Die für die Wirtschaftsprüfung relevanten KI-Teilgebiete

In Anbetracht der Tatsache, dass seit mehr als 60 Jahren an der Entwicklung von künstlicher Intelligenz geforscht wird, kann es nicht verwundern, dass es eine enorme Vielfalt an Teilgebieten gibt. Nicht alle sind zwangsläufig im Bereich der Wirtschaftsprüfung relevant. Vielmehr lassen sich aktuell eine Handvoll Teilgebiete identifizieren, die im Rahmen der Abschlussprüfung sinnvoll eingesetzt werden können:

• KI-gestützte Textanalysen zur Informationsextraktion, Beantwortung von Fragen, Textmining, Sentiment Analysis
• Spracherkennung (Natural Language Processing) in Form von Chatbots und virtuellen Assistenten
• Maschinelles Lernen bei der Klassifizierung, dem Clustering, dem verstärkendem Lernen und bei Regressionsanalysen von Daten
• Software-Agents, die in Software eingebettet sind und autonom agieren
• Predictive und Advanced Analytics zur Planung und Plausibilisierung

Da der Einsatz von KI mit zum Teil erheblichen Investitionen verbunden ist, muss die Wirtschaftlichkeit, der konkrete Mehrwert und Nutzen für die Mandanten immer im Vordergrund stehen. Wenn sich Routineaufgaben, die eher weniger wertschöpfende Tätigkeiten beinhalten, automatisieren lassen, gewinnen sowohl Mandanten als auch Wirtschaftsprüfer. Der Einsatz von KI verfolgt daher aktuell folgende drei Hauptziele:

1. Steigerung der Erkenntnisse aus der Prüfung
2. Steigerung der Sicherheit
3. Optimierung von Effektivität und Produktivität

“#KI ist in unterschiedlichen Feldern der #Wirtschaftsprüfung bereits Wirklichkeit. Was lässt sich davon ausgehend für die #PrüfungDerZukunft ableiten?“

Maschinelles Lernen für eine effiziente Richtigkeitsprüfung

Einer der ersten Einsatzzwecke von KI im Rahmen der Abschlussprüfung ist die Optimierung und Automatisierung von aufwändigen und zeitintensiven Prozessen (Optimierung von Effektivität und Produktivität). Eine Aufgabe bei der Abschlussprüfung ist die Prüfung auf Richtigkeit beziehungsweise der Abgleich von Buchungen mit den zugrundeliegenden Dokumenten wie Lieferscheinen, Rechnungen, Vertragsunterlagen und Aufträgen. Im einfachsten Fall besteht dieser Prüfvorgang im händischen Überprüfen, Nachrechnen und Abgleich der Informationen.

Der Anteil an wertschöpfenden Tätigkeiten dieser relativ zeitaufwändigen Prozesse ist jedoch vergleichsweise gering. Durch den Einsatz von Maschinellem Lernen können diese Vorgänge vollständig an Maschinen übergeben werden. Die Voraussetzung dafür: Alle Belege und Unterlagen liegen in digitalisierter Form vor. In Zukunft lassen sich diese Prozesse erweitern, indem beispielsweise Drohnen oder IoT-Lösungen für Inventuren eingesetzt werden. Bei der Prüfung auf Vollständigkeit gewinnen externe Informationsquellen und Plausibilitätschecks an Bedeutung.

Fraud Detection und Fraud Prevention

Eine weitere Möglichkeit für den Einsatz von künstlicher Intelligenz in der Wirtschaftsprüfung, bietet Fraud Detection und Fraud Prevention (über das höhere Entdeckungsrisiko). Die Möglichkeiten zur Fraud Detection werden bereits seit längerem im Bereich der Forensik eingesetzt. Zur Identifikation von Fraud arbeitet die Forensik mit Methoden wie:

• E-Mail-Auswertungen
• Massendatenanalysen
• Pattern Recognition

Allerdings sind diese datengestützten Analysen der Forensik-Kollegen kein vorgeschriebener oder üblicher Vorgang im Rahmen der Abschlussprüfung (Steigerung der relevanten Ergebnisse). Durch die Aufdeckung von wesentlich falschen Angaben im Jahresabschluss durch KI-gestützte Tools lässt sich jedoch die Qualität der Ergebnisse deutlich erhöhen. Der Grund dafür ist einfach: Bei Stichproben wird nur ein kleiner Ausschnitt eines Datensatzes analysiert. Tools, die hingegen die Grundgesamtheit betrachten, können kritische Elemente einfacher identifizieren, auf die sich der Prüfer dann fokussieren kann.

Dabei ist es einerseits wichtig zu beachten, dass entsprechende Analysen ohne konkreten Ausgangsverdacht und berechtigtes Interesse unzulässig sind. Andererseits muss an dieser Stelle betont werden, dass durch künstliche Intelligenz weder einhundertprozentige Sicherheit noch absolute Objektivität hergestellt werden kann. Vielmehr stellten die ersten Forscher bereits fest, dass intelligente Systeme ähnliche Vorurteile wie ihre Programmierer zu haben scheinen. Insofern ist der Mensch als Korrektiv und Letztinstanz unverzichtbar. In der Konsequenz bedeutet das: Ein Abschluss, der nur mit Routinen überwacht wird, ist nicht geprüft.

KI zur Risikoeinschätzung im Rahmen der Prüfungsplanung

Bei der Risikoeinschätzung hat der Prüfer das Interesse, möglichst viele Datenquellen in seine Analysen mit einzubeziehen (Steigerung der Sicherheit). Viele Daten als Bewertungsgrundlage heißt automatisch, dass es sich um einen Aspekt der Prüfung handelt, der sich durch KI optimieren lässt.

Diese Lösungen stellen eine Übergangsphase dar. Das Ziel ist nicht, am Ende einzelne Softwarelösungen für unterschiedliche Prozesse zu erhalten. Vielmehr stellen dies Vorstufen eines Prüf-Bots dar, der den Prüfer bei einer Vielzahl von Aufgaben unterstützen kann. Dabei bleibt die Entscheidung, welche Methode im jeweiligen Einzelfall zur Anwendung kommt, beim Prüfer, während der Prüf-Bot die Datenbestände auswertet, relevante Daten clustert oder Risiken evaluiert.