Gesamtbanksteuerung im Zeichen der Digitalisierung

Das Schweizer Bankwesen stand über sehr lange Zeit wie kaum ein anderes für Begriffe wie Zuverlässigkeit und Qualität. Doch die Situation hat sich gewandelt: Erst vor kurzem übernahm die Schweizer Großbank UBS im letzten Moment die angeschlagene Credit Suisse, um weitere Turbulenzen am Markt zu vermeiden.
Bei der forcierten Übernahme der Credit Suisse durch die UBS ging es darum, eine allgemeine Bankenkrise zu verhindern. Denn neben der UBS gehörte auch die Credit Suisse zu den 30 systemrelevanten Banken weltweit, die als "too big to fail" eingestuft werden, da ihre Insolvenz eine verheerende Auswirkung auf die Gesamtwirtschaft haben würde.

Die Anschuldigungen gegenüber der Credit Suisse wurden in ihren letzten Wochen immer lauter: So warf die Schweizer Finanzmarktaufsicht Finma der Privatbank unter anderem vor, gegen aufsichtsrechtliche Pflichten verstoßen zu haben. Untersuchungen hatten unter anderem gezeigt, dass die Asset-Management-Gesellschaft der Credit Suisse kaum Wissen bzw. Kontrolle über die konkreten Forderungen hatte. Die Pflicht der angemessenen Erfassung von Risiken sowie deren Begrenzung und Überwachung sei, laut Finma, schwer verletzt worden.

Festgehalten werden muss: Die Credit Suisse ist längst nicht das einzige Finanzinstitut, das mit der Erfüllung aufsichtsrechtlicher Regulatorien Schwierigkeiten hatte. Steigende rechtliche und regulatorische Anforderungen stellen Finanzinstitute im Bezug auf Risiko- und Kontrollprozesse vor immer neue Herausforderungen. Problematisch dabei ist, dass in vielen Banken die dafür nötigen Informationen immer noch isoliert betrachtet werden. Eine übergreifende Verzahnung von Bereichen wie Risikomanagement, Finanzplanung und Controlling fehlt häufig.

Nicht ohne Grund gewinnt ein Thema deshalb immer mehr an Bedeutung: Gesamtbanksteuerung. Der Begriff umfasst den Prozess, mit dem ein Finanzinstitut wichtige Aktivitäten steuern kann, um sicherzustellen, dass strategische Ziele erreicht sowie Risiken angemessen überwacht und optimiert werden können. Dafür müssen Informationen aus unterschiedlichsten Bereichen miteinander verknüpft werden.

Und genau hier stehen viele Finanzinstitute immer noch vor großen Herausforderungen. Die Daten liegen in unterschiedlichsten Abteilungen verstreut. Eine schnelle Zusammenführung relevanter Informationen aus diesen Datensilos ist oftmals nicht kurzfristig möglich. Eine Risikobewertung kann unter Umständen Wochen oder sogar Monate dauern. Viele Ergebnisse sind dann bereits wieder veraltet. Um ein effizienteres Handeln zu gewährleisten, ist eine durchgängige IT-Struktur nötig, die den einfachen Zugriff auf alle benötigten Echtzeit-Informationen zulässt und schnelle Reaktionen ermöglicht.

Eine Lösung hierfür bietet der Data Fabric Ansatz. Dieser IT-Architekturansatz sammelt und organisiert vorhandene Datenstränge, um Informationen unternehmensweit übergreifend nutzbar und auffindbar zu machen. Die Daten werden dabei nicht dupliziert, sondern verbleiben in ihren Quellsystemen. Auch bestehende Technologie muss nicht ausgetauscht werden. Denn das Data Fabric legt sich als zusätzliche Ebene über vorhandene Bestandssysteme und schafft dadurch eine Übersicht mit 360-Grad-Echtzeitblick auf alle relevanten Informationen.

• Verbesserte Datenintegration: Da Banken typischerweise über eine Vielzahl von Systemen und Plattformen verfügen, die Daten in verschiedenen Formaten speichern, kann das Data Fabric dazu beitragen, diese Daten zu integrieren und in einer einheitlichen Form bereitzustellen. Dies ermöglicht eine bessere Analyse und Nutzung von Daten.
• Prozessautomatisierung: Nicht zuletzt werden durch die automatisierte, übergreifende Verfügbarkeit der Daten Personalkapazitäten geschont und Fehler vermieden, die sich bei manuellem Zusammenführen von Daten einschleichen können.
• Echtzeit-Datenzugriff: Das Data Fabric ermöglicht es, Daten in Echtzeit abzurufen und zu analysieren, was für die Gesamtbanksteuerung von entscheidender Bedeutung ist. Durch den Zugriff auf Echtzeitdaten können Banken schnell auf Marktveränderungen reagieren und ihre Geschäftsstrategien entsprechend anpassen.
• Konsistente Datenqualität: Das Data Fabric kann dazu beitragen, die Datenqualität zu verbessern, indem es sicherstellt, dass Informationen in einer einheitlichen Form gespeichert und die gleichen Definitionen für Datenattribute und -berechnungen verwendet werden. Dies kann die Genauigkeit und Zuverlässigkeit von Analysen verbessern.
• Unterstützung für Big Data-Analysen: Da das Data Fabric in der Lage ist, große Mengen an Daten zu verwalten und zu integrieren, können umfassende Analysen durchgeführt und Geschäftsentscheidungen zuverlässig und zahlenbasiert getroffen werden. Dies ist beispielsweise entscheidend bei den Szenarienrechnungen zur Risikotragfähigkeit.
• Zukunftsfähigkeit: Das Data Fabric sowie unter anderem die integrierten Self-Service-Analyse-Funktionen stellen sicher, dass auch bei Fluktuation (beispielsweise durch Renteneintritt) alle Daten - und indirekt auch alle komplexen Bestandssysteme - weiter genutzt werden können.

Smart Data Fabrics gehen dabei sogar noch einen Schritt weiter. Diese weiterentwickelte Variante des traditionellen Data Fabric beinhaltet zusätzliche Funktionen wie künstliche Intelligenz, Machine Learning, Natural Language Processing oder automatisierte Entscheidungsfindung. Auf diese Weise können Daten bereits während der Verarbeitung analysiert werden, um Muster und Zusammenhänge zu erkennen und Empfehlungen abzugeben. Ein möglicher Anwendungsfall stellt hierbei zum Beispiel die Analyse des Kundenverhaltens dar, um mögliche Handlungen oder Bedarfe vorherzusehen und entsprechend individualisierte Dienstleistungen anbieten zu können.

InterSystems stellt mit InterSystems IRIS eine moderne Plattform für Banken und Finanzdienstleister zur Verfügung, die es ermöglicht, den Smart Data Fabric Ansatz schnell und unkompliziert zu implementieren. Die wichtigsten Funktionen der Plattform umfassen ein vollintegriertes, hochleistungsfähiges Datenbankmanagement, Interoperabilität sowie Analysefunktionen und Machine Learning Funktionalitäten, um anspruchsvolle datenintensive Anwendungen zu beschleunigen und zu vereinfachen.

Sie möchten mehr wissen über eine moderne und vereinfachte Gesamtbanksteuerung? Kontaktieren Sie einen unserer Experten. Wir helfen gerne weiter!