Viele Banken benutzen Hunderte oder Tausende von Indikatoren - dadurch wird es sehr kompliziert, die Informationen so zu aggregieren, dass sie noch sinnvoll bleiben. Mit Hilfe von Scorecards können sie vergleichbar gemacht werden. Mit dieser Absicht werden den Maßwerten bestimmte Punkte - Scores - zugeordnet. Einige Indikatoren im Rahmen eines Geschäftsbereichs sind natürlich wichtiger, deswegen sind zu den Punkten noch die Gewichtungen der Indikatoren festgelegt. Nach der Verteilung des ökonomischen Kapitals auf die einzelnen Risikotreiber (durch einen Verteiligungsschlüssel) werden die Ergebnisse des Scorecardansatzes genutzt, um das benötigte Kapital auf die Geschäftsbereiche weiter zu leiten.

GEWINNVOLATILITÄT:

Dieses Verfahren basiert auf internen Daten. Die Gewinne der letzten Periode werden um schlagende Kredit- und Marktrisiken bereinigt , was meistens ein großes Problem darstellen kann, weil die Daten häufig nicht in geeigneter Detailtiefe vorhanden sind. Daraus wird der längerfristige Trend bestimmt und anschließend auch die Volatilität. Aus negativen Schwankungen ist dann die Verlustverteilung zu ermitteln. Für eine Bestimmung der rein operationellen Risiken ist dieser Ansatz kompliziert, da die Ergebnisse wegen der händischen Bereinigung relativ ungenau sind. Sie können z.B. mit Geschäftsrisiken zusammen ermittelt werden - somit ist der Ansatz aber nur für die Banken geeignet, die beide Risikokategorien gleichzeitig bemessen wollen.

BENCHMARKMETHODE:

Die Benchmarkmethode benutzt die veröffentlichten Informationen anderer Banken. Zuerst werden die börsennotierten und den einzelnen Geschäftsfeldern oder der Bank ähnlichen Unternehmen bestimmt. Aufgrund dieser Informationen kann ein Verhältnis zwischen dem Kapital für operationelle Risiken und den Finanzdaten wie z.B. Ertrag oder Gewinn ermittelt werden. Bei Verwendung dieser Methode ist es problematisch ähnliche Unternehmen zu finden, da es mit dem Unsicherheit verbunden ist, dass wenig fundierte oder unverstandene Werte anderer Instituten übernommen werden.

KAUSALDIAGRAMME UND BAYESIANISCHE NETZWERKE:

Die Kausaldiagramme stellen eine der Bedingungen für die Aufstellung von Bayesian Networks dar. Die Aufgabe ist die möglichen Ursachen eines bestimmten Schadenfalls zu verstehen. Die Darstellungen können variieren und es gibt mehrere Möglichkeiten dies abzubilden. Bei sogenannten ‘Grätendiagrammen’ wird der Fall als waagerechter Pfeil gebildet, wobei die möglichen Ursachen in Form der Pfeilen auf diesen Pfeil zeigen. Eine andere Möglichkeit zur Ermittlung von Kausalitäten sind die ‘Baumdiagramme’, die die Ursachen als ein umgekehrtes Baum aufeinander aufbauen und diese zum einen Schadensfall führen. Im Vergleich mit Grätendiagrammen werden hier auch logische Verhältnisse ‘und-oder’ eingesetzt, so dass die Verkettung von Ursachen möglich ist. Sie sind mit hohem Aufwand verbunden, wobei alle Ursachen gleichberechtigt nebeneinander stehen. Dieses Problem löst die Methode Bayesian Networks. Das Ziel ist es, die bedingten Wahrscheinlichkeiten für einen Verlust in Abhängigkeit von einzelnen Ursachen zu ermitteln. Der Vorteil beruht darauf, dass die Ursache-Wirkungs-Ketten schon mit kleiner Datenbasis aufgestellt werden können. Mit breiterer Basis werden die Wahrscheinlichkeiten aktualisiert und die Ergebnisse verbessert. Um sie korrekt anzuwenden, muss vor allem ein sinnvolles Netzwerk gestaltet werden. Dieses Verfahren, das qualitative Daten in Form subjektiver Überzeugungen in quantitative Modellierungen operationeller Risiken transformiert, kann so bspw. bei der Identifikation der wichtigsten Risikoindikatoren oder als Unterstützungsmethode von Szenarioanalysen eingesetzt werden, bei denen die Ursache-Wirkung-Beziehungen auch große Rolle spielen.