06680 Künstliche Intelligenz in der Auditierung
|
Künstliche Intelligenz (KI) verändert zunehmend die Art und Weise, wie Audits durchgeführt werden. Moderne KI-Technologien ermöglichen es, große Datenmengen automatisiert auszuwerten, Muster zu erkennen und Prozesse effizienter zu gestalten. Vor dem Hintergrund der fortschreitenden Digitalisierung und der stetig wachsenden Datenflut wird der Einsatz von KI in der Auditierung zu einer immer relevanteren Option für Auditoren. Auch Auditnormen wie die ISO 19011 greifen Aspekte der digitalen Unterstützung im Auditprozess zunehmend auf.
In diesem Beitrag erfahren Sie, was unter KI in der Auditierung zu verstehen ist und welche Chancen und Anwendungsvarianten sich daraus ergeben. Zudem wird dargestellt, welche Zielsetzungen KI-gestützte Audits verfolgen und wie der gesamte KI-Auditprozess – von der Planung über die Durchführung bis zur Nachbereitung – strukturiert ist. Abschließend erhalten Sie Hinweise zu Risiken, ethischen Aspekten sowie zur erfolgreichen Integration von KI in die Auditpraxis. Arbeitshilfen: von: |
1.1 Was ist KI in der Auditierung
Unter „KI in der Auditierung” versteht man den Einsatz intelligenter Software und Algorithmen zur Unterstützung von Auditprozessen. KI-Systeme nutzen Methoden wie Machine Learning (einschließlich neuronaler Netze), Natural Language Processing (NLP) oder Bilderkennung, um große Datenmengen automatisch zu analysieren und Auditaufgaben zu erleichtern.
KI auch für Bilderkennung im Einsatz
So können beispielsweise generative KI-Modelle wie ChatGPT, perplexity oder Gemini Dokumente auswerten, Fragestellungen generieren oder Berichte strukturieren und damit Auditoren bei ihren Aufgaben erheblich unterstützen. Ein wichtiger Anwendungsfall ist die intelligente Dokumentenanalyse: sogenannte Intelligent-Document-Processing-Systeme (IDP) lesen beliebige Unterlagen ein, extrahieren und klassifizieren relevante Informationen und fassen diese zusammen. KI kann handschriftliche Notizen, E-Mails, Berichte, Verträge oder Zertifikate automatisch auswerten und in einem strukturierten Format verfügbar machen. Auch im Bereich Bilderkennung findet KI-Einsatz – etwa um Fotos von Arbeits- oder Lagerbereichen sowie Produktfotos nach Abweichungen zu durchsuchen. Moderne Deep-Learning-Algorithmen erkennen dabei selbst kleinste Unterschiede oder ungewöhnliche Muster, die dem menschlichen Prüfer eventuell entgehen würden.
So können beispielsweise generative KI-Modelle wie ChatGPT, perplexity oder Gemini Dokumente auswerten, Fragestellungen generieren oder Berichte strukturieren und damit Auditoren bei ihren Aufgaben erheblich unterstützen. Ein wichtiger Anwendungsfall ist die intelligente Dokumentenanalyse: sogenannte Intelligent-Document-Processing-Systeme (IDP) lesen beliebige Unterlagen ein, extrahieren und klassifizieren relevante Informationen und fassen diese zusammen. KI kann handschriftliche Notizen, E-Mails, Berichte, Verträge oder Zertifikate automatisch auswerten und in einem strukturierten Format verfügbar machen. Auch im Bereich Bilderkennung findet KI-Einsatz – etwa um Fotos von Arbeits- oder Lagerbereichen sowie Produktfotos nach Abweichungen zu durchsuchen. Moderne Deep-Learning-Algorithmen erkennen dabei selbst kleinste Unterschiede oder ungewöhnliche Muster, die dem menschlichen Prüfer eventuell entgehen würden.
1.2 Zielstellung von KI-gestützten Audits
Zielsetzung von KI-gestützten Audits ist es vor allem, die Effizienz und die Qualität der Prüfungen signifikant zu steigern. Durch die Automatisierung monotoner und zeitaufwendiger Tätigkeiten wie der Datensammlung und -verarbeitung sollen Auditoren wertvolle Zeit gewinnen, um sich auf tiefgreifende, kritische Analysen und strategische Fragestellungen zu konzentrieren. So wird die auditierende Tätigkeit weniger von administrativen Aufgaben dominiert und mehr auf die wertschöpfenden, risikoorientierten Prüfungen ausgerichtet. Gleichzeitig sollen Risiken, Unregelmäßigkeiten und potenzielle Schwachstellen im Unternehmen früher, präziser und zuverlässiger erkannt werden. Dies wird durch KI-gestützte Verfahren ermöglicht, die eine umfassendere Durchdringung großer Datenbestände erlauben und es so ermöglichen, eine fundiertere, detailliertere Basis für Auditfeststellungen zu schaffen.
Ziel: Vervollständigung Audit-Scope
Ein weiteres zentrales Ziel ist die Vervollständigung des Audit-Scope. Dies kann etwa durch kontinuierliches Monitoring von Prozessen oder durch die Prüfung von Daten erreicht werden, die in traditionellen, manuellen Audits oft unberücksichtigt bleiben, etwa unstrukturierte Daten aus E-Mails, Social Media oder sonstigen audit-relevanten Dokumenten. KI ermöglicht es, alle für das Audit erforderlichen Quellen zu erfassen und auszuwerten, wodurch ein vollständigerer Blick auf Unternehmensprozesse und -risiken gewonnen wird. Insbesondere bei der Überwachung von Compliancevorgaben oder der Analyse von Produktionsprozessen kann dies zu frühzeitigen Warnsignalen führen, die bei herkömmlichen Audits erst nachträglich auffallen würden.
Ein weiteres zentrales Ziel ist die Vervollständigung des Audit-Scope. Dies kann etwa durch kontinuierliches Monitoring von Prozessen oder durch die Prüfung von Daten erreicht werden, die in traditionellen, manuellen Audits oft unberücksichtigt bleiben, etwa unstrukturierte Daten aus E-Mails, Social Media oder sonstigen audit-relevanten Dokumenten. KI ermöglicht es, alle für das Audit erforderlichen Quellen zu erfassen und auszuwerten, wodurch ein vollständigerer Blick auf Unternehmensprozesse und -risiken gewonnen wird. Insbesondere bei der Überwachung von Compliancevorgaben oder der Analyse von Produktionsprozessen kann dies zu frühzeitigen Warnsignalen führen, die bei herkömmlichen Audits erst nachträglich auffallen würden.
Agil und normbasiert
Insgesamt geht es darum, Audits datengetriebener, agiler und kontinuierlicher zu gestalten, ohne dabei die grundlegenden Auditprinzipien von Normen wie der ISO 19011 [1] zu verletzen. KI kann Audits nicht nur effizienter machen, sondern auch flexibler und besser an sich verändernde Risiken und Anforderungen anpassen. Diese technologischen Fortschritte ermöglichen es, auf Veränderungen schneller zu reagieren, sodass das Unternehmen stets auf dem neuesten Stand bleibt. Kurz gesagt: Mit KI sollen das auditierbare Wissen vergrößert, die Prüfqualität erhöht und die Auditkosten gesenkt werden, während gleichzeitig die bewährten Auditprinzipien weiterhin respektiert und eingehalten werden. Durch die intelligente Verbindung von Mensch und Maschine kann die Zukunft des Audits in eine effizientere und präzisere Richtung gelenkt werden.
Insgesamt geht es darum, Audits datengetriebener, agiler und kontinuierlicher zu gestalten, ohne dabei die grundlegenden Auditprinzipien von Normen wie der ISO 19011 [1] zu verletzen. KI kann Audits nicht nur effizienter machen, sondern auch flexibler und besser an sich verändernde Risiken und Anforderungen anpassen. Diese technologischen Fortschritte ermöglichen es, auf Veränderungen schneller zu reagieren, sodass das Unternehmen stets auf dem neuesten Stand bleibt. Kurz gesagt: Mit KI sollen das auditierbare Wissen vergrößert, die Prüfqualität erhöht und die Auditkosten gesenkt werden, während gleichzeitig die bewährten Auditprinzipien weiterhin respektiert und eingehalten werden. Durch die intelligente Verbindung von Mensch und Maschine kann die Zukunft des Audits in eine effizientere und präzisere Richtung gelenkt werden.
1.3 Chancen von KI in der Auditierung
Entlastung bei monotoner Arbeit
Die Chancen des KI-Einsatzes in Audits sind vielfältig und reichen weit über einfache Effizienzsteigerungen hinaus. Durch die Automatisierung zeitaufwendiger Routineaufgaben nehmen sowohl Effizienz als auch Genauigkeit spürbar zu. KI-Systeme können eine riesige Zahl von Dokumenten oder Datensätzen in Bruchteilen der menschlichen Zeit analysieren, kategorisieren und bewerten. Dadurch werden Auditoren von monotonen Tätigkeiten entlastet und gewinnen wertvolle Zeit für die Analyse komplexer und kritischer Themen. Dies führt zu einer Verschiebung des Fokus von reaktiver Prüfung hin zu proaktiver Risikoidentifikation.
Die Chancen des KI-Einsatzes in Audits sind vielfältig und reichen weit über einfache Effizienzsteigerungen hinaus. Durch die Automatisierung zeitaufwendiger Routineaufgaben nehmen sowohl Effizienz als auch Genauigkeit spürbar zu. KI-Systeme können eine riesige Zahl von Dokumenten oder Datensätzen in Bruchteilen der menschlichen Zeit analysieren, kategorisieren und bewerten. Dadurch werden Auditoren von monotonen Tätigkeiten entlastet und gewinnen wertvolle Zeit für die Analyse komplexer und kritischer Themen. Dies führt zu einer Verschiebung des Fokus von reaktiver Prüfung hin zu proaktiver Risikoidentifikation.
KI-gestützte Analysen ermöglichen zudem tiefere und präzisere Einblicke in Unternehmensprozesse. Technologien wie maschinelles Lernen und Natural Language Processing (NLP) sind in der Lage, Anomalien, Muster und Trendabweichungen frühzeitig zu erkennen – oft noch bevor sie sich in den klassischen Kennzahlen widerspiegeln. Diese Fähigkeit verbessert die Risikoerkennung signifikant und macht Audits vorausschauender und strategischer. Darüber hinaus kann KI historische Daten aus vergangenen Prüfungen einbeziehen, um Risikomuster zu identifizieren und gezieltere Prüfungsansätze zu entwickeln.
Kostenersparnis und effiziente Ressourcenverteilung
So führen präzisere Prognosen und Echtzeitrisikoanalysen nicht nur zu fundierteren Entscheidungen, sondern können auch zu potenziellen Kosteneinsparungen und einer effizienteren Ressourcenverteilung beitragen. KI kann auch dabei helfen, Auditprozesse zu standardisieren und vergleichbarer zu machen, etwa mithilfe der automatischen Klassifikation von Vorgängen oder der Priorisierung von Prüffeldern. KI-basierte Assistenzsysteme können Auditoren zusätzlich beim Fragenkatalog und Berichtsaufbau unterstützen, indem sie zum Beispiel passende Vorschläge für Auditfragen generieren, Textbausteine für Auditberichte liefern oder auf regulatorische Anforderungen hinweisen.
So führen präzisere Prognosen und Echtzeitrisikoanalysen nicht nur zu fundierteren Entscheidungen, sondern können auch zu potenziellen Kosteneinsparungen und einer effizienteren Ressourcenverteilung beitragen. KI kann auch dabei helfen, Auditprozesse zu standardisieren und vergleichbarer zu machen, etwa mithilfe der automatischen Klassifikation von Vorgängen oder der Priorisierung von Prüffeldern. KI-basierte Assistenzsysteme können Auditoren zusätzlich beim Fragenkatalog und Berichtsaufbau unterstützen, indem sie zum Beispiel passende Vorschläge für Auditfragen generieren, Textbausteine für Auditberichte liefern oder auf regulatorische Anforderungen hinweisen.
Insgesamt resultieren daraus eine höhere Prüfungsqualität, eine solidere Datengrundlage für Auditfeststellungen und eine langfristige Weiterentwicklung der Auditfunktion hin zu einem datengestützten, zukunftsorientierten Steuerungsinstrument. Der KI-Einsatz ist somit nicht nur eine technische Weiterentwicklung, sondern bedeutet auch einen kulturellen Wandel in der Auditierung.
1.4.1 NLP und Textanalytics
Auditoren nutzen Sprachmodelle und Text-Mining, um Dokumente systematisch nach Schlüsselbegriffen, spezifischen Informationen und potenziellen Auffälligkeiten zu durchsuchen. Dabei kommen fortschrittliche Natural-Language-Processing-Technologien (NLP) zum Einsatz, die nicht nur einfache Suchbegriffe erkennen, sondern auch semantische Zusammenhänge und sprachliche Feinheiten analysieren können. So lassen sich beispielsweise normative Nichtübereinstimmungen, Complianceverstöße, Interessenkonflikte oder unklare Formulierungen frühzeitig identifizieren. Besonders hilfreich ist dies bei der Analyse großer Mengen unstrukturierter Daten wie E-Mails, Berichte, Verträge oder Gesprächsnotizen, in denen relevante Informationen oft verborgen sind.
