Künstliche Intelligenz in der Abschlussprüfung – Was ist möglich und wo sind die Grenzen?

​​​veröffentlicht am 26. März ​​2025 | Lesedauer ca. 8 Minuten

Die Digitalisierung verändert alle Wirtschaftsbereiche, und die Abschlussprüfung bildet hier keine Ausnahme. Künstliche Intelligenz (KI) bietet neue Möglichkeiten, Prüfprozesse effizienter zu gestalten und Risiken genauer zu bewerten. Aber was genau bedeutet KI in diesem Zusammenhang? Benutzen wir wirklich «KI»? Welche Modelle und Technologien stehen zur Verfügung? In diesem Beitrag beantworten wir die wesentlichen Fragen rund um den Einsatz von KI in der Wirtschaftsprüfung.​

Von welcher KI reden wir genau?

Wenn wir von KI sprechen, denken viele an Maschinen, die menschenähnlich agieren und eigenständig Entscheidungen treffen. In der Praxis der Wirtschaftsprüfung geht es jedoch oft um spezifische Teilbereiche der KI, die dazu dienen, Daten zu analysieren und Muster zu erkennen. In der Wirtschaftsprüfung wird vor allem das maschinelle Lernen (ML) genutzt – eine Unterkategorie der KI, die es Systemen ermöglicht, aus Daten zu lernen und Vorhersagen zu treffen.

Maschinelles Lernen (ML) umfasst überwachte und unüberwachte Lernverfahren:

• ​​​​​Überwachtes Lernen: Hier wird ein Algorithmus mit markierten Datensätzen trainiert, um Muster zu erkennen und Vorhersagen zu treffen. Ein Beispiel wäre die Erkennung von betrügerischen Transaktionen basierend auf historischen Daten, etwa Transaktionen, die ungewöhnlich hohe Beträge aufweisen, ausserhalb der regulären Geschäftszeiten erfolgen oder auf ungewöhnliche Empfänger wie kürzlich hinzugefügte oder selten genutzte Konten abzielen
• Unüberwachtes Lernen: Der Algorithmus identifiziert Muster, ohne dass vorher definiert wird, was er finden soll. Dies ist hilfreich, um Anomalien in Daten zu erkennen, die auf mögliche Fehler oder Risiken hindeuten.

Tiefes Lernen (Deep Learning), eine weitere Form des maschinellen Lernens, verwendet neuronale Netze, um komplexere Muster zu erkennen. In der Wirtschaftsprüfung kommt dies bisher seltener zum Einsatz, könnte jedoch in Zukunft eine wichtige Rolle spielen, insbesondere bei der Verarbeitung grosser, unstrukturierter Datenmengen.

Welche Hauptmodelle gibt es in der KI für die Wirtschaftsprüfung?

In der Wirtschaftsprüfung werden unterschiedliche KI-Modelle eingesetzt, um spezifische Aufgaben effizienter zu gestalten. Zu den Hauptmodellen gehören:

• Predictive Analytics (Vorhersagemodelle): Diese Modelle nutzen historische Daten, um Vorhersagen über zukünftige Entwicklungen zu treffen. In der Prüfung können sie verwendet werden, um finanzielle Abweichungen oder Risiken vorherzusagen, die auf betrügerisches Verhalten hinweisen könnten.
• Anomaly Detection (Anomalieerkennung): Diese Modelle identifizieren Abweichungen von der Norm, die potenziell auf Fehler oder betrügerische Aktivitäten hinweisen könnten. Sie werden häufig verwendet, um Transaktionen in Buchhaltungssystemen zu analysieren und ungewöhnliche Aktivitäten zu entdecken.
• Natural Language Processing (NLP): Dieses Modell verarbeitet und analysiert natürliche Sprache, also Textdaten. In der Abschlussprüfung wird NLP eingesetzt, um Verträge oder Dokumente automatisch auf Risiken zu überprüfen.

​

Benutzen wir wirklich KI?

Eine berechtigte Frage, die häufig gestellt wird, lautet: Benutzen wir wirklich KI oder ist das, was als KI bezeichnet wird, oft nur fortschrittliche Automatisierung? In vielen Fällen handelt es sich bei den aktuell verwendeten Systemen eher um datengetriebene Automatisierung als um echte KI. Systeme wie Datenanalyse-Tools oder Robotic Process Automation (RPA) nutzen oft fest programmierte Regeln, um Aufgaben zu erledigen, anstatt sich selbstständig zu verbessern oder zu lernen.

Jedoch gibt es bereits zahlreiche Fälle, in denen echte KI eingesetzt wird:

• Automatisierte Prüfung von Journalbuchungen (JET): KI-Algorithmen können Journalbuchungen automatisch auf Anomalien hin überprüfen. Hier wird tatsächlich maschinelles Lernen verwendet, um aus historischen Daten Muster zu erkennen und potenziell risikoreiche Transaktionen zu identifizieren.
• Process Mining: Diese Technologie analysiert betriebliche Prozesse auf Grundlage von Event-Logs und vergleicht den Ist-Zustand mit dem Soll-Zustand. KI unterstützt hier, Vorhersagen über zukünftige Abläufe zu treffen und Abweichungen sowie Verstösse gegen interne Kontrollsysteme frühzeitig zu erkennen und aufzudecken.

Trotzdem ist es wichtig zu betonen, dass viele der KI-Technologien, die heute in der Wirtschaftsprüfung eingesetzt werden, noch in der Entwicklungsphase stecken. Der grosse Durchbruch, bei dem KI vollautomatisierte, menschlich vergleichbare Prüfungen durchführt, liegt noch in der Zukunft.

Wo liegen die Vorteile von KI in der Wirtschaftsprüfung?

Der Einsatz von KI in der Abschlussprüfung bietet klare Vorteile:

• Effizienzsteigerung: KI kann grosse Datenmengen schneller analysieren als ein Mensch. So können umfassendere Datenmengen bis hin zu 100 % überprüft werden, statt der Prüfung im Stichprobenverfahren durch eine repräsentative Auswahl.
• Bessere Risikobewertung: KI-Modelle sind in der Lage, komplexe Muster und Anomalien zu erkennen, die menschlichen Prüfern möglicherweise entgehen würden. Dies verbessert die Identifizierung von potenziellen Risiken.
• Kontinuierliche Verbesserung: Durch den Einsatz von maschinellem Lernen werden KI-Systeme im Laufe der Zeit besser darin, Anomalien zu erkennen und Prozesse zu optimieren.

​Wo liegen die Grenzen des KI-Einsatzes in der Wirtschaftsprüfung?

Trotz aller Vorteile gibt es auch Grenzen beim Einsatz von KI:

• Datenqualität: KI ist nur so gut wie die Daten, mit denen sie arbeitet. Wenn die Datenqualität unzureichend ist, liefert auch die KI ungenaue Ergebnisse.
• Erklärbarkeit: Bei komplexen KI-Modellen, insbesondere im Deep Learning, kann es schwierig sein, die Ergebnisse nachvollziehbar zu erklären. Da Prüfungen jedoch immer transparent sein müssen, liegt die Letztverantwortung beim leitenden Revisor. Es muss sorgfältig abgewogen werden, wann KI im Rahmen der Revision eingesetzt werden kann und soll.
• Kosten und Implementierung: Die Implementierung von KI-Systemen ist kostenintensiv und erfordert umfangreiche Investitionen in Technologie und Schulungen. Insbesondere kleinere Prüfgesellschaften könnten hier Schwierigkeiten haben.
• Datenschutz und Datenintegrität: Der Einsatz von KI unterliegt Einschränkungen, da Datenschutzbestimmungen den Zugang zu bestimmten sensiblen Daten limitieren. Zudem muss sich der Abschlussprüfer darauf verlassen können, dass die durch KI generierten Analysen vollständig und korrekt sind, um die Integrität der Prüfungsprozesse sicherzustellen.

​​​