Datenschlacht ESG: Wie Banken Kriterien erfolgreich umsetzen

Wie nachhaltig ist eine Finanzierung? Wie groß ihr CO2-Fußabdruck? Antworten auf Fragen wie diese müssen Banken aufgrund der ESG-Anforderungen bis Ende dieses Jahres liefern.

Doch angesichts schlechter Datenqualität sowie Problemen bei Beschaffung und Verarbeitung stehen sie hier vor einer immensen Datenschlacht. Wer sich strukturell gut aufstellt und gleichermaßen auf intelligente und pragmatische Lösungen setzt, kann sie jedoch gewinnen. 

Insbesondere die CSRD verpflichtet Finanzinstitute ab Ende 2024 offenzulegen, in welchem Maße sie selbst zur Erreichung der EU-Klimaziele beitragen und wie ESG-konform ihre Portfolios sind. Doch genau diese Informationen lassen sich aufgrund der Datenlage oftmals nur schwer beschaffen und die Kritik an der ESG-Regulierung wird entsprechend lauter. Auch, weil sich aus den Anforderungen massive Daten- und Infrastrukturprojekte zur Umsetzung von ESG für Banken ergeben. Hierbei stehen die Institute beim Thema Daten drei zentralen Herausforderungen gegenüber: Beschaffung, Verarbeitung und Qualität. 

Mit Software ESG-Daten einfacher managen

Es sind bereits zahlreiche Plattform-Lösungen auf dem Markt, die Banken und Kunden gleichermaßen bei der Datenerfassung unterstützen wollen. Sind die Daten zusammengetragen und zum Teil sogar bereits vorverarbeitet, könnten Banken diese direkt in ihre Bestandssysteme integrieren. So können sie beispielsweise die ESG-Risiken ihrer Kunden und den Grad der Nachhaltigkeit ihres Portfolios evaluieren. Aktuell müssen Banken nun prüfen, welche Plattform-Lösung für das ESG-Datenmanagement am besten zu ihrer vorhandenen IT-Infrastruktur passt. Denn ohne technologische Unterstützung können sie den hohen Anforderungen kaum gerecht werden. Doch was ist die richtige Plattform? Technologisch unterscheiden sich die Lösungen nicht sonderlich, sie decken aber unterschiedlich viele Themen ab. Hier lohnt es sich, den exakten Bedarf genau zu prüfen. 

Seitens der EU gibt es sogar Bestrebungen, für ESG- oder CSRD-Daten eine europaweite Datenmanagement-Lösung aufzubauen, um insbesondere bei der Datenbeschaffung Synergien zu nutzen und Potenziale zu heben. Denn viele Banken benötigen häufig die gleichen Daten vom selben Kunden. Ein sektorenweites Ökosystem, das auch Drittanbieter inkludiert, kann das Ziel sein. Österreich ist hier Vorreiter.

ESG-Daten in Infrastruktur integrieren

Die viel größere Herausforderung liegt aber nicht in der Auswahl der richtigen Plattform, sondern in der Integration der neuen Daten. Von der Kundenschnittstelle bis hin zum Reporting ergibt sich eine sehr lange Verarbeitungsstrecke, die von den neuen ESG-Anforderungen betroffen ist. Werden also die neuen Sachverhalte in bestehende Komponenten integriert, erstrecken sie sich über die gesamte Infrastruktur. Alternativ können Häuser eine neue Komponente hinzufügen, die alles rund um ESG zentralisiert. Dadurch wird jedoch die vorhandene Systemlandschaft noch komplexer und heterogener. Das macht die Weiterentwicklung und den Betrieb am Ende noch langsamer und teurer. Sofern die  Infrastruktur es zulässt, fahren Finanzinstitute mit der Integration von ESG in vorhandene Komponenten besser, da die Daten direkt dort gesammelt werden, wo sie auch hingehören. Die Häuser müssen dann zwar verschiedene Systeme anpassen, der Betrieb kann am Ende jedoch stringenter erfolgen. 

Daten dezentral verarbeiten

Finanzinstitute müssen im Zuge von ESG völlig neue Inhalte bereitstellen, beispielsweise die eigenen Energieverbräuche. Diese Informationen gibt es bislang in keinem System. Im schlechtesten Fall liegen die Daten auf Papier in der Schublade des Hausmeisters, im besten Fall bereits in einer Excel-Tabelle. Auch Personaldaten, die bislang in der externen Berichterstattung keine Rolle spielten, müssen nun verarbeitet werden. Beispielsweise sind für die CSRD Informationen zum Gehaltsstrukturen und Anteil weiblicher Führungskräfte erforderlich. Diese Informationen befinden sich zwar bereits im Personalsystem, sind aber meist nicht angebunden an das Financial Reporting. Im ersten Schritt können sich Finanzinstitute die Arbeit erleichtern, indem sie manuelle Zulieferungen erlauben oder dezentral Packages erstellen lassen, ohne alles direkt anzubinden. Wer jetzt noch nicht inmitten von Umsetzungsprojekten steckt, kann nur noch mit Hilfe von praktischen Lösungen wie dezentralen Berichts-Packages arbeiten, damit die Inhalte vor Abgabe am Jahresende vorliegen. Wichtig ist jedoch, dass sich die Finanzinstitute im zweiten Schritt mit ihrer Infrastruktur beschäftigen. Dann gilt es, die fragmentierte Datenverarbeitung mit verschiedenen Verantwortlichkeiten in einzelnen Abteilungen mit gesamtheitlichem Blick zusammenzuführen.

Qualität messen und verbessern

Sind die entsprechenden Daten erst einmal eingesammelt, stehen Finanzinstitute gleich vor der nächsten Herausforderung. Denn die beschafften Daten haben oftmals eine zu schlechte Qualität – etwa, weil Bankkunden wie Kreditnehmer gar nicht wissen, wie die energetischen Daten der Immobilie aussehen und falsche oder ungenaue Informationen liefern. Doch auch die Altlasten in der eigenen Systemumgebung sind verantwortlich dafür, dass die Datenqualität über die Jahre zusehends schlechter geworden ist. Deshalb hat die Bankenaufsicht die Datenqualität und ihre Verarbeitung zum Top-Thema erklärt und überprüft diese bereits streng. Auch bei neuen Verfahren und Methoden ist immer wieder zu beobachten, dass diese zwar methodisch einwandfrei  aufgesetzt sind, aber die Datengrundlage erhebliche Mängel aufweist. Dann helfen auch die neuen Verfahren nichts. Banken müssen die Datenqualität nicht nur wegen Prüfungen durch die Aufsicht dringend verbessern. Insbesondere wenn Banken versuchen, auf Basis von Daten „grüner zu werden“, muss die Grundlage stimmen. Bei einer falschen Messung ist das Reputationsrisiko groß, sowohl in der Öffentlichkeit als auch bei Investoren. Finanzinstitute müssen daher für die Überprüfung der Datenqualität entsprechend Zeit und Aufwand einplanen. Die Qualität sicherzustellen sollte ein zentraler Baustein von Umsetzungsprojekten sein. Bei der Messung helfen Technologie-gestützte Ansätze. Künstliche Intelligenz kann bei der Qualitätsdetektion hervorragend unterstützen, ohne dass der Einsatz von KI kritisch beäugt werden müsste, da es bei dieser Aufgabe nicht um ethische Fragestellungen geht. Die Hürden für den Einsatz von KI sind somit geringer. 

Vorarbeit für einen geschmeidigen Regelbetrieb

Zwar sind die massiven Daten- und Infrastrukturprojekte zur Umsetzung von ESG eine große Herausforderung für Finanzinstitute. Doch die riesige Datenschlacht ist zu gewinnen. Banken müssen sich dafür allerdings strukturell gut aufstellen und ESG-Daten an den passenden Stellen integrieren und intelligente Lösungen einbinden – etwa für das ESG-Datenmanagement oder die Qualitätsdetektion. Dann fällt ihnen auch der anschließende Regelbetrieb wesentlich leichter.