Welche Chancen kann der Einsatz von KI in der Abschlussprüfung künftig bieten? Und welche Risiken resultieren daraus? Die Fragen nach den Chancen und Risiken, welche aus dem Einsatz von KI auf Basis von Big Data in dem Prozess der Abschlussprüfung resultieren, werden im Rahmen der vorliegenden Arbeit thematisiert.
Künstliche Intelligenz (KI) und große Datenmengen sind bereits lange keine Neuheit mehr. Insbesondere in dem zukünftigen Einsatz von KI in der Abschlussprüfung wird großes Potenzial gesehen. Aktuell wird der Prüfungsprozess schon teilweise digitalisiert, doch KI-basierte Prüfungshandlungen werden bisher nur vereinzelt eingesetzt. Dennoch gibt es bereits Audit Tools, welche diesen Einsatz ermöglichen (Bsp.: AI Auditor). Der zukünftige Einsatz von KI in der Abschlussprüfung bis 2025 wird mit 30 Prozent prognostiziert3 und Branchenexperten4 sind sich sicher, dass KI eine Steigerung der Effizienz, der Qualität sowie der Zuverlässigkeit der Abschlussprüfung hervorrufen wird.
Inhaltsverzeichnis
1 Einleitung
2 Grundlagen
2.1 Big Data
2.2 Künstliche Intelligenz
2.3 Kombination von künstlicher Intelligenz und Big Data
3 Einsatz von Big Data und Künstlicher Intelligenz in der Wirtschaftsprüfung
3.1 Prüfungsplanung
3.2 Prüfungsdurchführung
3.3 Prüfungsabschluss
4 Risiken
4.1 Mangelnde Transparenz
4.1.1 Black Box Problem
4.1.2 Falsche Ergebnisse
4.1.3 Gemindertes Vertrauen der Öffentlichkeit
4.2 Ungeeignete Datengrundlage
4.2.1 Veracity
4.2.2 Volume
4.3 Zwischenfazit
5 Chancen
5.1 Sicherheit
5.1.1 Präzisere Risikoeinschätzung
5.1.2 Beurteilung der IPE
5.1.3 Neuer Prüfungsgegenstand
5.2 Wirtschaftlichkeit
5.2.1 Automatisierung
5.2.2 Minderung der Prüfungshandlungen
5.2.3 Einsatzplanung
6 Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Chancen und Risiken, die sich aus dem Einsatz von Künstlicher Intelligenz (KI) auf Basis von Big Data im Prozess der Abschlussprüfung ergeben, um deren Auswirkungen auf Prüfungssicherheit und Wirtschaftlichkeit zu evaluieren.
- Grundlagen von Big Data und Künstlicher Intelligenz
- Einsatzmöglichkeiten von KI-Systemen in der Prüfungsplanung, -durchführung und -abschluss
- Herausforderungen durch mangelnde Transparenz und das "Black Box Problem"
- Risiken ungeeigneter Datengrundlagen für die Prüfungsqualität
- Chancen durch Effizienzsteigerungen und präzisere Risikoeinschätzungen
Auszug aus dem Buch
4.1.1 Black Box Problem
In Bezug auf die mangelnde Transparenz wird von dem „Black Box Problem“ geredet. Der Begriff Black Box steht für die Hidden-Schichten, in welchen der nicht nachvollziehbare Prozess erfolgt, welcher in Abbildung 1 dargestellt ist. Das damit zusammenhängende Fehlen von Transparenz wird folglich als Black Box Problem bezeichnet.
Wo genau das Problem liegt ist beispielsweise an den Dokumentationsanforderungen an den Wirtschaftsprüfer zu erkennen. Nach IDW PS 460 n.F. muss der Abschlussprüfer die Durchführung der Prüfung in Arbeitspapieren dokumentieren, aus welchen die genauen Prüfungsschritte hervorgehen.
Somit ist die Transparenz der Prüfungshandlung hier von zentraler Bedeutung. Erweiternd zu den IDW PS wurden in einem F&A zur Anwendung von automatisierten Tools und Techniken (ATT) in der Abschlussprüfung vom IDW Dokumentationsanforderungen für ATT veröffentlicht. Dabei handelt es sich um die Folgenden:
Name und Version des verwendeten Datenanalyse-Tools
Beschreibung der verwendeten Quelldaten, z.B. Extraktionsdatum, Stichtag bzw. Zeitraum der analysierten Daten, ggf. weitere Selektionskriterien
Ergebnisse der Abstimmungshandlungen zur Datenvalidierung
Beschreibung des Datenextraktionsverfahrens
Analyseergebnisse, z.B. in Form einer Grafik oder eines Screenshots
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die zunehmende Bedeutung von Künstlicher Intelligenz in der Abschlussprüfung ein und definiert die zentrale Forschungsfrage nach den damit verbundenen Chancen und Risiken.
2 Grundlagen: Das Kapitel definiert die Begriffe Big Data und Künstliche Intelligenz, erläutert deren Interdependenz und erklärt die grundlegenden Funktionsweisen sowie Ansätze des maschinellen Lernens.
3 Einsatz von Big Data und Künstlicher Intelligenz in der Wirtschaftsprüfung: Hier werden Einsatzmöglichkeiten von KI-gestützten Tools in den drei Phasen der Abschlussprüfung – Prüfungsplanung, -durchführung und -abschluss – detailliert aufgezeigt.
4 Risiken: Dieses Kapitel thematisiert die Herausforderungen durch mangelnde Transparenz (Black Box Problem) sowie die Risiken, die aus einer ungeeigneten Datengrundlage (Veracity, Volume) für die Prüfung resultieren.
5 Chancen: Hier werden die positiven Potenziale durch den KI-Einsatz analysiert, insbesondere im Hinblick auf eine höhere Prüfungssicherheit bei der Risikoeinschätzung sowie eine Steigerung der Wirtschaftlichkeit.
6 Fazit: Das Fazit fasst die Analyseergebnisse zusammen und bewertet den zukünftigen Stellenwert von KI-basierten Tools unter Abwägung der identifizierten Chancen und Risiken für den Prüfer.
Schlüsselwörter
Künstliche Intelligenz, Wirtschaftsprüfung, Big Data, Abschlussprüfung, Risikoanalyse, Black Box Problem, Prüfungssicherheit, Wirtschaftlichkeit, Maschinelles Lernen, Datenanalyse, Transparenz, Risikoeinschätzung, Digitale Transformation, Audit Tools
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit dem Einsatz von Künstlicher Intelligenz und Big Data innerhalb moderner Abschlussprüfungen und analysiert, wie diese Technologien den Prüfungsprozess verändern.
Was sind die zentralen Themenfelder?
Die zentralen Felder umfassen die technologischen Grundlagen von KI und Big Data, deren spezifische Anwendungsmöglichkeiten in der Prüferpraxis sowie die kritische Auseinandersetzung mit Risiken und Nutzenpotenzialen.
Was ist das primäre Ziel der Forschungsarbeit?
Das Ziel ist es, die Auswirkungen von KI-basierten Anwendungen auf die Prüfungssicherheit und Wirtschaftlichkeit zu untersuchen, um eine fundierte Einschätzung über deren Eignung und notwendige Anpassungen im Prüfungswesen zu ermöglichen.
Welche wissenschaftliche Methodik wird verwendet?
Die Arbeit basiert auf einer Literaturanalyse und einer deskriptiven Darstellung des Status quo der Digitalisierung in der Wirtschaftsprüfung unter Einbeziehung relevanter Prüfungsstandards (IDW) und Fachpublikationen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die konkreten Einsatzmöglichkeiten von KI in den verschiedenen Prüfungsphasen sowie die detaillierte Gegenüberstellung der Chancen (Sicherheit, Effizienz) und Risiken (Transparenzverlust, Datenqualität).
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Schlüsselbegriffe sind Künstliche Intelligenz, Wirtschaftsprüfung, Big Data, Black Box Problem, Risikoeinschätzung und Prüfungssicherheit.
Wie erklärt die Arbeit das sogenannte "Black Box Problem"?
Das Black Box Problem beschreibt die Herausforderung, dass die komplexen, internen Entscheidungsvorgänge von KI-Systemen (insbesondere durch Hidden Layers) für den Wirtschaftsprüfer nicht vollständig nachvollziehbar sind, was die Dokumentationspflicht erschwert.
Welchen Einfluss hat die "Veracity" der Daten auf die Prüfung?
Die Veracity (Richtigkeit) der Trainingsdaten ist essenziell. Da KI-Systeme aus diesen Daten lernen, führen manipulierte oder minderwertige Datengrundlagen zwangsläufig zu fehlerhaften Prüfungsergebnissen und damit zu einem hohen Fehlerrisiko.
- Citar trabajo
- Anonym (Autor), 2021, Big Data und Künstliche Intelligenz in der Wirtschaftsprüfung. Chancen und Risiken, Múnich, GRIN Verlag, https://www.grin.com/document/1371112
