Scoring-Systeme müssen besser integriert werden

von Dr. Michael Weck und Peter Gerngross, Dr. Werner Fritsch

Share
28.09.2009

Die Finanzkrise hat gezeigt: Scoring-Verfahren sollten nicht mehr isoliert entwickelt, sondern in einen Gesamtzusammenhang gestellt werden, um wirtschaftliche Risiken besser abschätzen zu können. Dafür wiederum müssen die IT-Komponenten gut zusammenspielen.

Modell für ein Scoring-Verfahren (Quelle: Mayato)

Scoring ist eine interdisziplinäre Methode zur Erkennung und Bewertung von Risiken und Potenzialen. Die Einsatzgebiete sind weit gestreut: Kreditwirtschaft, Marketing, Medizin oder Qualitätssicherung, um nur einige von vielen zu nennen. Im Risikomanagement werden diese Verfahren schon seit Jahrzehnten eingesetzt. Allerdings wird Scoring, wie für Kreditanträge (Kreditscoring), Limitsteuerung oder Abwanderungsprävention meist immer noch als Insellösung konzipiert. Die Synchronisierung mit den Frühwarn- und Krisenpräventionsfunktionen eines unternehmensweiten Risikomanagements ist deshalb nur schwer möglich. Selbst die Implementierung von Scoring Modellen in das operative Umfeld erfolgt oft manuell, mit zum Teil erheblichen zeitlichen Verzögerungen, obwohl sich die Predictive Model Markup Language (PMML) als international standardisierte Data-Mining-Schnittstelle schon seit geraumer Zeit durchgesetzt hat (siehe http://www.dmg.org/v4-0/GeneralStructure.html).

Angesichts der gegenwärtigen Krise stellt sich die Frage, ob diese Praxis noch geeignet ist, um die heutigen Risiken rechtzeitig erkennen und akkurat bewerten zu können. Dynamik und Komplexität der Geschäftsprozesse haben ebenso zugenommen wie der Zeitdruck, unter dem Entscheidungen in stark volatilen Märkten getroffen werden müssen. Dies hat die Risikolage von Unternehmen fundamental verändert. Spektakuläre Finanzskandale wie Enron oder Worldcom haben zu verschärften gesetzlichen Bestimmungen (Sarbanes Oxley Act) geführt und auch der aktuelle Vertrauensverlust im Finanzsektor wird weitere Regulierungen in bestehenden Bestimmungen (Basel II, Solvency II, KonTraG, BilRegG, IFRS) nach sich ziehen. Das Risikomanagement steht unter Druck, denn Transparenz im Umgang mit Geschäftsrisiken ist unumgänglich, besonders in riskanten Zeiten. Davon hängen letztendlich die Ratings der Unternehmen ab und damit verbunden die Kosten der Kapitalbeschaffung.

Die Art des Risikos bestimmt die Methode

Scoring ist Bestandteil eines Prozesses, der je nach Branche und Portfolio in unterschiedlichen Perfektionsgraden Risiken ermittelt, bewertet und die Ableitung von Regeln für Geschäftsentscheidungen unterstützt. Der Prozess beginnt mit Analysen von Risiken, denen ein Unternehmen ausgesetzt ist. Die Art des Risikos bestimmt dabei den Grad der Operationalisierung, das heißt ob und wie messbare Risikoindikatoren und Zielgrößen definiert und in die Bewertung eingebunden werden können. Während hoch aggregierte Risiken, wie bei expansiven Geschäftsstrategien oder Investitionsentscheidungen, lediglich über subjektive Expertenratings ermittelt werden können, lassen sich inhaltlich klar abgrenzbare Risiken, wie Wahrscheinlichkeiten für Forderungsausfälle, mittels mathematisch-statistischer Methoden aus realen Geschäftstransaktionen empirisch berechnen. Obwohl Expertenratings (auch eine Art von Scoring) und empirische Methoden, wie multivariate Regressions- und Diskriminanzanalysen deutlich unterschiedliche Aussagefähigkeit und Zuverlässigkeit aufweisen, so sind beide doch feste Bestandteile einer unternehmensweiten Risikobetrachtung.

Verbesserungen durch zentrale Risikoinventare und Data-Warehouse-Lösungen

Der Gesetzgeber fordert nun ein zentrales Risikoinventar, das alle Risikoklassen dokumentiert und fortschreibt. Wird Scoring im Tagesgeschäft eingesetzt, etwa bei Kreditentscheidungen (Scoring Engine), dann werden meist automatisierte Prozesse (Decision Engine) angestoßen, die risikorelevante operative Daten in ERP Systemen erzeugen (Scores und Entscheidungen). Kontinuierliche Risikoreports und -analysen sollten dann auf allen Daten erstellt werden, die im Scoring verwendet und generiert werden. Eine auf Risikomanagement ausgerichtete Data-Warehouse-Komponente liefert die dafür notwendigen aggregierten Informationen für risikorelevante Transaktionen, wie Forderungsausfälle, Schadensfälle oder Transaktionen unter Betrugsverdacht. Sämtliche im Data Warehouse (DHW) bereitgestellten Daten, zusammen mit allen zugehörigen Scores und getroffenen Entscheidungen, stehen so unmittelbar für die Überwachung und Neuentwicklung von Scoringmodellen zur Verfügung.

Risikoinventar und Risiko-DWH schaffen eine einheitliche Datenbasis, die für Scoring Verfahren ebenso einsetzbar sind: namentlich für kontinuierliche Berichterstattung, Analysen, Prognosen und Risikoaggregationen zur Abschätzung des unternehmerischen Gesamtrisikos. Diese Daten können mit mathematisch-statistischen und Data-Mining-Methoden für Ad-hoc-Analysen, Simulationen und Optimierungen weiterverarbeitet werden. Ferner wird die notwendige Transparenz geschaffen, welche Risiken ein Unternehmen berücksichtigt, wie diese bewertet und welche Maßnahmen getroffen werden, um einen festgelegten Sicherheitsstandard zu erreichen.

Qualität und Umfang der Daten bestimmen letztendlich die Güte des Scorings. Hier liegt in aller Regel Verbesserungspotential. Werden heute also alle verfügbaren Daten genutzt? Fehlen relevante Datenquellen von Drittanbietern? Stecken noch unerkannte Risikostrukturen in den Geschäftstransaktionen, die zu neuen Risikoindikatoren verdichtet werden können? Beispielsweise können externe Daten Zusatzinformationen beinhalten, die helfen, Risikogruppen besser voneinander unterscheiden zu können (zum Beispiel mikrogeographische Strukturdaten, Wohnumfeld, Arbeitgeberprofil.).

Methodenvielfalt und Explorative Analysen

Traditionelle Scoring Verfahren werden auf Vergangenheitsdaten entwickelt, die je nach Portfolio bis zu drei Jahren zurückliegen können. Konjunkturelle Einbrüche und damit verbundene Veränderungen in den Risikostrukturen bleiben ohne kontinuierliche Analysen unerkannt. Regelmäßige Performance Reports zeigen, ob und bei welchen Risikoindikatoren Veränderungen stattgefunden haben. Die systematische und kontinuierliche Überwachung und Nachjustierung von Scorekarten sind entscheidend für erfolgreiches Risikomanagement.

Nachfolgend eine Reihe von Qualitätskontrollmaßnahmen, die regelmäßig durchgeführt werden sollten.

  • Einfache Soll-Ist-Vergleiche von Risikoindikatoren können größere Abweichungen sichtbar machen; dies setzt aber voraus, dass Sollwerte definiert werden konnten.
  • Trendberechnungen extrapolieren Veränderungen der jüngsten Vergangenheit in die nahe Zukunft und können so Frühwarnfunktionen übernehmen.
  • Regelmäßige Evaluierung bekannter Risikoindikatoren kann Veränderungen in Risikostrukturen aufdecken (zum Beispiel Varianz-Kovarianzen, multivariate Analysen), die oft mit der Notwendigkeit einer Adjustierung von eingesetzten Scorekarten verbunden sind. Hier sollten, neben Regressionsanalysen auch alternative Verfahren eingesetzt werden: neuronale Netze, Entscheidungsbäume oder genetische Algorithmen.
  • Explorative Analysen sollten kontinuierlich eingesetzt werden, um neue Risikostrukturen und -indikatoren zu erkennen, die bisher schon vorhanden waren, aber nicht in die Scorekarte eingingen.
  • Systematische Experimente über die Wirksamkeit alternativer Verfahren zur Risikokontrolle, zum Beispiel bei der Kreditlimitzuweisung. Zusätzlich zu einer im Einsatz befindlichen, als Champion-Strategie bezeichneten Vorgehensweise, werden für einen kleinen Teil von Kunden weitere, sogenannte Challenger-Alternativen eingesetzt, zum Beispiel scoreabhängige Kreditlimitzuweisung. Zeigen sich in den Champion- und den Challenger-Kundengruppen unterschiedliche Risikoentwicklungen, zum Beispiel ausgerückt durch die Anzahl der Inkassoübergaben, dann liegen Hinweise vor, dass ein Strategiewechsel angezeigt ist.
  • Regelmäßige Aggregation der Einzelrisiken zu einem unternehmerischen Gesamtrisiko und Erstellung einer Plan GuV / Bilanz. Mittels Simulation wie Monte Carlo und Was-wäre-wenn-Analysen werden die risikorelevanten Auswirkungen auf regulatorische Größen wie Eigenkapitalausstattung, VaR und Bilanzkenngrößen berechnet. So kann abgeschätzt werden, ob die vorgesehene Risikofinanzierung bei den unterstellten Risikoannahmen ausreichend ist.

Abgestimmte Prozessketten mit Systemintegration

Modernes Risikomanagement erfordert abgestimmte Prozessketten bei der Risikoidentifikation, -aggregation und -kontrolle. Scoring Verfahren liefern auch in Zukunft unverzichtbare Beiträge für erfolgreiches Risikomanagement. Aufgrund des probabilistischen Ansatzes sind Scoring Verfahren besonders bei komplexen Risiken mit teilweise unbekannten, mehrdimensionalen Ursache-Wirkungszusammenhängen geeignet, Eintrittswahrscheinlichkeiten zu berechnen. Sie können in Verbindung mit einer durchschnittlichen Schadenhöhe in die Aggregation von Einzelrisiken einfließen.

Die bisherige Praxis, Scoring-Verfahren isoliert zu entwickeln, wird den gegenwärtigen Herausforderungen nicht mehr gerecht. Sie müssen in einen holistischen Ansatz integriert werden, der allerdings nur dann zufriedenstellend umgesetzt werden kann, wenn die IT Komponenten aufeinander abgestimmt sind.

Dr. Michael Weck ist IT-Spezialist und Peter Gerngross BI-Consultant bei dem Berliner Analysten- und Beratungshaus mayato.