Die Anforderungen dieses Moduls gelten für Modelle, die für die in diesem Rund- schreiben geregelten Prozesse eingesetzt werden. Sie gelten auch für automatisierte Modelle, technologiegestützte Innovation und künstliche Intelligenz. Modelle Ein Modell ist eine quantitative Methode, ein System oder ein Ansatz, der statistische oder mathematische Theorien, Techniken und Annahmen anwendet, um Eingabedaten zu quantitativen Schätzungen zu verarbeiten. Dazu zählen bankinterne Modelle, auf die sich die Entscheidungsfindung im Institut stützt, unabhängig davon, ob sie vom Institut selbst oder einem Dritten entwickelt wurden (z. B. Modelle, die im Kreditgeschäft insbe- sondere für die Kreditvergabe und -bearbeitung verwendet werden, Risikoklassifizie- rungsverfahren, Verfahren zur Risikoquantifizierung im Rahmen der Risikotragfähigkeit, Stresstests, Bewertungs- oder Preisbildungsmodelle). Modelle, die in den Anwendungs- bereich der CRR fallen, gehören hingegen nicht dazu. Über die Anforderungen dieses Moduls hinausgehende Anforderungen ergeben sich aus AT 4.1 Tz. 9, AT 4.3.3 Tz. 5 und 6, BTR 2.1 Tz. 3 und 4, BTR 3 Tz. 2. Die Anforderungen dieses Moduls richten sich nach der Komplexität des Modells, dessen Bedeutung im Risikomanagement sowie den Risiken, die mit der Anwendung des Mo- dells einhergehen. Dies gilt insbesondere für die Anforderungen an die Erklärbarkeit ge- mäß Tz. 6.
Die Wahl der Modelle liegt in der Verantwortung des Instituts. Die zugrundeliegen- den Annahmen sind nachvollziehbar zu begründen. Die Angemessenheit und Eig- nung sind vor dem Einsatz eines Modells zu bewerten und regelmäßig zu überprü- fen. Das setzt hinreichende Kenntnisse über die Modell-Konzeption, insbesondere zu wesentlichen Annahmen und Parametern sowie zu den darin einfließenden Daten, voraus.
Das Institut hat geeignete Verfahren zu implementieren, die die Qualität der zu- grundeliegenden Daten sicherstellen. Insbesondere sollen Qualitätsschwächen in den zugrundeliegenden Daten erkannt und bereinigt werden.
Das Institut hat angemessene Regelungen zur Verwendung der Modellergebnisse zu treffen. Soweit relevant, müssen diese auch Ausführungen zu Überschreibungen be- inhalten. Überschreibungen Bei Überschreibungen werden vom Modell abweichende Werte mittels direkten Eingriffs in den Modell-Input oder ein Zwischen- bzw. Endergebnis angesetzt.
Das Institut hat sich mit den Grenzen und Beschränkungen, die sich aus den einge- setzten Modellen, den ihnen zugrundeliegenden Annahmen und den darin einflie- ßenden Daten ergeben, kritisch auseinanderzusetzen und eine regelmäßige Validie- rung der Modelle vorzunehmen. Dabei sind die sachgerechte Handhabung der Mo- dellergebnisse und die Genauigkeit des Modells in Bezug auf dessen Verwendung angemessen zu überprüfen. Die Qualität der Modellergebnisse, insbesondere die Genauigkeit, Stabilität und Konsistenz der Verfahren, ist regelmäßig zu analysieren. Rekalibrierung In Abhängigkeit von der Modell-Konzeption können Rekalibrierungen einen starken Ein- fluss auf Annahmen und Gewichtungen ausüben. Bei der Analyse der Genauigkeit, Stabi- lität und Konsistenz ist deshalb zu untersuchen, ob und welche Veränderungen der Er- gebnisqualität sich dadurch ergeben.
Neben der angestrebten Genauigkeit ist auch auf eine hinreichende Erklärbarkeit zu achten. Dies gilt insbesondere für Modelle, die Charakteristika von technologiege- stützter Innovation und künstlicher Intelligenz aufweisen. Erklärbarkeit Modelle gelten als erklärbar, wenn Wirkungszusammenhänge zwischen Eingangs- und Ausgangsgrößen aufgezeigt werden können.