Aufgrund der fortschreitenden Digitalisierung und dem damit verbundenen, exponentiellen Datenwachstum, sieht sich die Praxis der Revisionspr\u00fcfung einem grundlegenden Wandel konfrontiert. Gem\u00e4\u00df den geltenden Standards des Institute of Internal Auditors m\u00fcssen Interne Revisoren:innen u.a. im Rahmen ihrer beruflichen Sorgfaltspflicht den Einsatz technologiegest\u00fctzter Datenanalysemethoden ber\u00fccksichtigen und ihre Revisionsergebnisse auf geeignete Bewertungen st\u00fctzen. Die zweckm\u00e4\u00dfige Nutzung moderner Prozessanalysetechnologien (wie bspw. Business Process Mining) kann wesentlich zu objektiveren, risikoorientierteren und nachvollziehbareren Pr\u00fcfergebnissen beitragen. Daraus resultiert eine erh\u00f6hte Sicherheit \u00fcber die Effektivit\u00e4t des Internen Kontrollsystems, des Risikomanagements und der Governance-Prozesse. Durch das Schaffen von Transparenz zu digitalisierten Gesch\u00e4ftsprozessen erh\u00f6ht sich die Sicherheit, dass die relevanten Gesch\u00e4ftsrisiken erkannt werden und die Steuerungs- und Kontrollprozesse zweckm\u00e4\u00dfig funktionieren.<\/p>\n
Unter Business Process Mining, thematisch zwischen Process- und Data-Science angesiedelt, wird die Disziplin zur Rekonstruktion\/Analyse von Gesch\u00e4ftsprozessmodellen auf Basis digitaler Spuren (Ereignisprotokollen) verstanden. Dabei k\u00f6nnen Rohdaten aus verschiedenen IT-Quellsystemen genutzt werden, um Gesch\u00e4ftsprozesse (bspw. Purchase-to-Pay-, Order-to-Cash-Prozesse), frei von Subjektivit\u00e4t und mit einer End-to-End-Perspektive, so darzustellen und zu analysieren, wie sie in Wirklichkeit ablaufen. Hierzu sind im Minimum eine Case ID (eindeutige Fallidentifikation), ein Start-Zeitpunkt (Zeit des Aktivit\u00e4tsbeginn) und eine Aktivit\u00e4tsbezeichnung (Bezeichnung der Prozesst\u00e4tigkeit) n\u00f6tig. Wird die Disziplin fachkundig angewendet, k\u00f6nnen im Vergleich zu klassischen, etablierten Pr\u00fcfverfahren (bspw. Befragungen und Workshops) aufgrund datengest\u00fctzter Analysen und faktenbasierter Kollaborationen mit gepr\u00fcften Stellen verl\u00e4sslichere Ergebnisse resultieren. Business Process Mining kann dabei sowohl in der j\u00e4hrlichen, risikoorientierten Pr\u00fcfungsplanung (Festlegung von Revisionsschwerpunkten) als auch in der Pr\u00fcfungsdurchf\u00fchrung und letztlich einem m\u00f6glichen Follow-Up zum Tragen kommen. Somit ist Business Process Mining in der Lage, u.a. einen ma\u00dfgeblichen Beitrag zur Wirksamkeit von Revisionsprogrammen, zur Optimierung von Gesch\u00e4ftsprozessen und zur Vermeidung von Gesch\u00e4ftsrisiken beizutragen. Dieses Anwendungsfeld der Datenanalytik stellt somit eine bedeutende M\u00f6glichkeit f\u00fcr die Transformation der Pr\u00fcfungstechnik in der Internen Revision dar und erm\u00f6glicht, dass die Pr\u00fcfer:innen als \u00abTrusted Advisor\u00bb agieren k\u00f6nnen.<\/p>\n
Im Internet- und Informationszeitalter stellt die Datenqualit\u00e4t, welche prim\u00e4r von den an die Daten gestellten Anspr\u00fcchen abh\u00e4ngt, f\u00fcr Firmen einen erfolgskritischen Faktor dar. Obwohl das Thema des Daten- und Informationsqualit\u00e4tsmanagements bereits seit \u00fcber 30 Jahren intensiv erforscht wird, ist es im Kontext des Business Process Mining noch immer eine junge und kaum erforschte Disziplin. Dies erstaunt umso mehr, als dass bspw. fehlende, falsche, ungenaue oder irrelevante Daten die Untersuchungsergebnisse ma\u00dfgeblich verf\u00e4lschen k\u00f6nnen. Die Erfahrung zeigt, dass sich viele dieser datenspezifischen Problemstellungen auf Zeitstempel beziehen. Werden bspw. in einem Ereignisprotokoll ber\u00fccksichtigte Aktivit\u00e4ten aus zwei unterschiedlichen IT-Quellsystemen mit verschiedenen Zeitstempelprotokollierungen (bspw. Minuten vs. Millisekunden) bezogen, werden Prozessmodelle entdeckt, die nicht der Wirklichkeit entsprechen. Die Datenqualit\u00e4t stellt bei Einf\u00fchrung und Betrieb von Business Process Mining somit einen kritischen Erfolgsfaktor dar. Es ist zentral, dass Anwender:innen der Disziplin die relevanten Rohdaten in der ben\u00f6tigten Qualit\u00e4t erschlie\u00dfen k\u00f6nnen – denn: Die Grenzen der Anwendung von Business Process Mining liegen in den zur Verf\u00fcgung stehenden Daten. Je weniger Daten aus den vorhandenen IT-Quellsystemen generiert werden k\u00f6nnen, desto st\u00e4rker wird die Prozesserkennung und -analyse eingeschr\u00e4nkt. Es ist daher kaum erstaunlich, dass die Datenvor- und -aufbereitung die bedeutendsten Aufwandposten in einem Mining-Projekt darstellen.<\/p>\n
F\u00fcr Mitarbeiter:innen aus u.a. Risikomanagement<\/a>, Compliance<\/a> und Interne Revision stellt sich die Frage, wie die F\u00fclle an digital verf\u00fcgbaren Gesch\u00e4ftsprozessdaten genutzt werden kann, um eine erh\u00f6hte Qualit\u00e4t der Pr\u00fcfergebnisse und eine risikofokussiertere Pr\u00fcfweise sicherstellen zu k\u00f6nnen. \u00dcbergeordnet steht zudem die Frage im Raum, wann eine Organisation grunds\u00e4tzlich \u201efit\u201d f\u00fcr die Anwendung von Business Process Mining ist – und dies nicht nur mit Fokus auf die Datenebene, sondern auch hinsichtlich der Voraussetzungen auf organisatorischer, kultureller, technischer und u.a. auch rechtlicher Ebene (Datenschutz, Sicherheit und Ethik). Der Zertifikatsstudiengang Certified Audit Data Scientist<\/a> beantwortet diese Themen und vermittelt moderne Verfahren der Datenanalyse.<\/p>","protected":false},"excerpt":{"rendered":" Aufgrund der fortschreitenden Digitalisierung und dem damit verbundenen, exponentiellen Datenwachstum, sieht sich die Praxis der Revisionspr\u00fcfung einem grundlegenden Wandel konfrontiert. Gem\u00e4\u00df den geltenden Standards des Institute of Internal Auditors m\u00fcssen Interne Revisoren:innen u.a. im Rahmen ihrer beruflichen Sorgfaltspflicht den Einsatz technologiegest\u00fctzter Datenanalysemethoden ber\u00fccksichtigen und ihre Revisionsergebnisse auf geeignete Bewertungen st\u00fctzen. Die zweckm\u00e4\u00dfige Nutzung moderner Prozessanalysetechnologien […]<\/p>\n","protected":false},"author":1087,"featured_media":28172,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[51],"tags":[2097,193,309,2057,1015,2094,138,157,158,920,195],"class_list":["post-28072","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-executive-education","tag-analyseverfahren","tag-audit","tag-compliance","tag-compliance-management","tag-data-science","tag-datenanalyse","tag-digitalisierung","tag-internal-audit","tag-interne-revision","tag-revision","tag-risk-management"],"acf":[],"_links":{"self":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28072","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/users\/1087"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/comments?post=28072"}],"version-history":[{"count":29,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28072\/revisions"}],"predecessor-version":[{"id":29107,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28072\/revisions\/29107"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media\/28172"}],"wp:attachment":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media?parent=28072"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/categories?post=28072"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/tags?post=28072"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}