Herausforderungen des maschinellen Lernens in der praktischen Prüfarbeit

Although machine learning is being applied broadly, it plays only a minor role in the conduct of audits of financial statements. The technology is thought to have a great potential to make the audit more insightful and more efficient. Nevertheless, there is a lack of systematic research into how the audit process and the application of machine learning could be combined as well as the associated challenges. This research closes this gap. By providing two separate field studies, using a constructive research approach, it shows how the audit process and the data analytics process need to be amended, to retrieve the desired results. Moreover, it demonstrates the challenges faced by auditors and how to deal with them. Two fundamentally different use cases are identified: one relying on exogenous labels (dependend variables), that allows for externally based predictions, and another based on endogenous labels, that is used for internally based predictions. Both impact the preparation of an audit, its performance and its completion.

Obschon maschinelles Lernen bereits breitflächig eingesetzt wird, spielt es in der praktischen Wirtschaftsprüfung bislang nur eine untergeordnete Rolle. Dieser Technologie wird zwar ein hohes Potenzial zugeschrieben, um das Audit effizienter und effektiver zu gestalten, es fehlt jedoch eine systematische Untersuchung zu der Frage, wie die Anwendung maschinellen Lernens und der Prüfprozess ineinandergreifen und welche Herausforderungen sich daraus für die Prüfpraxis ergeben. Diese Arbeit schliesst diese Lücke mithilfe zweier Fallstudien und eines konstruktiven Forschungsansatzes bezüglich der Frage, wie der Prüfprozess und der Datenanalyseprozess in der Praxis angepasst und erweitert werden müssen, um die gewünschten Ergebnisse zu erhalten. Darüber hinaus zeigt die Untersuchung, welchen Herausforderungen sich der Prüfer gegenübersieht und wie er diesen begegnen kann. Dabei werden zwei fundamental unterschiedliche Anwendungsfälle identifiziert, welche eine differenzierte Handhabung erfordern: ein auf exogenen Labels (abhängigen Variablen) beruhender, der umweltgestützte Prognosen erlaubt, und ein auf endogenen Labels abstellender, der interne Prognosen zulässt, wobei beide in unterschiedlicher Weise in der Prüfungsvorbereitung, -durchführung und -beendigung berücksichtigt werden müssen.