Risikofaktoren schnell und präzise zu bestimmen ist das tägliche Brot der Landesbank Baden-Württemberg (LBBW). Die internationale Geschäftsbank zählt gemessen an der Bilanzsumme zu den zehn größten Kreditinstituten in Deutschland.

Die wichtigsten Unsicherheiten, mit denen die Bank konfrontiert ist, sind Zins- und Kreditrisiken. Zu Letzteren zählt auch die Bonität eines Unternehmens. Um diese Risiken einzuschätzen, simulieren die Verantwortlichen Cashflows, die die künftigen Zahlungen für Kredite oder Wertpapiere berechnen.

Diese Risiken lassen sich mit einem mathematisch-statistischen Modell ermitteln, der Monte-Carlo-Simulation. Bei diesem Verfahren wird für jedes Portfolio eine so genannte Verlustverteilung berechnet. Daraus kann zum Beispiel abgelesen werden, dass mit 80 Prozent Wahrscheinlichkeit der Verlust für die Bank nicht größer als x Euro ist. Auf der Basis dieser Monte-Carlo-Simulation entscheidet das Institut dann über zu vergebende Kredite an ein Unternehmen.

Doch einen Haken hat die Sache: Eine zuverlässige Monte-Carlo-Simulation ist sehr zeitaufwändig. Je genauer die Risikoaussage sein soll, umso mehr Simulationsläufe müssen durchgeführt werden. Dies gilt für jedes Portfolio. "Wir nehmen für gewöhnlich 50 000 bis 100 000 Simulationsläufe. Das dauert für ein großes Portfolio ein bis zwei Stunden", sagt Peter Oellers, Leiter der Abteilung Portfolio-Management bei der LBBW.

1999 potenzierte sich das Problem: Bedingt durch die Fusion mit drei BankenBanken bekam die LBBW plötzlich einen immensen Bestand zu prüfender Risiken, der die vorhandenen Rechnerressourcen sprengte. Mit mehr als einer Million Krediten und Wertpapierkonten war der Kapazitätsaufwand für die Risikobewertung enorm groß. Die Konsequenzen: "Die Erzeugung der Cashflows für eine Million Kredite war auf einer Maschine nicht mehr möglich, weil wir dafür viel zu lange gebraucht hätten", sagt Oellers. Top-Firmen der Branche Banken