Die Bachelorarbeit analysiert auf explorativer Basis den Einsatz von Künstlicher Intelligenz in der Jahresabschlussprüfung (Jahr: 2022).
Als empirische Methode wurden Experteninterviews durchgeführt, mit führenden Persönlichkeiten im Bereich KI in der Wirtschaftsprüfung.
Die Digitalisierung ist eine der zentralen Herausforderungen für den Berufsstand der Wirtschaftsprüfer (WP) und gegenwärtig ein vieldiskutiertes Thema. Laut der im Mai 2022 erschienenen „Technology Readiness & Relevance Studie“ des digitalen
Kompetenzzentrums für die Wirtschaftsprüfung, nimmt Künstliche Intelligenz (KI) eine Vorreiterrolle gegenüber tradierten Technologien bei der digitalen Transformation ein. Auf die aktuelle Entwicklung der euphorischen Begeisterung an KI-gestützten Tools reagierte auch der Hauptfachausschuss (HFA) des Instituts der Wirtschaftsprüfer (IDW) und nahm im Februar 2022 einen Entwurf für einen neuen Prüfungsstandard, der die Prüfung von KI-Systemen regelt, zur Kenntnis.
Doch nicht nur die Prüfung von KI-Instanzen bei Mandanten tangiert die Wirtschaftsprüfungsbranche, auch Wirtschaftsprüfer selbst können innovative KI-Lösungen in die Jahresabschlussprüfung integrieren. Denn laut dem Digitalisierungskompass
der Wirtschaftsprüferkammer (WPK), ist eines der großen Hindernisse der Digitalisierungsstrategie des Berufsstandes, die Digitalisierung der eigenen Geschäftsprozesse.
In dem 2022 im Handelsblatt erschienenen Artikel „Künstliche Intelligenz kann Bilanzskandale wie Wirecard verhindern“, wird argumentiert, dass KI-Systeme in der Abschlussprüfung die Prüfungsqualität erhöhen können und somit die Wahrscheinlichkeit von Fehlbeurteilungen verringert werden kann. Des Weiteren können KI-gestützte Verfahren die Prüfungsergebnisse aufwerten, sowie die Effektivität und Produktivität fördern. Diese Effizienz- und Qualitätssteigerungen
können zukünftig durch die Automatisierung von repetitiven Tätigkeiten mithilfe vom KI erreicht werden.
Inhaltsverzeichnis
1 Problemstellung
2 Einordnung von KI im Kontext der Wirtschaftsprüfung
2.1 Künstliche Intelligenz – Begriffsklärung
2.2 Teilgebiete der KI
2.2.1 Maschinelles Lernen
2.2.2 Künstliche Neuronale Netze & Deep Learning
2.2.3 Expertensysteme
2.3 Mögliche Einsatzbereiche für KI in der Abschlussprüfung
2.3.1 Prüfungsplanung
2.3.2 Prüfungsdurchführung
2.3.3 Prüfungsabschluss
3 Forschungsdesign und Methodik
4 Ergebnisse aus den Experteninterviews
4.1 KI-Anwendungen in der Wirtschaftsprüfung (FF 1)
4.1.1 Aktuelle Einsatzgebiete von KI in der Abschlussprüfung
4.1.2 Zukünftige Einsatzgebiete von KI in der Abschlussprüfung
4.1.3 Auswirkungen der KI auf die Prüfungsmethodik
4.1.4 Nicht geeignete Prüfungsprozesse für den Einsatz von KI
4.2 KI-Methoden bei der Prüfungsbeurteilung (FF 2)
4.3 Herausforderungen für die Prüfungspraxis (FF 3)
4.3.1 Ausbildung
4.3.2 Rechtliche Rahmenbedingungen
4.3.3 Datenmenge & Datenqualität
4.4 Schlussbemerkung
5 Diskussion
6 Thesenförmige Zusammenfassung
Zielsetzung & Themen
Die vorliegende Bachelorarbeit untersucht den aktuellen Stand und die zukünftigen Potenziale von Künstlicher Intelligenz (KI) in der Abschlussprüfung. Das primäre Ziel ist es, Einsatzbereiche, Methoden und Herausforderungen aus der Perspektive von Experten zu identifizieren, um Empfehlungen für den Berufsstand der Wirtschaftsprüfer abzuleiten.
- Grundlagen von KI, Maschinellem Lernen und Expertensystemen im Accounting
- Mögliche Einsatzgebiete in Prüfungsplanung, -durchführung und -abschluss
- Qualitative Analyse mittels explorativer Experteninterviews
- Herausforderungen in Bezug auf Ausbildung, Recht und Datenqualität
- Zukünftiges Potenzial für Prozessautomatisierung und Qualitätssteigerung
Auszug aus dem Buch
2.2.1 Maschinelles Lernen
Einer der wichtigsten Teilbereiche der KI im Accounting ist das Maschinelle Lernen, da es bisher noch nicht mögliches Automatisierungspotenzial von intellektuellen Tätigkeiten eröffnet. Bei Verfahren des ML lernt ein Algorithmus anhand vorhandener Trainingsdaten, wiederkehrende Charakteristika bzw. Muster in Dokumenten zu erkennen. Dabei trifft der Algorithmus zukünftig selbstständig, auf einem angelernten Regelwerk basierend Entscheidungen, ohne auf jeden Einzelfall vorprogrammiert zu sein.
In praxi ist allerdings bei den Trainingsdaten für das ML auf deren Güte zu achten. Falls es zu einer Eingabe von falschen oder nicht repräsentativen Daten kommt, kann der Algorithmus sich in einer auf falschen Fakten basierenden Endlosschleife wiederfinden. Daher sind Kontrollen der ML-Algorithmen in der praktischen Anwendung notwendig. Eine weitere Problematik für den praktischen Einsatz ist die oftmals mangelnde Nachvollziehbarkeit der Ergebnisse von ML-Systemen („Black-Box“).
In der Literatur wird das ML regelmäßig noch tiefergehend untergliedert. Marsland (2011) schlägt hierfür unter anderem eine Aufteilung folgende Lernverfahren vor:
Überwachtes Lernen: Ein ausgewählter Trainingsdatensatz mit Beispielen und den dazugehörigen richtigen Ergebnissen liegt vor und der Algorithmus lernt auf Basis dieser Datenmenge auf zukünftige Eingaben korrekt zu reagieren. Dabei wird das ML-System während des Prozesses überwacht und mithilfe von einem Testdatensatz evaluiert und gegebenenfalls angepasst.
Unüberwachtes Lernen: Es liegen keinen wahren Output-Daten zu dem Trainingsdatensatz vor. Der ML-Algorithmus versucht hierbei Gemeinsamkeiten zwischen den Eingabewerten festzustellen und diese dann zu kategorisieren.
Zusammenfassung der Kapitel
1 Problemstellung: Dieses Kapitel erläutert die zunehmende Relevanz der Digitalisierung für den Berufsstand der Wirtschaftsprüfer und leitet die Relevanz von KI als zentrales Innovationsthema ab.
2 Einordnung von KI im Kontext der Wirtschaftsprüfung: Es werden die theoretischen Grundlagen von KI, ihre Teilgebiete sowie spezifische Anwendungsgebiete innerhalb der drei Prüfungsphasen dargestellt.
3 Forschungsdesign und Methodik: Der Autor beschreibt das qualitative Forschungsdesign mittels fünf explorativer Experteninterviews zur Beantwortung der Forschungsfragen.
4 Ergebnisse aus den Experteninterviews: Die Experten geben Auskunft über den aktuellen Status der KI-Implementierung, identifizieren künftige Anwendungsfelder und diskutieren zentrale Herausforderungen.
5 Diskussion: Dieses Kapitel vergleicht die gewonnenen empirischen Ergebnisse kritisch mit der vorhandenen Forschungsliteratur und zieht Schlussfolgerungen für die Prüfungspraxis.
6 Thesenförmige Zusammenfassung: Abschließend werden die zentralen Erkenntnisse der Arbeit in acht prägnanten Thesen zusammengefasst.
Schlüsselwörter
Künstliche Intelligenz, Wirtschaftsprüfung, Jahresabschlussprüfung, Maschinelles Lernen, Künstliche Neuronale Netze, Expertensysteme, Datenqualität, Digitalisierung, Prozessautomatisierung, Prüfungsbeurteilung, Datenanalyse, Experteninterviews, Anhangprüfung, Risikobeurteilung, Abschlussprüfungspraxis
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit dem Einsatz von Künstlicher Intelligenz im Rahmen der Abschlussprüfung und der damit verbundenen Transformation des Berufsbildes des Wirtschaftsprüfers.
Was sind die zentralen Themenfelder der Untersuchung?
Die zentralen Felder umfassen die Definition von KI-Methoden wie Machine Learning und Deep Learning, deren praktische Einsatzmöglichkeiten in den verschiedenen Prüfungsstadien sowie die damit verbundenen methodischen und rechtlichen Anforderungen.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, den aktuellen Stand und das zukünftige Potenzial von KI in der Abschlussprüfung durch Literaturrecherche und Expertenbefragungen zu identifizieren und daraus Empfehlungen für die Prüfungspraxis zu formulieren.
Welche wissenschaftliche Methode wird in dieser Arbeit verwendet?
Es wurde ein qualitativer Forschungsansatz gewählt, der auf einer Literaturanalyse sowie fünf explorativen Experteninterviews mit Vertretern aus Wirtschaftsprüfungsgesellschaften basiert.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine theoretische fundierte Einordnung von KI in der Wirtschaftsprüfung, eine detaillierte Auswertung der Experteninterviews zu KI-Anwendungen und Herausforderungen sowie eine anschließende Diskussion der Ergebnisse.
Was sind die charakteristischen Schlüsselwörter dieser Arbeit?
Zu den prägenden Begriffen zählen Künstliche Intelligenz, Abschlussprüfung, Maschinelles Lernen, Datenqualität und Prozessautomatisierung.
Warum wird betont, dass KI in der Abschlussprüfung aktuell "vereinzelt" eingesetzt wird?
Wie die Experteninterviews verdeutlichen, gibt es zwar für viele Phasen erste technologische Lösungsansätze, aber eine flächendeckende "Basistechnologie" stellt KI im Status quo noch nicht dar.
Welche Rolle spielt die Datenqualität nach Ansicht der Experten?
Die Qualität und Menge der Trainingsdaten wird als Schlüsselvariable eingestuft; sie ist entscheidend dafür, dass KI-Modelle nachvollziehbare und korrekte Ergebnisse liefern, ohne in Fehlbeurteilungen zu resultieren.
Warum kann KI das "Professional Judgement" des Prüfers (noch) nicht ersetzen?
Laut den Experten ist das menschliche Urteilsvermögen, insbesondere bei komplexen Sachverhalten, notwendigen Abwägungen und der Interpretation von Kontext, derzeit durch Algorithmen nicht vollständig abzubilden.
- Citation du texte
- Lukas Auburger (Auteur), 2022, Künstliche Intelligenz in der Wirtschaftsprüfung. Experteninterviews auf explorativer Basis, Munich, GRIN Verlag, https://www.grin.com/document/1478358
