KI-basierte Risiko-Scoring-Modell in AUDAVIS AI

In diesem Video erläutert Benjamin Aunkofer das KI-basierte Risiko-Scoring-Modell in AUDAVIS AI, wie es mandanten-spezifisch konfiguriert und durch den Prüfer genutzt werden kann.

Im risikoorientierten Prüfungsansatz kann ein KI-basiertes Risiko-Scoring dem Wirtschaftsprüfer dazu dienen, das inhärente Risiko auf Ebene einzelner Buchungen deutlich granularer und datenbasiert abzubilden. Anstatt Risiken nur pauschal auf Abschluss- oder Prozessniveau zu beurteilen, werden Transaktionen anhand konkreter Auffälligkeitsmerkmale wie ungewöhnlicher Kontenkombinationen, manueller Eingriffe, besonderer Buchungszeitpunkte oder atypischer Buchungstexte bewertet und nach Risikogehalt priorisiert. Dadurch kann der Wirtschaftsprüfer seine Prüfungstiefe gezielt dort erhöhen, wo ein erhöhtes inhärentes Risiko tatsächlich vorliegt, während unauffällige Bereiche mit geringerem Risiko weniger intensiv betrachtet werden müssen. Das verbessert nicht nur die Qualität und Treffsicherheit der Prüfung, sondern steigert zugleich die Effizienz der Prüfung.

AUDAVIS KI-basiertes Risiko-Scoring und die Konfiguration des Scoring-Modells

So funktioniert das KI-basierte Risiko-Scoring in AUDAVIS

Ein KI-basiertes Risiko-Scoring bezeichnet die systematische Bewertung einzelner Buchungen oder Transaktionen anhand definierter Risikoindikatoren, um auffällige Sachverhalte innerhalb großer Datenbestände gezielt zu priorisieren. Anders als klassische Auswahlansätze, die sich häufig vor allem am Betrag orientieren, berücksichtigt ein solches Scoring eine Vielzahl von Merkmalen, etwa ungewöhnliche Kontenkombinationen, manuelle Buchungen, Auffälligkeiten bei Zeitpunkten, Benutzern oder Buchungstexten. Diese Faktoren werden zu einem Gesamtscore verdichtet, der anzeigt, welche Buchungen aus prüferischer Sicht mit höherer Wahrscheinlichkeit relevant sein könnten. Das Ziel besteht nicht darin, automatisch Fehler nachzuweisen, sondern dem Prüfer eine fundierte, nachvollziehbare und risikoorientierte Grundlage für vertiefte Prüfungshandlungen zu geben.

Was das KI-basierte Scoring für den Prüfer bedeutet

Ein KI-basiertes Risiko-Scoring kann dem klassischen Monetary Unit Sampling (MUS) insofern überlegen sein, als es prüfungsrelevante Auffälligkeiten nicht nur nach ihrer betragsmäßigen Wesentlichkeit, sondern nach einem breiteren Risikoverständnis bewertet. MUS ist besonders geeignet, hohe Einzelbeträge und daraus resultierende Fehlerrisiken abzudecken, stößt jedoch dort an Grenzen, wo Risiken gerade nicht in großen Beträgen liegen. Manipulationen, bewusst gestreute kleinere Buchungen, ungewöhnliche Kontenkombinationen, manuelle Eingriffe oder auffällige Buchungen kurz vor dem Periodenende bleiben bei einer rein betragssensitiven Auswahl oft unterrepräsentiert. Ein KI-basiertes Scoring erfasst solche Auffälligkeiten systematischer, weil es mehrere Risikoindikatoren gleichzeitig berücksichtigt und dadurch eine differenziertere Priorisierung innerhalb der Gesamtpopulation ermöglicht. Es ersetzt MUS nicht zwingend in jeder Situation, bietet aber gerade bei komplexen Datenbeständen und risikoorientierten Prüfungsansätzen eine deutlich präzisere Grundlage für die Auswahl vertiefter Prüfungshandlungen.

Sie wollen auch analytisch prüfen? Melden Sie sich gerne hier für eine Demo anmelden.