Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Interne Daten reichen als einzige Datenquelle nicht aus Andere Modelle sollten vorhandenes Wissen, insbesondere Prognosen berücksichtigen “Gemischte” Ansätze verbinden quantitatives und qualitatives Wissen

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Risikoindikatoren –Kennzahlen dienen als “Alarmsignale” –Besonders wichtige Kennzahlen werden zu KRI’s – Key Risk Indicators –Indikatoren werden von Experten geschätzt, aber auch mit Verlustdaten validiert

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Szenarien –Erzeugen von “Was wäre wenn”-Szenarien –Externe Daten sehr nützlich –Experten schätzen Relevanz für das Unternehmen und Ausmaß bei Eintritt

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Prozessanalyse –Prozesse des Unternehmens werden als gerichteter Graph abgebildet –Übergangswahrscheinlichkeiten bilden Ausfallrisiken –Vorteil: Gute Prognosequalität –Nachteil: Extrem aufwändig

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Beispiel Self-Assessment –Gruppenexperten bestimmen Ihr Risiko selbst –Fragebögen dienen als Grundlage –Meist sehr einfache Auswertung –Nachteile: Selbstüberschätzung Ankerverhalten

Mathematisch-Statistische Verfahren des Risikomanagements - SS Weitere Methoden Nachteil aller Methoden: Subjektiver Input nötig Großes Problem: Motivation der Mitarbeiter “Risikokultur” drängt Angestellte dazu Verluste und Probleme zu verschweigen

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Kreislauf des Risikomanagements (1): “Was man nicht messen kann, kann man auch nicht managen.” Risikomanagement ist sehr stark abhängig von Kenngrößen und -zahlen.

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Kreislauf des Risikomanagements (2): “Wenn man keinen Input hat, kann man nichts messen.” Alle Messmethoden sind sehr stark von der Mitarbeit der Beschäftigten abhängig.

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Kreislauf des Risikomanagements (3): “Ohne gutes Management, erhält man keinen Input.” Bei potentiellen persönlichen Nachteilen für die Mitarbeiter ist der Input schlecht.

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft “Der Teufelskreis des OpRisk Management”

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösung liegt im Durchbrechen des Teufelskreises (Top-)Management muss sich der Wichtigkeit der OpRisk-Steuerung bewusst werden Anreizsysteme müssen geschaffen werden, um besseres Reporting zu ermöglichen

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Wo liegen die Probleme beim Reporting? Mitarbeiter haben allgemein kein Interesse (selbstverschuldete) Schäden zu melden. Durch die schlechte Situation am Arbeitsmarkt wird dieses Problem noch verschärft. Anreizsystem muss also eine Belohnung für das Melden von Schadensfällen bieten. Aber:

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Bonussysteme können einen gegenläufigen Anreiz erzeugen: Risikoadjustierte Bonuszahlungen veranlassen Line-Manager zu Absprachen und “Schweigen”

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösungen: –Anreizsystem für Reporting muss möglichst undurchschaubar sein –Insbesondere strikte Trennung von Bonussystemen für Performance und Reporting –Anonymität beim Reporting muss gewährleistet werden, damit gemeldete Schäden nicht auf den Verursacher zurückfallen –Threshold muss systematisch gesenkt werden um genauere Übersicht über die Datenlage zu liefern

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösungen: –Banken und Unternehmen müssen Verbände bilden und anonym Daten austauschen –Datenkonsortien erlauben dann die auch von Basel geforderte Modellierung extremer Ereignisse

Mathematisch-Statistische Verfahren des Risikomanagements - SS Lösungen für die Zukunft Lösungen: –Top-Management muss involviert werden - „Risikokultur“ muss von oberster Ebene her systematisch abgebaut werden –Organisationsstruktur muss das Reporting erleichtern –OpRisk muss als wichtiger Faktor im Risikomanagement anerkannt werden und betrifft jeden Mitarbeiter - OpRisk muss kommuniziert werden