Risikomanagementsystems auf Basis eines Data Warehouses für die Quelle Bausparkasse AG

Risikomanagementsystems auf Basis eines Data Warehouses für die Quelle Bausparkasse AG

Die Aufgabe: Die Quelle Bausparkasse, Fürth, ist seit 1990 erfolgreich am Markt. Sie war die erste Direkt-Bausparkasse Deutschlands, Pionier bei der Direkt-Baufinanzierung und dem Internet-Angebot.

Die Gegenwart der Finanzinstitute ist geprägt von Wandlungen der bankaufsichtlichen Anforderungen, die mit den Schlagworten BASEL II und MaK (Mindestanforderungen an das Kreditgeschäft der Kreditinstitute) diskutiert werden. Ziel dieser neuen Regelungen ist es, das Risk-Management der Finanzdienstleister zu verbessern und Risiken früher zu erkennen.

BASEL II: Zukünftig wird das erforderliche Eigenkapital, das Bausparkassen zur Unterlegung von Kreditrisiken vorhalten müssen, in stärkerem Maß von der jeweiligen Bonität der Kreditnehmer abhängen. Des weiteren werden Bausparkassen zum ersten Mal verpflichtet sein, explizit Kapital für operationelle Risiken zu halten.

Die Quelle Bauspar AG hat sich 2003 mit acht weiteren Bausparkassen in der Bundesrepublik zu einer „Basel-II-Bausparkassen-GbR" zusammengeschlossen. Diese beauftragte die Ernst & Young AG Wirtschaftsprüfungsgesellschaft für Bausparkassen eine Branchenregelung für Basel II zu realisieren und sie bei der Basel-II-Umsetzung zu unterstützen. Eine wesentliche Voraussetzung zur Entwicklung der angestreben Scorekarten ist die zur Verfügung stehende Datengrundlage.

Mindestanforderungen an das Kreditgeschäft der Kreditinstitute (MaK) Im Dezember 2002 hat die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) mit dem RS 34/2002 die MaK in Kraft gesetzt, um die Risiken aus dem Kreditgeschäft zu begrenzen. Auf der Grundlage des § 25a Abs. 1 Kreditwesengesetz (KWG) formulieren die MaK einzel- sowie gesamtgeschäftsbezogene Regelungen für ein angemessenes internes Risikomanagementsystem und -kontrollsystem. Um die verschiedenen Risiken zu ermitteln, ist eine Vielzahl von Daten notwendig.

Risk-Management-Informationssystem: Neben den gesetzlichen Anforderungen bestand auch unternehmensintern der Bedarf an einem flexiblen, intuitiv zu bedienendem Management-Informationssystem. Das schnelle Wachstum von Quelle Bausparkasse (1990 gegründet; 2003 bereits 1,2 Mrd. € Bilanzsumme), generierte eine Vielzahl von Daten (Kunden, Interessenten, Bausparverträgen usw.).

Die operativen Systeme boten in der Regel nur Standardauswertungen, welche für die Entscheidungsunterstützung häufig nicht geeignet waren. Auswertungen über die Datenbestände mehrerer operativer Programme waren nicht möglich. Neben der Geschäftsleitung waren die Vertriebs- und Marketingabteilung, das Controlling, das Risk-Management sowie die Interne Revision interessiert, die vorhandenen Daten zu analysieren und in der Entscheidungsfindung zu berücksichtigen.

Forderungsverkauf und Sicherheitenverteilung: Bei der Kreditvergabe müssen die Bausparkassen neben den Risiken auch beachten, dass die Darlehen nur in einem bestimmten Verhältnis zur Eigenkapitalhöhe vergeben werden darf (Eigenkapitalunterdeckung).

Um das zügige Neugeschäfts- und Bestandswachstum der Quelle Bauspar AG nicht zu bremsen, werden u.a. auch Forderungen an Kreditinstitute verkauft. Die dadurch verbesserte Eigen-/Fremdkapitalquote erlaubt die zusätzliche Vergabe von Baufinanzierungs-Darlehen. Das zentrale operative System zur Vertragsverwaltung (KBS) bildet einen Forderungsverkauf nicht ab. Ein solcher Verkauf ist aber detailliert zu protokollieren und hat grundlegenden Einfluss auf die Daten eines Darlehens. So werden beispielsweise bei einem anteiligen Verkauf einer Darlehens-Forderung auch die dazugehörigen anteiligen Sicherheiten an den Forderungskäufer übertragen. Die verbleibenden Sicherheiten sind folglich entsprechend aufzuteilen.

Auswertungen, die auf dem Datenbestand des operativen System (KBS) basieren, sind folglich nicht mehr aktuell. Es wird deswegen eine Datenbasis benötigt, die hierzu Informationen vorhält.

Die Lösung: 2003 entschloss sich der Vorstand der Quelle Bauspar AG gemeinsam mit it innovations GmbH eine Lösung zu realisieren, welche die oben genannten Anforderungen (Basel II, MaK, MIS etc.) bestmöglich abbildet.

Das System sollte so flexibel sein, dass auch zukünftige interne und externe Anforderungen problemlos und schnell umgesetzt werden können. Veränderte Anforderungen von Ernst & Young zu „Basel II" können damit ohne großen Aufwand erfüllt werden. Anstelle des Aufbaus eines multidimensionalen Data Warehouses wurde ein unternehmensweites Datenmodell unter Berücksichtung aller relevanter operativer Datenquellen und spezifischer Anforderungen (PD-/LGD-Datenmodell für Basel II) konzipiert.

Architektur der Risik-Management-Lösung

Damit war die Grundlage geschaffen, dass auch Anforderungen wie es sich aus dem Forderungsverkauf und der Sicherheitenverteilung ergaben (wie z.B. Sicherheitensplitting, Aufteilung von Zahlungs-Rückständen, Protokollierung), gelöst werden konnten.

Veränderungen und Ergänzungen der importierten Daten, die durch die Sicherheitenverteilungen und dem Forderungsverkauf initiiert werden, werden wieder im relationalen Data Store abgespeichert. Mit diesem „erweiterten Datenbestand" steht somit ein einheitlicher, zentraler und vor allem vollständiger Datenbestand zur Verfügung.

Für die Sicherheitenverteilung wurden Logiken entwickelt, die vollautomatisiert ablaufen und die Datenbestände bearbeiten. Mit .NET wurde eine Applikation entwickelt, die der Unterstützung der Mitarbeiter beim Forderungsverkauf dient.

Sicherheitenverteilung nach Bewilligungsdatum

Für die unterschiedlichen Adressatenkreise im Unternehmen wurden je nach Bedarf relationale Datenbestände (z.B. für Reports für die Rechnungswesenabteilung oder zur Versorgung der Scorecards für Basel II) oder multidimensionale Data Marts (z.B. für MaK) aufgebaut. Zur Analyse der multidimensionalen Daten wird das OLAP-Frontend ProClarity Analytics Server (5.3) verwendet.

Die Reportinganforderungen wurden mit teil-flexiblen Reports, die mit den Microsoft Reporting Services 2000 realisiert worden sind, und mit Microsoft Excel durchgeführt.

Das Extrahieren, Laden und Transformieren (ELT) der Daten aus den operativen Datenquellen in das Data Store erfolgt mit folgenden Techniken:XCOM Terminaldienst zum Holen der Daten von Hostdatenquellen Microsoft SQL Server 2000 Data Transformation Services Transact SQL RoutinenDie voll-automatisierten Vorgänge bestücken täglich das Data Store.

Der Datenbestand beträgt aktuell ca. 30 GB an Rohdaten. Um die Entwicklung der Merkmale von Bauspardarlehn (wie z.B. Entwicklung des Darlehensaldos, Veränderungen von Sicherheiten, Verkauf von Forderungen) im Zeitablauf nachvollziehen zu können, werden die Daten täglich historisiert und archiviert. Die relationale Datenhaltung im Data Store wurde mit dem Microsoft SQL Server 2000 Enterprise Edition realisiert. Die Cubes, Dimensions, Measures für die Data Marts werden mit dem Microsoft Analysis Server aufgebaut und berechnet.

Der Vorteil: Erfüllung der gesetzlichen Anforderungen Ohne das Data Warehouse könnten bestimmte Anforderungen von Basel II nicht erfüllt werden, da das operative Vertragsverwaltungssystem die benötigten Informationen nicht liefern kann. Als Konsequenz dürfte die Quelle Bauspar AG einige Leistungen nicht mehr erbringen. Schnelle Umsetzung neuer Anforderungen

Die Leistungsfähigkeit und Flexibilität des Data Warehouse-Konzept zeigt sich darin, dass modifizierte Spezifikationen von Ernst & Young im Rahmen des Basel-II-Projekts sehr schnell und ohne großen Aufwand erfüllt werden können. Im Vergleich zu den anderen Bausparkassen der „Basel-II-Bausparkassen-GbR" kann die Quelle Bauspar AG solche Modifikationen mit am schnellsten erfüllen.

Entwicklung der Produkte

Schnelle Analysen durch die Fachabteilung

Die Fachabteilungen können selbständig die benötigten Auswertungen zusammenstellen und Analysen vornehmen. Die IT-Abteilung wird nicht mehr dazu benötigt.

Dies wurde v.a dadurch erreicht, indem ein einfach zu bedienendes Auswertungs-Werkzeug zur Verfügung gestellt wurde (ProClarity). Wie einfach solche Analysen zu erstellen sind, zeigt sich am Beispiel von Herrn Berner: Der Direktor Risk Management hatte innerhalb kürzester Zeit ca. 40 Auswertungen zu den MaKs mit ProClarity selbständig erstellt.Die Einführung einheitlicher Begriffsdefinitionen und deren Abbildung in einem Data Dictionary erleichtert die Analysen und die Verständigung im Unternehmen.

Die Entscheidungsfindung im Unternehmen ist insgesamt beschleunigt worden.

Anlayse der Darlehn mit dem Competition-Tree von P  

Generierung zusätzlicher Geschäfte durch den Forderungsverkauf

Das Data Warehouse ermöglicht es der Quelle Bauspar AG auch zusätzliches Geschäft zu generieren. Aufgrund der im Data Warehouse implementierten Logik für die Sicherheitenverteilung und den Forderungsverkauf können jetzt grundsätzlich Forderungen an andere Kreditinstitute verkauft werden. Die dadurch entlastete Eigenkapitalquote erlaubt es, zusätzliche Darlehen zu vergeben. Kosten - Nutzen-Verhältnis Positiv bei der Realisierung wirkte die überschaubare Größe der Quelle Bauspar AG. Deswegen wurde trotz der Größe und Komplexität des Projekts sehr schnell und erfolgreich ein umfassendes Data Warehouse mit verschiedensten Analysemöglichkeiten aufgebaut.

Die Potenziale dieser Lösungen, die sich ergeben durch

• Zeitersparnisse (Zugriff auf bedarfsgerechte, aktuelle Informationen)

• schnellere Berichtserstattung

• Effizienzsteigerung bei der Entscheidungsfindung

werden intensiv ausgenutzt.

Durch die Risikoanalysen können die Gefahren für das Unternehmen reduziert werden. Mit der Ermöglichung des Forderungsverkaufes kann zusätzliches Neu-Geschäft generiert werden. Zusammenfassung: Das Projekt und die Lösung können eine sehr gute Kosten-Nutzen-Relation vorweisen. Zentrales Data Warehouse vs. dezentraler, isolierter Data Marts Die Quelle Bauspar AG hat sich anstelle des Aufbaus mehrerer, isolierter Data Marts für ein umfassendes, zentrales Data Warehouse entschieden. Trotz der damit verbundenen umfassenden konzeptionellen Arbeiten hat das Unternehmen diesen aufwendigeren Lösungsweg beschritten.

Die Lösung der komplexen Aufgabenstellung (wie z.B. die Zusammenführung der Daten aus den verschiedenen Host-Systemen, die Modellierung eines unternehmensweiten, relationalen Datenmodells, die Ermittlung der verschiedenen internen und gesetzlichen Anforderungen) wurde als Chance begriffen. Durch diesen Kraftakt wurde eine Datenbasis im Unternehmen aufgebaut, die die importierten Datenbestände aus den operativen Systemen so zur Verfügung stellen, wie es nur in integrierten Anwendungen vorzufinden ist.

Zudem konnte eine Vereinheitlichung der Begriffsverwendung, die in der Vergangenheit in den operativen Systemen und in den Fachabteilungen unterschiedlich genutzt und interpretiert wurden, erreicht werden.

Die Vorteile des gewählten Ansatzes zeigten sich auch sehr schnell: Nachdem das zentrale, unternehmensweite Data Warehouse aufgebaut war, konnten Data Marts, Reports usw. sehr schnell aufgebaut werden. Veränderte Anforderungen (wie z.B. aus dem Basel-II-Projekt) können jetzt sehr schnell realisiert werden.

Dieses Projekt wurde norminiert für den Best Practice Award für Business Intelligence für die beste deutschsprachige Lösung 2005. Weitere Informationen finden Sie im Business-Intelligence-Download-Center