nach oben

Erschienen in:

2023 | OriginalPaper | Buchkapitel

4. Praxisbeispiel: Möglicher Mehrwert eines Transformation-Rating-Advisory

verfasst von : Thilo Grundmann

Erschienen in: Transformationsfinanzierung

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Die auf Basis von (finanziellen) Ist-Werten ermittelten Bonitätseinschätzungen können deutlich von den auf Basis einer Finanzplanung abgeleiteten Erkenntnissen bezüglich der Bonitätsentwicklung eines Unternehmens abweichen. Insbesondere bei einer Bonitätseinschätzung zu Beginn der Umsetzung eines Transformationsvorhabens ist davon auszugehen, dass das unter Verwendung von Ist-Werten kalkulierte Rating substanziell von der zukünftigen Ratingentwicklung abweicht. Die Einbeziehung einer Finanzplanung in die Bonitätsanalyse bietet neben einer valideren Bonitätseinschätzung zudem die Möglichkeit, sowohl die zur Wahrung einer angestrebten Mindestbonität noch vertretbare Höhe der aufzunehmenden finanziellen Mittel als auch deren Struktur (Fremd- vs. Eigenkapital) und die Ausgestaltung noch tragfähiger Finanzierungskonditionen systematisch zu bestimmen. Mittels eines Dynamic-Capabilities-Ratings lässt sich ergänzend die im Rahmen eines Transformationsvorhabens besonders bedeutsame Veränderungsfähigkeit eines Unternehmens im Hinblick auf die Bonitätsentwicklung bewerten und durch gezielte Maßnahmen optimieren.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Transformation-Rating-Advisory zur strategischen Analyse und Verbesserung unternehmensspezifischer Finanzierungskonditionen

Nächstes Kapitel Transformationsfinanzierung – Zusammenfassung der wesentlichen Ergebnisse

Die Bilanzsumme wird hier vereinfachend als identisch zum betriebsnotwendigen Vermögen (Capital Employed (CE)) angesehen.

Das hier skizzierte Unternehmen basiert auf dem Fallbeispiel von Werner Gleißner für eine risikogerechte Bewertung alternativer Unternehmensstrategien (vgl. Gleißner 2013, S. 82 ff.).

„Die Dreiecksverteilung erlaubt – auch für Anwender ohne tiefgehende mathematische (statistische) Vorkenntnisse – eine quantitative Beschreibung des Risikos einer Variablen. […] Sie ist oft nützlich, wenn positive oder negative Planabweichungen (Chancen und Gefahren) auftreten können. Es müssen lediglich drei Werte für die risikobehaftete Variable angegeben werden, der Minimalwert a, der wahrscheinlichste Wert b und der Maximalwert c. Dies bedeutet, dass von einem Anwender keine Abschätzung einer Wahrscheinlichkeit gefordert wird. Dies geschieht implizit durch die angegebenen Werte und die Art der Verteilung“ (Gleißner 2022, S. 234).

Der Planwert entspricht dann dem wahrscheinlichsten Wert und liegt bei der Spitze der Dreiecksverteilung (vgl. Gleißner 2013, S. 84 f. sowie S. 88).

Annahme: Körperschafts- und Gewerbesteuer belaufen sich auf insgesamt 30 %.

Es wird somit unterstellt, dass der thesaurierte Gewinn im 1. Planjahr weder in Sachanlagen zu investieren ist noch betriebsnotwendige liquide Mittel darstellt.

Für ein umfassenderes und tiefgehenderes Rating wären sowohl weitere Finanzkennzahlen – insbesondere im Hinblick auf die Liquidität – im Rahmen der quantitativen Analyse zu berücksichtigen, als auch weitere Teilanalysen, wie die Branchenanalyse und die qualitative Analyse (vgl. Abb. 2.1), sowie eine explizite Analyse von Risiken in die Ratingermittlung mit einzubeziehen (vgl. Gleißner und Füser 2014, S. 205 ff.). Da sich die im Folgenden herzuleitenden wesentlichen Erkenntnisse auch auf Basis des sehr stark verkürzten Mini-Ratings aufzeigen lassen und die Darstellung einer umfassenden Ratinganalyse den hier gegebenen Rahmen übersteigen würde, werden im Folgenden die Analysen unter Verwendung des lediglich auf zwei Finanzkennzahlen reduzierten Mini-Ratings durchgeführt.

Die Funktion legt basierend auf den Forschungsergebnissen von Edward I. Altman (vgl. Altman 2013, S. 428 ff.) für die Insolvenzwahrscheinlichkeit ein Intervall von 0 bis 0,265 fest (vgl. Gleißner und Füser 2014, S. 214 f.).

Bezüglich der Zuordnung von Ausfallwahrscheinlichkeiten zu Ratingnoten siehe die Erläuterungen in Fußnote 44 des Kap. 2 sowie Abb. 2.4.

Speculative Grade ist eine Klassifizierung, bei der gemäß der Bonitätsnotenskala von Standard & Poor’s das Rating die Note BB+ (bedeutet: das Unternehmen ist sehr abhängig von der wirtschaftlichen Gesamtlage) oder schlechter aufweist. Ratings oberhalb dieser Bonitätsnote (also ab BBB−) sind der Klasse Investment Grade zuzuordnen.

In der Klasse Speculative Grade erhöht sich gemäß dem Kreditrisikostandardansatz (KSA) die regulatorisch erforderliche Eigenmittelunterlegung ab einer Ratingnote von BB− recht stark (das Risikogewicht steigt von 100 % auf 150 %, vgl. hierzu Formel 22), sofern externe Ratings für die Unternehmenskunden vorliegen. Vor dem Hintergrund des begrenzten Eigenkapitals von Banken kann dies ggf. zu einer (notwendigen) Einschränkung der Kreditvergabe führen.

Selbst bei einer Reduktion des Fremdkapitals in Höhe des thesaurierten Gewinns (und einer damit unveränderten Bilanzsumme i. H. v. 100 Mio. EUR) würde sich die Insolvenzwahrscheinlichkeit lediglich auf 0,79 % verringern.

Das in Abschn. 1.2 zusätzlich genannte Kriterium einer Kompetenz-Transformation sei gemäß den Ergebnissen der strategischen Analyse der Unternehmensleitung hier nicht relevant.

Allein die erforderlichen Mittel aus der Außenfinanzierung betragen somit rd. 33 % des Eigenkapitals (= 10 Mio. EUR/30 Mio. EUR) in der Ausgangssituation.

Eine ausführliche Herleitung der Zinskonditionen erfolgt gegen Ende des Praxisbeispiels im Abschn. 4.6.

[37 Mio. EUR/117 Mio. EUR] = 31,62 %.

[43 Mio. EUR × 3 % + 10 Mio. EUR × 8,60 %] = 2,15 Mio. EUR.

[10,29 Mio. EUR – 2,15 Mio. EUR] = 8,14 Mio. EUR.

[9,29 Mio. EUR/100 Mio. EUR] = 9,29 %.

[100 Mio. EUR + 7 Mio. EUR (Gewinnthesaurierung) + 3 Mio. EUR (Kredit)] = 110 Mio. EUR.

[37 Mio. EUR/110 Mio. EUR] = 33,64 %.

[10,29 Mio. EUR (EBIT) – 43 Mio. EUR (Netto-Fremdkapital) × 3 % – 3 Mio. EUR × 8,60 % (Kredit)] × (100 % – 30 %) = 6,12 Mio. EUR.

[110 Mio. EUR + 6,12 Mio. EUR (Eigenkapitalerhöhung)] = 116,12 Mio. EUR.

[9,29 Mio. EUR/(100 Mio. EUR + 4 Mio. EUR)] = 8,93 %.

[48,54 Mio. EUR/121,5 Mio. EUR] = 39,95 %.

[8,29 Mio. EUR/(104 Mio. EUR + 4 Mio. EUR)] = 7,68 %.

Für eine deutlich präzisere Analyse könnte auf Basis einer dynamischen (über den Zeitverlauf abhängig modellierten) Finanzplanung eine Monte-Carlo-Simulation der identifizierten Risiken vorgenommen werden. Die Insolvenzwahrscheinlichkeit könnte dann aus einem Abgleich des bei einer bestimmten Restwahrscheinlichkeit maximal zu erwartenden Eigenkapitalbedarfes (Earnings-at-Risk) mit dem vorhandenen Eigenkapital sowie des bei einer bestimmten Restwahrscheinlichkeit maximal zu erwartenden Liquiditätsbedarfes (Liquidity-at-Risk) mit den verfügbaren Liquiditätsreserven abgeleitet werden.

Hierbei handelt es sich um einen unteren Grenzwert für die Insolvenzwahrscheinlichkeit bei der Ratingnote BB− (vgl. hierzu Gleißner 2019, S. 2). Aufgrund der mit einem Transformationsvorhaben verbundenen hohe Komplexität und Ungewissheit wird hier der untere Grenzwert im Sinne eines konservativen Schätzwertes angesetzt. Sollte es sich im Rahmen der Stressbetrachtung nicht um eine Transformationsfinanzierung handeln, so könnte hier alternativ auch die erwartete Insolvenzwahrscheinlichkeit i. H. v. 2,96 % (vgl. ebenda) angesetzt werden.

Es ist zu beachten, dass trotz der möglicherweise recht gering erscheinenden jährlichen Insolvenzwahrscheinlichkeit die Wahrscheinlichkeit eines Ausfalls über die gesamte Laufzeit (= kumulierte Ausfallwahrscheinlichkeit) deutlich größer ist. So ergibt sich bei einer jährlichen Insolvenzwahrscheinlichkeit i. H. v. 2,3 % schon bei einer Kreditlaufzeit von drei Jahren eine kumulierte Ausfallwahrscheinlichkeit i. H. v. 6,74 % (= 100 % – (100 % – 2,3 %)³). Hierbei wird von der Annahme ausgegangen, dass die einjährige Ausfallwahrscheinlichkeit in jedem Jahr unverändert 2,3 % beträgt (⇒ keine Ratingmigration) und die Ausfallereignisse in den Jahren voneinander stochastisch unabhängig sind.

Als ein entsprechendes Praxisbeispiel kann hier die problematische Integration des agilen Softwareunternehmens Cariad SE in „einen so komplexen und politischen Konzern wie Volkswagen“ (Seiwert 2022, S. 16) dienen. „Ob beim Elektro-Porsche Macan oder VWs wenigstens aufgeschobenem Leuchtturmprojekt Trinity – oft haperte es an der Software, über die am Ende auch Blumes Vorgänger Herbert Diess stolperte“ (Holtermann et al. 2023, S. 22).

Zur Abschätzung entsprechender Effekte kann der realisierte Personal-Mehraufwand (in Prozent des Projektbudgets) vergangener (Change-)Projekte zuzüglich eines Transformationszuschlags von z. B. 50 % herangezogen werden. Bei einem Projektbudget von insgesamt 19,26 Mio. EUR (= 3 Mio. EUR erforderliche Außenfinanzierung + 16,26 Mio. EUR thesaurierte Gewinne (nach Steuern) in den Planjahren 1 bis 3) und einem angenommenen anteiligen Personalaufwand i. H. v. rd. 11,7 Mio. EUR würde dies einem in der Vergangenheit realisierten Mehraufwand von rund 40 % entsprechen (40 % × 1,5 × 11,7 Mio. EUR = 7 Mio. EUR).

Dies ist insbesondere auf einen mit einer Erhöhung der Anzahl an Projektteilnehmenden (n) überproportionalen Anstieg der Anzahl an möglichen Kommunikationskanälen (#K) zurückzuführen. Es gilt: #K = n × (n – 1)/2 (vgl. Scheller 2021, S. 140 f.). Sehr eindrucksvoll beschreibt Jeff Sutherland am Beispiel des (zunächst) gescheiterten FBI-Projektes zur Modernisierung der Informationsversorgung die mit einer alleinigen Erhöhung von Projektressourcen verbundenen Umsetzungsprobleme (vgl. Sutherland 2015, S. 9 ff.).

[48,54 Mio. EUR – (2,0 Mio. EUR (EBIT-Rückgang im 1. Jahr) + 6,5 Mio. EUR (EBIT-Rückgang im 2. Jahr)) × (100 % − 30 %)]/[121,54 Mio. EUR – (2,0 Mio. EUR + 6,5 Mio. EUR) × (100 % − 30 %)] = 36,84 %.

[8,29 Mio. EUR – 2,5 Mio. EUR – 3,0 Mio. EUR – 3,0 Mio. EUR]/[108 Mio. EUR – 4 Mio. EUR (Verringerung Capital Employed)] = −0,20 %.

Für eine gesamthafte Darstellung der Zuordnung von Werten für den Dynamic-Capabilites-Score zu Ratingnoten und Ausfallwahrscheinlichkeiten siehe Abb. 2.4.

„Bei Kollaboration überwiegen selbst gesteuerte interaktive Austauschprozesse zwischen den beteiligten Gruppenmitgliedern. Man kann Kooperation daher als die verabredete und arbeitsteilige Wissensteilung von zwei oder mehreren Personen für die Lösung eines Problems definieren. Synergie ist dabei ein mögliches, aber kein notwendiges Kriterium. Der Begriff Kollaboration bezeichnet dagegen den synchronisierten Prozess der konstruktiven Wissensgenerierung von zwei oder mehreren Personen. Die einzelnen Schritte der Wissensgenerierung durch Kollaboration lassen sich dabei nicht bestimmten Beteiligten zuschreiben, sondern sind ein untrennbarer ko-konstruktiver Prozess“ (Bornemann 2012, S. 77).

Einen deutlich präziseren und aussagekräftigeren – jedoch auch datentechnisch aufwendigeren – Ansatz zur Messung der Komplexität von Projekten bietet Michael Frahm. Ergänzend zu den unterschiedlichen Fachbereichen werden hier u. a. auch noch die Anzahl der betroffenen (hierarchischen) Organisationsebenen sowie die Intensität der Verknüpfung jeder Organisationseinheit mit anderen Organisationseinheiten (Organisationsknoten) explizit betrachtet. Zur Komplexitätsmessung lässt sich dann die Varietätszahl als Verhältnis der Summe aller Wechselbeziehungen zur Anzahl der Organisationsebenen sowie der Varietätsgrad als Quotient aus der Summe aller Wechselbeziehungen und der Summe aller Organisationsknoten bestimmen (vgl. Frahm 2011, S. 22 ff.). Einen ergänzenden oder auch alternativen Scoring-Ansatz zur Messung der Komplexität von Projekten bietet Gerold Patzak. Zu den fünf Analysedimensionen Projektziel, Projektgegenstand, Projektaufgabe, Projektausführende und Projektumfeld sind jeweils drei Kriterien von 1 bis 5 zu bewerten (vgl. Patzak 2009, S. 42 ff. sowie Lange 2015, S. 30 f.).

Vgl. hierzu die in Abschn. 2.3 auf Basis der Institutionenökonomik sowie Kybernetik hergeleiteten Zusammenhänge zwischen der Komplexitäts- und der Transaktionskostenentwicklung.

Im weiteren Verlauf wird von folgender Zuordnung ausgegangen: Bis zu einem Verhältnis von Veränderungskomplexität zu Komplexitätsabsorption von ≤ 0,3 ⇒ Transaktionskosten-Kompetenz-Score = 7, Verhältnis ≤ 0,4 ⇒ Score = 6, Verhältnis ≤ 0,6 ⇒ Score = 5, Verhältnis ≤ 1 ⇒ Score = 4, Verhältnis ≤ 2,0 ⇒ Score = 3, Verhältnis ≤ 3,0 ⇒ Score = 2, Verhältnis > 3,0 ⇒ Score 1.

Vgl. Sinz (2022, S. 155 ff.) sowie Pommerening (2022, S. 17 ff.).

Retrospektiven sind Teamtreffen, in denen systematisch Ideen und Maßnahmen zur Verbesserung der Zusammenarbeit generiert werden. Die Wirksamkeit der Maßnahmen wird regelmäßig – etwa alle ein bis zwei Monate – gemeinsam validiert (vgl. Andresen 2017 sowie Derbey und Larsen 2018).

Im Rahmen des Lean Change Managements werden meist auf Teamebene in Zeitabständen von vier bis acht Wochen Verbesserungsmaßnahmen entdeckt, umgesetzt und validiert (vgl. Scheller 2017, S. 278 ff.).

Beim Delegation-Poker können die Teammitglieder gemeinsam mit der Führungskraft je Aufgabe ermitteln und aushandeln, welche Delegationsstufe (1. Verkünden, 2. Verkaufen, 3. Befragen, 4. Sich einigen, 5. Beraten, 6. Erkundigen, 7. Delegieren) und damit welcher Führungsstil im Zielbild aus Sicht des Teams und der Führung für eine effektive, effiziente und motivierende Aufgabenumsetzung am besten geeignet ist (vgl. Appelo 2018, S. 59 ff.). Die durchschnittliche Delegationsstufe entspricht dann dem Mittelwert aller mit den Stufen von 1 bis 7 bewerteten Aufgaben. In die Ermittlung des Führungskompetenz-Scores fließt dann die Abweichung zwischen der gemittelten Ist- und Ziel-Delegationsstufe ein. Die Entwicklung der aufgabenspezifischen Delegationsstufen im Ist und Ziel kann über eine Delegation Board visualisiert werden.

Gemäß Hartmut Rosa eignet sich der Begriff Resonanz „zur Beschreibung von Beziehungsqualitäten in hohem Maße“ (Rosa 2016, S. 281). „Resonanz ist eine durch Af←fizierung [Einwirkung, Beeinflussung] und E→motion, intrinsisches Interesse und Selbstwirksamkeitserwartung gebildete Form der Weltbeziehung, in der sich Subjekt und Welt gegenseitig berühren und zugleich transformieren“ (ebenda, S. 298).

Für eine genauere Analyse können auch die ungerundeten Werte zur Ermittlung des Dynamic-Capabilities-Scores verwendet werden.

Das Kompetenzprofil von kollaborativ und selbstorganisiert arbeitenden Teammitgliedern wird auch als T-shaped Professionals bezeichnet, das von den Führungskräften als X-shaped Professionals. Der vertikale Strich des T steht dabei für ein breites und vernetztes Fachwissen, während der horizontale Balken eine erforderliche umfassende Sozialkompetenz zum Ausdruck bringen soll (vgl. hierzu Rubin 2014, S. 241 ff., Seeger 2020 sowie Egle et al. 2021). X-shaped Professionals zeichnen sich dadurch aus, dass sie eine Gruppe von T-shaped Professionals zu einem High-Performance Team (vgl. Jenewein und Heidbrink 2008) weiterentwickeln können. Besonders hilfreich kann hierbei der Rückgriff auf die Konzepte der synergetischen Führung (vgl. Graf et al. 2020) sowie der lateralen Führung (vgl. Kühl 2016, Hische und Hische 2019 sowie Geschwill und Nieswandt 2020) sein, bei denen der Fokus der Führungstätigkeit auf der Gestaltung der Interaktion zwischen den Teammitgliedern (den Systemfunktionen) liegt.

Vgl. Hellenkamp (2022, S. 160).

Schierenbeck et al. (2014, S. 292 f.).

Dem in der Risikostrategie für das planbasierte (erwartete) Rating festgehaltenen Mindest-Rating von BB+ kann gemäß der Deutschen Bundesbank eine Ausfallwahrscheinlichkeit von 1 % zugeordnet werden (vgl. Deutsche Bundesbank 2022a).

Es handelt sich hierbei um eine vereinfachende Vorgehensweise. Eine genauere Kalkulation der (Standard-)Risikokosten kann durch die Ermittlung von barwertigen Teil-(Standard-)Risikokosten erfolgen. Diese entsprechen dem Produkt aus bedingten Ausfallwahrscheinlichkeiten des jeweiligen Laufzeitjahres und dem Barwert des zum jeweiligen Laufzeitjahr noch ausfallgefährdeten Kundencashflows. Die auf das Kreditvolumen bezogenen (Standard-)Risikokosten entsprechen dann dem Verhältnis der Summe der barwertigen Teil-(Standard-)Risikokosten und der Summe der Barwerte der jeweils noch ausfallgefährdeten Kundencashflows (vgl. Schierenbeck et al. 2014, S. 320 ff.).

Vereinfachend wird davon ausgegangen, dass die Anrechnung von Sicherheiten im Rahmen der Expected Loss-Kalkulation mit der im Kontext der regulatorischen Bestimmung risikogewichteter Positionsbeträge übereinstimmt.

Gemäß Analysen von Bain & Company sind die Banken in Deutschland im Branchendurchschnitt seit 2008 durchgehend nicht mehr in der Lage, ihre Eigenkapitalkosten zu verdienen (vgl. Sinn et al. 2022, S. 7).

Vgl. Norget (2020, S. 105 f.) sowie Andrae et al. (2018, S. 138 ff.).

Für eine Bonitätsnote von AAA bis AA− beträgt das KSA-Risikogewicht (gemäß der KSA-Neuregelung, vgl. BCBS 2023, S. 22 f.) für Kredite an Unternehmen 20 %, von A+ bis A− 50 %, von BBB+ bis BBB− 75 %, von BB+ bis BB− 100 % und unterhalb von BB− 150 % (vgl. Zirkler et al. 2020, S. 191 sowie Zirkler et al. 2021, S. 25). Dabei wird jeweils eine mittlere dreijährige Ausfallrate i. H. v. 0,1 % (AAA bis AA−), 0,25 % (A + bis A−), 1,0 % (BBB+ bis BBB−), 7,5 % (BB+ bis BB−), 20 % (B+ bis B−) bzw. 34 % (ab CCC) unterstellt (vgl. Baule 2019, S. 377).

Der besicherte Teil des Kredites entspricht dem Minimum aus 50 % des Marktwertes (Verkehrswertes) und 60 % des Beleihungswertes der Gewerbeimmobilie (vgl. Andrae 2020, S. 172). Zur Bestimmung des Beleihungswertes kann das Sachwertverfahren, das Ertragswertverfahren und das Vergleichswertverfahren herangezogen werden (vgl. hierzu ausführlich Friedrichsen 2021, S. 31 ff.).

Vgl. Andrae (2020, S. 175); mit der Neuregelung des KSA ist das Risikogewicht abhängig von dem Beleihungsauslauf der Finanzierung (der sogenannten Loan-to-value Ratio) und liegt für Gewerbeimmobilien dann nicht mehr konstant bei 50 % sondern zwischen 60 und 150 % (vgl. BCBS 2023, S. 43 f. sowie Zirkler et al. 2020, S. 53 ff.).

Das Kernkapital setzt sich zusammen aus dem harten Kernkapital und dem sogenannten zusätzlichen Kernkapital. Zu dem harten Kernkapital sind insbesondere das Stammkapital, stille Einlagen sowie Gewinnrücklagen zu zählen. Für eine rechtmäßige Anerkennung als Kernkapital muss v. a. eine effektive Kapitaleinzahlung, eine dauerhafte Kapitalbereitstellung, eine Verlustabsorption durch Nachrangigkeit und uneingeschränkte Verlustteilnahme sowie eine Zahlungsflexibilität über den Ausschluss obligatorischer Ausschüttungen bestehen. Beim zusätzlichen Kernkapital dürfen (unter bestimmten Voraussetzungen) nach frühestens fünf Jahren Kündigungen oder Rückkäufe vorgenommen werden (vgl. Zirkler et al. 2020, S. 11 f.). Die Relation von Kernkapital zu RWA wird als Kernkapitalquote bezeichnet.

Die Kernkapitalquote i. H. v. 16 % entspricht dem (gerundeten) Mittelwert der Kernkapitalquote von Sparkassen und Kreditgenossenschaften (15,2 %) sowie großen (systemrelevanten) Banken (17,1 %) zum Ende des zweiten Quarts des Jahres 2022. Diese möglicherweise recht hoch erscheinenden Werte relativieren sich deutlich, wenn das Kernkapital in Relation zur Bilanzsumme gesetzte wird. Die (ungewichtete) Eigenkapitalquote der Sparkassen und Kreditgenossenschaften beträgt dann nur noch gut 8 %, die der großen (systemrelevanten) Banken sogar nur noch etwas mehr als 4 % (vgl. Deutsche Bundesbank 2022c, S. 49). Die an der Bilanzsumme gemessene geringe Eigenkapitalausstattung spiegelt sich auch in der sogenannten Leverage Ratio wider, welche das aufsichtliche Kernkapital in Beziehung zum (bilanziellen und außerbilanziellen) Gesamtengagement setzt (vgl. Hellenkamp 2022, S. 120 f.). Gemäß dem Risk Dashboard der European Banking Authority (EBA) belief sich per Ende September 2022 die Leverage Ratio der deutschen Banken auf rd. 4,7 % (vgl. EBA 2022).

Gemäß PWC eValuation Data Deutschland belief sich im Januar 2023 die am Kapitalmarkt von Banken in Deutschland geforderte Eigenkapitalverzinsung auf 9,9 % (vgl. PWC 2023); die von Bain & Company im Jahr 2022 geschätzte Bandbreite des Eigenkapitalkostensatzes von 7–9 % kommt vor dem Hintergrund des von PWC von Januar 2022 (8,5 %) bis Januar 2023 ermittelten Kapitalkostenanstieges i. H. v. 1,4 %-Punkten zu einem ähnlichen Ergebnis (vgl. Sinn et al. 2022, S. 7). Bei einer angenommenen Steuerbelastung i. H. v. 30 % (Körperschafts- und Gewerbesteuer) ergibt sich hieraus ein Eigenkapitalkostensatz (vor Steuern) i. H. v. 14,14 % (= 9,9 %/(100 % – 30 %)).

Es wird hierbei unterstellt, dass das vorhandene Kernkapital mit dem zu verzinsenden Eigenkapital übereinstimmt.

Siehe hierzu Pomp (2020).

Dies würde direkt zurechenbaren Sachkosten i. H. v. 36.000 EUR und der Beschäftigung von einem Team mit drei Personen (bei einem durchschnittlichen Tagessatz pro Person i. H. v. 1.500 EUR) über einen Zeitraum von insgesamt 20 Tagen (16 Tage im Jahr des Kreditabschlusses sowie jeweils 2 Tage zur Validierung der Unternehmensentwicklung während der zwei folgenden Jahre) entsprechen.

Da die Standardeinzelkosten eher transaktionsgetrieben als von der Kredithöhe abhängig sind, können die Standardeinzelkosten in Abhängigkeit von der Kredithöhe und der Kreditlaufzeit variieren.

Ein Teil der Gemeinkosten kann in der Praxis u. a. auch durch Provisionserträge finanziert werden (vgl. Sinn et al. 2022, S. 9).

Vgl. Schierenbeck et al. (2014, S. 60 ff.).

So würde sich allein durch eine Verschlechterung des Ratings entsprechend dem Stress-Szenario auf die Ratingnote BB− eine Erhöhung der erwarteten Insolvenz- bzw. Ausfallwahrscheinlichkeit auf 2,96 % (vgl. Gleißner 2019, S. 2) und damit eine Erhöhung der (Standard-)Risikokosten um 0,98 %-Punkte (= ([2,96 % · 50 % · 3 Mio. EUR/3 Mio. EUR] – 0,50 %), vgl. hierzu die Formeln 20 und 21) auf 1,48 % ergeben.

Vgl. Polok et al. (2021, S. 224).

Gemäß der Formeln 20 und 21 würden sich dann der Expected Loss auf 30.000 EUR

(= 1 % · 100 % · 3 Mio. EUR) und damit die auf das Kreditvolumen i. H. v. 3 Mio. EUR bezogenen (Standard-)Risikokosten auf 1 % erhöhen.

Vergabe von Risikodarlehen v. a. durch institutionelle Investoren (vgl. Heuzeroth 2022, S. 25 f.).

Vgl. Varadarajan et al. (2021).

Vgl. Zhang (2021) sowie Sundararajan (2016).

Unter regulatorischen Gesichtspunkten können Banken (bisher) nur Sach- und Personensicherheiten (sowie Aufrechnungsvereinbarungen) zur Reduktion der risikogewichteten Positionsbeträge (RWA) ansetzen (vgl. Hellenkamp 2022, S. 149 ff. sowie Andrae 2020, S. 155 ff.).

„Vermögenswerte, die durch den Ausstieg aus fossilen Brennstoffen an Wert verlieren, werden in der Literatur unter dem Begriff Stranded Assets diskutiert“ (Deutsche Bundesbank 2019, S. 218).

So sind gemäß Gerhard Hellstern „in die Schätzungen vorhandener Sicherheitenwerte […] – soweit möglich – neben (geschätzten) Marktwerten auch die Erfahrungen aus tatsächlichen Verwertungen zu berücksichtigen. In Letzteren sollten in der Praxis insbesondere Effekte aus verlängerten Verwertungsdauern oder aus schwierigen Verwertungsfällen enthalten sein. Ein weiterer Aspekt ist, dass potenzielle Wertminderungen der Sicherheiten zwischen dem Zeitpunkt der Schätzung und dem Verwertungsende einzufließen haben, entweder aus den tatsächlichen Erfahrungen oder als konservative Abschätzung“ (Hellstern 2020, S. 125).

Vgl. Demant (2018).

Vgl. Loitz und Nütten (2022, S. 1337 ff.).

Siehe hierzu Rohn und Urnik (2021, S. 527 ff.).

Vgl. Freyer (2018).

Vgl. Bittelmeier et al. (2013, S. 262).

Für eine ausführliche Darlegung und Diskussion der Kreditbesicherung durch immaterielle Vermögensgegenstände aus einer ökonomischen und juristischen Sicht siehe Picht (2018).

Vgl. Bittelmeier et al. (2013, S. 269 ff.).

Vgl. Moser (2017, S. 16 ff.), Himmel und Krostewitz (2012, S. 33 ff.) sowie Wirtz (2010, S. 224 ff.); zur Identifikation und Bewertung von Spielräumen bei der Bilanzierung immaterieller Vermögenswerte nach IFRS siehe Schreier (2018).

Vgl. hierzu Dykiert (2021, S. 77).

Titel: Praxisbeispiel: Möglicher Mehrwert eines Transformation-Rating-Advisory
verfasst von: Thilo Grundmann
Verlag: Springer Berlin Heidelberg
Buch: Transformationsfinanzierung
Print ISBN: 978-3-662-67382-9

Electronic ISBN: 978-3-662-67383-6

Copyright-Jahr: 2023
DOI: https://doi.org/10.1007/978-3-662-67383-6_4