Stresstests sind ein wesentlicher Bestandteil der Risikomanagementfunktion in der Finanzwirtschaft. Das hat die Bundesanstalt für  Finanzdienstleistungsaufsicht (BaFin) in ihrem Rundschreiben vom Oktober 2021 noch einmal verdeutlicht: „Es sind regelmäßig sowie anlassbezogen angemessene Stresstests für die wesentlichen Risiken durchzuführen, die Art, Umfang, Komplexität und den Risikogehalt der Geschäftsaktivitäten widerspiegeln.“ Hinter dieser knappen Formulierung verbirgt sich jedoch ein enormer personeller und damit finanzieller Aufwand für die Institute und ihre Mitarbeitenden.

Stresstesting heute: Excel-Sheet-Kaskaden sind nicht mehr zeitgemäß

An der Aufgabe selbst lässt sich nichts ändern, wohl aber am Aufwand. Hohe Aufwände entstehen da, wo solche Stresstests immer noch mit individueller Datenverarbeitung und Tools wie Microsoft Excel bewerkstelligt werden. Die meist historisch gewachsene IT- und Datenarchitektur mag jahrelang mehr oder weniger gut funktioniert haben, ist aber angesichts der heute verfügbaren technischen Möglichkeiten, der großen Massen an Daten sowie dünner Personaldecken nicht mehr zeitgemäß. Aneinandergereihte, häufig vom Fachbereich selbstgebaute Anwendungen sind nicht nur ineffizient, fehleranfällig und wartungsintensiv, sondern ignorieren die Vorteile einer modernen Lösung.

Architektur für zeitgemäße Stresstests: Cloud-native

Wünschenswert ist eine Architektur, die sowohl standardisiert als auch flexibel auf die benötigten Daten zugreifen kann und mit der sich ohne großen Aufwand – auch ad hoc – viele Szenarien beliebigen Umfangs simulieren lassen. Durch eine cloud-native Architektur werden vielfältige Vorteile realisiert. Sie kann sowohl für intern als auch extern geforderte Stresstests aufgebaut werden, um den Einfluss von diversen Risikoszenarien auf Cashflows verschiedener Assetklassen und schließlich auf die Liquiditätsablaufbilanz zu bewerten. Technologisch kann das Backend vollständig auf einer Public-Cloud implementiert und das Frontend mit einer Low-Code-Lösung umgesetzt werden.

Backend in der Cloud: höhere Flexibilität, Skalierbarkeit und Pay-per-use

Der Einsatz einer Public-Cloud sowie von cloud-nativen Technologien bietet viele Vorteile. Die modulare Bauweise auf Basis von Microservices lässt es zu, dass einzelne Programmmodule unabhängig von den anderen überarbeitet oder ausgetauscht werden können. Die Wartung und Anpassung an neue regulatorische Anforderungen sind daher wesentlich einfacher und flexibler zu bewerkstelligen als bei historisch gewachsenen, einander beeinflussenden monolithischen Architekturen. Ein weiterer Vorteil ist die Nutzung von Serverless-Computing, die Pay-per-use ermöglicht: Bezahlt werden nur die tatsächlichen Ressourcen, die bei Ausführung des Stresstests benötigt werden. Ungenutzte oder überbuchte Ressourcen müssen daher nicht im Leerlauf vorgehalten und bezahlt werden, wenn kein Stresstest gerechnet werden soll.

Steuerung über Low-Code-Anwendungen möglich

Zur Steuerung kann frontend-seitig eine cloudbasierte Low-Code-Anwendung verwendet werden. Mit solchen Anwendungen können auch Nicht-Programmierer:innen wie etwa Mitarbeitende im Risiko-Fachbereich dank Low-Code und in manchen Fällen sogar No-Code relativ schnell Applikationen bauen und Anpassungen vornehmen (zentral durch die IT gemanaged).  Außerdem können über ein im Frontend integriertes Reporting-Modul neben Standardreports auch flexibel Reports sowie Analysen für Ad-hoc-Simulationen je nach benötigter Granularität nach Belieben erstellt werden. Der Ort zur Durchführung von Stresstests wird frei wählbar – ob auf dem PC am Arbeitsplatz, auf dem Tablet vom Sofa aus oder unterwegs vom Mobiltelefon aus.

Minuten statt Stunden: Erhebliche Beschleunigung von Stresstests

Steht die Lösung aus Backend und Frontend, können Stresstests, die aufgrund vieler einzelner Prozessschritte und nötigen menschlichen Eingaben zuweilen mehrere Stunden dauern, in Minuten erledigt werden. Dank der einfachen Wartung und der erheblichen Zeitersparnis beim Stresstest selbst, können weitaus mehr Szenarien als zuvor getestet und sich auf die bestmögliche Kalibrierung der Parameter in Einklang mit den regulatorischen Anforderungen konzentriert werden. Auch eine Skalierung der Berechnungen ist durch den Einsatz linear skalierbarer Cluster Computing Engines und Containertechnologie in der Cloud machbar. Möglich wird das durch eine konsequente Automatisierung des Prozesses – Zwischenschritte und händische Eingaben fallen weg. Zwar ist dafür eine umfangreiche Implementierungsphase bei den Instituten nötig, um Datenflüsse und Prozessschritte zu integrieren. Die Vorteile der Lösung werden diesen einmaligen Aufwand jedoch schnell amortisieren.