Edward Stone, Direktor der Jet Propulsion Laboratory der Nasa, stiess (wahrscheinlich) mit weit aufgerissenen Augen einen spitzen Schrei aus. Soeben hatte er im grossen Kontrollraum erleben müssen, wie der Funkkontakt zur Marssonde Climate Orbiter abbrach und die Sonde in der Marsatmosphäre verglühte. Die Marssonde hätte das Klima auf dem Mars erforschen sollen. Noch wusste Edward Stone aber nicht, dass nicht das Scheitern der Mission die grösste Peinlichkeit war, sondern deren Ursache.
Die Mission scheiterte nämlich an einem banalen, aber fatalen Fehler in der Datenkonsistenz: Zwei Teams von Ingenieuren, die beide an der Mission beteiligt waren, verwendeten unterschiedliche Masseinheiten. Die einen das metrische, die anderen das imperiale System. Dies führte dazu, dass die Sonde in die Marsatmosphäre eindrang und das USD 125 Millionen teure Projekt scheiterte. Dieses Beispiel zeigt eindrücklich, wie wichtig die Qualität von Daten ist, insbesondere wenn verschiedene Anwendungen darauf zugreifen.
Daten, Pech und Pannen
Vor fehlerhaften Daten oder schlechter Datenqualität bleibt selbstverständlich auch die Finanzindustrie nicht verschont. Einige Beispiele:
- Im Herbst 2020 wurde die Morgan Stanley Bank mit einer Geldstrafe in Höhe von USD 5 Millionen gebüsst, weil sie aufgrund schlechter Datenqualität über 3 Millionen swap-Transaktionen falsch an den Regulator rapportierte.
- Im Sommer des Jahres 2012 verlor das Handelsunternehmen Knight Capital innerhalb von 45 Minuten etwa USD 440 Millionen. Grund hierfür war ein Softwarefehler im algorithmischen Handelssystem. Es wurde versäumt, einen veralteten Code auf den Servern zu aktualisieren, was zu fehlerhaften Daten, somit auch Datenströmen und damit zusammenhängenden ungewollten Handelsaufträgen führte.
Zudem lassen sich auch für fehlerhafte Daten bzw. Dateneingaben in Kombination mit einem durchlässigen Risikomanagement-System Beispiele nennen:
- Im Jahre 2020 überwies die Citibank den Gläubigern des Kosmetikunternehmens Revlon USD 900 Millionen statt bloss USD 8 Millionen.
- Im Jahre 2014 überwies die Deutsche Bank versehentlich USD 6 Milliarden an einen Hedge-Fonds. Doch damit nicht genug: Im April 2018 überwies die Deutsche Bank versehentlich EUR 28 Milliarden, drei Milliarden mehr als ihr damaliger Börsenwert, auf ein Clearing-Konto an der Eurex.
Daten, Compliance und US-Präsidenten
Die Finanzinstitute sind bekanntermassen mit immer strengeren Regulierungen konfrontiert. Oft sehen die verschiedenen Regularien Analyse- (z.B. die GwG-Risikoanalyse) und Berichterstattungspflichten (z.B. SNB Berichterstattungen) vor. Schlechte Datenqualität kann hier zu fehlerhaften Risikoanalysen, falschen Meldungen und letztlich zu hohen Strafen führen. Aber auch die effektive und effiziente Bewältigung täglicher Aufgaben, etwa die periodische Überprüfung von KYC-Profilen, setzt eine gute Datenqualität voraus.
Aus diesen Gründen empfiehlt es sich, bei Projekten, welche sich beispielsweise der Implementierung neuer Gesetze und Regulierungen oder Effizienzoptimierungen annehmen, zunächst die Qualität der Datenlage zu prüfen. Vielfach lohnt sich eine anfängliche Investition in die Datenpflege, bevor darauf aufbauend die eigentlichen Projekte realisiert werden. Denn die Qualität der Daten ist kein technisches Detail, sondern ein strategischer Erfolgsfaktor und Wettbewerbsvorteil. Durch den Einsatz von Technologien wie der künstlichen Intelligenz und dem maschinellen Lernen können Daten heutzutage automatisiert analysiert, konsolidiert und bereinigt werden.
"It's the economy, stupid!". Mit diesem Slogan gewann Bill Clinton 1992 die Wahlen gegen George Bush senior und wurde US-Präsident. Sollten Sie keine Ambitionen auf die US-Präsidentschaft haben, aber sehr wohl Regulierungs- oder Effizienzoptimierungsprojekte erfolgreich umsetzen wollen, wandeln Sie den erwähnten Slogan doch einfach um in: «It’s the data quality, stupid!».