Risiko- und Compliancemanagement

Die Anlagen beziehungsweise Investitionen in Alternative Investmentfonds (AIF) sind im Sinne des Anlegerschutzes gesetzlich und aufsichtsrechtlich geregelt. Eine AIF-Verwahrstelle ist in diesem Zusammenhang die gesetzlich vorgeschriebene Kontrollinstanz. Zu den Hauptaufgaben einer AIF-Verwahrstelle gehört auch die Überwachung von Zahlungsströmen, das sogenannte Cash-Monitoring, auf den von einer AIF-Kapitalverwaltungsgesellschaft für Rechnung der Fondsanleger treuhänderisch verwalteten Konten.

Die Überwachung durch die AIF-Verwahrstelle dient der Ordnungsmäßigkeit von Zahlungs-flüssen und deren Zuordnung zu Schuldverhältnissen. Aufgrund der Überwachung einer korrekten Verwendung von Geldmitteln trägt das Cash-Monitoring zur Aufdeckung nicht gesetzes- bzw. nicht vertragskonformer Handlungen seitens externer Prozessbeteiligter (beispielsweise Kunden und kontoführende Institute) aber gegebenenfalls auch interner Organisationsmitglieder bei.

Marktlage

In Deutschland ist eine steigende Beliebtheit der Anlage in Investmentfonds festzustellen. Als Gründe dafür können beispielsweise die aktuelle Niedrigzinsphase, die steigende Regulierung und der immer besser werdende Anlegerschutz genannt werden. Im Falle einer Fortsetzung dieses Trends wird auch der Bedarf nach Kontrollen seitens der AIF-Verwahrstellen weiter zunehmen.

Eine im Oktober 2014 von PwC veröffentliche Studie [vgl. PwC 2014] hat ergeben, dass alle befragten AIF-Verwahrstellen im Zusammenhang mit der Einführung des KAGB die größte organisatorische Herausforderung im Cash-Monitoring sehen, was Abb. 01 verdeutlicht.

Abb. 01: Herausforderungen der AIF-Verwahrstellen seit der KAGB-Einführung [Quelle: PwC 2014, S. 27]

Weitere Detailanalysen ergaben (vgl. Abb. 02), dass insbesondere das Cash-Monitoring ein Bereich ist, bei dem ein hoher Nachbesserungs- und Klärungsbedarf seitens des Gesetzgebers und der Aufsicht vorzuliegen scheint.

Abb. 02: Bereiche mit Rechtsunsicherheiten aus Sicht der AIF-Verwahrstellen [Quelle: PwC 2014, S. 58]

Kriminalitätslage

Obwohl die zuletzt veröffentlichten Fallzahlen der Wirtschaftskriminalität insgesamt rückläufig waren, konnten in den Bereichen Anlage- und Finanzierungsdelikte sowie Betrug/Untreue bei Kapitalanlagen deutliche Zunahmen verzeichnet werden. Besonders herausragend ist dabei die Zunahme der Schäden durch Betrug/Untreue bei Kapitalanlagen.

Die Abb. 03 zeigt, dass sich laut Polizeilicher Krimninalstatistik (PKS) die Fallzahl des Kapitalanlagebetruges in den Jahren von 2010 bis 2012 zwar rückläufig entwickelte, jedoch seit 2012 ist wieder eine deutliche Zunahme zu verzeichnen [vgl. Bundeskriminalamt 2015, S. 6].

Abb. 03: Fallentwicklung bei Kapitalanlagebetrug (2010-2014) [Quelle: Bundeskriminalamt 2015, S. 6]

Gesetzeslage

Das Inkrafttreten des Kapitalanlagegesetzbuches (KAGB) führte dazu, dass zuvor nicht regulierte geschlossene Fonds nun auch eine AIF-Verwahrstelle benötigen, was eine umfangreiche Neuordnung am Markt hervorrief. Das damit einhergehende Wachstum des Neukundengeschäfts stellt die betroffenen AIF-Verwahrstellen vor große Herausforderungen. Unter diesen Aspekten wird es für die AIF-Verwahrstellen zunehmend schwieriger, ihrer Pflicht nachzukommen, die gestiegene und stetig weiter steigende Menge an Treuhandkonten zu überwachen.

Planung der Untersuchung

Eine zeitnahe Überwachung aller Zahlungsströme ist mit den bisherigen Prozessen nicht mehr darstellbar. Die Kontrolle der Kontoauszugsdaten erfolgt häufig nur manuell und stichprobenartig, denn umfassendere Kontrollen würden einen hohen zusätzlichen Personal- und Zeitaufwand erfordern. Damit erscheint der derzeitige Cash-Monitoring-Prozess den gesetzlich und aufsichtsrechtlich geforderten Kontrollpflichten als nicht mehr angemessen.

Da eine AIF-Verwahrstelle bei der Ausübung ihrer Kontrollfunktion bereits für fahrlässige Sorgfaltspflichtverletzungen haftet, stellen die Gefahren eines nicht umfassenden Cash-Monitorings für ein solches Kreditinstitut operationelle Risiken dar.

Häufig werden diese Risiken sogar unterschätzt, da lediglich auf die zunächst geringen finanziellen Schäden abgestellt wird, ohne die nicht finanziellen Schäden (beispielsweise Reputationsverlust) zu berücksichtigen. Nicht zuletzt fordert auch der Gesetzgeber die Anwendung geeigneter Verfahren.

Die als Lösung vorgeschlagene automatisierte Datenanalyse stellt für eine AIF-Verwahrstelle einen Beitrag zur Risikoreduzierung beziehungsweise -minimierung dar und dient damit der Vermeidung einer etwaigen Haftung gegenüber Kunden und Anlegern.

Vor diesem Hintergrund wurde also die Eignung der automatisierten, intelligenten Datenanalyse zur Verbesserung der Kontrollprozesse einer AIF-Verwahrstelle untersucht, um mit deren Anwendung den gesetzlich und aufsichtsrechtlich geforderten Kontrollpflichten in angemessener Form gerecht zu werden.

Die AIF-Verwahrstellen verfügen bereits heute über eine Vielzahl elektronisch gespeicherter Daten, die eine wichtige Informationsquelle darstellen und im Rahmen der angebotenen Dienstleistungen für Datenanalysen und Reportings zielgerichtet nutzbar sind. Daher galt es in diesem Zusammenhang die Frage zu beantworten, inwieweit die vorhandenen elektronischen Kontoauszugsdaten genutzt werden können, um nicht jeden einzelnen Zahlungsvorgang manuell prüfen zu müssen und somit das Cash-Monitoring einer AIF-Verwahrstelle unter den Aspekten Corporate Governance, Risk und Compliance möglichst effektiv und effizient zu gestalten.

Durchführung der Untersuchung

Prozess- und Gefährdungsanalyse

Basierend auf einer Prozessanalyse wird das Cash-Monitoring als ein wichtiger Kernprozess für die Erfüllung der Kontrollpflichten einer AIF-Verwahrstelle herausgearbeitet. Eine diesbezügliche Prozessrisikobeurteilung und Gefährdungsanalyse zeigt, dass die derzeit praktizierten Kontrollprozesse dringend zu optimieren sind.

Zur Identifikation, Analyse und Beurteilung von Risiken können in der Praxis verschiedene Techniken (Methoden) angewendet werden, die hinsichtlich ihrer Eignung für den zu bewertenden Sachverhalt auszuwählen sind. Für das Cash-Monitoring wird die Szenario-Analyse auf Basis von Worst-Case-Betrachtungen ausgewählt. Diese Methode ist sowohl zur Risikoerkennung, -analyse und -beurteilung als auch zur IT-Anwendung geeignet [vgl. ISACA Germany Chapter e.V. 2014, S. 25].

Aus dem identifizierten Gefährdungspotential wird die automatisierte, intelligente Datenanalyse als geeignete Methode zur Prozessoptimierung abgeleitet, um damit die Verwahrstellenaufgaben intensiver, detailorientierter aber gleichzeitig auch gesetzlich und aufsichtsrechtlich konform wahrzunehmen.

Phasen der Datenanalyse

Der Prozess der Datenanalyse wird gemäß Abb. 04 in sechs verschiedene Phasen untergliedert:

Abb. 04: Phasen der Datenanalyse [eigene Abbildung]

Datenbasis

Zum Zeitpunkt der Datenanalyse (Stand Juli 2015) war die betrachtete AIF-Verwahrstelle mit der Kontrolle von Kontoauszügen konfrontiert, die durchschnittlich rund 40.000 Umsatzdatensätze pro Monat enthielten. Aufgrund des anhaltenden Wachstums der Kundenanzahl steigt gleichzeitig auch der vom Gesetzgeber geforderte Kontrollaufwand. Aufgrund dieser Entwicklung erscheint die zeitnahe Einführung einer Datenanalyse zur Bewältigung des Prüfumfangs erforderlich, um die großen Datenmengen (Big Data) seitens der AIF-Verwahrstelle in der vorgegebenen Zeit effektiv und effizient zu verarbeiten beziehungsweise zu überwachen.

Aufgrund der Verwendung anonymisierter Daten können lediglich ausgewählte Beispiele dargestellt werden. Bei der praktischen Anwendung im Unternehmen könnten durch die Nutzung unverschlüsselter Daten noch viel mehr Erkenntnisse gewonnen werden.

Angewandte Auswertungstechniken

Im Rahmen der Datenauswertung erfolgt sowohl eine Breiten- als auch eine Tiefenanalyse. Die Auswertung der Daten erfolgt dabei in vier verschiedenen Stufen, vgl. dazu auch Abb. 05.

Abb. 05: Visualisierung des Prozesses der Datenauswertung [eigene Abbildung]

Die mittels verschiedener EDV-basierter Auswertungstechniken (beispielsweise Filterung, Sortierung, Gruppierung, Verdichtung sowie tabellarische oder grafische Darstellung) gewonnen Analyseergebnisse werden beispielhaft vorgestellt. Die Ergebnisse der Datenanalyse befassen sich hierbei unter anderem mit der Kontrolle der Stamm- und Kontoauszugsdaten, mit der Kontrolle der Kontoverwendung und des Zahlungsverhaltens, mit der Kontrolle der vertragsgerechten Erfüllung von Zahlungsplänen sowie mit der Kontrolle von Kontoüberziehungen.

Ausgewählte Ergebnisse der Untersuchung

An dieser Stelle soll lediglich an einigen ausgewählten Beispielen aufgezeigt werden, wie und mit welchen Ergebnissen die verfügbare Datenbasis ausgewertet werden kann, um wichtige Erkenntnisse zu gewinnen und notwendigen Handlungsbedarf zu erkennen.

Betrachtung der Datenbasis

Eine wesentliche Voraussetzung für sinnvolle Analyseergebnisse aus der Grundgesamtheit ist der korrekte Aufsatz der Stammdaten und die Lückenlosigkeit der Kontoauszugsdaten. Der erste Schritt der Datenauswertung dient daher der Entdeckung von Unstimmigkeiten in den Stamm- und Kontoauszugsdaten.

Beispiel:  Problematik "lückenlose Kontoauszüge"

Tab. 01: Auswertung bzgl. lückenloser Kontoauszüge

Es können verschiedene Ursachen für derartige Abweichungen vorliegen, beispielsweise Nichtbereitstellung der Kontoauszüge durch die kontoführenden Institute, keine Online-Verbindung bei Abholung der Kontoauszüge, Dauer der Bereitstellung der Kontoauszüge und Nichtabholung durch die AIF-Verwahrstelle aufgrund kurzer Überschneidungszeiträume.

Zeitpunktbetrachtung

Unter Zeitpunktbetrachtungen werden im Rahmen dieser Arbeit Auswertungen verstanden, die an beliebigen Stichtagen erfolgen können und lediglich einen Überblick zu bestimmten Sachverhalten vermitteln, beispielsweise hinsichtlich Kontoverwendung und Zahlungsverhalten.

Beispiel:  Problematik "untypische Umsätze auf bestimmten Kontotypen"

Tab. 02: Auswertung bzgl. untypischer Umsätze auf Mietkonten

Obwohl ein Mietkonto lediglich Mieteingänge und Mietüberträge ausweisen sollte, haben im vorliegenden Beispiel Gehaltszahlungen stattgefunden, die normalerweise über das Bewirtschaftungskonto gezahlt werden sollten.

Da derartige Umsätze sehr untypisch sind, ist es unbedingt erforderlich, die Kunden ausdrücklich darauf hinzuweisen und die Hintergründe zu erörtern, um künftige eine sachgerechten Nutzung der Konten sicherzustellen.

Wesentliche Erkenntnisse

Im Ergebnis der Betrachtungen kann festgestellt werden, dass sich die intelligente Datenanalyse zur signifikanten Optimierung der Geschäftsprozesse einer AIF-Verwahrstelle eignet.

Obwohl auch die intelligente Datenanalyse, mit vertretbarem Aufwand realisiert, gegebenenfalls nicht alle fehlerhaften und unerlaubten Zahlungsvorgänge erkennen lässt, stellt sie dennoch eine umfassende Optimierung der bisherigen Kontrollprozesse dar.

Bewertung der vorgestellten Methode

Vorteile der Datenanalyse

Die Datenanalyse ist die Grundlage und Voraussetzung dafür, den derzeitigen Prozess des Cash-Monitorings grundlegend zu verändern und damit zu optimieren.

Die wichtigsten Vorteile einer automatisierten Datenanalyse sind:

• Erhöhung der Effektivität und Effizienz bei der Wahrnehmung der Kontrollpflichten;
• Erfüllung von Prüfungsanforderungen, da keine manuellen Eingriffe;
• Prozessoptimierung und Steigerung der Bearbeitungstiefe sowie des Kontrollumfangs;
• Möglichkeiten der Standardisierung und Automatisierung;
• Möglichkeit der Betrachtung großer Zeiträume von der Vergangenheit bis in die Gegenwart;
• Eignung für Risikofrüherkennung und Trendanalysen;
• Speicherung zur Sicherstellung der Dokumentationspflicht vereinfacht;
• Verbesserung des internen und externen Reportings;
• Erleichterung des Umgangs mit großen Datenmengen;
• Generierung von Wissen durch Auswertung großer Datenmengen;
• Schaffung wichtiger Wertbeiträge für das betrachtete Unternehmen.

Nachteile der Datenanalyse

Einige Nachteile der automatisierten Datenanalyse können wie folgt beschrieben werden:

• automatische Auswertungen setzen korrekte Ausführung vorgelagerter Prozesse voraus (beispielsweise Bereitstellung und Abholung von Kontoauszugsdaten);
• automatisierte, intelligente Datenanalysen beruhen auf sehr komplexen Auswertungsmethoden;
• dynamischer Prozess mit laufenden Kosten, da Erfordernis einer regelmäßigen programmtechnischen Überprüfung und Anpassung;
• steigende Abhängigkeit bezüglich der Funktionalität von Hard- und Software;
• Beeinflussung anderer Managementsysteme (beispielsweise IT-Notfall- und IT-Risikomanagement);
• Verarbeitung elektronischer Kundendaten erfordern neue bzw. erweiterte Konzepte der Datensicherheit (bezogen auf Hard- und Software) und des Datenschutzes (bezogen auf Kunden);
• potentielle Gefahr von Interessenskonflikten mit Kunden aufgrund der erhöhten Bearbeitungstiefe;
• automatisierte Kontrollprozesse führen zu Wissensverlusten und eingeschränkter Handlungsfähigkeit bei den Anwendern, die nicht im Detail wissen, auf welchen Regeln die benutzerfreundlich aufbereiteten Ergebnisse der Datenanalysen basieren;
• Notwendigkeit benutzerfreundlich aufbereiteter Handlungsanweisungen im Falle festgestellter Abweichungen;
• Trainingsaufwand für die Nutzer neuer Softwareanwendungen.

Wertbeitrag der Datenanalyse

Die automatisierte, intelligente Datenanalyse ist die Basis für eine signifikante Optimierung der Kontrollprozesse einer AIF-Verwahrstelle. Aus der Anwendung einer derartigen Datenanalyse resultieren die nachfolgend aufgeführten positiven Wertbeiträge für die AIF-Verwahrstelle:

•  Steigerung der Effizienz
  • Reduzierung des Arbeits- und Personalaufwandes;
  • Zeit- und Kostenersparnisse durch Automatisierung;
  • Möglichkeit aufwandsoptimierter Verwahrstellenvergütungen.
• Verbesserung der Erfüllung von Kontrollpflichten
  • Schaffung von Transparenz über Zahlungsströme;
  • Steigerung der Bearbeitungstiefe bezüglich Cash-Monitoring;
  • Reduzierung operativer Risiken und damit der Haftungsrisiken;
  • Verbesserung des Anlegerschutzes.
• Steigerung der Kundenbindung
  • Schaffung von Win-Win-Situationen zwischen allen Beteiligten;
  • Erhöhung der Kundenzufriedenheit;
  • Steigerung der Reputation.
• Steigerung der Wettbewerbsfähigkeit
  • Erweiterung des Dienstleistungsportfolios;
  • Benchmarking mit anderen Dienstleistern;
  • Verkaufsargument zur Gewinnung potentieller Neukunden.
• Möglichkeit zur Generierung von Wissen
  • Reduzierung der Komplexität durch intelligente Verarbeitungstechniken für große Datenmengen;
  • Nutzung der Datenbasis für vergleichende Analysen.
• Eröffnung strategischer Perspektiven
  • weitere Vernetzung der internen Datenbankstrukturen;
  • Anwendung für andere Unternehmensbereiche und -aufgaben.

Zusammenfassung und Ausblick

Die Untersuchungen haben erwiesen, dass die automatisierte Analyse elektronischer Kontoauszugsdaten dazu dienen kann, die Kontrollpflichten einer AIF-Verwahrstelle bezüglich Cash-Monitoring bei gleichzeitiger Beachtung von Risiko- und Compliance-Aspekten effektiv und effizient zu erfüllen und so dem Anlegerschutz noch besser gerecht zu werden. Ohne jeden einzelnen Zahlungsvorgang manuell prüfen zu müssen, eignet sich diese Analysemethode sowohl zur Risikoprävention als auch zur Bewältigung bereits eingetretener Risiken.

Vor der Einführung einer automatisierten Datenanalyse sind zunächst die Kosten-Nutzen-Aspekte zu betrachten und abzuwägen. Nach der Entscheidung für die Implementierung der automatisierten Datenanalyse, ist die Realisierung zwingend in Form eines interdisziplinären Projektes durchzuführen, da verschiedene Unternehmensbereiche (beispielsweise Verwahrstellenfunktion, IT sowie Risiko- und Compliancemanagement) involviert sein müssen.

Im Rahmen eines solchen Projektes sind alle vorgeschalteten Prozesse unbedingt nochmals zu überprüfen. Des Weiteren bedeutet diese Prozessänderung einen vorab erforderlichen Investitionsaufwand zur EDV-technischen Umsetzung, der sich erst später bei konsequenter Anwendung rentieren wird. In jedem Fall ist auf die Entwicklung nutzerfreundlicher, automatisierter Lösungen zu achten.

Aufgrund der Analysemöglichkeit großer Datenmengen besitzt die automatisierte, intelligente Datenanalyse das Potential, Wissenszuwachs zu generieren und für andere Aufgabenbereiche einer AIF-Verwahrstelle angewendet zu werden. Demnach besteht ein zusätzlicher, weiterführender Nutzen beispielsweise darin, andere Aufgabengebiete (z. B.die Anteilwertermittlung und die Anlagegrenzkontrolle) zu integrieren und bereits vorhandene unternehmensinterne Datenbanken zu vernetzten.

Damit leistet die intelligente Datenanalyse einen signifikanten Wertbeitrag für das Unternehmen und bildet gleichzeitig eine wichtige Voraussetzung für ein zukünftiges weiteres Geschäftswachstum.

Quellenverzeichnis sowie weiterführende Literaturhinweise:

• Bundeskriminalamt (2015): Wirtschaftskriminalität – Bundeslagebild 2014, Wiesbaden 2016 [URL: www.bka.de/nn_193360/DE/Publikationen/JahresberichteUndLagebilder/Wirtschaftskriminalitaet/wirtschaftskriminalitaet__node.html].
• ISACA Germany Chapter e.V. (2014): Leitfaden ISO 31000 in der IT mit Vergleich zu anderen Standards, Kelkheim 2014 [URL: isaca.de/sites/pf7360fd2c1.dev.team-wd.de/files/attachements/2014_11_isaca-leitfadenanwendungderiso31000inderit.pdf].
• PwC (2014): Angekommen in der neuen regulierten Welt – Auswirkungen des KAGB auf die Branche der alternativen Investments [URL: www.pwc.de/de_DE/de/finanzdienstleistungen/real-estate/assets/kagb_auswirkungsstudie_angekommen-in-der-neuen-regulierten-welt.pdf].
• Thomas, Michaela (2015): Ein Beitrag zur Nutzung der intelligenten Datenanalyse für das Cash-Monitoring einer AIF-Verwahrstelle unter Beachtung von Risiko- und Compliance-Aspekten, Finsing 2015.

Autorin:

Michaela Thomas