Wie bewertet man die einzelnen Risiken im Enterprise Risk Management, dem unternehmensweiten Risikomanagement? Und wie führt man sie zu einem Gesamtbild zusammen? Darum ging es in einem zweiteiligen Vortrag zum Thema Risikoquantifizierung, den wir vor einem Arbeitskreis der Risk Management & Rating Association gehalten haben.
Der erste Teil zeigt in Excel, wie man Risiken mit Verteilungen bewertet und über eine Monte-Carlo-Simulation aggregiert. Außerdem zeigt er, wie man ein einzelnes Risiko mit einem Modell aus seinen Einflussfaktoren bewertet. Der zweite Teil zeigt, was bei der Gestaltung des gesamten Risikomanagementprozesses zu berücksichtigen ist: wer die Risiken einschätzt, wie nicht finanzielle Auswirkungen eingehen, wie man mehrere Jahre und das laufende Geschäftsjahr behandelt und wie lange das Risikokapital reicht.
Welche Angaben braucht die Bewertung eines Risikos?
Kurz gesagt: Risk Kit ist ein Add-in für Microsoft Excel, mit dem man Monte-Carlo-Simulationen direkt in der Tabelle aufbaut und auswertet. Was wir hier zeigen, gilt aber allgemein: Die Bewertung und Aggregation von Risiken über eine Monte-Carlo-Simulation funktioniert in jedem Simulationstool nach demselben Prinzip.
Als erstes Beispiel dient eine Risikoaggregation, wie sie der IDW PS 340 fordert. Die Vorlage dafür ist in Risk Kit enthalten. Jedes Risiko wird darin zweimal bewertet, vor Maßnahmen und nach Maßnahmen, also brutto und netto. Abbildung 1 zeigt den Block vor Maßnahmen. Jede Zeile beschreibt ein Risiko.
Abbildung 1: Die Vorlage für die Risikoaggregation mit dem Block vor Maßnahmen. Alle zehn Beispielrisiken sind mit der PERT-Verteilung über den minimalen, den wahrscheinlichsten und den maximalen Schaden bewertet.
Für jedes Risiko erfassen wir zunächst die üblichen Daten: die Risiko-ID, den Namen des Risikos im Klartext und das Risikofeld, zum Beispiel Marktrisiko, Klimarisiko oder Cyber-Risiko. Das Risikofeld ist ein Zwischenaggregat zwischen dem einzelnen Risiko und dem gesamten Unternehmen. So lässt sich später erkennen, ob das Unternehmen große Risiken in Bereichen eingeht, die nicht zu seinem Geschäftsmodell passen und daher unerwünscht sind.
Die Bewertung beginnt mit der Frage, ob ein Risiko pro Periode nur einmal oder mehrfach auftreten kann. Meistens können Risiken mehrfach auftreten, manche sind aber so singulär, dass sie nur einmal vorkommen können. Diese Eigenschaft gilt unabhängig von den getroffenen Maßnahmen. In der Vorlage steht sie deshalb nur im Block vor Maßnahmen, in der Spalte „Risiko kann mehrfach auftreten“.
Für den Eintritt eines Risikos gibt es eine Eintrittswahrscheinlichkeit oder eine Eintrittshäufigkeit. Für die Auswirkung bei Eintritt verwenden wir eine Verteilung mit bestimmten Parametern. Die Verteilung wird klar benannt, damit ersichtlich ist, was genau bewertet wird. Ein einfacher Einstieg ist, alle Risiken mit einer Dreipunktverteilung zu bewerten. Wir haben dafür die PERT-Verteilung gewählt, die den minimalen, den wahrscheinlichsten und den maximalen Schaden abbildet. Bei der Rezession, Risiko 1, sind das 0 Euro, 1.750.000 Euro und 5.000.000 Euro bei einer Eintrittswahrscheinlichkeit von 0,25. Diese Parameter sind einfach zu verstehen und zu erklären, und die Bewertung bleibt einheitlich.
Welche Verteilungen passen?
Im Fußball wissen wir, dass man den Ball auf viele Arten spielen kann: dribbeln, passen, stoppen, volley nehmen, schneiden, köpfen und so weiter. Schon als Vierzehnjährige wollten wir im Spiel flexibel auf die Situation reagieren und den Ball passend spielen. Ein Spieler, der nur mit rechts spielen und nur geschnittene Bälle schießen kann, wäre ein Risiko für seine Mannschaft. Wenn alle Spieler das Gleiche tun, ist das Team zwar unterhaltsam, aber nicht erfolgreich. Im Risikomanagement ist es genauso. Es geht darum, die richtigen und nützlichen Methoden zu wählen. Wir wollen nicht alles machen, sondern das Wichtige.
Risk Kit bietet eine überschaubare Auswahl der wichtigsten Verteilungen für die Modellierung in Unternehmen. Es gibt noch viele weitere, aber Verteilungen wie Bradford oder Burr werden die meisten von uns kaum brauchen, es sei denn, sie sind Aktuare in einer Versicherung. Die Auswahl besteht aus drei Gruppen:
- Für den Eintritt eines Risikos gibt es Verteilungen wie Bernoulli, Binomial, Multinomial und Poisson.
- Für die Auswirkungen nutzen wir klassische Verteilungen wie PERT, Dreieck, modifizierte PERT, LogNormal oder Weibull.
- Dazu kommen innovative Verteilungen wie Expert, Flex und Poly.
Nutzen wir mehrere Verteilungen, geben wir immer den Namen der Verteilung und die passenden Parameter an. Abbildung 2 zeigt das für die Bewertung nach Maßnahmen. In der Spalte „Verteilung“ stehen hier Normal, Pert, LogNormal3, Pert2P, Trapezoid, Weibull, Expert, Dreieck, Flex und ModPert. Die Spalten „Param 1“ bis „Param 6“ nehmen je nach Verteilung unterschiedlich viele Parameter auf.
Abbildung 2: Der Block nach Maßnahmen derselben Vorlage. Jedes Risiko ist mit einer eigenen Verteilung bewertet, deren Name in der Spalte „Verteilung“ steht und deren Parameter in den Spalten „Param 1“ bis „Param 6“ folgen.
Good Case und Bad Case statt Worst Case
Wir haben darauf geachtet, Verteilungen bereitzustellen, die Experten gut schätzen können. Das ist besser als der Worst Case, der oft trügerisch ist. Niemand will behaupten, dass jedes Risiko ein Maximum hat und dass man dieses Maximum genau kennt.
Man kann dabei auch bewährte Methoden neu nutzen. Bei der PERT-Verteilung ermöglichen wir es zum Beispiel, statt eines Best Case und eines Worst Case einen Good Case und einen Bad Case anzugeben. Das ist für Experten leichter einzuschätzen. Der Good Case ist hier das 10-%-Quantil und der Bad Case das 90-%-Quantil, also ein Wert, der nur in 10 % der Fälle überschritten wird. Risk Kit setzt diese Punkte dann zu einer PERT-Verteilung fort.
Abbildung 3 zeigt das für die Überschwemmung der Produktionsstätte, die in Abbildung 2 nach Maßnahmen mit Pert2P bewertet ist. Eingetragen sind der Good Case von 1.250.000 Euro als 10-%-Quantil, der wahrscheinlichste Wert von 1.800.000 Euro und der Bad Case von 2.750.000 Euro als 90-%-Quantil. Die beiden blauen Linien in der Grafik markieren die beiden Quantile. Minimum und Maximum ergeben sich aus der Fortsetzung: Laut der Statistik rechts liegt der kleinste Wert bei rund 783.000 Euro und der größte bei rund 3,84 Millionen Euro. Der Experte muss sie nicht selbst angeben.
Abbildung 3: Die PERT-Verteilung für die Überschwemmung nach Maßnahmen, festgelegt durch Good Case (10-%-Quantil), wahrscheinlichsten Wert und Bad Case (90-%-Quantil). Die blauen Linien markieren die beiden Quantile, die Statistik rechts zeigt Minimum und Maximum der fortgesetzten Verteilung.
Die gezeigten Verteilungen lassen sich auch an Daten und an Simulationsergebnisse anpassen. Besonders Poly und Flex sind so flexibel, dass sie die anderen stetigen Verteilungen sogar als Spezialfälle abdecken. So eröffnen wenige Verteilungen viele Möglichkeiten, wie ein Schweizer Offiziersmesser.
Wie aggregiert man die Risiken und prüft die Risikotragfähigkeit?
Für die Aggregation addieren wir die simulierten Schäden aller Risiken und erhalten den Gesamtschaden vor Maßnahmen und den Gesamtschaden nach Maßnahmen. Im Beispiel rechnet Risk Kit dafür 10.000 Simulationsläufe. Die Ergebnisse lassen sich speichern und archivieren. Zur Prüfung kann man sie an Auditoren oder Kollegen weitergeben, ohne das Modell mit allen Formeln mitzugeben.
Ein Ergebnisbericht zeigt die Brutto- und die Nettoergebnisse als Histogramm und als Verteilungsfunktion nebeneinander. Das ist sozusagen der Blick von oben auf das Unternehmensrisiko. Abbildung 4 zeigt die Verteilungsfunktionen. Sie geben an, mit welcher Wahrscheinlichkeit der Gesamtschaden einen Betrag nicht überschreitet. Die orange Kurve nach Maßnahmen steigt viel früher an als die blaue vor Maßnahmen. Bei 5.000.000 Euro liegt sie schon nahe bei 1, die blaue erst bei etwa 0,3. Ein Gesamtschaden von höchstens 5.000.000 Euro ist nach Maßnahmen also fast sicher, vor Maßnahmen nur in etwa 30 % der Fälle.
Abbildung 4: Die Verteilungsfunktionen des Gesamtschadens vor Maßnahmen (blau) und nach Maßnahmen (orange) aus dem Ergebnisbericht.
Die Sensitivitäten zeigen im Bericht in einem Drilldown, wie stark das aggregierte Risiko schwankt, wenn ein einzelnes Risiko eintritt. Risikolandkarten werden oft kritisiert. In Risk Kit sind sie als allgemeiner Scatterplot dargestellt, der zwei Dimensionen eines Risikos einander gegenüberstellt, zum Beispiel die Eintrittshäufigkeit und den Beitrag zum Value at Risk zu 99 %. Eine kategoriale Risikolandkarte stellt den Reputationsschaden dem finanziellen Schaden gegenüber.
Darunter steht im Bericht eine Tabelle mit den Gesamtkennzahlen des Risikos vor und nach Maßnahmen und mit einer Risikotoleranzkurve, die Abbildung 5 zeigt. Damit können wir die Risikotragfähigkeit in Eskalationsstufen beurteilen und sehen, ob das Risiko kleiner ist als das verfügbare Kapital.
Abbildung 5: Risikoaggregate, Risikotragfähigkeit und Rating im Ergebnisbericht. Rechts das notwendige Risikodeckungspotential zu verschiedenen Ziel-PDs und die Basisdaten des Ratingverfahrens.
Im Block „Risikoaggregate“ stehen der erwartete Verlust und der Value at Risk (VaR) des Gesamtschadens zu verschiedenen Sicherheitsniveaus. Der VaR zu 99,9 % ist der Verlust, der in 99,9 % der Simulationsläufe nicht überschritten wird. Durch die Maßnahmen sinkt der erwartete Verlust von 6.846.905 Euro auf 2.493.313 Euro und der VaR zu 99,9 % von 17.990.681 Euro auf 10.934.422 Euro.
Im Block „Risikotragfähigkeit“ steht jedem Sicherheitsniveau ein eigenes Risikokapital gegenüber, von 3.000.000 Euro beim erwarteten Verlust bis 13.000.000 Euro beim VaR zu 99,9 %. Diese Stufen bilden die Risikotoleranzkurve. Die Spalte „Verwendetes Kapital“ zeigt, wie viel davon der Gesamtschaden nach Maßnahmen beansprucht. Beim VaR zu 50 % sind es 2.115.166 Euro von 4.000.000 Euro, also 53 %. Am höchsten ist der Anteil beim VaR zu 99,9 % mit 84 %. Auf allen Stufen bleibt das Risiko nach Maßnahmen also unter dem Risikokapital.
Mehr dazu: Wie man Risiken mit dieser Vorlage aggregiert und der Risikotragfähigkeit gegenüberstellt, zeigt unsere Fallstudie „Wie gelingt die Risikoaggregation nach IDW PS 340 und StaRUG?“.
Wie die Risiken das Rating verändern
Risk Kit enthält fertige Ratingverfahren der Deutschen Bundesbank, der Österreichischen Nationalbank und einer Reihe von Autoren. Das Verfahren in Abbildung 5 haben Marco Wolfrum und Werner Gleißner entwickelt, um die Auswirkung des Value at Risk auf das Rating zu berechnen. Das Rating ist hier als Ausfallwahrscheinlichkeit (PD) ausgedrückt. Rechts stehen die Basisdaten des Unternehmens: ein Eigenkapital von 50.000.000 Euro, ein Capital Employed von 210.000.000 Euro, ein EBT von 35.000.000 Euro und Rückstellungen von 3.000.000 Euro. Die PD heute beträgt 0,77 %. Die Spalten „PD vor Maßnahmen“ und „PD nach Maßnahmen“ zeigen, wie sich die PD mit dem jeweiligen Verlust verändert. Beim VaR zu 99,9 % steigt sie auf 1,93 % vor und 1,36 % nach Maßnahmen.
Ein Ratingverfahren lässt sich auch umgekehrt nutzen. Man legt eine Ziel-PD fest und leitet daraus das notwendige Risikokapital ab. Im Block „Notwendiges Risikodeckungspotential“ gehört zum Beispiel zu einer Ziel-PD von 0,90 % ein notwendiges Risikokapital von 2.900.000 Euro und zu einer Ziel-PD von 1,50 % eines von 12.900.000 Euro. Alle diese Berechnungen setzen jedoch voraus, dass das Ratingverfahren für das eigene Unternehmen repräsentativ und dadurch geeignet ist.
Wie bewertet man ein Risiko mit einem Modell?
Bisher wurde die Risikobewertung meist auf Basis von Experteneinschätzungen durchgeführt. Das ist eine große Hürde für ein wirksames Risikomanagement und ein Grund, warum viele Vorstände das Thema nicht ernst genug nehmen. Wir brauchen deshalb einen neuen Ansatz: die Bewertung von Risiken mithilfe von Modellen.
Ein Beispiel dafür ist das Cyberrisiko, das der Arbeitskreis schon früher besprochen hat. In IT-Abteilungen gibt es sehr viele Cyberrisiken, weil sie viele Systeme und unterschiedliche Bedrohungsszenarien abdecken müssen. Oft gibt es zehnmal mehr Cyberrisiken als allgemeine Unternehmensrisiken. Daher ist es wichtig, diese Risiken zu bündeln und nur wenige Cluster an das Enterprise Risk Management zu liefern.
Das Cyberrisiko ist ein fallbasiertes Risiko. Solche Risiken gibt es auch in anderen Bereichen. Eine Klinik führt viele Operationen durch, und einige gehen schief. Ein Produktionsbetrieb verkauft Produkte, und einige sind defekt. Eine IT-Abteilung wird angegriffen, und manche Angriffe sind erfolgreich.
Das Risiko in seine Einflussfaktoren zerlegen
Bei der Risikoaggregation fassen wir Risiken zusammen. Um ein einzelnes Risiko zu bewerten, gehen wir den umgekehrten Weg und zerlegen es in seine Einflussfaktoren. Was treibt das Risiko an, und wie funktioniert der Mechanismus, durch den es ausgelöst wird und durch den seine Auswirkungen entstehen?
Beim Cyberrisiko schauen wir zunächst auf die Häufigkeit der Angriffe. Für eine bestimmte Art von Angriff gibt es dann eine gewisse Verwundbarkeit: Die meisten Angriffe werden abgewehrt, nur wenige sind erfolgreich. Erfolgreiche Angriffe verursachen direkte Kosten, zum Beispiel weil die Serverumgebung neu aufgesetzt werden muss. Bei einigen erfolgreichen Angriffen kommen Sekundärverluste hinzu, zum Beispiel durch den Diebstahl und das Leaken vertraulicher Daten. Das kann zu Reputationsverlust, Gerichtsprozessen, Lösegeldzahlungen und so weiter führen. Die IT macht hierfür routinemäßig Business-Impact-Analysen. Man könnte die Liste fortsetzen und auch tertiäre Verluste betrachten. Der Ansatz bleibt derselbe.
Eine nach rechts offene Verteilung für die Angriffshäufigkeit
Im nächsten Schritt beschreiben wir die Einflussfaktoren als Verteilungen. Gleich der erste, die Angriffshäufigkeit, ist eine Herausforderung. Können wir genau sagen, wie oft wir maximal angegriffen werden? Meistens nicht. IT-Abteilungen sammeln zwar viele Daten, aber diese müssen qualifiziert werden, denn nicht jeder Angriff wird erfasst, und die Bedrohungslage kann sich schnell ändern. Wir brauchen also eine Verteilung, die nach rechts offen ist, Daten integriert und durch Experteneinschätzungen angepasst werden kann.
Die Expert-Verteilung ist dafür ideal. Sie verwendet drei Quantile: den guten Fall, den Median und den schlechten Fall. Optional geben wir ein Minimum an, während das Maximum offen bleibt. Was ein guter und ein schlechter Fall ist, legt eine Wahrscheinlichkeit fest. Hier ist der gute Fall ein 5-%-Fall und der schlechte Fall ein 95-%-Fall.
Abbildung 6 zeigt das Modell mit der Expert-Verteilung für die Angriffshäufigkeit. In der Tabelle „Eingaben“ hat sie das Minimum 0, den guten Fall 100, den Median 300 und den schlechten Fall 1.000 Angriffe. Die Statistik rechts zeigt diese Werte als 5-%-Quantil, Median und 95-%-Quantil. Mit 99,9 % Wahrscheinlichkeit liegen wir bei höchstens etwa 5.000 Angriffen, genau sind es 5.122. Die Vorschaugrafik zeigt die Verteilung bis auf einen Fall unter einer Million, und ihre Achse reicht bis 90.000 Angriffe. Die Verteilung hat also einen dünnen, langen Schwanz, der auch extreme Werte abdeckt. Mit einer PERT-Verteilung wäre das nicht möglich. Sie ist sozusagen immer kurz und dick und könnte einen solchen langen Schwanz niemals haben.
Abbildung 6: Das Modell für das Cyberrisiko mit den Eingaben links und der Expert-Verteilung für die Angriffshäufigkeit rechts. Die Verteilung hat ein Minimum von 0 und ist nach rechts offen, ihr Maximum ist unendlich.
Jeder Angriff wird nun zu einem Münzwurf. Die erfolgreichen Angriffe sind die Münzwürfe, bei denen die Münze Kopf gezeigt hat, in Abbildung 6 mit einer Verwundbarkeit von 0,075 %. Ob ein erfolgreicher Angriff zu einem Sekundärverlust führt, ist wieder ein Münzwurf, einer pro erfolgreichem Angriff, hier mit einer Wahrscheinlichkeit von 10 %. Die direkten und die sekundären Verluste ergeben sich dann als Summe der Auswirkungen der jeweils erfolgreichen Angriffe. Ihre Größe ist in der Tabelle ebenfalls mit Minimum, gutem Fall, Median und schlechtem Fall beschrieben.
Mehr dazu: Wie man die Faktoren eines Cyberrisikos einzeln bewertet und viele Cyberrisiken zu einem Cluster zusammenfasst, zeigt unsere Fallstudie „Wie bewertet man Cyberrisiken mit einer Monte-Carlo-Simulation?“.
Was die Simulation zeigt
Wir lassen die Simulation laufen und erhalten die Eintrittswahrscheinlichkeit und die Quantile. In etwa 76 % der Fälle passiert nichts. Manchmal treten nur kleinere, primäre Verluste auf, in selteneren Fällen ein erster Sekundärverlust und in ganz seltenen Fällen auch mehrere Sekundärverluste.
Danach fassen wir ein Portfolio von 30 Cyberrisiken zusammen. Seine Verteilung hat eine spezielle Form mit mehreren Hügeln, die für einen, zwei oder mehr Sekundärschäden stehen. Die Eintrittswahrscheinlichkeit liegt im Portfolio bei fast 100 %, weil bei so vielen Risiken immer irgendetwas passiert.
Um Verluste eventuell auf eine externe Partei zu übertragen, bewerten wir auch eine Cyberrisiko-Versicherung. Der erwartete Schaden teilt sich genau auf den Selbstbehalt und die Versicherung auf, insgesamt bleibt er mit und ohne Versicherung gleich hoch. Im Extremfall spart uns die Versicherung ein Vielfaches der Prämie. Oft ist die Prämie aber höher als die Versicherungsleistung, weil die Verluste natürlich oft unter dem Selbstbehalt bleiben. Von hier aus lässt sich die Versicherung weiter optimieren.
Das Ergebnis in die Risikoaggregation übernehmen
Angenommen, wir schließen die Versicherung ab und wollen das Restrisiko in die Risikoaggregation aus Abbildung 1 aufnehmen. Dazu kalibrieren wir eine Verteilung auf die simulierten selbst getragenen Verluste und prüfen, welche Verteilung am besten passt.
Abbildung 7 zeigt das Ergebnis. Links stehen die Verteilungen, sortiert nach der Kennzahl Kolmogorov-Smirnov. Je kleiner sie ist, desto besser passt die Verteilung. Ganz vorne liegen Flex mit 0,0034 und Poly mit 0,0082. Ausgewählt ist außerdem die modifizierte PERT-Verteilung ModPert mit 0,0144. In der Mitte sind die simulierten Daten als orange Säulen zu sehen, darüber die drei ausgewählten Verteilungen.
Abbildung 7: Kalibrierung von Verteilungen auf die simulierten selbst getragenen Verluste. Flex (blau) folgt den Spitzen der Daten, Poly (grün) und ModPert (rot) glätten sie.
Die Flex-Verteilung ist so anpassungsfähig, dass sie die Spitzen der nicht abgedeckten Sekundärverluste sehr genau abbildet. Wer hier ein Overfitting befürchtet, nimmt eine Poly-Verteilung. Sie glättet die Spitzen und zeigt den wesentlichen Verlauf der Verluste. Andere Verteilungen wie die modifizierte PERT-Verteilung passen ebenfalls gut. Sie ist sehr gut geeignet, um auf Daten kalibriert zu werden.
Mehr dazu: Wie man eine Flex-Verteilung auf Daten kalibriert, zeigt unser Beitrag „Benutzerdefinierte Verteilungen in einer Monte-Carlo-Simulation: die Flex-Verteilung“.
Wir wählen eine passende Verteilung, kopieren sie und fügen sie in die Risikoaggregation ein. Die Eintrittswahrscheinlichkeit dieses Risikos setzen wir dort auf 1, weil alles, was geschieht, schon in dieser Verteilung zusammengefasst ist. So ist ein modellgestützt bewertetes Risiko in wenigen Schritten ins Enterprise Risk Management übernommen.
Was sich durch die modellgestützte Bewertung ändert
In dieser neuen Risikobewertung haben die Experteneinschätzungen ihren Charakter geändert. Früher mussten Experten abstrakte Risiken für das gesamte Unternehmen bewerten. Heute legen sie fest, welche konkreten Faktoren ein Risiko beeinflussen und wie diese zusammenspielen. Die Faktoren sind greifbar und messbar. Wenn Entwicklungen möglich sind, die in den Daten nicht enthalten sind, kann man zum Beispiel die Angriffshäufigkeit manuell anpassen und die Daten an dieser Stelle überschreiben. Die Bewertung eines einzelnen Faktors ist anschaulicher und viel besser zu diskutieren. Das ermöglicht mehr Kontrolle und Feedback.
Ein wichtiges Stichwort ist die Validierung. In konventionellen Ansätzen fehlt sie oft völlig. Es werden Vorhersagen gemacht, aber selten wird geprüft, wie realistisch sie waren und was tatsächlich eingetreten ist. Mit modellgestützten Bewertungen wird die Validierung einfacher, weil jetzt viele konkrete, beobachtbare Faktoren vorliegen. Bei jedem Faktor lässt sich prüfen, ob er im Rahmen der Prognose geblieben ist. Man muss nicht mehr warten, bis ein großer Vorfall passiert. Das Risikomanagement hat dadurch eine viel klarere Sicht auf seine Lage.
Wer schätzt die Risiken ein?
Der zweite Teil des Vortrags zeigt, was bei der Gestaltung des gesamten Risikomanagementprozesses zusätzlich zu berücksichtigen ist. Wir konzentrieren uns dabei auf die Aspekte, die für die Risikobewertung wichtig sind.
Kurz gesagt: Der Enterprise Risk Explorer ist die Software von Wehrspohn für das Enterprise Risk Management. Mit ihr zeigen wir den zweiten Teil. Im Video trägt sie noch ihren früheren Namen „Enterprise Risk Evaluator“.
Man kann sich ein solches System wie eine Fertigungsstraße vorstellen, die eine lange Wertschöpfungskette abdeckt. Sie beginnt mit der Zusammenarbeit vieler Personen in unterschiedlichen Rollen im Unternehmen. Risiken werden bewertet, aggregiert und analysiert, und es werden Berichte erstellt. Bei dringenden Problemen kann es zu Eskalationen kommen. Die Ergebnisse müssen validiert werden, zum Beispiel anhand erfasster Schadenfälle, und der gesamte Prozess wird intern und extern auditiert. Am Ende werden alle Berichte und Ergebnisse archiviert. Interessanterweise haben viele grundlegende Fragen der Risikobewertung weniger mit Mathematik und Statistik zu tun. Sie liegen vielmehr in der Gestaltung dieser Fertigungsstraße, also im Design des Risikomanagementprozesses.
Bei der Erfassung eines Risikos stehen im Kopfteil die Stammdaten wie Risiko-ID, Name und Beschreibung. Das Risiko wird einer Konzerngesellschaft, einer Risikoklassifikation und gegebenenfalls einem Unternehmensbereich zugeordnet. Diese Felder verorten das Risiko in der Konzernstruktur, sind für die Quantifizierung aber weniger relevant. Der für die Bewertung wichtige Teil beginnt mit den Personen, die zusammenarbeiten müssen, und den Aufgaben, die ihnen zugewiesen werden.
Im Beispiel des Vortrags sind das vier Rollen: ein Sachexperte, ein Bewertungsexperte, jemand, der das bewertete Risiko freigibt, und gegebenenfalls ein oder mehrere Beobachter. Solche Rollen lassen sich im Risikomanagementprozess flexibel gestalten und mit Aufgaben füllen.
Das Problem mit dem klassischen Risikoexperten
Die wichtigsten und ungewöhnlichsten Rollen in diesem Beispiel sind der Sachexperte und der Bewertungsexperte. Wir haben die klassische Rolle des Risikoexperten in diese zwei Rollen aufgeteilt. Der klassische Risikoexperte stellt für das Enterprise Risk Management oft eine Herausforderung dar. Meist ist er ein Senior Manager mit wenig Wissen im Risikomanagement, aber viel Erfahrung in interner Politik. Die Rolle des Risikoexperten führt oft zu einer starken Vereinfachung der Risikobewertung. Das geht manchmal so weit, dass gar keine Verteilungen mehr angesprochen werden, sondern nur noch zwei oder drei Felder für den Best Case, den Worst Case und den Expected Case übrig bleiben. Das sind ausgerechnet Werte, die große verdeckte Probleme haben.
Die politische Ebene ist ein weiteres Problem. Ein Managing Director wird oft Schwierigkeiten haben, seine Risiken korrekt zu bewerten. Oft will er das aber auch gar nicht, weil er die Darstellung des Risikos zu seinem Vorteil anpassen möchte. Diese politische Ebene kann zu Konflikten führen. Für das Risikomanagementteam ist es problematisch, sich von den Verursachern diktieren zu lassen, wie groß die Risiken sind. Das schadet dem Ansehen des Risikomanagements im Unternehmen. Daher braucht es eine Neuorientierung des Prozesses, die ein Risikomanagementsystem unterstützen muss.
Sachexperte und Bewertungsexperte
Die Person, die bisher Risikoexperte war, kann trotzdem einen wertvollen Beitrag leisten, denn sie kennt den Sachverhalt gut und ist dafür verantwortlich. Sie kann angeben, welche Faktoren wichtig sind und wie diese zusammenwirken. In dieser Rolle ist sie Sachexperte. Den zweiten Teil der Rolle übernimmt der Bewertungsexperte. Er hört sich die Einschätzung des Sachexperten an und erstellt daraus ein Risikomodell. An ihn werden andere Anforderungen gestellt. Für ihn steht nicht die Vereinfachung im Vordergrund. Er braucht vielmehr verschiedene Methoden, um die Risikofaktoren realistisch darzustellen.
Die Aufteilung der Rolle des Risikoexperten ist ein notwendiger Schritt, damit ein Unternehmen glaubwürdige Risikobewertungen erzielt. Sachexperte und Bewertungsexperte gestalten die Risikobewertung gemeinsam und kommen so zu einem fundierten Ergebnis. Die Beteiligung eines Bewertungsexperten kann optional sein, zum Beispiel nur für wesentliche Risiken, die über einer sehr hohen Grenze liegen. Das ist wichtig, weil sich eine Organisation schrittweise über längere Zeiträume entwickeln muss. Es ist nicht möglich, sofort alle Risiken mit Modellen zu bewerten.
Freigabe und Beobachter
Die Rolle des Genehmigers ist nicht neu. Sie sichert das Vier-Augen-Prinzip. Eine Bewertung wird erst freigegeben, wenn sie von einer Person nachvollzogen wurde, die nicht an der Bewertung beteiligt war. In manchen Unternehmen delegiert der Managing Director die Rolle des Risikoexperten an seinen Assistenten und gibt dessen Bewertung dann als Genehmiger frei. Das ist kein Vier-Augen-Prinzip. Eine gültige Prüfung erfordert, dass die Freigabe durch eine unabhängige Person erfolgt, die die Bewertungsmethoden gut kennt und im Unternehmen anerkannt ist.
Die letzte Rolle sind die Beobachter, die die Diskussion um das Risiko verfolgen können. Das können Mitglieder des Risikokomitees oder der Geschäftsführung sein, eine Peergroup des Sachexperten oder andere relevante Personen, die ebenfalls Feedback zu diesem Risiko geben können.
Was ist ein Risk Score?
Zu einem Risiko gehören viele qualitative und quantitative Informationen. Dazu zählen Ursache-Wirkungs-Heuristiken wie die Bowtie-Analyse, Ideen für zukünftige Maßnahmen, Frühwarnindikatoren für die Bewertung sowie Prognosen über die allgemeine und die spezielle Entwicklung des Risikos. Damit die Sachexperten wissen, was in ein Feld gehört, kann man neben dem Feld einen Hilfetext anzeigen.
Auch qualitative Bewertungen sind wichtig, da ein Risiko nicht finanzielle Schäden verursachen kann, etwa Compliance-Verletzungen, Reputationsschäden, Personenschäden oder den Verlust einer Zulassung. Kategorien wie klein, mittel und groß für die Eintrittswahrscheinlichkeit oder die Auswirkung lassen sich dynamisch aus der Risikobewertung ableiten. So bleiben verschiedene Aussagen über dasselbe Risiko immer konsistent und widerspruchsfrei.
Bei mehreren Arten von Auswirkungen wird die Bewertung eines Risikos mehrdimensional. Ein kleiner finanzieller Verlust kann zum Beispiel mit einer schwerwiegenden Compliance-Verletzung und einem internationalen Reputationsschaden verbunden sein. Wie hoch ist dann das Risiko insgesamt über alle Dimensionen? Das lässt sich durch einen Risk Score ausdrücken, der alle Dimensionen zusammenfasst. Der Risk Score ist ein berechnetes Feld. Es kann auf alle Risikobewertungen zugreifen, auch auf modellgestützte, und kombiniert sie in einer Formel, die der Anwender selbst festlegt.
Abbildung 8 zeigt ein Beispiel. Das Risiko ist bei der potenziellen Non-Compliance als „stark“ und beim Reputationsschaden als „Vertrauenskrise (international)“ eingestuft. Neben jedem Feld steht eine Erklärung der Stufen, bei der Non-Compliance zum Beispiel von „Ohne“ bis „Sehr Stark“. Darunter steht der Risk Score mit seiner Formel und einer kurzen Erläuterung.
Abbildung 8: Qualitative Bewertung eines Risikos mit Erklärungen der Stufen und der Formel für den Risk Score.
Die Formel des Risk Score lautet:
= Eintritts-Wahrscheinlichkeit * (Materielle Schäden + (Rep. Schaden + Potenzielle Non-Compliance) * 0.5)
Laut der Erläuterung fasst der Risk Score finanzielle, Compliance- und Reputationsschäden zusammen und gewichtet sie mit der Eintrittswahrscheinlichkeit. So ein Risk Score gibt schnell Auskunft über die Top-Risiken des Unternehmens. Im Risikoinventar stehen die Bewertungen als Symbole oder Kategorien und daneben der daraus berechnete Risk Score als Zahl.
Wie bewertet man Risiken brutto, netto und im Stress?
Die eigentliche Bewertung der Verluste durch ein Risiko erfolgt über Szenarien. Sie können zunächst global für das Unternehmen festgelegt werden, zum Beispiel brutto und netto, also vor und nach Maßnahmen. Auch ein Zielszenario ist möglich, in dem alle geplanten Maßnahmen als umgesetzt gelten. Szenarien können außerdem spezialisiert werden, etwa ein Nettoszenario mit Auswirkungen auf die Verschuldung oder auf die Liquidität des Unternehmens. Stressszenarien sind ebenfalls hilfreich, um zu sehen, wie sich eine makroökonomische Krise auf das Unternehmen auswirkt.
Bewertungen können verpflichtend oder optional sein. Wenn ein Risiko auf ein bestimmtes Stressszenario nicht reagiert, ist keine eigene Bewertung nötig. Dann wird ein Fallback-Szenario verwendet, zum Beispiel das Nettoszenario.
Override-Szenarien im Konzern
In großen Unternehmen kann es vorkommen, dass Konzerngesellschaften ein Risiko anders bewerten als die Muttergesellschaft. Diese steht vielleicht unter einer anderen Regulatorik oder sieht konzerninterne Abhängigkeiten, die für die Tochter keine Rolle spielen. Im Konzernrisikomanagement kann man in solchen Fällen Override-Szenarien nutzen. Ein Override-Szenario ist eine alternative Bewertung, die neben die ursprüngliche gestellt wird, ohne diese zu löschen. Beide Bewertungen werden auditierbar dokumentiert, und bei allen Simulationen ist erkennbar, mit welchem Szenario ein Risiko bewertet wurde. So bleibt die Neubewertung transparent und nachvollziehbar.
Manuelle Aggregation
Ähnliches gilt für die manuelle Aggregation. Dabei wird ein neues Risiko eingegeben, das eine Liste anderer Risiken ersetzt. Zum Beispiel bewerten verschiedene Regionen jeweils ihr Risiko im Weihnachtsgeschäft. Das Konzernrisikomanagement weiß jedoch, dass das Weihnachtsgeschäft für alle ähnlich verlaufen wird. Es kann die Risiken unter dieser Annahme aggregieren, zum Beispiel in Risk Kit, und das Ergebnis einspielen. Die Einzelrisiken werden dann nicht mehr einzeln simuliert, sondern sind im manuellen Aggregat enthalten, das in die Aggregation des Konzerns eingeht.
Wie behandelt man mehrere Jahre und das laufende Geschäftsjahr?
Die Bewertung eines Szenarios erfolgt für mindestens so viele Jahre, wie das Risikomanagement vorgibt. Die Jahre stehen nebeneinander, jeweils mit einer Vorschaugrafik für den Verlauf der Auswirkungen. What you see is what you get: Die Eingaben lassen sich direkt überprüfen, und die Jahre lassen sich miteinander vergleichen.
Abbildung 9 zeigt die Bewertung eines Risikos vor Maßnahmen über fünf Jahre mit der PERT-Verteilung. Die Beträge stehen in Tausend Euro (TEUR). Die Eintrittswahrscheinlichkeit liegt in jedem Jahr bei 20 %, und das Risiko kann nur einmal pro Jahr eintreten. Der Best Case liegt in jedem Jahr bei 350 TEUR und der Worst Case bei 1.100 TEUR. Der Most Likely Case steigt von 750 TEUR im ersten auf 1.050 TEUR im fünften Jahr. In den Vorschaugrafiken wandert der Gipfel der Verteilung deshalb von Jahr zu Jahr nach rechts.
Abbildung 9: Bewertung eines Risikos vor Maßnahmen über fünf Jahre mit der PERT-Verteilung, darunter je eine Vorschaugrafik.
Im Enterprise Risk Explorer stehen dieselben Verteilungen zur Verfügung wie in Risk Kit, und ein in Risk Kit bewertetes Risiko lässt sich übernehmen. Im Vortrag geschieht das mit dem Cyberrisiko aus dem ersten Teil, diesmal mit dem Bruttoergebnis vor Maßnahmen. Wie im ersten Teil wird eine Verteilung auf das simulierte Ergebnis kalibriert. Wieder passt die Flex-Verteilung am besten, weil sie sich den einzelnen Spitzen, die die Sekundärverluste darstellen, sehr gut anpasst. Man kann die Verteilung für ein Jahr simulieren und auf die Folgejahre übertragen oder direkt für mehrere Jahre simulieren. Bei einer mehrjährigen Simulation können die Abhängigkeiten zwischen den Perioden erhalten bleiben, sodass die Entwicklungen korrekt abgebildet werden.
Wenn sich eine Risikobewertung über eine externe Datenquelle selbst aktualisiert, kann das Excel-Modell an das Risiko angehängt und vom System ausgewertet werden. Ein solches Modell deckt ein Szenario ab und muss für jedes Jahr Werte liefern. Das Gleiche gilt für die Bewertung eines Risikos durch ein R-Skript. Regelmäßige Simulationen sind besonders sinnvoll, wenn wesentliche Risiken durch solche Modelle bewertet werden. Werden die Risiken hauptsächlich durch Experteneinschätzungen bewertet, ist das weniger notwendig, da die Ergebnisse meist gleich bleiben.
Die Aggregation vorbereiten
Für die Aggregation legen wir fest, welche Risiken einfließen sollen, und bilden so ein Portfolio. Jede Konzerngesellschaft kann eigene Portfolios haben. Wir geben die Anzahl der Simulationsläufe an und die Anzahl der Jahre, für die die Prognose erstellt wird. Die Risikotragfähigkeit wird wie im ersten Teil als Risikotoleranzkurve beschrieben. Risikokapital geht in verschiedenen Eskalationsstufen verloren, und für jede Stufe werden Limite gesetzt.
Außerdem lässt sich eine Gewinn- und Verlustrechnung (G+V) mit Planzahlen aufstellen, die Zwischenergebnisse enthält und Schritt für Schritt zum Gewinn nach Steuern führt. Die Risiken werden einer oder mehreren Positionen der G+V mit Anteilen zugeordnet. Aus den Positionen der G+V und Basiszahlen wie Eigenkapital, Rückstellungen und Kapitaleinsatz lassen sich Kennzahlen berechnen, auch über komplexe Formeln wie beim Rating. Im Vortrag ist das wieder das Verfahren von Marco Wolfrum und Werner Gleißner aus dem ersten Teil. Für alle Kennzahlen werden risikoadjustierte Werte, Bandbreiten und Verteilungen berechnet.
Wer die Simulationen prüfen oder jeden Schritt dokumentieren möchte, kann die Zwischenergebnisse exportieren. Dann sieht man für jedes Risiko alle Ergebnisse für jedes Jahr und jeden Simulationslauf und kann sie in Risk Kit weiter analysieren. Setzt man den Startwert der Zufallszahlenerzeugung vor der Simulation zurück, lässt sich die Simulation exakt reproduzieren. Die Qualität der Simulation ändert sich dadurch nicht, aber bei Nachfragen lassen sich nachträglich Zwischenergebnisse erzeugen.
Das laufende Geschäftsjahr
Wenn die Auswirkungen der Risiken auf die G+V ermittelt werden sollen, ist das laufende Geschäftsjahr oft eine Besonderheit. Es ist natürlicherweise unvollständig, wenn es schon vor einiger Zeit begonnen hat. Man kann deshalb festlegen, dass das erste Jahr an die Restlaufzeit des Geschäftsjahres angepasst wird. Die Eintrittswahrscheinlichkeiten und Häufigkeiten werden dann an diesen Zeitraum angepasst.
Wie lange reicht das Risikokapital?
Je mehr Risiken mit Modellen bewertet werden, desto wichtiger werden eine gute Risikoaggregation und Risikoanalyse. Modellgestützte Bewertungen reagieren stärker auf das wirtschaftliche und gesellschaftliche Umfeld, während Experteneinschätzungen oft selbst in Krisen überraschend stabil bleiben. Dadurch entstehen echte Fragen für Risikomanager:
- Wie groß ist das Risiko des Unternehmens?
- Sind wir risikotragfähig?
- Wie entwickelt sich die Risikotragfähigkeit im Zeitverlauf?
- Haben wir ausreichend Rückstellungen?
- Haben wir in langen Krisen genügend Reaktionszeit, bevor das Kapital ausgeht?
- Gibt es verdeckte Großrisiken im Portfolio?
- Wie viel Risikokapital verbrauchen die einzelnen Risiken?
- Sollten die Verursacher stärker an den Kosten des Risikos beteiligt werden?
- Bei welchen Risiken bleiben nach Maßnahmen noch große Restrisiken?
- Gehen wir große Risiken in Bereichen ein, die nicht zum Kerngeschäft gehören?
- Über welche Gesellschaften kommt das Risiko ins Unternehmen?
- Wie wird unser Rating durch die Risiken beeinflusst?
- Wie sieht unsere risikoadjustierte G+V aus?
Die Ergebnisse einer Simulation lassen sich einzeln oder im Vergleich auswerten. Das kann ein Vergleich mit demselben Portfolio aus dem letzten Quartal sein, also eine Trendanalyse, oder ein Vergleich zwischen Szenarien, zum Beispiel brutto gegen netto oder netto gegen Stress. Am Anfang stehen die Risikotragfähigkeit und die Gesamtsicht als Adlerperspektive auf das Portfolio. Danach folgt der Drilldown nach Risiken, Risikofeldern und Konzerngesellschaften, bis hinein in die Perspektive jeder einzelnen Gesellschaft. Abschließend folgen die risikoadjustierte G+V, die Kennzahlen und das Rating.
Die Risikotragfähigkeit wird nicht nur über das Portfolio, sondern auch über die Zeit aggregiert. Abbildung 10 zeigt den Verbrauch an Risikokapital im Vergleich zum Risikokapital selbst. Die gestrichelte Linie ist das Risikokapital von 4.500 TEUR an der Risikotragfähigkeitsgrenze. Die orange Kurve zeigt, wie das Risiko brutto über die Jahre anwächst, die blaue Kurve zeigt dasselbe netto. Der Verbrauch fällt im Nettoszenario deutlich geringer aus und ist langsamer.
Abbildung 10: Risikotragfähigkeit im Zeitverlauf. Oben das über die Jahre aggregierte Risiko brutto (orange) und netto (blau) gegenüber dem Risikokapital von 4.500 TEUR, unten die Werte für die ersten drei Jahre und drei Eskalationsstufen.
Das erste Jahr endet hier mit dem Geschäftsjahr. Es reicht von Oktober 2022 bis Januar 2023 und umfasst damit nur vier Monate. Die fünf Perioden decken zusammen 52 Monate ab, also vier und ein Drittel Jahre. Deshalb enden die Kurven kurz nach der Marke 4.
Wir erkennen, wie viel Geld die Maßnahmen über jeden Zeitraum sparen und wie viel länger das Risikokapital hält, also welche zeitlichen Handlungsspielräume das Unternehmen in der Krise gewinnt. Brutto übersteigt das Risiko das Risikokapital nach etwa anderthalb Jahren, netto erst nach knapp vier Jahren. In einem Stressszenario sieht man umgekehrt, wie diese Spielräume verkürzt werden.
Die Tabelle unter dem Diagramm zeigt die Zahlen für jedes Jahr. Portfolio 1 ist hier die Bruttosimulation, Portfolio 2 die Nettosimulation. An der Risikotragfähigkeitsgrenze, gemessen mit dem VaR zu 99 %, ist das Risikokapital von 4.500 TEUR brutto im ersten Jahr zu 39,93 % ausgelastet, im zweiten zu 87,78 % und im dritten zu 137,96 %. Netto sind es 21,84 %, 37,46 % und 57,71 %.
Darunter stehen zwei weitere Eskalationsstufen mit eigenen Limiten: der Verlust des BB-Ratings, gemessen mit dem VaR zu 95 % und einem Risikokapital von 3.500 TEUR, und der Verlust des BBB-Ratings, gemessen mit dem VaR zu 90 % und einem Risikokapital von 2.500 TEUR. Brutto wird die Stufe für das BBB-Rating schon im zweiten Jahr überschritten, die Auslastung liegt dort bei 102,62 %. Netto liegt sie im selben Jahr bei 32,95 %.
Gibt es eine Gewährträgerhaftung, bei der die Verluste jeder Periode ausgeglichen werden, zeigt sich die Risikotragfähigkeit ohne zeitliche Aggregation. Jedes Jahr steht dann für sich. Daneben zeigen die Ergebnisse die klassischen Gesamtergebnisse: die Verteilungen im Vergleich und die Risikokennzahlen mit den angeforderten Values at Risk, sowohl für die einzelnen Jahre als auch aggregiert.
Wie verändern Maßnahmen die einzelnen Risiken?
Für die einzelnen Risiken gibt es Visualisierungen der Sensitivitäten und Risikolandkarten. Die Vergleiche zeigen, wie sich die Risiken durch Maßnahmen oder im Zeitverlauf verändert haben. Abbildung 11 zeigt eine solche Risikolandkarte für das zweite Jahr. Auf der waagerechten Achse steht der erwartete Verlust, auf der senkrechten der bedingte Value at Risk (CVaR), also der durchschnittliche Verlust in den Fällen, in denen der VaR überschritten wird. Beide Achsen sind in TEUR. Orange sind die Risiken brutto, blau netto, und eine Linie verbindet jeweils die beiden Punkte eines Risikos.
Abbildung 11: Risikolandkarte für das zweite Jahr mit dem erwarteten Verlust und dem CVaR der Einzelrisiken brutto (orange) und netto (blau).
So sieht man auf einen Blick, wie stark die Maßnahmen ein Risiko verschieben. Beim Angriff auf die Server-Infrastruktur, Risiko 1, sinkt der erwartete Verlust von 166 auf 38 TEUR und der CVaR von 1.748 auf 992 TEUR. Bei der mangelnden Qualifikation, Risiko 7, sinkt der erwartete Verlust von 159 auf 1 TEUR und der CVaR von 429 auf 19 TEUR.
Boxplots machen die Bandbreite der Risiken auf einer gemeinsamen Skala vergleichbar. Chancen sind darin grün, Verluste rot. Jedes Risiko lässt sich außerdem einzeln mit Grafiken und Kennzahlen darstellen, und die Aggregate für Risikofelder und Konzerngesellschaften sind analog aufgebaut. Zum Schluss stehen die G+V mit ihren Kennzahlen und die Auswirkung der Risiken auf das Rating.
Alle diese Simulationsergebnisse stehen für Berichte zur Verfügung. Die Berichte werden mit einem Verweis auf die verwendeten Daten archiviert und den Stakeholdern im Unternehmen bereitgestellt, etwa der Geschäftsführung, dem Risikokomitee oder den Auditoren.