In den letzten Jahren haben ESG-Daten (Environmental, Social, Governance) in der Finanzwelt an Bedeutung gewonnen. Diese Daten bieten eine Grundlage für die Bewertung der Nachhaltigkeit und ethische Unternehmensführung von Unternehmen. Sie messen beispielsweise den CO₂-Ausstoß, den Umgang mit Mitarbeitern oder die Einhaltung von Vorschriften zur Unternehmensführung.
Auf europäischer Ebene gibt es klare regulatorische Vorgaben, welche Kennzahlen Kreditinstitute im Rahmen verschiedener ineinander verzahnten Transparenzpflichten offenlegen müssen: Die EU-Taxonomie-Verordnung ist ein Klassifizierungssystem, das regelt, welche Wirtschaftstätigkeiten als nachhaltig gelten dürfen. Ergänzt wird diese durch die Corporate Sustainability Reporting Directive (CSRD), die die Nachhaltigkeitsberichterstattung vereinheitlicht, und die Sustainable Finance Disclosure Regulation (SFDR), die für Markteilnehmer Offenlegungspflichten für Finanzprodukte vorschreibt.
Um den Pflichten der SFDR gerecht zu werden, müssen Finanzmarktteilnehmer ESG-Daten von den Unternehmen nachhalten, in denen das Geld ihrer Kunden angelegt ist. Die CSRD wiederum sorgt dafür, dass diese Daten überhaupt zur Verfügung stehen, indem Nachhaltigkeitsberichterstattung von mehr Unternehmen gefordert wird.
Sowohl Geschäftsbanken als auch Landesbanken in Deutschland sind darauf angewiesen, ESG-Daten in ihre Entscheidungsprozesse und Berichterstattung zu integrieren. Diese Daten werden für verschiedene weitere Zwecke genutzt:
1. Risikomanagement:
2. Nachhaltigkeitsstrategie:
3. Kreditvergabe:
Banken beziehen ESG-Daten aus verschiedenen Quellen. Einerseits werden interne Daten erhoben, wie z.B. der Energieverbrauch eigener Gebäude oder Compliance-Maßnahmen. Andererseits greifen Banken auf Berichte der Unternehmen im Portfolio und externe Datenanbieter zurück, die spezialisierte ESG-Daten bereitstellen. Zu den meistgenutzten Anbietern in Deutschland gehören ISS ESG, MSCI ESG Research und Sustainalytics.
Die ESG-Daten lassen sich in quantitative und qualitative Kategorien einteilen.
In der folgenden Tabelle sind Beispiele für quantitative und qualitative ESG-Daten aus den drei Bereichen „Environmental“, „Social“ und „Governance“ aufgelistet:
Trotz der zunehmenden Bedeutung von ESG-Daten gibt es erhebliche Herausforderungen im Bereich der Datenqualität und Data Governance:
1. Dateninkonsistenzen und fehlende Standards: Es gibt keine einheitlichen Richtlinien zur Erhebung und Berichterstattung von ESG-Daten, was zu erheblichen Abweichungen zwischen verschiedenen Datenquellen führen kann. Banken müssen daher oft Daten aus unterschiedlichen Quellen konsolidieren, was zu Inkonsistenzen führen kann.
2. Mangelnde Transparenz in der Datenherkunft: Viele externe ESG-Datenanbieter haben unterschiedliche Erfassungsmethoden, was es für Banken schwierig macht, die Herkunft und die Genauigkeit der Daten nachzuvollziehen.
3. Scope & Gewichtung: Benötigen Institute aggregierte ESG Scores von Datenanbietern, wird deutlich, dass Unternehmen je nach Anbieter völlig unterschiedlich abschneiden können. Dies liegt u.a. an unterschiedlicher Berücksichtigung und Gewichtung von Kennzahlen.
4. Fehlende historische Daten: Die Erfassung von ESG-Daten erfolgt erst für einen vergleichsweise kurzen Zeitraum, was bedeutet, dass oft historische Vergleichswerte fehlen. Dies erschwert es Banken, langfristige Risiken und Trends zu analysieren.
Wenn Banken die Herausforderungen im Bereich der Datenqualität und Governance nicht erfolgreich meistern, drohen ernsthafte Konsequenzen:
Um die Qualität und Governance von ESG-Daten sicherzustellen, müssen Banken gezielte Maßnahmen ergreifen:
1. Datenmanagement-Plattformen implementieren: Kreditinstitute sollten zentrale Datenmanagement-Plattformen einführen, um u.a. ESG-Daten aus verschiedenen Quellen zu integrieren, zu validieren und zu analysieren. Durch den Einsatz von Data-Warehousing-Lösungen können ESG-Daten strukturiert und konsistent verarbeitet werden.
2. Regelmäßige Audits durchführen: Interne und externe Audits der ESG-Daten sind notwendig, um die Einhaltung von Vorschriften sicherzustellen und mögliche Datenfehler frühzeitig zu erkennen. Dabei können Banken auch auf automatisierte Prüfprozesse setzen.
3. Schulungen für Mitarbeiter anbieten: Da ESG-Datenmanagement ein komplexes Thema ist, sollten Mitarbeiter regelmäßig in diesem Bereich geschult werden. Schulungen sollten sich auf die regulatorischen Anforderungen, die Datenanalyse, die Anwendung von Governance-Richtlinien und das Fördern einer lebendigen „Datenkultur“ konzentrieren.
4. Zusammenarbeit mit externen Datenanbietern verbessern: Um sicherzustellen, dass die gelieferten ESG-Daten verlässlich und transparent sind, sollten Banken eng mit ihren Datenanbietern zusammenarbeiten und gemeinsame Standards zur Datenverarbeitung definieren.
Für hiesige Kreditinstitute werden ESG-Daten zunehmend zu einem entscheidenden Faktor, um regulatorische Anforderungen zu erfüllen und im Wettbewerb nicht den Anschluss zu verlieren. Banken, die die Qualität und Governance ihrer ESG-Daten früh und systematisch angegangen sind, sichern sich heute schon den Zugang zu nachhaltigen Investitionsmöglichkeiten, stärken das Vertrauen ihrer Stakeholder und minimieren gleichzeitig ihre Risiken.
Die Sicherstellung einer hohen Datenqualität und effektiven Governance erfordert klare Prozesse, geeignete Technologien und geschulte Mitarbeiter. Wie movisco dabei hilft, geeignete bankweite Data Plattformen zu implementieren, können Sie in unserer Projekreferenz erfahren.
Wir freuen uns über Ihre direkte Kontaktaufnahme!