Einsatz von Big-Data-Analysen bei der Auswahl und Prüfung von Buchungssätzen und deren Einfluss auf berufliche Skepsis

Warum das für Vertrauen in Finanzzahlen wichtig ist

Wenn Unternehmen ihre Abschlüsse veröffentlichen, gehen Anleger, Beschäftigte und die Öffentlichkeit davon aus, dass die Zahlen verlässlich sind. Dennoch stammen einige der größten Betrugsfälle der letzten Jahre aus subtilen Manipulationen an Buchungssätzen, die tief in riesigen Datenbanken verborgen lagen. Dieser Artikel untersucht, wie Wirtschaftsprüfer beginnen, Big-Data-Werkzeuge zu nutzen, um diese Datenmengen besser zu durchforsten — und stellt eine zentrale Frage: Machen diese mächtigen Technologien Prüfer aufmerksamer, oder verleiten sie sie dazu, dem Computer zu viel zu vertrauen?

Auf der Suche nach Auffälligkeiten in der täglichen Buchführung

Im Zentrum jeder Prüfung stehen Buchungssätze — die grundlegenden Aufzeichnungen über Geldflüsse eines Unternehmens. Betrüger nutzen diese Aufzeichnungen häufig, um Verluste zu verschleiern oder Gewinne aufzublähen, teilweise durch Umgehung der normalen Kontrollen. Internationale Prüfungsstandards verlangen daher von Prüfern, diese Buchungen mit einem skeptischen Blick zu testen. Traditionell bedeutete das, kleine Stichproben manuell zu prüfen. In Zeiten massiver, komplexer Datensätze kann dieser selektive Ansatz jedoch geschickt getarnte Probleme übersehen. Die Autoren argumentieren, dass Big-Data-Analysen diese Aufgabe transformieren können, indem sie ganze Mengen von Buchungssätzen untersuchen und ungewöhnliche Muster aufspüren, die bei manueller Prüfung unsichtbar blieben.

Wie Big-Data-Tools die tägliche Prüfungsarbeit verändern

Die Studie stützt sich auf Tiefeninterviews mit neun leitenden Prüfern von Big-Four-Gesellschaften, die in Palästina arbeiten — einem Markt, der globale Prüfungspraktiken unter herausfordernden Bedingungen integriert. Diese Prüfer beschreiben Big-Data-Tools, die Millionen von Buchungsdatensätzen einziehen, sie nach Risiko sortieren und auffällige Transaktionen hervorheben. Statt mit wenigen nach Intuition ausgewählten Buchungen zu beginnen, können Teams nun die gesamte Aktivitätslandschaft sehen und auf Posten zoomen, die hinsichtlich Betrag, Zeitpunkt, Quellsystem oder Kombination von Faktoren fehl am Platz erscheinen. Diese „datengetriebene“ Sicht beschleunigt laut ihren Aussagen nicht nur die Arbeit, sondern liefert auch ein reichhaltigeres Bild davon, wie das Geschäft eines Mandanten tatsächlich funktioniert.

Menschen, Ausbildung und Teamarbeit hinter den Bildschirmen

Trotz der ausgefeilten Software betonen die Prüfer, dass menschliche Fähigkeiten und Beziehungen zentral bleiben. Sie beschreiben regelmäßige Schulungen, die über bloßes Bedienen hinausgehen und darauf abzielen, seltsame Muster zu interpretieren, Fehlalarme zu hinterfragen und Datensignale mit realen Geschäftsrisiken zu verknüpfen. Teammeetings und gemeinsame Planungsrunden werden genutzt, um zu erörtern, wo das Management versucht sein könnte, Regeln zu dehnen — etwa bei Schätzungen und Rückstellungen — und um dann Analysen zu entwerfen, die gerade diese Bereiche durchleuchten. Senior Partner und Direktoren sind eng eingebunden, prüfen die elektronischen Arbeitsunterlagen, hinterfragen die Wahl von Filtern und Schwellenwerten und sorgen dafür, dass Mitarbeitende die Computerergebnisse nicht als unumstößliche Wahrheit behandeln.

Die zweischneidige Wirkung intelligenter Maschinen

Die Interviews zeigen auch deutliche Sorgen. Da Analysewerkzeuge automatisch sauber aussehende Berichte und Dashboards erzeugen können, besteht die Gefahr, dass Prüfer diese ungeprüft akzeptieren und davon ausgehen, dass, wenn das System nichts meldet, auch kein Problem vorliegt. Teilnehmende warnen, dass eine solche Überabhängigkeit die berufliche Skepsis abstumpfen und ernsthafte Fehlangaben unentdeckt lassen könnte. Aufsichtsbehörden und interne Qualitätssicherer drängen Gesellschaften bereits dazu, eine „Checklisten-Mentalität“ zu vermeiden und offenzulegen, wie sie Datentools wirklich risikoorientiert und hinterfragend eingesetzt haben. Die aktuellen Prüfungsstandards geben jedoch wenig konkrete Anleitungen, wie man fortgeschrittene Analytik mit der Pflicht zu zweifeln und zu verifizieren kombiniert.

Was die Studie nüchtern sagt

Einfach gesagt kommt der Artikel zu dem Schluss, dass Big-Data-Analysen ein mächtiger Verbündeter für verlässliche Prüfungen sein können — aber nur, wenn Prüfer die Kontrolle behalten. Diese Werkzeuge helfen, riesige Mengen von Buchungssätzen zu sichten, risikoreiche Bereiche zu fokussieren und besser zu verstehen, wie ein Unternehmen tatsächlich Geld verdient und erfasst. Sie bringen jedoch auch neue Verhaltensfallen mit sich: Es wird leichter, der Maschine zu vertrauen, statt unangenehme Fragen zu stellen. Um die Skepsis lebendig zu halten, brauchen Unternehmen intensive Ausbildung, offene Teamdiskussionen, aktive Führungsaufsicht und klarere Vorgaben von Standardsetzern und Aufsichtsbehörden. Die Autoren schlagen vor, dass Technologie das kritische Auge des Prüfers schärfen, nicht ersetzen sollte.

Zitation: Abu Al Rob, M.A., Mohd Nor, M.N. & Salleh, Z. Utilizing big data analytics in the selection and testing of journal entries and its impact on professional skepticism. Humanit Soc Sci Commun 13, 553 (2026). https://doi.org/10.1057/s41599-026-06626-0

Schlüsselwörter: Big-Data-Analysen, Prüfung, finanzieller Betrug, berufliche Skepsis, Prüfung von Buchungssätzen