Evaluierung innovativer Prüfungsansätze im S-PV

Dipl.-Ing. Markus Moser, BSc

Betreuer: FH-Prof. Mag. Dr. Simon Tjoa

Ausgangslage

Zunehmende Digitalisierung, Vernetzung und Automatisierung haben einen hohen Einfluss auf die Wirtschaft (Industrie 4.0). Abgeleitet aus der Industrie 4.0 ergeben sich für die Abschlussprüfung neue Möglichkeiten wie z. B. „Data Mining“ und „Machine Learning“ für die Jahresabschlussprüfung, welche den aktuellen Entwicklungen Rechnung trägt.

Klassische Datenanalysen zum Aufdecken von Unregelmäßigkeiten in der Jahresabschlussprüfung basieren auf festgelegten Regeln (Hypothesen). Innovative Prüfungsansätze sind Verfahren, welche unabhängig von festgelegten Regeln zum Einsatz kommen. In diesem Zusammenhang findet ein künstliches, computer-basiertes Schaffen von Wissen aus Daten statt. Der Vorteil ist die Erlernung von Wissen auf Basis von Daten und Fakten.

Ziel

Aus diesem Grund wird im Rahmen dieser Diplomarbeit das Ziel verfolgt, eine Evaluierung innovativer Prüfungsansätze mit den Schwerpunkten Data Mining und Machine Learning für Zwecke der Jahresabschlussprüfung im Sparkassen-Prüfungsverband (S-PV) durchzuführen. Dabei sollen die Methoden aus dem Bereich Data Mining und Machine Learning zur computerbasierten Schaffung von Wissen für die Prüferunterstützung genutzt und anhand eines Proof-of-Concept (PoC) umgesetzt werden.

Der Nutzen liegt darin, dass die  Erkenntnisse sowie ein tieferes Verständnis über Treiber und Muster in Daten unabhängig von festgelegten Regeln gewonnen werden kann. Dabei sprechen die Daten für sich. Schlussendlich dient die Evaluierung innovativer Prüfungsansätze mit einem besonderen Fokus auf die Themen Data Mining und Machine Learning einer Optimierung der bisherigen Prüfungsansätze im S-PV.

Ergebnis

Im Zuge der Arbeit wurden auf Basis der Literaturrecherche Use Cases für die Umsetzung von innovativen Prüfungsansätzen im Rahmen der Jahresabschlussprüfung erarbeitet. Für die Use Case-Umsetzung anhand der PoC wurde ein zweckmäßiges Vorgehensmodell gewählt. Anhand des ausgewählten Vorgehensmodells wurde die Umsetzung verschiedener Use Cases vorgenommen. Dabei werden die Fragen beantwortet, welche „Data Mining” und „Machine Learning”-Methoden sich im Jahresabschlussprüfungsumfeld eignen und wie sich die Performance der ausgewählten Methoden voneinander unterscheiden. Ebenfalls wurden organisatorische  Aspekte wie das Projektmanagement und sonstige rechtliche Rahmenbedingungen behandelt.