IReF und die Zukunft des Regulatory Reporting – Wie IReF, RDARR/BCBS 239 und KI die Datenarchitekturen von Banken neugestalten
Mit dem Integrated Reporting Framework (IReF) verfolgt die Europäische Zentralbank (EZB) das Ziel, die statistische Berichterstattung im Euro-Währungsgebiet zu vereinfachen und zu harmonisieren. IReF stellt einen wichtigen Schritt hin zu einem integrierten, auf granularen Daten basierenden Meldewesen dar.
Die Einhaltung der Grundsätze zur Risikodatenaggregation und -berichterstattung (RDARR) gemäß BCBS 239 sowie die Vorbereitung auf den Einsatz künstlicher Intelligenz in Berichtsprozessen sind zentrale Voraussetzungen für eine erfolgreiche Implementierung. Beide Komponenten schaffen die notwendigen GovernanceStrukturen, technologischen Grundlagen und Skalierbarkeiten, um den granularen und hochfrequenten Datenanforderungen von IReF gerecht zu werden.
Historischer Kontext und aktuelle Herausforderungen
Seit der Einführung der Europäischen Wirtschafts- und Währungsunion haben sich regulatorische und statistische Meldeanforderungen stetig weiterentwickelt. Die statistische Datenerhebung wurde dabei weitgehend durch nationale Rahmenwerke geprägt – mit unterschiedlichen Regeln und Meldeformaten in den einzelnen Mitgliedstaaten. Trotz der zentralen Rolle von EZB, Europäischer Bankenaufsichtsbehörde (EBA) und Einheitlichem Abwicklungsausschuss (SRB) bleibt das Meldewesen fragmentiert.
Neben allgemeingültigen, europäischen Vorgaben veröffentlichen nationale Zentralbanken wie die Deutsche Bundesbank eigene nationale Richtlinien zur statistischen Berichterstattung, etwa über die Statistischen Sonderveröffentlichungen. Diese nationalen Rechtsgrundlagen sollen im Zuge der IReFEinführung aufgehoben werden, sodass IReF künftig die harmonisierte und zentrale Grundlage für statistische Meldepflichten darstellt. Laut aktueller Aussage der Bundesbank in den IReFFAQs wird zudem geprüft, ob weitere nationale statistische Erhebungen entfallen können. Dies hängt von der finalen inhaltlichen und methodischen Ausgestaltung von IReF ab und darüber ob nationale Datenbedarfe vollständig abgedeckt werden können.
IReF begegnet dieser Fragmentierung, indem ein harmonisiertes und standardisiertes Verfahren zur Datenerhebung im EuroRaum eingeführt wird.
Dieser Ansatz baut auf früheren Initiativen wie AnaCredit auf und soll Konsistenz, Vergleichbarkeit und Effizienz der statistischen Berichterstattung verbessern.
Vom vorlagenbasierten Reporting zu granularen Daten
Das Kernziel von IReF besteht im Übergang vom vorlagenbasierten Meldewesen hin zu einem integrierten Prozess auf Basis granularer Daten.
Anstelle vordefinierter Meldeformate liefern Banken künftig detaillierte Datenpunkte gemäß einem harmonisierten Input‑Datenmodell. Die Aufsichtsbehörden können ihre Analysen dann direkt auf Grundlage dieser granularen Datensätze durchführen.
IReF soll nach aktueller Planung für folgende Statistikbereiche der EZB gelten:
• Monatliche Bilanzstatistik (BSI)
• Zinsstatistik der MFIs (MIR/MITR)
• Wertpapierbestandsstatistik (SHS)
• Kreditdatenstatistik (inkl. AnaCredit)
Ziele und erwartete Vorteile
Die wichtigsten Ziele von IReF umfassen:
- Standardisierung von Datenanforderungen
- Abbau von Redundanzen zwischen Berichtsrahmen
- Harmonisierung von Meldeprozessen im Euro‑Raum
- Förderung moderner, technologiegestützter Reportingverfahren
Ein harmonisiertes Rahmenwerk ermöglicht konsistentere und genauere Informationen für Aufsichtsbehörden. Gleichzeitig erlaubt die zentrale Datenbasis granularer Informationen flexiblere und bedarfsgerechte Analysen – ohne zusätzlichen Meldeaufwand für Institute. IReF soll zudem die Fähigkeit der Behörden stärken, auf potenzielle Krisen zu reagieren und die Finanzstabilität zu sichern.
RDARR/BCBS 239 und KI als technologische Grundpfeiler
Um die IReF‑Anforderungen zu erfüllen, benötigen Banken eine robuste, zukunftssichere Datenarchitektur. Die RDARR‑Prinzipien bilden hierbei das Fundament durch:
- Strenge Governance und klare Verantwortlichkeiten
- Hochwertige, zeitnahe und genaue Daten
- Vollständige Datenherkunft (Lineage) und Nachvollziehbarkeit
- Skalierbare Aggregationsfähigkeiten für multidimensionales, granulares Reporting
- Resiliente IT‑Architekturen für häufige und ad‑hoc‑Anfragen
Künstliche Intelligenz entwickelt sich zunehmend zu einem strukturellen Enabler der nächsten Generation regulatorischer Berichte. KI wird beeinflussen, wie künftige IT‑Architekturen in Banken gestaltet, betrieben und skaliert werden, insbesondere bei:
- Echtzeit‑Datenqualitätsmanagement und automatisierter Fehlerbehebung
Intelligentem Metadaten‑ und Lineage‑Management sowie semantischer Modellierung - KI‑gestützten Mapping‑ und Transformationsprozessen in Einklang mit IReF und BIRD
- Predictive Analytics für Risiken und Aufsicht basierend auf granularen Datensätzen
- Selbstoptimierenden, adaptiven Datenpipelines für hochfrequentes Reporting
RDARR‑Konformität und KI‑basierte Fähigkeiten bilden zusammen das technologische Rückgrat zur Bewältigung der anspruchsvollen IReF‑Daten‑ und Qualitätsanforderungen.
Die Rolle von BIRD
Das Banks’ Integrated Reporting Dictionary (BIRD) ergänzt IReF durch einen technischen Bezugsrahmen zur Umsetzung von Meldeanforderungen. BIRD bietet:
- Ein harmonisiertes logisches Datenmodell
- Standardisierte Definitionen
- Transparente Transformationsregeln vom internen Datenhaushalt bis zu den Meldeergebnissen
Es beschreibt, wie Rohdaten strukturiert und nachvollziehbar in meldefähige Informationen überführt werden können.
Die EZB verfolgt das Prinzip „Define once, Report once“. In diesem Rahmen bildet BIRD die semantische Integration der erforderlichen Datenstrukturen ab und definiert diese (Define once). IReF orientiert sich am BIRD-Datenmodell. Die Beziehung zwischen den Datenfeldern der beiden Datenmodelle ist größtenteils 1:1, oder über in BIRD festgelegte Transformationsregeln werden die IReF Ergebnisdatenstrukturen (IReF Collection Layer) definiert. Der IReF Collection Layer stellt die Basis für die Integration des Reportings dar (Report Once).
Konzeptionell definiert IReF den inhaltlichen Umfang statistischer Anforderungen (das Was – verpflichtend), während BIRD Hinweise zur technischen Umsetzung liefert (das Wie – freiwillig).
Technische Anforderungen an zukünftige Reporting‑Architekturen
Die Umstellung auf granular basiertes Reporting steigert die Bedeutung von Datenqualität und Konsistenz über die gesamte Verarbeitungskette hinweg. Zentrale Anforderungen sind:
- Ein harmonisiertes, granular strukturiertes Input‑Datenmodell
- Transparente Prozesse zur Sicherung der Datenqualität
- Automatisierte Validierungs‑ und Überwachungsmechanismen
- End‑to‑end‑Nachvollziehbarkeit von der Quelle bis zur Meldung
- Fähigkeit zu häufigeren und ad‑hoc‑Datenlieferungen
Korrekturen und Qualitätsverbesserungen werden zukünfig vorrangig auf der Input‑Ebene erfolgen.
Zeitplan
Der Implementierungsplan für IReF soll im ersten Halbjahr 2026 veröffentlicht werden. Eine einjährige Pilotphase soll dem regulären Reporting vorausgehen, das ab dem vierten Quartal 2029 beginnen soll.
Der Zeitplan berücksichtigt sowohl die Vorbereitungen der meldenden Institute als auch die notwendigen rechtlichen und technischen Entwicklungen im Eurosystem.
Erfahrungen aus AnaCredit
Die Einführung von AnaCredit zeigte, dass umfassende regulatorische Dateninitiativen sowohl technische als auch organisatorische Herausforderungen bergen: Datenqualität, IT‑Kapazitäten, Ressourcenengpässe und sich ändernde Anforderungen prägten den Umsetzungsprozess.
Frühzeitige Planung, enge Abstimmung mit den Aufsichtsbehörden und moderne IT‑Systeme erwiesen sich als Erfolgsfaktoren. Diese Erkenntnisse sind wertvoll für Institute, die sich auf IReF vorbereiten, und unterstreichen die Bedeutung von RDARR‑Konformität, KI‑Fähigkeiten und der Harmonisierung nationaler Meldeanforderungen.
Fazit
IReF ist ein bedeutender Schritt hin zu einem integrierten und harmonisierten statistischen Meldewesen im Euro‑Raum. Durch die Abkehr vom vorlagenbasierten Reporting hin zur Lieferung granularer Daten sowie die enge Verzahnung mit Rahmenwerken wie BIRD soll IReF Konsistenz, Vergleichbarkeit und Effizienz steigern.
Institute müssen ihre RDARR‑/BCBS 239‑Compliance stärken, ihre Datenmodelle modernisieren und KI‑fähige Datenarchitekturen aufbauen. Mit der Ablösung nationaler statistischer Rechtsgrundlagen und der Etablierung von IReF als zentralem Melderahmen müssen Banken ihre Reporting‑Architekturen und Datenqualitätsprozesse modernisieren, um zukünftige Anforderungen vollständig erfüllen zu können.
