Künstliche Intelligenz in der Wirtschaftsprüfung - Identifikation ungewöhnlicher Buchungen in der Finanzbuchhaltung
Journal
WPg - Die Wirtschaftsprüfung
Type
journal article
Date Issued
2018-11-01
Author(s)
Research Team
AIML Lab
Abstract (De)
Das Erkennen von fehlerbehafteten und dolosen Journalbuchungen in umfangreichen Mengen von Buchungsdaten der Finanzbuchhaltung ist eine komplexe Herausforderung für die risikoorientierte Prüfung von Jahresabschlüssen und forensische Unterschlagungsprüfungen. Die Mehrzahl der heutzutage angewandten Analyseverfahren entspricht regel- und gleichzeitig hypothesenbasierten Testverfahren – sogenannte „Red-Flags“, z.B. die Analyse kurzfristiger Änderungen kreditorischer Bankverbindungen oder Buchungen außerhalb regulärer Arbeitszeiten. Praktische Erfahrungen zeigen jedoch, dass es im Besonderen internen Tätern oftmals gelingt, durch adaptive Verhaltensmuster unternehmensschädigende Buchungen zu verschleiern und so unentdeckt zu bleiben. Neuartige Methoden der Künstlichen Intelligenz – etwa tiefe Maschinelle Lernverfahren (sogenanntes „Deep Learning“) – stellen eine hilfreiche Ergänzung klassischer Testverfahren dar. Dies gilt im Besonderen vor dem Hintergrund der fortschreitenden Digitalisierung von Unternehmens- bzw. Geschäftsprozessen und den damit einhergehenden veränderten Anforderungen an Prüfungshandlungen.
Language
German
Keywords
deep learning
deepfakes
machine learning
artificial intelligence
accounting
adversarial attacks
Refereed
Yes
Publisher
IDW Verlag
Publisher place
Düsseldorf, Germany
Volume
72
Number
11
Start page
674
End page
681
Subject(s)
Division(s)
Contact Email Address
marco.schreyer@unisg.ch
Eprints ID
258099