Grundlagenarbeit mit Potenzial

Wolfgang Boffo: Solche Modelle gibt es bereits. Aber sie werden in der Regel nur für bestimmte Wirtschaftsbereiche wie den Banken- oder Finanzdienstleistungssektor entwickelt. Damit sind sie zwar branchenübergreifendanwendbar, häufig aber eben nur für die Erfassung bestimmter Arten von Risiken gedacht, zum Beispiel für die Gegenüberstellung von finanziellen und nicht-finanziellen Risiken. Oft sind die Kategorisierungen zudem nur regional oder bedingt nutzbar, weil sie von Dritten – zum Beispiel von einer lokalen Aufsichtsbehörde – oder ausschließlich für Erhebungszwecke erstellt wurden. Ein einheitliches, universell anwendbares Kategorisierungsschema gibt es bisher noch nicht. Das wollten wir ändern.

W. Boffo: Erstens war es eine einfache und praktikable Lösung: In den USA muss jedes börsennotierte Unternehmen bei der US-Finanzaufsicht SEC einen 10-K-Jahresbericht einreichen, der dann auf der SEC-Website veröffentlicht wird. Technisch gesehen ist es also ganz einfach, die Berichte zusammenzuführen. Man muss nicht auf die Webseite jedes einzelnen (Kunden-)Unternehmens gehen und dort nach den Informationen suchen. Und zweitens: Im 10-K-Bericht nennt das Unternehmen grundsätzlich alle möglichen Risiken, die es für wesentlich – und damit für berichtswürdig – hält. Aufgrund der großen Anzahl an Berichten und der darin aufgeführten Risiken erhält man eine zuverlässige Stichprobe und damit ein repräsentatives Bild der Zusammenhänge. So konnten wir die Risiken über verschiedene Industriesegmente hinweg zusammentragen und inventarisieren. Zudem konnten wir die Informationen in ein Kategorisierungsschema übertragen, das für alle Industriesegmente und Risikoarten universell anwendbar ist. Der branchenübergreifende Ansatz war für den qualitativen und quantitativen Input in Bezug auf die weitere Analysetätigkeit zu White Spots, Risikomustern und Trends wichtig. 

W. Boffo: Die Informationen aus den 10-K Reports wirkten auf den ersten Blick sehr strukturiert. Um automatisierte KI- und Data-Mining-Verfahren anwenden zu können, war es aber noch ein weiter Weg. Deswegen haben wir uns fürs erste für eine praxisorientierte Inventarisierung der Risiken aus den 10-K-Berichten entschieden. Ziel war eine entsprechende Clusterung und die Ableitung einer dreistufigen hierarchischen Kategorisierungsmatrix. Die tabellarisch aufbereiteten Einzelrisikoeinträge bilden die Grundlage, um daraus geeignete KI- und DM-Algorithmen zu entwickeln. 

W. Boffo: Man muss ganz klar sagen: Wir haben das Kategorisierungsschema nicht aus der Versicherungssicht heraus entwickelt. Das heißt, im Ergebnis unterscheiden wir nicht zwischen versicherbaren und nicht versicherbaren Risiken. Sonst hätten wir überholte Kategorisierungsmuster fortgeschrieben. Stattdessen wollten wir ein neues Schema entwickeln, das alle möglichen Risiken abbildet, denen sich Unternehmen gegenüber sehen. Das Risk Repository verzichtet aus diesem Grund auch weitgehend auf die typische Versicherungsterminologie, die man bei einer derartigen Kategorisierung erwartet. Trotzdem zeigen bestimmte Risikobereiche deutlich und relativ granular, wo wir die traditionellen Grenzen der Versicherbarkeit verschieben können und müssen, wenn wir den Unternehmen auch künftig als bevorzugter Partner beim Risikotransfer zur Seite stehen wollen.

W. Boffo: Es dürfte kaum überraschen, dass Betriebsunterbrechung über alle untersuchten Branchen und Unternehmen hinweg als größtes Risiko genannt wurde. Dabei unterscheiden die Unternehmen nicht nach der zugrunde liegenden Ursache, also ob der Betriebsunterbrechung ein Sachschaden zugrunde liegt oder nicht. Bei näherem Blick stellt man fest, dass eine breite Palette von Risiken genannt wird, die erhebliche Betriebsunterbrechungen nach sich ziehen können. Die Dynamik des technischen Fortschritts bei IoT und Industrie 4.0 sowie der damit einhergehende Anpassungsdruck stellt die Unternehmen in allen Industriesegmenten vor zusätzliche Herausforderungen. Für uns heißt das ganz klar, dass die Kunden individuelle und zugleich umfassende Risikotransferlösungen benötigen, um ihr Business Resilience Management effektiv zu unterstützen. Diese Erkenntnisse decken sich im Übrigen auch mit unserem derzeitigen gruppenweiten Risikoverständnis. Wir werden die gewonnenen Erkenntnisse nutzen, um unsere Risikoentscheidungen bei neuartigen Risiken zu überprüfen und den Risikotransfer umfassend zu gestalten.

W. Boffo: Wir gehen parallel vor. Unsere bestehende Datenbank wird um AI- and DM-Optionen erweitert und die derzeitigen Ergebnisse werden validiert. Ferner werten wir konkrete Risikoereignisse aus, um die erforderliche Evidenz und statistische Relevanz in Bezug auf unser Kategorisierungsschema zu gewinnen. Schließlich macht die bloße Erwähnung oder Auflistung von Risiken allein noch keine Risikotransfer-Lösung. Allerdings sind wir damit künftig in der Lage, Risiken noch besser zu modellieren und zu bepreisen.  

Risikomanager profitieren von derartigen Informationen, denn ihre Rolle wird damit noch bedeutsamer. Aber auch für Anleger oder Aufsichtsratsmitglieder sind die im Risk Repository gesammelten Informationen von großem Nutzen, ermöglichen sie doch noch fundiertere Anlageentscheidungen und vermitteln einen umfassenden Überblick über die Risikolandschaft im Unternehmen oder Industriesegment. Damit tragen die Erkenntnisse aus dem Risk Repository maßgeblich dazu bei, unseren Kunden Lösungen zu bieten, die genau auf ihre Bedürfnisse zugeschnitten sind.