WIRTSCHAFTSPRÜFUNG | KI und Datenanalyse im Fokus

Was ist künstliche Intelligenz? 

Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern würden. Diese Aufgaben umfassen das Lernen, das Schlussfolgern, das Problemlösen und sogar das eigenständige Entscheiden auf der Grundlage von Daten und Algorithmen. KI-Systeme nutzen maschinelles Lernen und neuronale Netze, um Muster in Daten zu erkennen und daraus Erkenntnisse zu gewinnen.

Die jüngste Entwicklung in diesem Bereich ist die Generative Künstliche Intelligenz (GKI). Generative Künstliche Intelligenz ist eine Form der KI, die nicht nur in der Lage ist, Daten zu analysieren und Muster zu erkennen, sondern auch dazu fähig ist, neue Inhalte zu erstellen, die auf den gelernten Informationen basieren. Dieser Schritt von reaktiven Systemen hin zu proaktiven, generativen Systemen ist ein Meilenstein in der Entwicklung der KI. Das prominenteste Beispiel hierfür ist ChatGPT von OpenAI, ein Chatbot, der sich mithilfe künstlicher Intelligenz mit Menschen in natürlicher Sprache unterhalten kann. Diese sogenannten Foundation Models, die zur Subkategorie der Large Language Models (LLM) gehören, werden auf großen Datensätzen vortrainiert und sind dadurch in der Lage selbst neue Inhalte zu generieren, die von Menschen gemachten Inhalten kaum unterscheidbar sind. 

Um eine zielgerichtete Anwendung für eigene Aufgabenstellungen zu ermöglichen, ist es aber notwendig, die KI-Systeme mittels sogenanntem Prompt Engineering auf die speziellen Aufgaben vorzubereiten. Dabei erfolgt eine detaillierte Beschreibung der Input- & Outputparameter sowie relevanter Beurteilungskriterien über schriftliche Texteingaben bzw. Angaben zu den durchzuführenden Handlungen (Prompts). Dadurch sollen komplexe Problemstellungen in kleinere Teilaufgaben zerlegt und dem KI-Modell durch die Beschreibung der Vorgangsweise der „Denkprozess“ vorgegeben und „gelernt“ werden.

Nutzungsmöglichkeiten von KI im Finanzwesen

Auch wenn die Digitalisierung inzwischen in den meisten Unternehmensfunktionen weit fortgeschritten ist, liegt der Anteil von Unternehmen, die keine künstliche Intelligenz in der Buchhaltung einsetzen bei ca. 80%.¹ Auch in der Wirtschaftsprüfung besteht hier Handlungsbedarf, da durch den Einsatz von KI eine Vielzahl von zukünftigen Herausforderungen gelöst oder zumindest erleichtert werden können. Einige sinnvolle Anwendungsmöglichkeiten werden nachfolgend dargestellt: 

Automatisierte Buchführung & Finanzberichterstattung

Die Buchführung und das Rechnungswesen sind traditionell von umfangreicher manueller Dateneingabe und -verarbeitung geprägt. Mit GKI können diese Aufgaben automatisiert werden, da generative Modelle riesige Mengen an Buchungsdaten analysieren und genaue Buchungen vornehmen kann, ohne dass eine menschliche Intervention notwendig ist. Dies reduziert nicht nur menschliche Fehler, sondern auch die Arbeitszeit erheblich.

Darüber hinaus können GKI-Modelle komplexe Finanzberichte und -analysen erstellen, die auf den Echtzeitdaten des Unternehmens basieren. Dies ermöglicht es Führungskräften, reaktionsschnelle fundierte Entscheidungen auf der Grundlage aktueller Informationen zu treffen, ohne dafür einen erheblichen Aufwand betreiben zu müssen.

Qualitätsverbesserung durch KI-gestützte Datenanalysen

Die Nutzung von KI ermöglicht eine präzisere und tiefgehende Datenanalyse. Die Anwender:innen können auf fortschrittliche Algorithmen zugreifen, um Unregelmäßigkeiten, Risiken und Muster in den Finanzdaten zu identifizieren. Dies führt zu genaueren Prognosen, einem besseren Verständnis der Geschäftsentwicklung sowie verbesserten Liquiditätsplanungen, Forecasts und Budgets.

Prozessbeschleunigung und Kostensenkung

Ein weiterer zentraler Vorteil von KI im Rechnungswesen und der Wirtschaftsprüfung ist die erhebliche Beschleunigung von Prozessen. Routineaufgaben wie die Überprüfung von Buchhaltungsdaten und die Identifizierung von Abweichungen können nun in Sekundenschnelle erledigt werden, was die Effizienz erheblich steigert. Die Automatisierung von Aufgaben durch KI führt folglich zu erheblichen Kosteneinsparungen. Es wird weniger Personal benötigt, um sich mit wiederholenden Aufgaben zu befassen. Außerdem bleibt durch die Automatisierung mehr Zeit für anspruchsvollere und strategische Tätigkeiten. Mitarbeiter:innen können sich auf die Entwicklung von Geschäftsstrategien, die Beratung von Kund:innen und die Lösung komplexer Finanzprobleme konzentrieren.

Entlastung der Mitarbeiter

Wie bereits erwähnt entlastet Automatisierung von Aufgaben durch KI die Mitarbeiter:innen und lagert monotone und zeitaufwändige Tätigkeiten aus. Dies trägt zur Mitarbeiterzufriedenheit bei, da die Mitarbeiter dadurch mehr Zeit für komplexere Aufgaben haben. Außerdem kann KI auch das Nachwuchsproblem in der Branche der Wirtschaftsprüfer:innen mindern. Laut der Mitgliederstatistik der deutschen Wirtschaftsprüferkammer sind rund ein Drittel der Wirtschaftsprüfer:innen älter als 60 Jahre, wohingegen nur knapp 14% der Mitglieder jünger als 40 Jahre sind.² Der Einsatz von KI ermöglicht eine Reduktion der enormen Arbeitsbelastung und eine Automatisierung von repetitiven administrative Aufgaben in Wirtschaftsprüfung, wodurch genau jene negativen Aspekte dieser Branche verbessert werden, die von der jungen Generation kritisiert werden. Die Schaffung attraktiverer Arbeitsbedingungen sind für die Gewinnung junger Talente unabdingbar. 

Herausforderungen bei der Implementierung und Probleme von KI-Systemen

Während der Einsatz von künstlicher Intelligenz viele Vorteile bietet, gibt es auch einige Herausforderungen, die bewältigt werden müssen. 

Kompetenz und Akzeptanz der Mitarbeiter:innen aufbauen

Die Verschmelzung von Finanz- und IT-Wissen ist ein zentraler Aspekt, der die künftige Arbeit im Finanz- und Rechnungswesen prägt. Mitarbeiter:innen müssen die Fähigkeit entwickeln, effektiv mit IT-Teams zu kommunizieren und die nahtlose Integration von Technologie in ihre Aufgabenbereiche zu unterstützen. Um diesen Wandel erfolgreich zu gestalten, ist die Schulung der Mitarbeiter von entscheidender Bedeutung. Es ist unabdingbar, klare Entwicklungsmöglichkeiten aufzuzeigen, um die Mitarbeiter:innen zu motivieren und zu binden. Überdies können bei der Einführung von KI-Technologien Bedenken in Bezug auf den möglichen Jobverlust auftreten, die durch offene Kommunikation und Betonung der Unterstützung seitens KI gemindert werden müssen. Den Mitarbeiter:innen muss klar vermittelt werden, dass künstliche Intelligenz sie nur unterstützen, aber keinesfalls ersetzen soll. 

Technologiebedingte Probleme

Die Nutzung von KI-Modellen wie ChatGPT bringt verschiedene technologiebedingte Herausforderungen mit sich, die einen maßgeblichen Einfluss auf die Anwendungen und Ergebnisse haben.

Halluzinieren

Ein wesentliches Problem bei der Anwendung von generativer KI besteht in der Möglichkeit des "Halluzinierens". Hierbei erzeugt das System Ergebnisse, die zwar überzeugend präsentiert werden, jedoch potenziell unzutreffend sind. In diesem Kontext spielt die sorgfältige und kritische Überprüfung der von der KI generierten Ergebnisse eine bedeutende Rolle.

Voreingenommenheit (Bias)

Da die Modelle mit einer großen Anzahl an Daten vortrainiert werden, haben diese einen großen Einfluss auf die generierten Ergebnisse. Die GKI übernimmt von diesen Daten auch die darin enthaltenen Meinungen und Ansichten. Dadurch kann es sein, dass auch die ausgegebenen Ergebnisse die Voreingenommenheit der Trainingsdaten wiedergibt und mitunter unerwünschte oder falsche Inhalte erzeugen kann.

Nachvollziehbarkeit

Aufgrund der Komplexität der Modelle gestaltet sich die Nachvollziehbarkeit oft als anspruchsvoll. Es ist meist schwierig zu verstehen, wie diese Modelle zu ihren Ergebnissen gelangen. Diese Unklarheit kann problematisch sein, wenn es erforderlich ist, die Ergebnisse in eine bestimmte Richtung zu lenken, um unerwünschte Ausgaben zu vermeiden. Daher ist es notwendig, die Funktionsweise der Systeme zu verstehen, um ein präzises "Fine-Tuning" vornehmen und die Ergebnisse entsprechend korrekt interpretieren und plausibilisieren zu können.

Rechtliche Rahmenbedingungen

Derzeit ist noch unklar, wie die rechtlichen Rahmenbedingungen zur Nutzung von generativer KI aussehen. Konkret ist noch eine Vielzahl an regulatorischen, haftungstechnischen und ethischen Fragen offen. Deshalb ist hier zu beachten, dass die Nutzung von GKI nicht ganz ohne Risiken möglich ist, da der Nutzer die Verantwortung über die Aktionen der KI-Systeme und deren rechtskonforme Anwendung hat. Somit ist auch eine Abwägung von Nutzen und Risiken sowie eine Zusammenarbeit mit Regulierungsbehörden besonders wichtig, um die rechtlichen Risiken möglichst gering halten zu können.

Notwendige Fähigkeiten zur erfolgreichen Nutzung von KI

Um die Möglichkeiten der KI-Systeme voll ausschöpfen zu können, müssen die Mitarbeiter:innen auch entsprechende Fähigkeiten und Kenntnisse mitbringen. Deshalb ist es unerlässlich, diese auch entsprechend auszubilden bzw. zu schulen. Konkret sind folgende Schlüsselkompetenzen von zentraler Bedeutung:

Grundlegende IT-Skills und Schnittstellenkompetenz zwischen Finance und IT

Mitarbeiter:innen müssen nicht nur über grundlegende IT-Kenntnisse verfügen, sondern auch die Fähigkeit entwickeln, nahtlos mit IT-Teams zu kommunizieren. Dies beinhaltet das Verständnis für grundlegende IT-Prinzipien, Datenbankmanagement, sowie die Fähigkeit, technische Anforderungen klar mit Finanzterminologie zu verbinden. Die enge Zusammenarbeit zwischen Finanz- und IT-Bereichen erfordert eine effektive Kommunikation, um sicherzustellen, dass Technologien optimal genutzt und effizient in die Prozesse integriert werden können.

Flexibilität und Eigeninitiative 

Die dynamische Natur der Digitalisierung erfordert von den Mitarbeiter:innen eine hohe Anpassungsfähigkeit und Eigeninitiative. Dies beinhaltet die Bereitschaft, kontinuierlich neue Technologien zu erlernen, sich auf veränderte Arbeitsweisen einzustellen und proaktiv nach innovativen Lösungen zu suchen. Flexibilität ist nicht nur im Hinblick auf Technologie, sondern auch im Umgang mit sich verändernden Geschäftsanforderungen und Arbeitsstrukturen von entscheidender Bedeutung.

Analytische Fähigkeiten (Data-Science Know-how)

Analytische Fähigkeiten sind essenziell, um in der Ära der Digitalisierung erfolgreich zu agieren. Mitarbeiter:innen müssen in der Lage sein, Daten zu sammeln und auch kritisch zu analysieren. Dies umfasst das Verständnis von Datenanalysetechniken, statistischen Methoden und die Fähigkeit, aus umfangreichen Datenmengen relevante Erkenntnisse abzuleiten. Ein tiefergehendes Data-Science Knowhow ermöglicht es, datenbasierte Entscheidungen zu treffen und einen Mehrwert für das Unternehmen zu schaffen.

Fachwissen im Finanz- und Rechnungswesen zur Übersetzung von Handlungsempfehlungen 

Trotz des verstärkten Einsatzes von Technologien bleibt das Fachwissen im Finanz- und Rechnungswesen von zentraler Bedeutung. Mitarbeiter:innen müssen nicht nur finanzielle Daten verstehen, sondern auch in der Lage sein, diese Informationen in klare Handlungsempfehlungen zu übersetzen. Dies erfordert nicht nur Buchhaltungsexpertise, sondern auch die Fähigkeit, finanzielle Erkenntnisse in strategische Maßnahmen umzuwandeln. Die Kommunikation dieser Empfehlungen innerhalb des Unternehmens ist entscheidend für eine effektive Implementierung von digitalen Lösungen und den erfolgreichen Einsatz von KI-Technologien im Finanzbereich.

Anwendungsbeispiele von KI in der Wirtschaftsprüfung

Die Integration von generativer Künstlicher Intelligenz (KI) in die Wirtschaftsprüfung eröffnet vielfältige Anwendungsmöglichkeiten und verspricht eine Effizienzsteigerung in verschiedenen Prüfungsbereichen. Nachfolgend werden konkrete Anwendungsbeispiele beleuchtet, in denen KI-Systeme eingesetzt werden können.

Assistenzfunktion

Generative KI agiert als wertvolle Assistenz in der Wirtschaftsprüfung, indem sie Aufgaben wie die Erstellung von Angeboten, Berichten und Dokumentationstexten übernimmt. Zudem unterstützt sie effektiv bei der Kommunikation und dem Sammeln von allgemein verfügbaren Informationen, was den Arbeitsprozess der Wirtschaftsprüfer:innen optimiert.

Erstellung von Entscheidungsgrundlagen

Durch das gezielte Training von KI-Systemen mit individuellem Wissen können diese dazu befähigt werden, Stellungnahmen und Entscheidungsvorlagen zu erstellen. Das professional judgement bleibt jedoch in der Verantwortung der Wirtschaftsprüfer:innen.

Unterstützung bei Prüfungshandlungen

Generative KI kann eine entscheidende Rolle bei der Effizienzsteigerung von Prüfungshandlungen spielen. Dafür müssen die Sprachmodelle jedoch noch durch ein entsprechendes Prompt Engineering auf die bevorstehenden Prüfungshandlungen vorbereitet werden. Dieses „Fine-Tuning“ kann durch folgende Schritte erfolgen:

• Definition der Rolle und des Aufgabenbereichs des Sprachmodells 
• Konkrete Definition und Beschreibung der Prüfungshandlungen sowie die Erläuterung der relevanten gesetzlichen Normen
• Beschreibung, wie die Inputparameter zu behandeln sind und wie der Output aussehen soll
• Beschreibung von logisch zusammenhängenden Teilprüfungshandlungen anhand von beispielhaften Prüfungshandlungen
• Beschreibung, wie die Ableitung des Urteils aus den Inputdaten erfolgen soll bzw. wie das final abgegebene Urteil begründet werden soll

Nach dieser Feinabstimmung des Sprachmodells kann die Durchführung der Prüfungshandlungen durch die Eingabe der konkreten Input-Parameter erfolgen, wobei die kritische Würdigung der Ergebnisse seitens der Prüfer:innen unerlässlich ist. Nachfolgend werden konkrete Anwendungsmöglichkeiten bei der Prüfung von einzelnen Dokumenten bzw. ganzen Prüfgebieten beschrieben. 

Prüfung von Dokumenten mittels Natural-Language-Processing (NLP) und Machine Learning 

Das Durchsuchen von Finanzdokumenten und Verträgen in der Wirtschaftsprüfung erfordert häufig erheblichen Aufwand. Generative KI kann mithilfe von Technologien wie Natural-Language-Processing und Machine Learning dabei unterstützen, Texte zu analysieren, relevante Informationen zu extrahieren und Zusammenfassungen zu erstellen. Eine Möglichkeit hierfür ist die Prüfung des Anhangs. Hier können KI-Systeme den Anhang auf Basis von Kriterien, mit denen sie trainiert wurden, analysieren und ihre Ergebnisse ausgeben. Die Aufgabe der Prüfer:innen besteht dann darin, die Ergebnisse zu überwachen, zu plausibilisieren und gegebenenfalls anzupassen. Ist eine Anpassung erforderlich, so lernt die KI dazu und verringert so die zukünftige Fehlerrate der Antworten. 

Prüfung von konkreten Prüfgebieten

Mit geeignetem Prompt Engineering lässt sich auch die Prüfung von komplexen Prüfgebieten (z.B. Rückstellungen) von Sprachmodellen durchführen. Hier kann, wie bereits eingangs erläutert, durch die Beschreibung des Aufgabenbereichs, der durchzuführenden Prüfungshandlungen sowie der Input- und Outputparameter das Sprachmodell entsprechend angeordnet werden, Sachverhalte und Bewertungen auf Basis der anzuwendenden Vorschriften zu beurteilen. Hierdurch kann beispielsweise von der künstlichen Intelligenz beurteilt werden, ob eine Rückstellung angesetzt werden muss, ob diese abgezinst werden muss und wie diese Abzinsung zu erfolgen hat. Hierbei nimmt zwar das entsprechende Prompt Engineering viel Zeit in Anspruch, jedoch werden diese Prompts vom Sprachmodell erlernt und in Zukunft kann wieder darauf zurückgegriffen werden.