{"id":28656,"date":"2022-01-18T10:25:36","date_gmt":"2022-01-18T09:25:36","guid":{"rendered":"https:\/\/blog.frankfurt-school.de\/?p=28656"},"modified":"2023-02-09T09:25:11","modified_gmt":"2023-02-09T08:25:11","slug":"aus-daten-lernen-verfahren-kunstlicher-intelligenz-in-der-wirtschaftsprufung","status":"publish","type":"post","link":"https:\/\/blog.frankfurt-school.de\/de\/aus-daten-lernen-verfahren-kunstlicher-intelligenz-in-der-wirtschaftsprufung\/","title":{"rendered":"Aus Daten lernen: Verfahren K\u00fcnstlicher Intelligenz in der Wirtschaftspr\u00fcfung"},"content":{"rendered":"

Die Fortschritte im Bereich der K\u00fcnstlichen Intelligenz (KI) und die zunehmende Digitalisierung liefern neue Wertversprechen f\u00fcr Unternehmen. In einigen Branchen, u.a. der Wirtschaftspr\u00fcfung, entwickelt sich KI zu einer Schl\u00fcsseltechnologie im Wettbewerb. Die Mehrzahl der heute in vielen Lebensbereichen sichtbaren KI-Innovationen ist auf \u00abDeep-Learning\u00bb (dt. <\/em>Tiefes Lernen) zur\u00fcckzuf\u00fchren.<\/p>\n

K\u00fcnstliche Intelligenz, Machine-Learning und Deep-Learning<\/strong><\/h2>\n

Eine Weiterentwicklung maschineller Lernverfahren findet sich in der jungen Teildisziplin des Deep-Learning. Im Allgemeinen bezeichnet das Deep-Learning den Einsatz selbstlernender k\u00fcnstlicher Neuronaler Netze. Eine Vielzahl der Grundideen des Deep-Learning sind nicht neu. Sie lassen sich auf die Entdeckung k\u00fcnstlicher Neuronaler Netze bzw. Neuronen in den 1940er bis 50er Jahren zur\u00fcckf\u00fchren. Das Attribut \u00abdeep\u00bb beschreibt hier das Lernen anhand einer hohen Anzahl, oftmals mehrerer hundert Schichten, k\u00fcnstlicher Neuronen. Im Unterschied zum klassischen Maschine-Learning verf\u00fcgt das Deep-Learning \u00fcber die F\u00e4higkeit, die f\u00fcr eine Aufgabenstellung relevanten Merkmale eigenst\u00e4ndig aus den Rohdaten zu erlernen. Die anhand menschlicher Expertise vorgenommene manuelle Extraktion relevanter Merkmale entf\u00e4llt. Ein solches zeitgleiches Lernen von L\u00f6sungsmodellen und relevanten Datenmerkmalen wird als \u201eEnd-to-End\u201c Learning bezeichnet.<\/p>\n

Anwendungsszenarien in der Wirtschaftspr\u00fcfung<\/strong><\/h2>\n

Die Pr\u00fcfungspraxis befindet sich derzeit in einer Transformationsphase von der IT-gest\u00fctzten Pr\u00fcfung zu einer zunehmend durch KI-unterst\u00fctzten Pr\u00fcfung. Das Spektrum der Einsatzm\u00f6glichkeiten von Deep-Learning zeichnet sich heute bereits f\u00fcr unterschiedliche Phasen der Pr\u00fcfung ab.<\/p>\n

Anwendungsszenarien der Pr\u00fcfung strukturierter Daten<\/strong><\/h2>\n

Deep-Learning Verfahren erm\u00f6glichen hohe Volumina an strukturierten Daten (z.B. Datenbank- und Excel-Tabellen) zu analysieren, um zus\u00e4tzliche Pr\u00fcfungssicherheit zu generieren. Im Rahmen des Journal Entry Testings (ISA 240) ist es hierdurch m\u00f6glich, gew\u00f6hnliche von ungew\u00f6hnlichen Buchungssystematiken zu unterscheiden. Zunehmend werden solche Verfahren auch im Kontext der analytischen Pr\u00fcfungshandlungen (ISA 520) f\u00fcr die Prognose unternehmerischer Kennzahlen eingesetzt. Auch ist es anhand von Deep-Learning m\u00f6glich, eine repr\u00e4sentative Stichprobenauswahl aus einer Grundgesamtheit umfangreicher Buchungs- bzw. Gesch\u00e4ftsprozessdaten zu erlernen (ISA 530).<\/p>\n

Anwendungsszenarien der Pr\u00fcfung unstrukturierter Daten<\/strong><\/h2>\n

Einen Mehrwert f\u00fcr die Pr\u00fcfungspraxis bieten Deep-Learning Verfahren auch auf dem Gebiet der Analyse unstrukturierter Daten (z.B. Text-, Sprach- und Bilddaten). Bereits heute k\u00f6nnen Deep-Learning basierte Sentimentanalysen ein wertvolles Verfahren f\u00fcr die Analyse von Gesch\u00e4fts- und Lageberichten (ISA 720) sowie Befragungen (ISA 500) darstellen. Deep-Learning basierte Objekterkennung wird ebenfalls f\u00fcr die Pr\u00fcfung von Vorr\u00e4ten (ISA 501) eingesetzt. Auch ist es zunehmend denkbar, Vorschl\u00e4ge der Pr\u00fcfungsdokumentation (ISA 230) in nat\u00fcrlicher Sprache durch Deep-Learning Verfahren vor-erstellen zu lassen.<\/p>\n

Schlussbetrachtung<\/strong><\/h2>\n

Die symbiotische Weiterentwicklung von Pr\u00fcfungshandlungen und Deep-Learning Verfahren wird dazu f\u00fchren, dass sich KI zunehmend in der Pr\u00fcfungspraxis etabliert. Der neue Zertifikatsstudiengang Certified Audit Data Scientist<\/a> greift diesen technologischen Wandel auf und vermittelt moderne KI<\/a>-unterst\u00fctzte Pr\u00fcfverfahren.<\/p>\n

Dieser Blogbeitrag stellt einen Auszug des durch die Autor:innen verfassten Artikels \u201eDeep Learning f\u00fcr die Wirtschaftspr\u00fcfung – Eine Darstellung von Theorie, Funktionsweise und Anwendungsm\u00f6glichkeiten\u201c (Zeitschrift f\u00fcr internationale Rechnungslegung (IRZ) Ausgabe 7\/8, 2021, S.349-355, C.H. Beck Vahlen Verlag) dar.<\/p>\n

Die Co-Autorin Anita Gierbl<\/a> promovierte an der Universit\u00e4t St. Gallen (HSG) zum Thema \u201eData Analytics in external Auditing<\/a>\u201c. Seit 2019 arbeitet sie bei PwC Schweiz in der externen Pr\u00fcfung. Neben der Ausbildung zum Schweizer Wirtschaftspr\u00fcfer engagiert sie sich als Digital Accelerator bei PwC Schweiz. Zus\u00e4tzlich arbeitet sie als Mitarbeiterin an der Universit\u00e4t St. Gallen und als Fachassistenz bei Swiss GAAP FER.<\/em><\/p>","protected":false},"excerpt":{"rendered":"

Die Fortschritte im Bereich der K\u00fcnstlichen Intelligenz (KI) und die zunehmende Digitalisierung liefern neue Wertversprechen f\u00fcr Unternehmen. In einigen Branchen, u.a. der Wirtschaftspr\u00fcfung, entwickelt sich KI zu einer Schl\u00fcsseltechnologie im Wettbewerb. Die Mehrzahl der heute in vielen Lebensbereichen sichtbaren KI-Innovationen ist auf \u00abDeep-Learning\u00bb (dt. Tiefes Lernen) zur\u00fcckzuf\u00fchren. K\u00fcnstliche Intelligenz, Machine-Learning und Deep-Learning Eine Weiterentwicklung maschineller […]<\/p>\n","protected":false},"author":1113,"featured_media":28667,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[51],"tags":[309,1045,138],"class_list":["post-28656","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-executive-education","tag-compliance","tag-deep-learning","tag-digitalisierung"],"acf":[],"_links":{"self":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28656","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\/1113"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/comments?post=28656"}],"version-history":[{"count":16,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28656\/revisions"}],"predecessor-version":[{"id":29996,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28656\/revisions\/29996"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media\/28667"}],"wp:attachment":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media?parent=28656"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/categories?post=28656"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/tags?post=28656"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}