"Wiener Zeitung": Vor welchen besonderen Anforderungen steht das Asset Management einer Bank, wenn es um Governance und Management von Daten geht?

Susan Hofleithner: Asset Management ist im Wesentlichen ein datengetriebenes Business, auch wenn das selten in dieser Art und Weise betrachtet wird. Es gibt sehr viele interne und externe Daten, die hier eine Rolle spielen: Wertpapierstammdaten, Kursdaten, abteilungsspezifische Daten usw. Diese Daten haben nicht nur unterschiedliche Ursprünge, sie müssen aufgrund von regulatorischen Vorgaben – etwa der Datenschutzgrundverordnung oder Lizenzverträgen – auch unterschiedlich behandelt werden, etwa, was Weiterverarbeitung, Speicherung oder Zugriffsrechte betrifft.

Sie leiten die Abteilung für Data Management der Erste Asset Management. Welche Rolle spielt die Abteilung im Unternehmen?

Gutes Datenmanagement gelingt nur dann, wenn die jeweiligen Fachbereiche eingebunden sind, das Datenmanagement also kein losgelöster Apparat ist, der wenig Bezug zu den Abteilungen und ihren Anwendungen hat. Mit zunehmender Vernetzung und zunehmenden Datenmengen wird für uns im Datenmanagement, aber auch für die Fachbereiche, das Thema Datenqualität immer wichtiger. Im Kontext des Asset-Managements ist vor allem hohe Datenqualität und schnelle Verfügbarkeit wichtig. Die Qualitätskriterien werden dabei durch die internen Kunden und die Aufsichtsbehörden bestimmt.

Wie gelingt es, die verschiedenen Anforderungen an die Daten unter den Hut des gemeinsamen Data Managements zu bringen?

Das ist generell die große Herausforderung des Data Managements. Innerhalb der Erste Asset Management sind wir die zentrale Abteilung, die für die Methodik, die Prozesse, die Services und Tools sowie für alles, was damit zusammenhängt, zuständig und verantwortlich ist. Wir etablieren aber dezentrale Rollen in jedem Fachbereich und jeder Abteilung, die so genannten Data Stewards. Data Stewards haben eine Schlüsselrolle im Datenmanagement. Sie bringen die fachliche Dimension ein, definieren, was die "Daten" für uns eigentlich bedeuten und sind die Schnittstellen zu den Data Owners, denjenigen, die die Daten produzieren und eingeben. Es geht oft unter, dass diejenigen, die die Daten produzieren, in der Regel einen ganz anderen Fokus haben: Bei ihnen steht vielleicht der Kunde im Mittelpunkt, und es ist für sie weit weniger wichtig, ob sie ein Eingabefeld richtig ausfüllen, das aber wiederum für nachgelagerte Prozesse sehr wichtig ist. Transparenz und Verständnis über Abteilungen und Funktionen hinweg zu schaffen, sind zentrale Aufgaben, die wir mit unserem fachlichen Modell sicherstellen wollen.

Eine Schwierigkeit, von der man im Zusammenhang mit Data Management oft hört, ist, dass man nicht genau weiß, woher Daten stammen, und wie sie eigentlich verarbeitet wurden.

Ja, das ist die berühmte Data Lineage. Man muss wissen, woher die Daten kommen und wohin sie überall fließen. Das ist durchaus nicht trivial. Ein Beispiel: In allen großen Organisationen werden IT-Systeme nach und nach abgelöst, mal dieses, mal jenes. In der Regel wird zu wenig beachtet, was eine Änderung an einer Stelle an einer anderen Stelle bewirkt, weil man zu wenig über die Verknüpfungen weiß. Wenn man ein funktionierendes Datenmanagement hat, und daher die Entstehungsgeschichte der Daten kennt, hat man natürlich ganz andere Möglichkeiten, kann ganz anders testen und hat am Ende bessere Systeme. Diese Datenherkunft zu klären, ist am Anfang ein großer Aufwand, auch wirtschaftlich gesehen. Aber man vermeidet, dass man erst im Livesystem draufkommt, dass man etwas vergessen hat – das zieht in der Regel ewige Nachbesserungen nach sich, die mehr Zeit und Geld kosten, abgesehen von den Nerven aller Beteiligten.

Was lässt sich neben Kostensenkungen und besseren IT-Lösungen mit gutem Data Management noch alles erreichen?

Sehr viel! Datensicherheit, Datenqualität, Datenschutz usw. usf. Für uns als Finanzdienstleister sind Datenschutz und die Konformität mit der DSGVO ganz wichtige Ziele des Datenmanagements. In jeder großen Organisation gibt es das "Need-to-Know-Prinzip" – man will Transparenz, damit alle wissen, wie die Dinge zusammenhängen. Zugleich aber darf der Zugriff auf bestimmte Daten aus Datenschutzgründen nur bestimmten Gruppen gestattet sein. Ganz klar gilt dies für alle personenbezogenen Daten. Und dann ist Data Management natürlich die Grundlage für Big Data-Anwendungen oder wenn man etwa künstliche Intelligenz nutzen will. Aber nicht nur das. Letztlich braucht man Data Management für jeden Digitalisierungsschritt in einem Unternehmen.

Ist künstliche Intelligenz noch Zukunftsmusik bei der Erste Asset Management?

Ja, solche Anwendungen sind noch kein deklariertes Ziel unseres Data Managements, aber ich kann mir einige Einsatzgebiete vorstellen. Wir haben auch bereits Prototypen entwickelt, es gibt also durchaus Ideen.

Es gibt erst seit Kurzem Studiengänge, die sich mit Data Management beschäftigen. Wie sind Sie selbst zu diesem Thema gekommen?

"Datenschutz und die Konformität mit der DSGVO sind ganz wichtige Ziele des Datenmanagements." Susan Hofleithner leitet das Data Management der Erste Asset Management. - © Alfred Haas
"Datenschutz und die Konformität mit der DSGVO sind ganz wichtige Ziele des Datenmanagements." Susan Hofleithner leitet das Data Management der Erste Asset Management. - © Alfred Haas

Den Plan, einmal eine Data Management-Abteilung zu leiten, hatte ich nicht. Ich habe Wirtschaftsinformatik studiert und immer im Bereich Banken und Finanzen an der Schnittstelle zwischen Business und IT gearbeitet, etwa als Business Analyst und Projektleiterin für Bankensoftware. Das Thema Daten wurde vor rund fünfzehn Jahren durch die neuen Reporting-Anforderungen im Zusammenhang mit Basel II virulent. Damals entstanden die ersten umfassenden Datensammlungen, es waren stark durch die IT-Abteilungen getriebene Projekte. Im Endeffekt hatte man dann diese Daten, aber abgesehen von den aufsichtsrechtlichen Meldungen fing man nichts damit an. Ich habe mich gefragt, wie man aus diesen Daten noch einen Mehrwert für das Unternehmen schaffen kann. Ich wollte, dass wir die Daten besser nutzen, als sie einmal im Monat zu sammeln und weiterzureichen. So ist meine Liebe zu dem Thema Data Management entstanden.

Was braucht man, um in dem Bereich gut zu sein und etwas zu erreichen?

Man muss sich gern mit Menschen auseinandersetzen und sehr viel Geduld aufbringen: Data Management heißt, dass man viele Leute überzeugen muss, die in ganz verschiedenen Bereichen arbeiten. Man muss davon ausgehen, dass niemand begeistert neue Strukturen oder Abläufe implementiert. Man braucht also einen langen Atem.

Das Wort "Daten" hat ja seinen angestaubten Beiklang verloren und changiert aktuell zwischen Bedrohung und Hightech-Glamour. Wie hat sich die Wahrnehmung des Data Managements verändert?

Die Problemstellungen haben sich in den letzten fünfzehn Jahren nicht sehr verändert, aber inzwischen gibt es auch in Österreich eine Data-Governance-Community, wo man Mitstreiter findet und sich austauschen kann. Die Data-Governance-Konferenz spielt eine wichtige Rolle bei der Vernetzung von Menschen aus verschiedenen Unternehmen und Branchen. Datenmanagement ist aber immer noch ein neues Thema. Die Erkenntnis, dass Datenmanagement kein IT-Thema ist, sondern ein Thema aller Fachabteilungen, setzt sich erst langsam durch.

Bei der diesjährigen Data-Governance-Konferenz, die am 24. April 2020 online stattfand, wurden zwei Datenheldinnen gekürt: Iris Thallinger von der Raiffeisen Landesbank Oberösterreich wurde Austrian Data Hero in der Kategorie "Professionals" für den Aufbau des Data Managements. Sie waren Teil der Jury des Awards. Was gab den Ausschlag für die Auszeichnung dieser Einreichung?

Ich muss vorausschicken, dass mich alle Einreichungen beeindruckt haben. Der Jury ist die Entscheidung nicht leichtgefallen. Letztlich gab in diesem Fall wohl die Komplexität des Umfelds den Ausschlag: Was das Datenmanagement betrifft, sind Banken sehr komplex. Es sind gewachsene Organisationen, wo jede Abteilung ihre eigene Art des Umgangs mit Daten hat – nicht zuletzt aufgrund der hohen, jeweils unterschiedlichen, fachlichen Anforderungen. Es ist besonders schwer, in diesem Umfeld eine flächendeckende Data Governance zu etablieren. Das ist Iris Thallinger sehr gut gelungen: Das Data Management hat einen guten Reifegrad erreicht und ist zu guten Teilen in die DNA des Unternehmens eingegangen.

Die zweite Datenheldin ist Brigitte Marsteurer, die für die Gesundheit Österreich GmbH "Aladin" entwickelt hat, eine Struktur für eine Softwarelösung für das Data Management. Sie ist Austrian Data Hero in der Kategorie "Talente". Was hat die Jury von Aladin überzeugt?

Brigitte Marsteurer hat gezielt die Methoden des Data Managements ausgewählt, die sich dazu eignen, Daten zu strukturieren. So kann mit relativ wenig Aufwand ein sehr großer Nutzen erzielt werden. Im Zuge der Entwicklung von Aladin hat sie im Unternehmen das Bewusstsein für Data Management aufgebaut. Das ist insgesamt eine beeindruckende Leistung, weil sie damit nicht zuletzt eine gute Basis für weitere Digitalisierungs- und Automatisierungsprozesse gelegt hat. Die Einreichungen zeigten durchweg spannende Projekte, die allesamt sehr innovativ sind. Viele davon hatten aber noch nicht den Reifegrad der beiden Sieger-Projekte.

Gab es Einreichungen, die Ihnen noch neue Erkenntnisse brachten?

Wenn man lange in einer Branche tätig ist, sieht man manchmal die vielfältigen Einsatzmöglichkeiten nicht mehr. Die Einreichungen haben mich daran erinnert, dass das Spektrum der Data-Governance-Anwendungen wirklich sehr breit ist. Eine Schweizer Anwendung etwa machte es möglich, dass alle Schweizer Medien in Echtzeit mit den Wahlergebnissen versorgt werden – quasi drei Sekunden nach Schließen der Wahllokale. Die hohe Qualität der Einreichungen ist erfreulich, und es erweitert den Horizont.

Sorgen um den Nachwuchs für das Data Management muss man sich also nicht machen?

Ganz und gar nicht. Sowohl in der Kategorie Talents als auch in der Kategorie Professionals haben wir vielversprechende Projekte gesehen, es gab kein einziges banales Konzept. Vor allem ist es erfreulich, dass alle diese Ideen und Projekte einen Anschluss in Unternehmen haben, also nicht im akademischen Elfenbeinturm verschwinden, sondern in der Praxis zur Anwendung kommen werden. Ich denke, Data Management wird immer mehr zu einem Mainstream-Thema werden, das nicht nur Spezialisten interessiert.

***

Ein Beitrag zum Schwerpunktthema "Data Governance" aus der "Digitalen Republik", ein Verlagsprodukt aus der Content Production der "Wiener Zeitung".