Am 17. Dezember 2019 durften wir Moritz Mell und Torsten Ulrich von EY im Rahmen der Mastervorlesung "Kapitalmarktorientierte Rechnungslegung" (Modul MW40: Advanced Theories in Accounting & Control) zu einem Gastvortrag über Digitale Abschlussprüfung – Bots, Dronen und KI im Einsatz begrüßen.

Ist die Digitalisierung der Abschlussprüfung lediglich ein anderer Begriff für die automatisierte Vollprüfung, die ohne menschliches Zutun auskommt? Bei einem Blick auf die Digitalisierungsstrategie von EY vermittelten Herr Mell und Herr Ulrich ein anderes Bild. Die digitale Abschlussprüfung ist automated (durch Bots, blockchain-basierte Anwendungen, etc.), connected (durch eine plattformunabhängige und cloud-basierte Prüfungssoftware, einer papierlosen Online-Kommunikation innerhalb des globalen Prüfungsteam und dem Mandaten, integrierte Benchmarking-Tools, etc.) und smart (durch Data Analytics, Machine Learning, etc.). Bei EY steht dabei die hauseigene Canvas-Plattform im Mittelpunkt.

Automatisierte Analysen sind dabei also durchaus ein Thema. Da nun größere Datenbestände ausgewertet können – idealerweise 100 % der rechnungslegungsrelevanten Daten –, erfolgt die Prüfung stärker auf Grundlage substantieller Tests. Prozessorientierte Kontrollen verlieren an Bedeutung. Denn während Prozessprüfungen nur potentielle Schwachstellen aufdecken können, erlaubt es die (automatisierte) Datenanalyse nach tatsächlichen Auffälligkeiten zu suchen. Dafür stehen unterschiedliche Tools zur Verfügung:

• Mit Dronen können Bestände in Hochregellagern bspw. schneller geprüft werden.
• Durch fortlaufend angepasste Prüfungstools und Datenanalyse fällt es einfacher, Risiko zu identifizieren und dadurch bspw. auch dolose Handlungen einfacher zu erkennen.
• Durch eine verstärkte Kooperation zwischen einzelnen Einheiten im Unternehmen werden bessere Analysen möglich. Während sich der Abschlussprüfer um die Extraktion der notwendigen Daten und die Interpretation der Ergebnisse kümmern muss, werden technischere Aufgaben, wie die Datenaufbereitung und -analyse oder das Ableiten notwendiger Parameter, auf spezialisierte zentrale Stellen ausgelagert. Somit entstehen bessere Informationen, die eine Fokussierung auf relevante Fachthemen ermöglichen.

Welchen Mehrwert insbesondere visuelle Datenanalysen liefern, wurde sodann an interaktiven Beispielen gezeigt, wobei die Studierenden ihre eigenen Analysefähigkeiten unter Beweis stellen konnten. Folgrichtig zielte auch der abschließende Ausblick auch auf weitere Möglichkeiten ab, um den unternehmensinternen "Datenschatz zu heben". Als Beispiele wurden hier Process Mining sowie Predictive Analytcis, z.B. für die Going-Conern-Prognose genannt.

Wir danken Herrn Mell und Herrn Ulrich für die spannenden Einblicke und freuen uns auf eine baldige Fortsetzung!