BDO AG: Leitfaden zur Datenqualität und -steuerung für Finanzinstitute

Die Europäische Zentralbank (EZB) hat mit ihrem 'Guide on effective risk data aggregation and risk reporting' (RDARR), der im Juni 2026 finalisiert wurde, neue Mindesterwartungen für das Management von Risikodaten und deren Qualität bei Finanzinstituten festgelegt. Die Aufsichtsbehörden, einschließlich der Bundesbank, legen einen verstärkten Fokus auf die aufsichtsrechtlichen Anforderungen im Bereich der Datenaggregation und -qualität.

Der RDARR-Leitfaden operationalisiert die Prinzipien der 'Principles for effective risk data aggregation and risk data reporting' (BCBS 239) des Basler Ausschusses für Bankenaufsicht. Er etabliert einen harmonisierten Rahmen für Data Governance, integrierte Datenarchitekturen und quantifizierbare Kennzahlen zur Datenqualität in der Risiko- und Finanzberichterstattung. Viele Institute hatten Schwierigkeiten bei der Umsetzung von BCBS 239, was die EZB veranlasste, die Erwartungen zu konkretisieren und die Rechenschaftspflicht durch die Geschäftsleitung zu stärken.

Der Leitfaden der EZB spezifiziert vier zentrale Dimensionen der Datenqualität: Genauigkeit, Integrität, Vollständigkeit und Aktualität. Zusätzliche Dimensionen wie Konsistenz und Nachvollziehbarkeit sind ebenfalls relevant. Die Messung und Berichterstattung der Datenqualität stellt eine Herausforderung dar. Professor Andreas Igl von der BDO hat das 'Handbuch Datenqualität' veröffentlicht, das Praktikern hilft, diese Dimensionen zu bewerten und zu einem 'Feature Reliability Score' (FRS) zu aggregieren.

Die BDO AG bietet Beratungsleistungen zur Implementierung oder Verbesserung von Data-Governance-Rahmenwerken an. Die Dienstleistungen umfassen die Identifizierung von Kennzahlen und kritischen Datenelementen, die Definition von Rollen und Verantwortlichkeiten sowie die Dokumentation von Datenarchitekturen. Die Messung der Datenqualität dient der Schaffung von Transparenz über Schwachstellen und der aktiven Unterstützung des Risikomanagements, insbesondere im Hinblick auf KI-Anwendungen, die auf hochwertige Daten angewiesen sind.