Ganzheitlicher Ansatz für das Management von Compliance-Daten

Das Thema ESG dominiert nicht nur die aktuellen gesellschaftlichen Debatten, sondern auch die Finanzmarktregulatorik. Mit der Taxonomie-Verordnung, der Non-Financial Reporting Directive sowie der Corporate Social Responsibility Directive (NFRD/CSRD), der Sustainable Finance Disclosure Regulation (SFDR), der Markets in Financial Instruments Directive II (MiFID II) sowie zahlreichen ergänzenden Leitfäden und Merkblättern wurden in den vergangenen Jahren viele Anforderungen an die Banken gestellt. Und die Vorschriftendichte wird zukünftig noch zunehmen. Die Regulatorik betrifft dabei fast alle Bereiche einer Bank. In der Folge entstehen zeitliche als auch inhaltliche Abhängigkeiten sowohl zwischen Abteilungen als auch in der Ermittlung und Verarbeitung von Informationen, was eine zusätzliche Herausforderung darstellt.

Riesige Datenmengen

Um die Anforderungen der ESG-Regulatorik in vollem Umfang zu erfüllen, benötigen Banken eine Vielzahl von Compliance-Daten. Diese stammen in der Regel aus unterschiedlichen Quellen, so etwa von Unternehmen, Drittanbietern, staatlichen Stellen sowie internen Datenerhebungen. Sie werden zudem übergreifend in verschiedenen Abteilungen benötigt, wie im Vertrieb zur Erfüllung der MiFID-Vorschriften, dem Risikomanagement, unter anderem für Stresstests, Risikotragfähigkeitskonzept (RTF) und Kapital- beziehungsweise Liquiditätseinstufungen (ICAAP/ILAAP), als auch für Offenlegung und Reporting. Nur ein ganzheitlicher Ansatz kann bei dieser Komplexität eine konsistente Datenverarbeitung und -bereitstellung gewährleisten.

ESG-Daten als Chance

Einen Schritt weiter geht der Ansatz des Data Driven Bankings in Kombination mit dem Thema ESG: Compliance-Daten lassen sich über die Erfüllung der ESG-Regulatorik hinaus wertschaffend verwenden. Das bringt Synergieeffekte durch Vermeidung von Redundanzen und einen Datenzugriff an allen relevanten Stellen. Die Informationen sind dann nicht nur für die Regulatorik nutzbar, sondern auch zur Generierung neuer Produkt- und Vertriebsideen oder zur Erhöhung der Transparenz im Marketing. Auf der Grundlage eines dem Ziel entsprechenden Datenmodells werden bei diesem Ansatz effektive ESG-Prozesse aufgebaut. Mit diesen können Berichts- und Offenlegungspflichten effizient erfüllt, Risiken aufgedeckt, neue Produkte entwickelt und zukunftsfähige (ESG-)Strategien ausgearbeitet werden.