{"id":33519,"date":"2023-11-28T07:00:53","date_gmt":"2023-11-28T06:00:53","guid":{"rendered":"https:\/\/blog.frankfurt-school.de\/?p=33519"},"modified":"2024-02-29T15:04:31","modified_gmt":"2024-02-29T14:04:31","slug":"auditing-with-intelligent-copilots-generative-ai-in-audit","status":"publish","type":"post","link":"https:\/\/blog.frankfurt-school.de\/de\/auditing-with-intelligent-copilots-generative-ai-in-audit\/","title":{"rendered":"Pr\u00fcfen mit intelligenten Co-Piloten: Generative K\u00fcnstliche Intelligenz im Audit"},"content":{"rendered":"<p>Die Anwendung von K\u00fcnstlicher Intelligenz (KI) im Audit stellt zunehmend eine wertvolle Unterst\u00fctzung f\u00fcr Pr\u00fcfer:innen in unterschiedlichsten Pr\u00fcfungshandlungen dar. So werden z.B. heute bereits KI-Modelle im Rahmen von Jahresabschlusspr\u00fcfungen f\u00fcr das Audit Sampling<a href=\"#_ftn1\" name=\"_ftnref1\">[1]<\/a>, Journal Entry Testing<a href=\"#_ftn2\" name=\"_ftnref2\">[2]<\/a>, oder der Pr\u00fcfung von Anhangsangaben<a href=\"#_ftn3\" name=\"_ftnref3\">[3]<\/a> eingesetzt.<\/p>\n<p style=\"text-align: center;\"><a href=\"https:\/\/blog.frankfurt-school.de\/?attachment_id=35297\"><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-35297 aligncenter\" src=\"https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild1.jpg\" alt=\"\" width=\"1379\" height=\"689\" srcset=\"https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild1.jpg 1379w, https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild1-300x150.jpg 300w, https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild1-768x384.jpg 768w\" sizes=\"auto, (max-width: 1379px) 100vw, 1379px\" \/><\/a><em>Abbildung 1: \u00dcbersicht \u201eCo-Piloted Auditing\u201c im Kontext des Pr\u00fcfungsprozesses<\/em><\/p>\n<p>Die Idee des<em> Co-Piloted Auditing <\/em>beschreibt im pr\u00fcferischen Kontext einen Paradigmenwechsel, in welchem Pr\u00fcfer:innen und KI, anhand sogenannter <em>Foundation Models<\/em><a href=\"#_ftn4\" name=\"_ftnref4\">[4]<\/a>, zusammenarbeiten, um ihre jeweils komplement\u00e4ren F\u00e4higkeiten in den Prozess der Pr\u00fcfung einzubringen:<\/p>\n<ul>\n<li>Die Pr\u00fcfer: innen verf\u00fcgen durch ihre Domainexpertise und auf Grundlage endogener Unternehmensdaten (z.B. Umfeld, Buchungen oder Vertr\u00e4ge) \u00fcber ein tiefes mandantenspezifisches Verst\u00e4ndnis. Hierdurch ist es ihnen m\u00f6glich, Pr\u00fcfungsnachweise im unternehmerischen Kontext zu bewerten, allgemein anerkannte Pr\u00fcfungsgrunds\u00e4tze anzuwenden und fachliches Urteilsverm\u00f6gen auszu\u00fcben.<\/li>\n<li>Das Foundation Model verf\u00fcgt \u00fcber eine breite Wissensbasis, die aus gro\u00dfen Mengen exogener Unternehmensdaten (z.B. Finanznachrichten, Finanzberichten oder Satellitenbildern) gelernt wurde. Hierdurch ist es dem Model m\u00f6glich, verschiedenste Pr\u00fcfungsnachweise zu analysieren, um z.B. Auff\u00e4lligkeiten zu erkennen, erste Bewertungen vorzunehmen, und Trends zu prognostizieren.<\/li>\n<\/ul>\n<h2><strong>Foundation Modelle der K\u00fcnstlichen Intelligenz<\/strong><\/h2>\n<p>Zugleich handelt es sich bei Foundation Modellen, wie z.B. OpenAI\u2019s GPT-4<a href=\"#_ftn5\" name=\"_ftnref5\">[5]<\/a> bzw. Google\u2019s LaMDA<a href=\"#_ftn6\" name=\"_ftnref6\">[6]<\/a>, um KI-Modelle, welche f\u00fcr verschiedenste Aufgaben adaptiert werden k\u00f6nnen.<\/p>\n<p>Im Allgemeinen durchlaufen diese Modelle ein zweistufiges Trainingsverfahren. In der ersten Phase, dem sogenannten <em>Pre-Training<\/em>, werden die Modelle anhand umfangreicher Daten trainiert, um allgemeine Muster und Strukturen zu erlernen. In der zweiten Phase, dem sogenannten <em>Fine-Tuning<\/em>, werden die Modelle mit Daten einer geringen dom\u00e4nen-spezifischen Datenmenge adaptiert, um das L\u00f6sen einer konkreten Aufgabenstellung zu erlernen. Dieser zweistufige Prozess erm\u00f6glicht das Fine-Tuning eines pre-trainierten Foundation KI-Models f\u00fcr eine Vielzahl unterschiedlicher Aufgabenstellungen, z.B. Programmierung von Software, Analyse von Kundenfeedback, oder der Assistenz in Lernprozessen.<\/p>\n<p>Die durch OpenAI\u2018s ver\u00f6ffentlichte ChatGPT<a href=\"#_ftn7\" name=\"_ftnref7\">[7]<\/a> bzw. die durch Google ver\u00f6ffentlichte Bard<a href=\"#_ftn8\" name=\"_ftnref8\">[8]<\/a> Anwendung erm\u00f6glichen das Fine-Tuning des jeweils zugrundeliegenden Foundation KI-Models GPT-4 bzw. LaMDA anhand sogenannter <em>Prompts<\/em>. Solche Prompts bezeichnen Texteingaben, welche es dem Model erm\u00f6glichen anhand nat\u00fcrlicher Sprache von den Pr\u00fcfer:innen zu lernen. Anhand der Abfolge solcher Texteingaben in sogenannten <em>Prompt Protokollen<\/em> kann das fine-tuning von Foundation KI-Modellen f\u00fcr verschiedene Pr\u00fcfungsaufgaben erfolgen.<\/p>\n<h2><strong>Foundation Models in der Pr\u00fcfungspraxis<\/strong><\/h2>\n<p>Ein Audit Prompt Protokoll, unterteilt eine pr\u00fcferische Aufgabe in sukzessiv aufeinander aufbauende Lernschritte. Anhand des Protokolls leiten die menschlichen Pr\u00fcfer:innen das Fine-Tuning des Foundation KI-Model an. In der pr\u00fcferischen Praxis hat sich die Einhaltung eines aus f\u00fcnf Prompts bestehenden Prompt Protokolls bew\u00e4hrt:<\/p>\n<ul>\n<li><strong>Prompt 1:<\/strong> Erl\u00e4uterung der Aufgabenstellung und Zielsetzung.<\/li>\n<li><strong>Prompt 2:<\/strong> Erl\u00e4uterung der Vorgehensweise zur L\u00f6sung der Aufgabe.<\/li>\n<li><strong>Prompt 3:<\/strong> Erl\u00e4uterung der f\u00fcr das L\u00f6sen der Aufgabe notwendigen Eingabe.<\/li>\n<li><strong>Prompt 4:<\/strong> Erl\u00e4uterung der Ausgabe bzw. der erwarteten L\u00f6sung.<\/li>\n<li><strong>Prompt 5:<\/strong> Beispiele von Aufgabe und L\u00f6sung.<\/li>\n<\/ul>\n<p>Im Anschluss an das erfolgreiche Fine-Tuning ist es dem Foundation Model m\u00f6glich, eigenst\u00e4ndig die erlernte pr\u00fcferische Aufgabe zu bewerkstelligen. Abbildung 2 zeigt das Ergebnis eines f\u00fcr das <em>Journal Entry Testings<a href=\"#_ftn9\" name=\"_ftnref9\"><strong>[9]<\/strong><\/a><\/em> fine-getunten GPT-4 Modells. Durch ein entsprechendes Audit Prompt Protokoll wurde dem Foundation Model die F\u00e4higkeit vermittelt ungew\u00f6hnliche Buchungen einer Finanzbuchhaltung zu erkennen.<\/p>\n<p><a href=\"https:\/\/blog.frankfurt-school.de\/?attachment_id=35298\"><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-35298 aligncenter\" src=\"https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild2.jpg\" alt=\"\" width=\"1055\" height=\"759\" srcset=\"https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild2.jpg 1055w, https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild2-300x216.jpg 300w, https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild2-768x553.jpg 768w\" sizes=\"auto, (max-width: 1055px) 100vw, 1055px\" \/><\/a><\/p>\n<p><a href=\"https:\/\/blog.frankfurt-school.de\/?attachment_id=35299\"><img loading=\"lazy\" decoding=\"async\" class=\"size-full wp-image-35299 aligncenter\" src=\"https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild3.png\" alt=\"\" width=\"1047\" height=\"354\" srcset=\"https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild3.png 1047w, https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild3-300x101.png 300w, https:\/\/blog.frankfurt-school.de\/wp-content\/uploads\/2023\/11\/Bild3-768x260.png 768w\" sizes=\"auto, (max-width: 1047px) 100vw, 1047px\" \/><\/a><\/p>\n<p style=\"text-align: center;\"><em>Abbildung 2: Beispielergebnis eines Journal Entry Testing nach ISA 240. Prompt der Pr\u00fcferin (oben) und Ausgabe des Foundation Model\u2019s (unten)<\/em><\/p>\n<h2><strong>Transformation der Pr\u00fcfungspraxis<\/strong><\/h2>\n<p>Anhand des fine-tunens von Foundation KI-Modellen ergeben sich zunehmend neue M\u00f6glichkeiten f\u00fcr Pr\u00fcfer:innen. Aktuell erstreckt sich die Anwendung noch auf vermeintlich grundlegende Aufgaben wie z.B. Wesentlichkeitsbewertung, Transaktionspr\u00fcfung und Pr\u00fcfung von Anhangsangaben. Zuk\u00fcnftig wird das Co-Piloted Auditing Paradigma die Anwendung K\u00fcnstlicher Intelligenz die Pr\u00fcfungspraxis zunehmend transformieren.<\/p>\n<p>Der Zertifikatsstudiengang <a href=\"https:\/\/execed.frankfurt-school.de\/home\/individuals\/compliance-forensics-revision\/zertifikatsstudiengang-certified-audit-data-scientist\" target=\"_blank\" rel=\"noopener\">Certified Audit Data Scientist<\/a> greift diesen technologischen Wandel auf und vermittelt moderne KI-unterst\u00fctzte Pr\u00fcfverfahren.<\/p>\n<p>&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8211;<\/p>\n<p>Dieser Blogbeitrag stellt einen Auszug des nachfolgenden, durch den Autor gemeinsam mit Co-Autoren ver\u00f6ffentlichten Beitrags dar: <a href=\"http:\/\/dx.doi.org\/10.2139\/ssrn.4444763\" target=\"_blank\" rel=\"noopener\">\u201eArtificial Intelligence Co-Piloted Auditing\u201c<\/a>,<br \/>\nGu, H., Schreyer, M. and Moffitt, K. and Vasarhelyi, M. A. (online verf\u00fcgbar).<\/p>\n<p><span data-contrast=\"auto\">Marco Schreyer ist Dipl. Wirtschaftsinformatiker und verf\u00fcgt \u00fcber mehrj\u00e4hrige Erfahrung der forensischen Datenanalyse in der Pr\u00fcfungs- und Revisionspraxis. Derzeit erforscht er an der Universit\u00e4t St.Gallen (HSG) die Anwendungsm\u00f6glichkeiten von Deep Learning Verfahren in der internen und externen Pr\u00fcfung. Marco Schreyer ist Dozent der Zertifikatsstudieng\u00e4nge <a href=\"https:\/\/execed.frankfurt-school.de\/home\/individuals\/compliance-forensics-revision\/zertifikatsstudiengang-certified-audit-data-scientist\" target=\"_blank\" rel=\"noopener\">Certified Audit Data Scientist<\/a> und <a href=\"https:\/\/execed.frankfurt-school.de\/home\/individuals\/compliance-forensics-revision\/zertifikatsstudiengang-certified-fraud-manager\" target=\"_blank\" rel=\"noopener\">Certified Fraud Manager<\/a> an der Frankfurt School.<\/span><span data-ccp-props=\"{&quot;201341983&quot;:0,&quot;335559739&quot;:160,&quot;335559740&quot;:259}\">\u00a0<\/span><\/p>\n<p>&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8211;<\/p>\n<p><em><a href=\"#_ftnref1\" name=\"_ftn1\">[1]<\/a> Schreyer, M., Gierbl, A.S., Ruud, F. and Borth, D., 2022. Stichprobenauswahl durch die Anwendung von K\u00fcnstlicher Intelligenz-Lernen repr\u00e4sentativer Stichproben aus Journalbuchungen in der Pr\u00fcfungspraxis.\u00a0Expert Focus, (02), pp.10-18.<\/em><\/p>\n<p><em><a href=\"#_ftnref2\" name=\"_ftn2\">[2]<\/a> Schreyer, M., Baumgartner, M., Ruud, F. and Borth, D., 2022. K\u00fcnstliche Intelligenz im Internal Audit als Beitrag zur Effektiven Governance-Deep-Learning basierte Detektion von Buchungsanomalien in der Revisionspraxis.\u00a0Expert Focus, (01), pp.39-44.<\/em><\/p>\n<p><em><a href=\"#_ftnref3\" name=\"_ftn3\">[3]<\/a> Ramamurthy, R., Pielka, M., Stenzel, R., Bauckhage, C., Sifa, R., Khameneh, T.D., Warning, U., Kliem, B. and Loitz, R., 2021, August. Alibert: Improved Automated List Inspection (ALI) with BERT. In\u00a0Proceedings of the 21st ACM Symposium on Document Engineering\u00a0(pp. 1-4).<\/em><\/p>\n<p><em><a href=\"#_ftnref4\" name=\"_ftn4\">[4]<\/a> Bommasani, R., Hudson, D.A., Adeli, E., Altman, R., Arora, S., von Arx, S., Bernstein, M.S., Bohg, J., Bosselut, A., Brunskill, E. and Brynjolfsson, E., 2021. On the Opportunities and Risks of Foundation Models.\u00a0arXiv preprint arXiv:2108.07258.<\/em><\/p>\n<p><em><a href=\"#_ftnref5\" name=\"_ftn5\">[5]<\/a> https:\/\/openai.com\/research\/gpt-4<\/em><\/p>\n<p><em><a href=\"#_ftnref6\" name=\"_ftn6\">[6]<\/a> https:\/\/blog.google\/technology\/ai\/lamda\/<\/em><\/p>\n<p><em><a href=\"#_ftnref7\" name=\"_ftn7\">[7]<\/a> https:\/\/chat.openai.com<\/em><\/p>\n<p><em><a href=\"#_ftnref8\" name=\"_ftn8\">[8]<\/a> https:\/\/bard.google.com<\/em><\/p>\n<p><em><a href=\"#_ftnref9\" name=\"_ftn9\">[9]<\/a> Vgl. International Auditing and Assurance Standards Board. 2009. International Standard on Auditing (ISA) 240: The Auditor\u2019s Responsibilities Relating to Fraud in an Audit of Financial Statements. International Federation of Accountants (IFAC).<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Die Anwendung von K\u00fcnstlicher Intelligenz (KI) im Audit stellt zunehmend eine wertvolle Unterst\u00fctzung f\u00fcr Pr\u00fcfer:innen in unterschiedlichsten Pr\u00fcfungshandlungen dar. So werden z.B. heute bereits KI-Modelle im Rahmen von Jahresabschlusspr\u00fcfungen f\u00fcr das Audit Sampling[1], Journal Entry Testing[2], oder der Pr\u00fcfung von Anhangsangaben[3] eingesetzt. Abbildung 1: \u00dcbersicht \u201eCo-Piloted Auditing\u201c im Kontext des Pr\u00fcfungsprozesses Die Idee des Co-Piloted [&hellip;]<\/p>\n","protected":false},"author":1113,"featured_media":35339,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1336,51,33],"tags":[2432,1290,920],"class_list":["post-33519","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","category-executive-education","category-research-and-advisory","tag-co-piloted-auditing","tag-ki","tag-revision"],"acf":[],"_links":{"self":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/33519","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=33519"}],"version-history":[{"count":38,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/33519\/revisions"}],"predecessor-version":[{"id":36145,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/33519\/revisions\/36145"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media\/35339"}],"wp:attachment":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media?parent=33519"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/categories?post=33519"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/tags?post=33519"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}