Keyfacts:
- Finanzunternehmen bewegen sich in einem Spannungsfeld von wachsenden Regulierungsvorgaben und steigendem Kostendruck.
- Um widerstandsfähig zu bleiben, ist eine zeitnahe und ganzheitliche Neuausrichtung der Risikofunktion erforderlich.
- Ansatzpunkte für eine Optimierung führen über Prozessaufnahme und -mapping zu Automatisierungs- und Digitalisierungsmaßnahmen.
Das Risikomanagement bei Banken und Versicherungen bewegt sich in einem Spannungsfeld. Einerseits wächst das Aufgabenspektrum seit Jahren stetig – das macht der Fokus auf Klima- und andere ESG-Risiken deutlich. Andererseits wachsen die Ansprüche, dass Risikofunktionen ein wichtiger Teil der Effizienzagenda der Unternehmen werden, anstatt ein Kostentreiber zu sein.
Die wenigsten Unternehmen verfügen innerhalb ihrer Risikofunktion bereits über ein stringentes Prozessmanagement, um in diesem Spannungsfeld zu navigieren. Gut drei Viertel haben der KPMG-Umfrage zufolge aber bereits damit begonnen, ihre Risikoprozesse zu modernisieren.
Die am Markt verfügbaren Optimierungshandlungen sind vielfältig: Von klassischer Prozessaufnahme und -mapping (mithilfe von Process Mining oder traditionellen Methoden), über erste Schritte der Automatisierung via Robotic Process Automation (RPA), bis hin zu integrierten Business-Process-Management(BPM)-Systemen können Verbesserungen auf unterschiedliche Art und Weise – auch mit kleinen Budgets – erzielt werden.
Prozessoptimierung im Liquiditätsrisiko-Controlling
Das Liquiditätsrisiko-Controlling in Banken zum Beispiel umfasst viele wiederkehrende Prozesse, die zahlreiche Ressourcen binden. Bei größeren Instituten werden regulatorisch ein tägliches Reporting der wichtigsten Liquiditäts-KPIs und eine vollständige Berechnung des Liquiditätsrisiko-Modells gefordert. Dabei sind hauseigene Technologie-Entwicklungen durchaus üblich, um regulatorische, aber auch ökonomische Anpassungen vorzunehmen. Neben den regelmäßig ausgeführten Reporting-Prozessen von Datenanlieferung und -bereinigung bis zur abschließenden Analyse der Kennzahlen und Kommentierung von Auffälligkeiten wird ein Großteil der Ressourcen auch in die fachliche und technische Modell-Weiterentwicklung investiert.
Um Prozessschwächen zu identifizieren, ist es notwendig, die bestehenden Zeit- und Ressourcenaufwände für vorhandene Prozesse zu kennen und hinsichtlich Optimierungs- bzw. Automatisierungsmaßnahmen zu bewerten. Wichtige Hebel zeigen sich einerseits in verstärkter Automatisierung der täglichen Prozesse – von RPA über systemseitige Implementierung bis zu Workflow-Lösungen. Andererseits bilden optimierte Release-Zyklen für die dynamischeren Modell-Entwicklungsprozesse sowie Automatisierung von Tests einen wichtigen Teil der Lösung.
Automatisierung aktuarieller Berechnungsprozesse
Ein anderes Beispiel liefert die Lebensversicherung: Stetig wachsende Aufgaben aus regulatorischen und unternehmensinternen Anforderungen in Kombination mit hohem Zeitdruck und engen Fristen erfordern weitreichende Effizienzsteigerungen in den Prozessen der aktuariellen Berechnung. In diesem Kontext bietet es sich an, die Berechnungsprozesse rund um die Risikomodellierung unter Solvency II durch Automatisierungs- und Digitalisierungsmaßnahmen zu transformieren.
Der Status quo bei vielen Versicherungen am Markt besteht momentan zu einem großen Anteil aus manuellen Tätigkeiten, zum Beispiel Modellparametrisierung, Datenaufbereitungen sowie zeitintensiven Validierungen und Berechnungen (Over-Night-Runs). Diese Aktivitäten führen aufgrund mangelnder Standardisierung, teilweise hoher Liege-/Wartezeiten und geringem Automatisierungsgrad zu einem hohen Personalbedarf.
