Relevanz
Die Digitalisierung verändert die heutige Geschäftsform und wirkt sich auf Unternehmen aller Branchen und Verbraucher auf der ganzen Welt aus. Das wesentliche Ziel der Digitalisierung besteht dabei in der Umwandlung von analogen Werten in digitale Formate. Als Resultat dieser Umwandlung entstehen stetig mehr Daten auf der Welt. Dies zeigt sich durch eine aktuelle Studie der International Data Corporation (IDC), welche einen Anstieg der weltweiten Datenmenge von 33 Zettabyte im Jahr 2018 auf 175 Zettabyte im Jahr 2025 prognostiziert.
Der Einfluss der Digitalisierung ist insbesondere innerhalb der Unternehmen erkennbar. Diese wickeln ihre Geschäftsprozesse inzwischen größtenteils IT gestützt ab. Dies hat zur Folge, dass ein Großteil prozessrelevanter Informationen in digitaler Form verwaltet wird und eine entsprechende Abfrage der Daten nur noch unter Nutzung der IT möglich ist. Unter den digitalen Daten sind typischerweise auch Inhalte vorhanden, die von der internen Revision geprüft werden müssen. Dies sind beispielsweise Daten die im Rahmen eines zu prüfenden Geschäftsprozesses angefallen sind. Die Beschränkung einer zu prüfenden Menge auf eine Stichprobe stellt dabei nach wie vor einen wesentlichen Bestandteil der heutigen Revisionspraxis dar und ist in der Regel der großen Menge an Daten geschuldet. Das im Rahmen einer Stichprobe ermittelte Prüfungsergebnis wird dann auf die Grundgesamtheit übertragen und kann demnach nur als Richtwert, nicht aber als ganzheitliche Prüfsicherheit gelten. Um Letztere gewährleisten zu können, müssen neuartige Ansätze aus dem Bereich der Data Science verfolgt werden, welche in der Lage sind die Gesamtheit aller während eines Geschäftsprozess anfallenden Daten für eine Revisionsprüfung zu berücksichtigen, um das Unternehmen somit langfristig vor Risiken zu bewahren.
Ziel und Vorgehen
Mit Hilfe der Forschungskooperation DIfA (Data Intelligence for Audit) wird das Ziel verfolgt, datenbasierte Methoden und Verfahren für interne Revisionsprüfungen zu entwickeln, die das Identifizieren von Prozessschwächen, Inkonsistenzen und Manipulationen in Geschäftsprozessen ermöglichen. Mit diesem Ziel soll zum einen die Entwicklung von einer klassischen Stichprobenanalyse hin zu einer datengestützten Komplettanalyse vorangetrieben werden und zum anderen die Überführbarkeit neuartiger Data Science Verfahren in die betriebliche Revisionspraxis aufgezeigt werden.
Da im Rahmen heutiger Revisionstätigkeiten sowohl strukturierte Daten (z.B. Datenbank-Tabellen) als auch unstrukturierte Daten (z.B. PDF-Dokumente) zu prüfen sind, gliedert sich das Vorgehen zur Adressierung des Forschungsziels in die hypothesenfreie Analyse strukturierter Daten sowie das Natural Language Processing zur Analyse unstrukturierter Daten.
Das Forschungsprojekt DIfA wird im Rahmen einer dreijährigen Kooperation mit der Volkswagen AG umgesetzt.
