Metriken, die den Reifegrad der Data Governance einer Bank messen

Ein Aufseher kommt für eine routinemäßige BCBS 239-Prüfung in eine US-amerikanische G-SIB (Global Systemically Important Bank). ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → fragt nicht: „Haben Sie eine Data-Governance-Richtlinie?" Jede Bank sagt ja. Er fragt: „Zeigen Sie mir das Dashboard, das belegt, dass Ihre kritischen Datenelemente im letzten Quartal die Qualitätsprüfungen bestanden haben, und wer die Behebung verantwortet hat, wenn nicht." Kann die Bank diese Scorecard nicht in Echtzeit liefern, wird die Prüfung schnell unangenehm.

Das ist der Wandel, der 2026 im Bankensektor stattfindet: Governance wird nicht mehr durch Richtliniendokumente belegt. Sie wird durch Metriken belegt.

Warum Dokumentation nicht mehr ausreicht

BCBS 239 („Grundsätze für eine wirksame Aggregation von Risikodaten und Risikoberichterstattung") wurde 2013 vom Basler Ausschuss für Bankenaufsicht veröffentlicht, nachdem die Krise von 2008 Banken offengelegt hatte, die der Aufsicht nicht einmal über Nacht ihr Gesamtexposure gegenüber Lehman Brothers nennen konnten. Er legt 14 Grundsätze fest, aber Grundsätze setzen sich nicht selbst durch. Die Aufsichtsbehörden (die Federal Reserve, der Single Supervisory Mechanism der EZB, die britische PRA) erwarten von Banken inzwischen messbare, nachverfolgte Belege für die Einhaltung.

Diese Belege haben die Form von Governance-Metriken. Drei sind am wichtigsten.

Metrik 1: Data Ownership Coverage

Was sie ist: der Anteil der kritischen Datenelemente (CDEs), für die ein namentlich benannter, verantwortlicher Data Owner existiert.

Ein CDE ist ein Feld, das für Risiko, regulatorisches Reporting oder Kapitalberechnung relevant ist, etwa Loan-to-Value-Ratio, Legal Entity Identifier (LEI) einer Gegenpartei oder Inputs für risikogewichtete Aktiva. Nicht jedes Feld in den Systemen einer Bank ist ein CDE. Eine typische Retailbank markiert vielleicht 200 bis 500 Felder von Zehntausenden als kritisch.

Warum sie zählt: ein Datenelement ohne Owner ist ein Waisenkind. Wenn es kaputtgeht, ist niemand für die Behebung verantwortlich, und oft wird es erst behoben, wenn ein Audit es findet.

Benchmark: reife Banken zielen auf 95 %+ Ownership Coverage bei CDEs (Schätzung, intern häufig genannt, kein veröffentlichter regulatorischer Schwellenwert). Banken in frühen Phasen von Governance-Programmen liegen oft bei 50 bis 70 %.

Rechenbeispiel

• Eine Bank identifiziert 400 CDEs über Retail- und Wholesale-Kreditgeschäft.
• 340 haben einen im Data-Governance-Tool erfassten Data Owner.
• Coverage = 340 / 400 = 85 %.
• Die verbleibenden 60 werden als Governance-Lücke markiert und erscheinen typischerweise als Finding im nächsten internen Audit.

Metrik 2: Issue Remediation Time

Was sie ist: die durchschnittliche Zeit von der Erfassung eines Datenqualitätsproblems bis zu seiner Behebung und Verifizierung.

Banken erfassen Datenprobleme in Tools wie Collibra, Informatica Axon oder intern gebauten Issue-Management-Plattformen. Jedes Issue wird nach Severity eingestuft (critical, high, medium, low), ähnlich einem IT-Incident.

Warum sie zählt: die Geschwindigkeit der Behebung ist ein Indikator dafür, ob Governance ein gelebter Prozess oder eine Papierübung ist. Eine Bank, die 10.000 Issues pro Jahr erfasst, aber 18 Monate zum Schließen braucht, steuert keine Daten, sie katalogisiert Probleme.

Benchmark (Branchenschätzungen, keine offiziellen Zahlen):

• Critical Issues: Ziel ist ein Abschluss innerhalb von 30 bis 45 Tagen.
• High Severity: 60 bis 90 Tage.
• Backlog-Aging: reife Programme halten weniger als 10 % der offenen Issues älter als 6 Monate.

Europäische Banken unter den aufsichtlichen Erwartungen der EZB berichten Remediation-Zeitpläne häufig in ihren internen Dashboards zu Modellrisiko und Datenqualität, die im Rahmen von Übungen im Stil des Targeted Review of Internal Models (TRIM) geprüft werden.

Eine einfache Rechnung: wenn eine Bank in einem Jahr 500 Critical Issues eröffnet und 420 innerhalb des 45-Tage-Ziels schließt, liegt ihre On-time-Remediation-Rate bei:

On-time rate = closed_on_time / total_opened
420 / 500 = 84%

Werte dauerhaft unter etwa 80 % ziehen in der Regel aufsichtliche Aufmerksamkeit an, weil sie signalisieren, dass der Remediation-Prozess mit der Entdeckung von Issues nicht mithält.

Metrik 3: Pass Rate kritischer Datenelemente

Was sie ist: der Anteil der CDEs, die in einem gegebenen Reporting-Zyklus automatisierte Datenqualitätsregeln (DQDQDer Grad, in dem Daten für ihren Zweck geeignet sind: korrekt, vollständig, konsistent, aktuell, valide und eindeutig. Schlechte Datenqualität untergräbt Analytics, Reporting und KI.Vollständige Definition ansehen →) bestehen (Vollständigkeit, Richtigkeit, Aktualität, Konsistenz).

Das ist die Metrik, die am direktesten mit dem Vertrauen in das regulatorische Reporting verknüpft ist. Wenn das Feld „Kundenrisikoeinstufung" in eine Comprehensive Capital Analysis and Review (CCAR)-Meldung in den USA oder in COREP/FINREP-Meldungen in Europa einfließt, sagt die Pass Rate, wie stark Sie dieser Zahl vertrauen sollten.

Typische geprüfte DQ-Dimensionen

• Vollständigkeit: ist das Feld gefüllt?
• Validität: entspricht es dem erwarteten Format/Wertebereich (z. B. LEI mit 20 alphanumerischen Zeichen)?
• Richtigkeit: lässt es sich gegen eine Golden Source abstimmen?
• Aktualität: wurde es innerhalb des erforderlichen SLASLAFormale Zusage, die das von einem Anbieter garantierte Serviceniveau definiert, mit messbaren Zielen und Konsequenzen bei Nichteinhaltung.Vollständige Definition ansehen → (Service-Level-Agreement) aktualisiert?

Benchmark: führende Banken berichten CDE-Pass-Rates über 98 % für Tier-1-Felder im regulatorischen Reporting (Schätzung). Eine Pass Rate im niedrigen 90er-Bereich oder darunter bei einem CDE, das in die Kapital- oder Liquiditätsmeldung einfließt, gilt in der Regel als Red Flag und muss an den Chief Data Officer eskaliert werden.

Einfache SQLSQLSales Qualified Lead: ein Prospect, den das Sales-Team als bereit für direkte Ansprache und ein Angebot validiert hat, weil er klare Qualifizierungskriterien erfüllt.Vollständige Definition ansehen →-artige Logik für eine Pass-Rate-Prüfung

SELECT
  COUNT(CASE WHEN dq_status = 'PASS' THEN 1 END) * 100.0 / COUNT(*) AS pass_rate
FROM cde_quality_checks
WHERE reporting_date = '2026-03-31'
  AND cde_flag = TRUE;

Das ist die Art von Query, die ein Governance-Dashboard speist, das monatlich von einem Data Governance Council geprüft wird, einem bereichsübergreifenden Gremium (Risk, Compliance, IT, Geschäftsbereiche), das die meisten großen Banken inzwischen als Standard betreiben.

Die drei Metriken zusammen betrachtet

Keine dieser Zahlen bedeutet allein viel. Eine Bank kann 95 % Ownership Coverage haben, aber eine Pass Rate von 40 %, das heißt: Owner existieren, beheben aber nichts. Das eigentliche Signal ist die Kombination:

Aufseher, die die BCBS 239-Compliance prüfen, oder in den USA Prüfer, die sich die Federal Reserve SR 11-7 Model Risk Guidance und zugehörige Datenkontrollen ansehen, fragen diese drei zunehmend gemeinsam ab, teils im Trend über 8 bis 12 Quartale, um zu sehen, ob sich Governance verbessert oder nur stagniert.

Eine nützliche öffentliche Referenz dafür, wie Aufseher darüber denken, sind die veröffentlichten aufsichtlichen Statements der Bank of England und der PRA zur Aggregation von Risikodaten, die die Erwartungen von BCBS 239 aufgreifen: Aufsichtliche Statements der Bank of England.

🎬 [VIDEO: "Basel Committee BCBS 239: Risk Data Aggregation Explained" - youtube.com - nach aktuellen Erklärvideos suchen, die die BCBS 239-Grundsätze behandeln und zeigen, wie Banken die Anforderungen an Risikodatenaggregation und -berichterstattung operationalisieren]

Wie „gut" in der Praxis aussieht

Eine große europäische Bank, die sich auf eine EZB-Vor-Ort-Prüfung vorbereitet, legt typischerweise vor:

1. Ein CDE-Inventar mit markierter Ownership (Metrik 1).
2. Ein Issue-Log mit Aging-Buckets und Closure-Trends (Metrik 2).
3. Ein monatliches DQ-Dashboard, segmentiert nach Geschäftsbereich und regulatorischem Report (Metrik 3).

Wenn sich alle drei über Quartale positiv entwickeln, werten Prüfer das als Belege dafür, dass Governance im Betrieb verankert und nicht für die Prüfung angeflanscht ist.

Key Takeaways

• Ownership Coverage (Ziel 95 %+) zeigt, dass es Verantwortlichkeit für kritische Datenelemente gibt, und nicht nur eine Richtlinie, die ein Framework benennt.
• Issue Remediation Time (Ziel 80 %+ fristgerecht geschlossen, Critical Issues in 30 bis 45 Tagen) belegt, dass der Governance-Prozess Probleme tatsächlich behebt und nicht nur erfasst.
• CDE Pass Rate (Ziel 98 %+ für Tier-1-Felder im regulatorischen Reporting) ist die Metrik, die am direktesten mit dem Vertrauen in Zahlen für Kapital-, Liquiditäts- und Risikoberichterstattung verknüpft ist.
• Alle genannten Zahlen sind Branchenschätzungen, keine offiziellen regulatorischen Schwellenwerte; die tatsächlichen aufsichtlichen Erwartungen variieren je nach Jurisdiktion und Institutsgröße.
• Aufsichtsbehörden (Basler Ausschuss, Federal Reserve, EZB, PRA) erwarten diese Metriken zunehmend über mehrere Quartale verfolgt, nicht als einmalige Momentaufnahme vor einer Prüfung.