Frank Elderson, Mitglied des Direktoriums der Europäischen Zentralbank und stellvertretender Vorsitzender ihres Aufsichtsgremiums, hielt am 14. Oktober 2026 an der gemeinsamen Konferenz von EZB und Bank of England in Frankfurt am Main eine Grundsatzrede. Die Konferenz widmete sich der Aufsicht über Klimarisiken in einer nichtlinearen Welt und brachte Fachleute verschiedener Disziplinen aus 18 Ländern und drei Kontinenten zusammen.
Das moderne finanzielle Risikomanagement beruhte traditionell auf der Annahme, dass ausreichende Daten, historische Muster und robuste Modelle Banken eine präzise Verlustschätzung ermöglichen. Diese Schätzungen bestimmen, wie Institute Risiken bepreisen, Rückstellungen bilden und Kapitalanforderungen festlegen. Dieser Ansatz funktioniert bei stabilen zugrunde liegenden Zusammenhängen, ergänzt durch Stresstests und Modellanpassungen. Das heutige wirtschaftliche Umfeld ist jedoch zunehmend komplex, vernetzt und unsicher.
Makrotrends wie geopolitische Fragmentierung, demografischer Wandel, künstliche Intelligenz, Quantencomputing und die anhaltenden Klima- und Naturkrisen unterscheiden sich in Ursprung, Umfang und Geschwindigkeit. Gemeinsam ist ihnen jedoch, dass sie in komplexen Systemen mit nichtlinearem Verhalten entstehen. Dort können kleine Veränderungen unverhältnismässig grosse Folgen auslösen, Rückkopplungsschleifen Schocks verstärken und Kipppunkte abrupte Übergänge verursachen. Innerhalb des Messbaren bleibt der Umgang mit solchen Nichtlinearitäten beherrschbar. Tiefere Herausforderungen entstehen aber bei radikaler Unsicherheit, wenn sich künftige Ereignisse und Wahrscheinlichkeiten nicht verlässlich messen lassen.
Elderson nutzte einen einfachen Rahmen mit den Kategorien bekanntes Wissen, bekannte Unbekannte und unbekannte Unbekannte. Beim bekannten Wissen über Klima- und Naturrisiken haben Banken und Aufseher in den vergangenen zehn Jahren grosse Fortschritte bei Identifizierung, Quantifizierung und Steuerung erzielt. Verbesserte Werkzeuge, Daten und Modelle ermöglichen eine genauere Quantifizierung direkter wirtschaftlicher Schäden, etwa der Auswirkungen von Extremwetter auf Wirtschaftstätigkeit, Arbeitsproduktivität und Lieferketten. Banken können auch Geolokalisierungsdaten nutzen, um physische Gefahren in traditionellen Finanzkennzahlen wie der Verlustquote bei Ausfall zu modellieren.
Die Daten zeigen, dass der durchschnittliche Anteil der Zinserträge aus kohlenstoffintensiven Sektoren bei bedeutenden beaufsichtigten Banken seit 2022 durchgehend über 70% liegt. Zudem verfügen Institute über Kennzahlen zur durchschnittlichen Energieeffizienz finanzierter Immobilien und zu gegenüber physischen Risiken anfälligen Engagements. Diese Fortschritte decken jedoch nur einen Teil des Spektrums ab, da sich viele zukunftsgerichtete Klimarisiken grundlegend von historischen Vorbildern unterscheiden.
Die zweite Kategorie umfasst bekannte Unbekannte: Risiken, deren Existenz bekannt ist, deren Zeitpunkt, Ausmass oder Wahrscheinlichkeiten aber unsicher bleiben. Konjunkturprognosen und Klimaanalysen befassen sich beide mit komplexen adaptiven Systemen, in denen präzise Vorhersagen unmöglich sind, plausible Szenarien aber untersucht werden können. Beispiele sind klimatische Kipppunkte wie ein mögliches Absterben des Amazonasregenwalds oder der Zusammenbruch der Atlantischen Meridionalen Umwälzzirkulation sowie zusammengesetzte Ereignisse, bei denen schwere Dürren, Hitzewellen, Wasserknappheit und Störungen der Landwirtschaft gleichzeitig zusammenwirken.
Zudem hat die Menschheit im Zusammenhang mit der Schädigung der Natur sieben der neun planetaren Grenzen überschritten. Das Zusammenspiel dieser Kräfte und ihre Ausbreitung im Finanzsystem bleiben unsicher, weil sich künftige Auswirkungen nicht in historischen Daten widerspiegeln. Szenarioanalysen sind in diesem Umfeld unverzichtbar: nicht als Prognose, sondern als strukturierte Untersuchung plausibler Zukünfte. Klimaszenarioanalysen haben erhebliche Fortschritte gemacht. Die Szenarien des Network for Greening the Financial System dienen als globaler Referenzpunkt.
