Die Anwendung von Robotic Process Automation (RPA), Künstlicher Intelligenz (KI) und Big Data in der Wirtschaftsprüfung

Abbildungsverzeichnis

Abbildung 1: Einbindung von Robotern in menschliche Prozesse

Abbildung 2: 3-V Modell Big Data

Abbildung 3: Komponenten von Intelligent Process Automation

Abbildung 4: Schritte eines RPA bei der Prüfung der Umsatzerlöse

Abbildung 5: Einsatzbereiche der Technologien im Prüfungsprozess

Abbildung 6: Beispiel eines Prüfungsprozesses von Kreditportfolios einer Bank

Abkürzungsverzeichnis

Bspw.  beispielsweise

d.h.      das heißt

etc.      etcetera

EY      Ernst & Young

IPA     Intelligent Process Automation

KI       Künstliche Intelligenz           

NLP    Natural Language Processing

PWC   PricewaterhouseCoopers

RPA    Robotic Process Automation

S.         Seite

u.a.      unter anderem

Vgl.     vergleiche

WP      Wirtschaftsprüfer

1         Einleitung

1.1       Problemstellung

Seit Beginn des Internets und der Einführung des Computers ist die Digitalisierung ein zentrales Thema in der Wirtschaft geworden. Während in den letzten Jahren unter anderem die Cloud und die Automatisierung im Fokus standen, blickt nun die ganze Welt gespannt auf die Themen Big Data und Künstliche Intelligenz und deren Potenziale. Auch die Wirtschaftsprüfungsgesellschaften haben erkannt, dass ein Daten-Tsunami im Anmarsch ist und das Ziel der Jahresabschlussprüfung, ein sicheres Urteil über die Verlässlichkeit und Ordnungsmäßigkeit des Jahresabschlusses unter der Beachtung des Grundsatzes der Wirtschaftlichkeit abzugeben, zunehmend schwieriger zu erreichen wird.^[1] Die Verbraucher und Unternehmen von heute produzieren in einem Jahr mehr Daten als frühere Generationen in ihrem ganzen Leben.^[2] Vom Kühlschrank über das Auto bis hin zum Handy und Computer werden überall Daten in Form von Bildern, Tönen, Sprache, Bewegungen, etc. erfasst. Nicht nur im privaten Alltag hat sich das Thema Big Data und neue Technologien in einem rasanten Tempo ausgebreitet. Durch neue Geschäftsmodelle, Produkte, Kommunikationswege und automatisierte Prozesse werden in den Unternehmen erhöhte Mengen an Daten erzeugt, die gesammelt und ausgewertet werden müssen. Insbesondere für Wirtschaftsprüfer (WP), die in der heutigen Zeit bereits ein hohes Arbeitspensum und einen engen Zeitrahmen haben sowie eine erhöhte Erwartung an Prüfungsqualität erfahren, wird eine Prüfung immer zeitaufwendiger.^[3] Angesichts dieser Herausforderung sowie dem immer größer werden wirtschaftlichen Druck sehen sich die Wirtschaftsprüfungsgesellschaften gezwungen vermehrt die Entwicklung von Software-Prüfungstools durch den Einsatz neuer Technologien, wie der robotergestützten Prozessautomatisierung (RPA), der künstlichen Intelligenz (KI) und Big Data, voranzutreiben. RPA, KI und Big Data sind drei unterschiedliche Technologien mit unterschiedlichen Einsatzbereichen, die in Zusammenarbeit als Intelligente Prozessautomatisierung (IPA) unter anderem im Bereich Auditing den WP entlasten können.^[4] Zudem müssen die Wirtschaftsprüfer mit dem steigenden Einsatz fortschrittlicher Technologien durch die Prüfungsmandanten Schritt halten, um flexibel auf größere Datenvolumina reagieren zu können.^[5]

1.2       Gang der Untersuchung

Diese Arbeit konzentriert sich auf die Fragen, welche Einsatzbereiche für IPA im Wirtschaftsprüfungsprozess möglich sind, wie der bisherige Stand der Implementierung in den vier großen Wirtschaftsprüfungsgesellschaften – Deloitte, EY, KPMG und PWC, zusammen „Big Four“ genannt – ist und welche Potenziale und Herausforderungen diese Technologie in Zukunft für den Bereich Auditing mit sich bringen kann. Hierzu werden im ersten Schritt die verschiedenen Technologien kurz definiert, um ein theoretisches Grundverständnis zu erlangen, das für den Verlauf der Arbeit essenziell ist. Im zweiten Schritt werden die Technologien kritisch gewürdigt und die Chancen und Risiken, sowie auch die Herausforderungen aufgezeigt. Aufbauend darauf werden die möglichen Einsatzbereiche der Technologien im Prüfungsprozess erläutert. Im nächsten Schritt werden die Big Four dahingehend analysiert, inwieweit diese Technologien im Prüfungsprozess bereits zum Einsatz kommen und welche Potenziale IPA im Allgemeinen für die Wirtschaftsprüfungsbranche mit sich bringen kann. Abschließend werden die gewonnen Erkenntnisse in einem Fazit zusammengefasst.

2         Theoretische Grundlagen

2.1       RPA

Die Abkürzung RPA kommt aus dem englischen und bedeutet „robotic process automation“, zu deutsch: Roboter Prozess Automatisierung.^[6] Durch diese Technologie werden Tätigkeiten, die bisher von Menschen ausgeführt wurden, durch programmierte Software-Roboter übernommen und automatisiert.^[7] Dies kann sowohl für ganze Geschäftsprozesse als auch für einzelne Prozessschritte durchgeführt werden. Um einen Prozess durch einen RPA Roboter automatisieren zu können, müssen verschiedene Bedingungen erfüllt werden. Hierzu zählen unter anderem: Einfache Anwendungsfälle, häufige Wiederholungsrate, Anfallen in großer Zahl, regelbasiert gesteuert, sowie keine Ausnahmen, die nur durch Menschen bearbeitet werden können.^[8]

RPA Roboter können mit den in Excel verwendeten Makros verglichen werden, die Prozesse, Auswertungen usw. in Excel automatisiert bereitstellen. Die Verwendung der Software-Roboter kann durch Konfigurationen ausgebaut werden, sodass sie bspw. E-Mails lesen, PDFs öffnen, wichtige Informationen identifizieren oder Daten in ERP-Systeme eingeben können.^[9] Kurzum werden RPA Roboter eingesetzt, um sich wiederholende, von Menschen durchgeführte Prozesse zu übernehmen und die Menschen dadurch zu ersetzen (siehe Abbildung 1).

Abbildung 1: Einbindung von Robotern in menschliche Prozesse

Quelle: Moffitt, K., Rozario, A., Vaserhelyi, M., RPA, 2018, S. 3.

2.2       Künstliche Intelligenz

Unter dem Fachbegriff „Künstliche Intelligenz“ wird die Fähigkeit eines Computers bzw. eines computergesteuerten Roboters verstanden, die Lösung von Aufgaben zu übernehmen, die in der Regel von intelligenten Wesen erledigt werden. Ziel ist es, dass das System ähnlich wie der Mensch selbstständig lernen und sich ebenfalls intelligent verhalten soll. Es gibt unterschiedliche Komponenten der KI.^[10] Zum einen das Machine Learning, das durch Lernprozesse die Zusammenhänge bestehender Datensätze erkennen und dementsprechend Vorhersagen treffen kann. Die Fähigkeit einer Software, bestimmte Aufgaben zu lernen, wird auf Basis von Daten (Erfahrungen) trainiert. Andere KI-Komponenten sind künstliche neuronale Netze und die Verarbeitung natürlicher Sprache (NLP).^[11]

2.3       Big Data / Big Data Analytics

Der Begriff Big Data ist relativ, da er je nach Nutzer der Daten variiert, lässt sich wortwörtlich als eine große Menge an strukturierten und unstrukturierten Daten definieren.^[12] Diese Datenmengen sind so groß, schnelllebig oder komplex, dass sie sich nicht oder nur schwer verarbeiten lassen. Ziel ist es, diese großen Datenmengen zu analysieren, um Erkenntnisse zu gewinnen, die dem Unternehmen helfen, strategische Entscheidungen besser treffen zu können.^[13] Durch das 3-V Modell von Doug Laney bekam Big Data eine anerkannte Definition durch die darin enthaltenen Merkmale, Volume, Velocity und Variety.^[14]

Volume steht für die Menge an Daten, die ein Unternehmen aus einer Vielzahl von Quellen sammelt, bspw. aus geschäftlichen Transaktionen, Social Media und Intelligenten Geräten. Velocity steht für die Geschwindigkeit, die aufgrund des Internet of Things gegeben wurde, wie bspw. durch RFID Tags, Sensoren und Smart Metering. Das Unternehmen erhält große Datenmengen in einer sehr hohen Geschwindigkeit, die sie zeitnah verarbeiten müssen. Aufgrund der unterschiedlichsten Formate der Daten, wie unter anderem strukturierte, numerische Daten, unstrukturierte Textdokumente, Emails, Videos, Finanztransaktionsdaten, ist die Vielfältigkeit (Variety) die dritte Komponente, die Big Data definiert.^[15] Heutzutage wird dieses Modell durch weitere Vs erweitert.^[16]

Abbildung 2: 3-V Modell Big Data

Quelle: In Anlehnung an Oraylis GmbH, Big Data, 2021.

2.4       Vereinigung der Technologien zu IPA

Die Intelligent Process Automation oder auch Smart Process Automation kombiniert die in den vorherigen Kapiteln beschriebenen Technologien. Dadurch wird es möglich die RPA Technologie, die lediglich für standardisierte und unveränderte Prozesse verwendet wird, insbesondere mit Hilfe von Künstlicher Intelligenz für Prozesse anzuwenden, die menschliche Interventionen erfordern.^[17] Die IPA bindet, neben KI, andere Technologien mit ein, wie bspw. Big Data, Internet of Things oder Smart Workflow (siehe Abb. 3).

Abbildung 3: Komponenten von Intelligent Process Automation

Quelle: In Anlehnung an Zhang, C., IPA, 2019, S. 70.

Durch die Zusammenfassung dieser verschiedenen Technologien können die Grenzen von RPA umgangen werden. Somit ist es möglich komplexe Prozesse und unstrukturierte Daten, wie gescannte Dokumente, unstrukturierte Texte, Bilder und Videos, zu automatisieren, wodurch sich die Anzahl an automatisierbaren Geschäftsprozessen und deren Qualität erhöht.^[18] Zudem ermöglicht die Erweiterung mittels Künstlicher Intelligenz kognitive Fähigkeiten zu erlernen, wodurch die Roboter in der Lage sind auch komplexe Analysen auszuüben und Entscheidungen zu treffen.^[19] Die IPA-Technologie hat in den letzten Jahren zunehmend an Bedeutung gewonnen, insbesondere auch durch die Corona-Krise, da immer mehr Unternehmen die Kernprozesse und geschäftskritischen Prozesse automatisieren wollen, um im Falle eines Lockdowns oder hohen Quarantänezahlen die Abläufe sicherstellen zu können. Hierzu zählen unter anderem automatisierte Buchungen, Lieferketten und Bestellungen, um rechtzeitig vor Engpässen in Lagerbeständen gewarnt zu werden und somit Produktionsstillstände zu vermeiden. Des Weiteren können die Unternehmen durch die automatisierte Datenerhebung und -verarbeitung flexibel Szenario-Bewertungen vornehmen, wodurch sie besser durch die Krise steuern können.^[20]

2.5       Kritische Würdigung und Herausforderungen für Unternehmen

Die Automatisierung von Prozessen bringt einige Vor- und Nachteile mit sich. Zunächst müssen für den Einsatz von IPA die Prozesse identifiziert und dokumentiert werden. Durch die detaillierte Auseinandersetzung führt dies zu einer Optimierung der bestehenden Prozesse, bspw. durch eine Zusammenführung von Systemen.^[21] Somit werden neue Schnittstellen gebildet und vorhandene Systembrüche eliminiert.^[22]

Der Einsatz von IPA hilft bei der Erreichung unternehmerischer Ziele, wie bspw. die Senkung operativer Kosten, Qualität und die Erhöhung der internen Effizienz. Die geringen Kosten für die Einführung und die Nutzung der Technologien sowie der hohe Return on Investment, aufgrund der verhältnismäßig kurz Amortisationszeit, zahlen sich für die Unternehmen aus.^[23] Ein weiterer Beweggrund für den Einsatz von RPA, KI und Big Data ist die hohe Skalierbarkeit der Roboter, da sie durch die hohe und konstante Arbeitsgeschwindigkeit eine höhere Effektivität aufweisen als ein Mitarbeiter. Hinzu kommt, dass der Roboter permanent arbeiten kann und sich somit nicht an Arbeitszeiten, Wochenende und Urlaub halten muss.^[24] Ein weiterer Vorteil liegt in der gleichbleibenden Qualität eines Softwareroboters, wodurch die Wahrscheinlichkeit von Fehlern durch die manuelle Bearbeitung minimiert wird. Alle Vorgänge werden lückenlos dokumentiert wodurch fehlerhafte Programmierungen schnell ausfindig gemacht werden können und den steigenden wachsenden Compliance Anforderungen eines Unternehmens gerecht werden.^[25]

Neben den erwähnten Vorteilen und Chancen bringen die Technologien auch Herausforderungen und Nachteile mit sich. Durch das mangelnde Wissen und Bewusstsein für IPA in den Unternehmen, gehen nur ein Bruchteil (unter 50%) aller IPA-Projekte in den Live-Betrieb.^[26] Eine weitere Gefahr ist der ethische Aspekt der IPA, da sie nur so intelligent sind, wie die Daten, die ihnen beim „Training“ zur Verfügung gestellt werden. Dadurch können IPAs leicht manipuliert und verzerrt werden.^[27] Weiterhin ist die Erklärbarkeit der Prozesse und Entscheidungen in einem Unternehmen aufgrund der strengen regulatorischen Anforderungen eine weitere Herausforderung für den Einsatz von IPA, da hier eine Ursachenforschung für bspw. Eine Ablehnung einer Entscheidung Ewigkeiten dauern kann. Eine falsche Programmierung des IPA kann zudem ein hohes Risiko einer fehlerhaften Prozessdurchführung zur Folge haben, wodurch gegebenenfalls falsche Entscheidungen getroffen werden.^[28] Des Weiteren besteht bei vielen Mitarbeitern des Unternehmens die Angst eines drohenden Job-Verlusts. Laut einer aktuellen Studie können weltweit mehr als 100 Millionen Arbeitsplätzt durch IPA ersetzt werden.^[29] Die dadurch eingehende Umqualifizierung oder Freisetzung der Mitarbeiter stellt die Unternehmen vor große Herausforderungen.