Umfang und Wesentlichkeit
Nicht jedes Modell verdient dieselbe Prüftiefe. Ein wesentlichkeitsgestützter Ansatz ordnet Modelle nach ihrer Wirkung auf Kapital, Ergebnis, Kundenergebnisse und aufsichtliche Berichterstattung ein und bestimmt daraus Validierungsumfang, -tiefe und -frequenz.
Der häufigste Fehler ist ein gleichmäßig verteilter Aufwand: viel Arbeit an gut verstandenen Standardmodellen und zu wenig an neuen, datenarmen oder externen Modellen, die die eigentliche Unsicherheit tragen.
Die Bausteine einer Validierung
Eine belastbare Validierung folgt einer festen Struktur, damit Ergebnisse zwischen Modellen und über die Zeit vergleichbar bleiben. Sie beginnt bei der konzeptionellen Eignung und endet bei der Nutzung im Entscheidungsprozess.
Die Dokumentation sollte so geschrieben sein, dass eine sachkundige Person außerhalb des Teams die Schlussfolgerung nachvollziehen kann, ohne den Code zu lesen.
- Konzeptionelle Eignung: Passt die Methode zum Zweck und zur Datenlage?
- Datenqualität: Herkunft, Vollständigkeit, Abstimmung und Repräsentativität.
- Implementierung: Replikation, Code-Review, Produktions- versus Entwicklungsumgebung.
- Leistung: Backtesting, Benchmarking, Stabilität und Sensitivitäten.
- Verwendung: tatsächliche Entscheidungsanbindung, Grenzen und Overlays.
Feststellungen, Maßnahmen und Nachverfolgung
Der Wert einer Validierung entsteht in der Nachverfolgung. Jede Feststellung braucht eine Schwereeinstufung, einen benannten Verantwortlichen, ein Fälligkeitsdatum und eine dokumentierte Abnahme. Offene Feststellungen ohne Termin sind faktisch akzeptierte Risiken – dann sollten sie auch formal so behandelt und berichtet werden.
Zwischenlösungen wie Overlays, Kapitalzuschläge oder Nutzungsbeschränkungen sind legitim, wenn sie befristet, begründet und überwacht sind.
Aufsichtliche Erwartungen
Europäische Aufsichtsbehörden erwarten unabhängige Validierung, dokumentierte Methodik, nachvollziehbare Datenprozesse und den Nachweis, dass Modellgrenzen in Entscheidungen berücksichtigt werden. Für interne Modelle in Banken und Versicherungen kommen formale Genehmigungs- und Änderungsverfahren hinzu.
Erfahrungsgemäß entstehen aufsichtliche Feststellungen seltener wegen unzureichender Mathematik, sondern häufiger wegen lückenhafter Dokumentation, unklarer Eigentümerschaft und fehlender Verbindung zwischen Modellgrenzen und tatsächlicher Verwendung.
Fazit
Wirksame Modellvalidierung ist wesentlichkeitsgesteuert, organisatorisch unabhängig, methodisch strukturiert und endet nicht mit dem Bericht, sondern mit der nachweislichen Behebung der Feststellungen.
Quellen und weiterführende Informationen
Verwandte Seiten
- Modellrisiko und Modellsteuerung in FinanzinstitutenModellrisiko in Banken und Versicherungen: Model Governance, Modellinventar, unabhängige Validierung, Backtesting, Benchmarking und die zweite Verteidigungslinie.
- Die zweite Verteidigungslinie: unabhängige RisikokontrolleDie zweite Verteidigungslinie: Mandat, Unabhängigkeit, effektive Herausforderung, Berichtswege, Zusammenarbeit mit erster Linie und Interner Revision.
- Solvency II: Säulen, Kapitalanforderung und praktische UmsetzungSolvency II: die drei Säulen, SCR und MCR, versicherungstechnische Rückstellungen, Standardformel versus internes Modell, ORSA und Berichterstattung.
- KI-Modellrisiko: Governance für maschinelles Lernen im RisikomanagementKI-Modellrisiko: Governance für maschinelles Lernen und generative KI, Erklärbarkeit, Datenherkunft, Drift, Validierung, EU-KI-Verordnung und Verantwortlichkeit.