Neue Informationen gewinnen

Wirtschaftsprüfung | 39
HANDELSZEITUNG | Nr. 6 | 9. Februar 2017
Neue Informationen gewinnen
Digital Enterprise Risk Management Digitale Technologien ermöglichen einen Qualitätssprung in der Risikoerfassung.
D
SEBASTIAN NEUFANG
as Enterprise Risk Mana­
gement (ERM) bezeichnet
die unternehmensbezogene
Ordnung, wie Risiken ge­
samtheitlich erfasst, bewer­
tet, eingegangen und gesteuert werden
­sollen. Das ERM entstammt dem ursprüng­
lichen Anliegen des Committee of Sponso­
ring Organizations of the Treadway Com­
mission (COSO) aus den frühen 1990er
Jahren, die Finanzberichterstattung von
Unternehmen mithilfe eines internen Kon­
trollsystems belastbarer und verlässlicher
auszugestalten. Erst 2004 führte das COSO
das ERM-Konzept ein und beschreibt es
in seinem «Thought Paper Developing Key
Risk Indicators to Strenghten ERM» von
2011: «Enterprise risk management is a
process, effected by an entity’s board of
­directors, management, and other person­
nel, applied in strategy setting and across
the enterprise, designed to identify potential
events that may effect the entity, and
­manage risk to be within the risk appetite,
to provide reasonable assurance regarding
the achievement of entity objectives.»
Fast immer Bewertungsfragen
Digital Enterprise Risk Management
(D-ERM) wird oft dahingehend missver­
standen, es gehe darum, risikobezogene
Informationen zu visualisieren. Als Stan­
dardbeispiele dienen mobile Manage­
ment Cockpits. Das mag daran liegen,
dass bisweilen kaum funktionierende
­digitale Systeme existieren, welche Risi­
ken g­ esamtheitlich-kognitiv erfassen und
präzise vorhersagen können. Selten hin­
terfragt wird, wie Risiken identifiziert und
bewertet werden. Die quantitative Risiko­
analyse versucht sich dem mit dynami­
sierten Modellen zu nähern, kann bis heute
zukünftige Volatilitäten aber nicht ver­
lässlich vorhersagen. Zudem werden von
ERM-Modellen selbst ausgehende neue
und deren schadengeneigte Verdichtung
können daher oft nicht erkannt werden.
Lücke geschlossen
Diese Lücke schliesst das Digital Enter­
prise Risk Management. Mithilfe digitaler
Technologien können grosse Datenmen­
gen und vermeintlich irrelevante Daten­
punkte unterschiedlichster Risikodimen­
sionen verknüpft werden. Im jeweiligen
Kontext und in Echtzeit geben diese Daten
völlig neue Informationen preis. Selbstler­
nende Algorithmen und darauf aufbauen­
de Systeme künstlicher Intelligenz können
Muster erkennen, selbstständig weiter­
entwickeln und zukünftige Szenarien
­präziser bestimmen. Auch diese Techno­
logien bauen auf historischen Daten und
statistischen Modellen auf; bei der Para­
metrisierung können Unschärfen ent­
stehen. Allerdings können heute grosse
­Datenmengen mehrdimensional, kognitiv
sowie kontextbezogen vernetzt analysiert
und Vorhersagen getroffen werden. Nichts
anderes vollzieht sich bei der Steuerungs­
technologie selbstfahrender Autos: Inner­
halb von ­
Sekundenbruchteilen werden
komplexe Echtzeit-Datenmengen risiko­
basiert (wie Gegenverkehr, Kurven, Wetter)
in die relevanten Informationen zerlegt.
Risikogewichtet werden diese priorisiert
und dynamisch in den Kontext eingebettet
(etwa vorausfahrendes Auto), dann in
einen Steuerungsbefehl übersetzt, der
­
wiederum durch ein D-ERM gepuffert ist.
Im Bereich von Cybercrime lassen sich
zum Beispiel in Echtzeit vermeintlich irre­
levante Datenspuren aggregieren und in
einem realen Kontext analysieren. Aus
sich aufbauenden Angriffsmustern, einge­
buchten Handelspositionen oder Block­
chain-basierten offenen Risikopositionen
lassen sich Vorhersagen über das Risiko
und dessen Eintrittswahrscheinlichkeit
und Eintrittszeit treffen. Auf der Grundlage
von Predictive-Analytics-Konzepten kann
etwa atypisches Verhalten von Marktteil­
nehmern entschlüsselt werden. Aufbau
oder Abbau von Handelspositionen kön­
nen im Umfeld des Hochfrequenzhandels
kontextbezogen unter Einbezug aller
Marktbedingungen und -daten bewertet
werden. Basierend auf digitalen Entschei­
dungsketten im Aktien- oder Derivate­
handel und dem Abgleich verschiedener
intern systembasierter und extern unstruk­
turierter Daten lassen sich operationell
r­elevante Verhaltens- oder Systemrisiken
vorhersehen und etwa die Handelslimite
oder das Sicherheitenmanagement effi­
zient steuern. Das voll integrierte kognitive
Digital Enterprise Risk Management
ermöglicht einen deutlichen Qualitäts­
sprung in der materiellen Risikoerfassung,
Vorhersage und der passgenauen Risiko­
behandlung. D-ERM-Prozesse können mit
Controlling-, Legal & Compliance- oder
Strategieprozessen verknüpft werden und
unterstützen dabei, qualitativ bessere
­Entscheidungen in kürzerer Zeit treffen zu
können, wobei der operationelle Aufwand
umfassend vermindert und substanzielle
Kosten eingespart werden können.
Dr. Sebastian Neufang, Executive Director,
Grant Thornton, Schweiz/Liechtenstein.
ANZEIGE
«Ihre Prüfungs-Anliegen sind bei uns in besten Händen.»
BDO Wirtschaftsprüfung
Mithilfe digitaler
Technologien können grosse
Datenmengen miteinander
verknüpft werden.
Risiken seit Jahren diskutiert. Zu sehen ist
dies auch in dem Kontext, dass COSO
schon immer auf die funktional-organisa­
torische Bedeutung des ERM und damit
auf die Verantwortlichkeit des Manage­
ments hingewiesen hat. Haftungsrechtlich
ist es problematisch, wenn ERM-Systeme
Risiken nicht vollständig erfassen, neue
Risiken erzeugen oder technologische
Möglichkeiten nicht ausschöpfen.
Die Finanzkrise hat die Fehlerhaftigkeit
vieler Bewertungs- und Risikomodelle
­offenbart. Juristische Streitfälle bei OTCDerivaten werden bis heute ausgefochten.
Fast immer geht es dabei um Bewertungs­
fragen. Es zeigen sich gravierende tech­
nische Schwächen bei sicher geglaubten
­Bewertungsmethoden. Das Risiko der in
der Finanzkrise 2008 entstandenen kurz­
fristigen, erheblichen Liquiditätsengpässe
war im ERM der meisten Banken ungenü­
gend oder gar nicht erfasst. Kumu­lierte
Margin Calls und darauf folgende ­Early
Terminations von OTC-Derivaten ver­
schärften das Liquiditätsproblem mit dem
bekannten Ausgang der Insolvenz von
Lehman Brothers. Die Entwicklung der
Prämien für Credit Default Swaps auf
­Lehman Brothers machte ein drohendes
­Insolvenzrisiko zwar einige Zeit vor dem
Konkurseintritt deutlich, war bisweilen
aber auch indifferent. Infolge damals feh­
lender Predictive-Analytics-Technologien
konnten diese Anzeichen womöglich
nicht rechtzeitig gedeutet werden.
Verwunderlich ist das letztlich nicht.
Denn sämtlichen bisherigen ERM- und
Risiko-Modellen ist es gemein, dass sie
nur auf historischen Daten aufbauen.
­Extremwert-Theorien beziehen sich auf
statistisch generierte Daten. Diese sind
nur in einem simulierten Kontext einge­
bettet. Hervorzuheben ist, dass nicht die
quantitative Risikoanalyse und deren Mo­
delle per se fragwürdig sind (wobei auch
hier fehlerhafte Ausrichtungen diskutiert
werden). Problematisch ist vielmehr, dass
historische, statische und qualitativ für
Zukunftsaussagen nur beschränkt rele­
vante Datenfragmente verwendet werden.
Die Kumulation von Risikoparametern
Kontaktieren Sie unsere Experten:
BDO AG Fabrikstrasse 50, 8005 Zürich, Tel. 044 444 35 55
www.bdo.ch
Prüfung | Treuhand | Steuern | Beratung
232x300_fbg_Key Visual_ZH_WP.indd 1
22.01.16 13:31