Inventive FRC – Finance: Europäische Datenharmonisierung im Rahmen von BIRD und IReF als Chance zur Kostensenkung

Capgemini Invent adressiert die CxO Daten-Strategie und unterstützt seine Kunden bei der datengetriebenen Wertschöpfung.

Mit Inventive Finance, Risk & Compliance (Inventive FRC) meistern wir die Herausforderungen der Finanz-, Risiko- und Compliance-Funktion im Finanz-Sektor. Dieser Blog-Artikel fokussiert auf  Finance.

Integrated Reporting Initiative des ESZB

Das von dem Europäischen System der Zentralbanken (ESZB) initiierte Integrated Reporting Framework (IReF) zielt darauf ab, die national existierenden Berichtspflichten zu vereinheitlichen und sie so weit wie möglich in einen einheitlichen Rahmen zu integrieren. Mit dieser länderübergreifenden Harmonisierung und Integration bestehender Konzepte verfolgt das ESZB letztlich konsequent das Ziel, die Effizienz des Meldewesens und die Datenqualität von Bankinstituten nachhaltig zu verbessern. Vor diesem Hintergrund besteht das IReF im Wesentlichen aus zwei Teilen:

1. einem integrierten Ansatz für das Meldewesen von Banken mit dessen Hilfe langfristig die nationalen Berichtsvorlagen ersetzen werden sollen und
2. einem eindeutigen Regelwerk von Transformationsregeln für die Erstellung der abgeleiteten Statistiken, die von den Behörden benötigt werden

Auf EU-Ebene wurden die Bestrebungen, das bankaufsichtliche Meldewesen zu integrieren, bereits in der CRR II verankert. So verfügt die EBA über ein Mandat zur Erstellung einer Machbarkeitsstudie zur Sammlung statistischer, abwicklungsspezifischer und aufsichtsrechtlicher Daten.[1] Darüber hinaus führt die EBA eine Umfrage zu den Kosten für die Einhaltung der Meldepflichten[2] durch, deren Ergebnisse in die Machbarkeitsstudie einfließen können. Beides zeigt, dass das Thema Effizienz des Meldewesens an Relevanz zunimmt.

Konkret sollen dazu unterschiedliche Berichtspflichten aus den Bereichen makroökonomische Statistiken, aufsichtsrechtliches Meldewesen und erweiterte Offenlegungspflichten integriert werden. In Europa sind dies u. a. die Anforderungen:

• Balance Sheet Items (BSI)
• interest rates Monetary Financial Institutions (MIR – MFI)
• sectoral model Securities Holdings Statistics (SHS)
• AnaCredit
• EBA’s implementing technical standards (ITS)
• FINREP und
• COREP

Wesentliche Synergien bestehen zwischen IReF und BIRD, nachfolgend auch „Regulatory Data Framework“ genannt. BIRD definiert wie Daten aus den internen Quellsystemen der Banken in ein vorgegebenes Datenmodell transformiert werden, d. h. bankspezifische Daten werden auf die aufsichtliche Taxonomie überführt. Innerhalb der Bank werden die aufbereiteten, granularen Daten[3] in Form des BIRD Datenmodells gesammelt, bevor sie nach Transformation durch die Bank an die Europäische Aufsichtsbehörde gemeldet werden. In Verbindung mit IReF sorgt dies idealerweise dafür, dass granulare Daten pro Berichtsperiode nur einmalig im IReF Collection layer bereitgestellt werden müssen. Die Aufsichtsbehörde selbst erstellt im Anschluss anhand definierter Transformationsregeln die benötigten Statistiken (Abbildung 1: Base Case).

Gegenüberstellung der Kosten der Meldefunktion

Die Höhe der Implementierungskosten des Regulatory Data Framework hängen in entscheidendem Maße von der Abgrenzung der Aufgaben zwischen den Banken und dem ESZB ab. So kann die Verantwortung für das Datenmapping ­­– vom individuellen Datenformat der Bank auf das Zielformat gemäß BIRD – bei den Banken verankert werden (Abbildung 1: Base Case) oder beim ESZB (Abbildung 2: Extended Case).

Abbildung 3 zeigt eine schematische Darstellung der jeweiligen Kosten der Meldefunktion. Ausgehend vom Status quo (dargestellt durch die orange Linie) erhöhen sich die Kosten während der Implementierung des Regulatory Data Framework. Dabei handelt es sich um einmalige Investitionen für den Aufbau von Schnittstellen, um das gestiegene Datenvolumen an die Aufsicht übermitteln zu können. Neben den Kosten für den Aufbau von Schnittstellen kommen im Base Case zusätzlich Kosten für das Datenmapping hinzu (grüne Linie). Während der Betriebsphase des Regulatory Data Framework kommt es im Gegenzug zu erheblichen, jährlichen Kosteneinsparungen, da Aufwände für die Datenextraktion, die KPI-Berechnung und die Berichtserstellung reduziert werden oder gar vollständig entfallen. Ab dem Jahr 2027 sind die Kosten im Extended Case (blaue Linie) etwas niedriger, da ein Teil der Betreuungskosten bei der Aufsicht anfällt. Vor dem Hintergrund des anhaltenden Trends zur Ausweitung des Informationsbedürfnisses der Aufsicht, scheint das Regulatory Data Framework besonders attraktiv zu sein. Dies liegt daran, dass sich nach Einführung des Regulatory Data Framework neue Meldeanforderungen für Banken auf die Bereitstellung zusätzlicher Daten beschränken. Dies bedeutet, dass Aufwände für die anschließende Berichterstellung eingespart werden.

In der nachfolgenden Tabelle 1 sollen die wiederkehrenden Kosten der Meldefunktion für den Status quo (ohne BIRD/IReF), den Base Case sowie den Extended Case des Regulatory Data Framework anhand eines Beispiels gegenübergestellt werden. In diesem Beispiel rechnen wir während der Betriebsphase von BIRD/IReF mit Einsparungen von etwa 7,6 Mio. EUR pro Jahr gegenüber dem Status quo. Der Vorteil des Regulatory Data Framework ergibt sich letztlich aus den Einsparungen über die Betriebsdauer der neuen Meldewesen-Struktur abzüglich der einmaligen Investition für deren Implementierung (Base Case vs. Extended Case).

Herausforderungen und Chancen durch BIRD/IReF Ansatz

Die HHerausforderung besteht vor allem in der Anpassung bestehender Meldesysteme oder der Entwicklung neuer Meldesysteme. Dazu gehören:

• das Mapping der Daten auf das einheitliche Wörterbuch BIRD
• der Aufbau von zusätzlichen Schnittstellen zur Aufsicht, die aufgrund des zunehmenden Datentransfers notwendig werden
• Data Quality Checks auf Basis granularer Daten[8]

Es bietet sich die Chance, die Kosten der Meldefunktion erheblich zu senken. Gründe hierfür sind Einsparungen bei:

• den Lizenzen für Meldewesen Software
• der Datenextraktion
• der KPI-Berechnung und des Datenabgleichs
• der Berichterstellung und des Berichtsmonitorings

Auch wenn die Integration der Vielzahl der separaten Berichte eine Herausforderung darstellt – etwa aufgrund variierender Berichtsfrequenzen-, -fristen und -aggregationsstufen –, so besteht die Möglichkeit, Redundanzen in der Berichtserstattung zu vermeiden und Kosten einzusparen. Diese Ansicht vertreten auch die betroffenen meldepflichtigen Bankinstitute, wie die Ergebnisse zum qualitativen IReF-Fragenbogen zeigen.

Ausblick

Wie zuvor dargestellt, bietet die Einführung des Data Regulatory Framework nicht nur das Potenzial langfristig Kosten der Meldewesen-Struktur zu reduzieren, sondern auch die Möglichkeit, die Datenkonsistenz zu verbessern. Bei der schrittweisen Implementierung ist zu berücksichtigen, dass sich Überschneidungen und Redundanzen nicht nur in den unterschiedlichen Berichten widerspiegeln, sondern auch in den Bankprozessen selbst. Aus diesem Grund eignet sich eine Vorgehensweise, die neben den fachlichen Anforderungen aus dem Meldewesen auch die Prozesssicht und deren technische Umsetzung berücksichtigt. Capgemini Invent begleitet seit Jahren Banken in Europa bei der Weiterentwicklung des Datenmanagements – etwa im Rahmen von BCBS 239 Compliance – und des Meldewesens. Wenn Sie sich für das Thema Integration des Meldewesens interessieren und unsere Lösungen diskutieren möchten, wenden Sie sich bitte an unsere Ansprechpartner.

Vielen Dank an den Co-Autoren Max Müller.

---

[1] CRR II Artikel 430c.

[2] CRR II Artikel 430 Abs. 8. Entwurf zur Diskussion in deutscher Sprache abrufbar unter https://www.bafin.de/SharedDocs/Downloads/DE/Anlage/dl_EBA_Meldewesen-Einhaltungskosten_
questionaire.pdf. Hinweis: Der Fragebogen muss jedoch mit dem Online-Tool und in englischer Sprache beantwortet werden (Quantitative questionnaire (Section A); Qualitative questionnaire (Sections B – F)).

[3] Granulare Daten sind hier auf ein einheitliches Wörterbuch überführte Daten, auf deren Basis die Aufsicht die geforderten regulatorischen Kennzahlen selbst berechnen kann.

[4] Eigene Darstellung in Anlehnung an The ESCB Integrated Reporting Framework (IReF), S. 5.

[5] Eigene Darstellung in Anlehnung an The ESCB Integrated Reporting Framework (IReF), S. 5.

[6] Eigene Darstellung.

[7] Eigene Darstellung ohne Berücksichtigung von Betreuungskosten während der Betriebsphase.

[8] Jedoch stellen Data Quality Checks nicht erst durch BIRD und IReF eine Herausforderung dar.