Die Autoren erläutern einleitend die komplexe Herausforderung, fehlerhafte und dolose Journalbuchungen in umfangreichen Mengen von Buchungsdaten der Finanzbuchhaltung zu erkennen. Im Zuge der technologischen Veränderungen, genannt seien «Industrie 4.0» oder «Internet of Things», werden auch die Digitalisierung von Geschäfts- und Arbeitsprozessen beschleunigt. So finden auch seit den letzten Jahren datenanalytische Prüfungshandlungen unter dem Stichwort «Wirtschaftsprüfung 4.0» Eingang in die Abschlussprüfung. Komplexität und Anzahl der durch ERP-Systeme erfassten Datenbestände nehmen zu, dennoch weisen diese regel- bzw. hypothesenbasierte Analyseverfahren eine geringe Generalisierbarkeit auf. Um bisher unbekannte Risiken und dolose Handlungen aufzudecken, bedarf es der Anwendung künstlicher neuronaler Netze. Diese neuartige Teildisziplin der Künstlichen Intelligenz (KI) bzw. Maschineller Lernverfahren (Ml) und ihr erfolgreicher Einsatz in der Abschlussprüfungen werden im Artikel ausführlich beschrieben, insbesondere das «Deep Learning» und neuronale «Autoencoder-« bzw. Replikationsnetze. Mit diesen unüberwachten Deep Learning-Verfahren werden unbekannter Anomalien in hohen Mengen von Journalbuchungen aufgedeckt. Dabei reduziert sich der manuellen Prüfungsaufwand obgleich die Wirtschaftlichkeit und Qualität der Prüfung steigen.
Quelle: Schreyer, Marco et al. (2018): “Künstliche Intelligenz in der Wirtschaftsprüfung“, in: Die Wirtschaftsprüfung, 2018 Heft 11, S. 674-681.