Banken, Versicherungen & Kanzleien

Jahresabschlussprüfung mit KI: Journal Entry Testing und LLM-Auswertung

Prüfungsteams in Wirtschaftsprüfungsgesellschaften und der Internen Revision arbeiten zunehmend mit vollständigen Buchungsdaten statt mit Stichproben. Der Seminartag verbindet Journal Entry Testing auf Basis von Machine Learning mit dem Einsatz von LLMs für Verträge, Protokolle und Arbeitspapiere und ordnet beides an den Anforderungen aus ISA und IDW PS ein. Schätzwerte, Going Concern und die Prüfung von ML-Modellen beim Mandanten kommen ebenfalls zur Sprache. Den Abschluss bildet ein Fahrplan für die nächste Prüfungssaison.

Für wen

Wirtschaftsprüferinnen und Wirtschaftsprüfer, Prüfungsleitungen sowie Prüfungsassistentinnen und -assistenten in WP-Gesellschaften und Beschäftigte der Internen Revision, die KI-Verfahren in ihre Prüfungen einbinden wollen.

KI-Tagesseminar · 1 Tag

Buchungsdaten vollständig analysieren und KI-Ergebnisse prüfungssicher verwerten

Das nehmen Sie mit

  • Eine JET-Analyse mit Scoring und Unsupervised Learning haben Sie an einem Beispieldatensatz durchgeführt.
  • LLMs setzen Sie gezielt für Vertragsdurchsicht und Prüfungsdokumentation ein und benennen ihre Grenzen bei der Verwertbarkeit.
  • Für ein Mandat liegt eine KI-gestützte Prüfungsstrategie vor, die sich gegenüber ISA und IDW PS verteidigen lässt.
  • Ein Fahrplan legt fest, womit Sie in der kommenden Prüfungssaison beginnen.

Ablauf

  1. Teil 1

    Modul 1 – Standort: Digital Audit und berufsständischer Rahmen

    • Audit Analytics in jeder Prüfungsphase, von der Planung bis zur Berichterstattung
    • Analyse aller Buchungen statt Stichprobe und was sich dadurch am Prüfungsvorgehen ändert
    • Was ISA und IDW PS für den Einsatz von KI in der Prüfung bedeuten
    • Routinearbeiten, bei denen KI das Prüfungsteam entlastet
    • Standortbestimmung: wie digital Ihre Prüfungspraxis derzeit aufgestellt ist
  2. Teil 2

    Modul 2 – Journal Entry Testing: risikoorientiert und mit ML

    • Kriterien und Scoring für die risikoorientierte Buchungsanalyse, etwa manuelle Buchungen nach dem Stichtag
    • Unsupervised Learning: Anomalien entdecken, die keine feste Regel abbildet
    • Übung: Einen Beispieldatensatz per JET-Analyse durchleuchten
    • Auffälligkeiten nach Risiko reihen, statt jede einzeln abzuarbeiten
  3. Teil 3

    Modul 3 – Sprachmodelle: LLMs für Unterlagen und Dokumentation

    • Verträge, Sitzungsprotokolle und Anhangangaben automatisiert auswerten
    • Arbeitspapiere und Dokumentation der Prüfung mit KI-Unterstützung entwerfen
    • Grenzen: Verwertbarkeit als Prüfungsnachweis, Qualitätssicherung, Verantwortung des Prüfers
    • Übung: Ein Vertragswerk per LLM nach prüfungsrelevanten Klauseln durchsuchen lassen
    • Entscheidungen, bei denen das Urteil des Prüfers durch nichts ersetzt wird
  4. Teil 4

    Modul 4 – Umsetzung im Mandat: Schätzwerte, Going Concern, Prüfungsstrategie

    • Geschätzte Werte und Fortführungsannahme mithilfe von Prognosemodellen beurteilen
    • ML-Modelle prüfen, die der Mandant in seinem Rechnungswesen einsetzt
    • Fallstudie: Für ein Mandat eine Prüfungsstrategie mit KI-Bausteinen entwickeln
    • Das Vorgehen verteidigbar halten und lückenlos dokumentieren
    • Fahrplan für die kommende Prüfungssaison

VoraussetzungenSie bringen Erfahrung in der Abschlussprüfung mit; Code schreiben müssen Sie für den Tag nicht.

AbschlussTeilnahmezertifikat sowie digitales Badge

Thema anfragen