KI und Interne Revision im öffentlichen Sektor – Chancen und Herausforderungen

Warum KI in der Internen Revision?

Die Künstliche Intelligenz begegnet den Herausforderungen der Verwaltungsmodernisierung und des Fachkräftemangels, indem sie es ermöglicht, die Verwaltungsabläufe effizienter zu gestalten und die Sachbearbeiter bei der Bearbeitung zu unterstützen. Im Bereich der Eigenbetriebe ist KI im Einsatz, um Datenkontrolle zu behalten und um die Prozesse zu optimieren. Dabei müssen die digitale Souveränität und der Datenschutz weiterhin gewährleistet sein.

Der Internen Revision fällt dabei zum einen die Aufgabe zu, den Einsatz von KI in der öffentlichen Verwaltung bzw. den Eigenbetrieben zu prüfen. Die eingesetzten KI-Systeme müssen den Vorschriften und Regularien entsprechen und sollten in einem umfassenden Qualitätsmanagementsystem berücksichtigt werden. Zudem bedarf es übergreifender Verantwortungs-, Risiko- oder Dokumentenmanagementsysteme, um Konformität gegenüber dem EU AI Act zu erreichen. Als vertrauenswürdige Berater können Interne Revisoren Ratschläge in die Umsetzung geben. Dabei ist stets die Wahrung der Unabhängigkeit und Objektivität zu beachten.

Daneben bieten sich zum anderen für die Interne Revision selbst durch den Einsatz von KI neue Möglichkeiten innerhalb der Prüfung. Das Aufgabenprofil und die Erwartungen an die Revisionsabteilungen haben sich durch regulatorische Neuerungen und technologische Entwicklungen grundlegend verändert. Durch den gezielten Einsatz von KI kann die Interne Revision ihre eigenen Prozesse optimieren und Prüfungen effizienter gestalten. Das setzt jedoch voraus, dass in den relevanten Bereichen Kenntnisse erworben werden. Die Unterschiede zwischen Theorie und Praxis zeigen sich hier vor allem in der Umsetzung. Vielerorts ist die Interne Revision nur unzureichend besetzt. Zudem fehlt das technische Know-how, weil Budgetkürzungen den Möglichkeiten der Fortbildung oder der Beschaffung der notwendigen Software entgegenwirken.

Einsatzmöglichkeiten

Unter den Begriff Künstliche Intelligenz fallen unterschiedliche Anwendungen mit unterschiedlichen Sicherheits- und Vertrauensniveaus.

Maschinelles Lernen (ML): Ermöglicht es, Muster in Daten zu erkennen, aus Erfahrungen zu lernen und eigenständig Vorhersagen oder Entscheidungen zu treffen sowie Transaktionen nach Risikokategorien zu klassifizieren. Die Vielzahl an Buchungen und die Menge an elektronischen Daten können durch ein intelligentes Prüfsystem verarbeitet werden und der Datenverarbeitungszyklus verkürzt werden. In der Phase der Prüfungsplanung lässt sich ML dahingehend einsetzen, vergangene Prüfungen bzw. deren Ergebnisse zu untersuchen. ML kann aktuelle Daten berücksichtigen, um zu identifizieren, was die größten Risiken sind oder welche Abteilungen mit dem größten Risiko behaftet sind. Personelle Engpässe können durch Automatisierungen von Aufgaben behoben und Kosten gesenkt werden. So lassen sich insbesondere repetitive Prüfprozesse effizienter gestalten und bieten neue Chancen der Risikofrüherkennung. Auch im Umgang mit Fraud können durch den Einsatz von KI bisher unbekannte Risiken und „kreative“ Buchungsmuster erkannt werden. Zusätzlich können Daten als verständliche Kennzahlen ausgewertet und visualisiert werden und dadurch anschaulich dargestellt werden. So ist auch das Erkennen von Abweichungen zwischen den Buchungsdaten und der Vorhersage einer regulären Buchung möglich.

Natural Language Processing (NLP): Ermöglicht das Verstehen und Auswerten von unstrukturierten Texten sowie die Analyse von Verträgen, Richtlinien und anderen Unterlagen. Schwerpunkt kann hier die Aufdeckung von Compliance-Risiken sein. Ein entscheidungsunterstützender Einsatz von KI kann alle relevanten Informationen in aufbereiteter Art und Weise zur Verfügung stellen, sodass ohne zusätzlichen Aufwand auf dieser Basis eine Entscheidung getroffen werden kann.

Robotic Process Automation (RPA) übernimmt repetitive, regelbasierte Tätigkeiten. RPA-Bots können Daten aus ERP-Systemen, PDFs, Web-Portalen oder anderen Quellen extrahieren, in standardisierte Prüfungs-Checklisten einpflegen und Reporting Templates automatisch befüllen. Durch diese Automatisierung reduziert sich der manuelle Aufwand erheblich, während gleichzeitig die Konsistenz der Datenverarbeitung steigt.

Vorteile

Die Vorteile der Anwendung von KI liegen in der Reduzierung von Fehlern in den Arbeitsprozessen, der Priorisierung wichtiger Aufgaben, der Möglichkeit große Datenmengen auszuwerten sowie der Entlastung der Mitarbeiter. Das traditionelle Vorgehen, sich mittels manueller Stichproben von der Ordnungsmäßigkeit zu überzeugen, stößt aufgrund des hohen Datenvolumens durch Millionen von Transaktionen an seine Grenzen.

Immer komplexere Regularien und eine wachsende Aufgabenbasis stellen insbesondere für kleine Interne Revisionen ein Problem dar. In der Regel bedarf es Wochen, sich in Spezialthemen einzuarbeiten. Gerade wenn diese Themen selten auftreten, ist das intensive Ansammeln von Fachwissen meist nicht effizient. Programme wie ChatGPT bieten hier die Möglichkeit, mithilfe sinnvoller Prompts nötiges Fachwissen gezielt abzufragen. Beim Erstellen von Prompts ist es wichtig, klar, spezifisch und kontextbezogen zu kommunizieren, um präzise Ergebnisse zu erhalten. Die KI benötigt die entsprechenden Hintergrundinformationen und muss wissen, in welcher Rolle (hier als Interner Revisor) sie Aufgabe angehen soll.

Zusammengefasst bietet Künstliche Intelligenz der Internen Revision ein völlig neues Potenzial: Sie ermöglicht schnellere, datengetriebene und proaktive Prüfungen, erhöht die Prüfungsqualität und stärkt die Rolle der Revision als strategischer Partner des Managements. Der Erfolg hängt jedoch von einer soliden Datenbasis, klaren Governance-Strukturen und einem ausgewogenen Zusammenspiel von Technologie und menschlicher Expertise ab.

Nachteile

Beschaffung, Einarbeitung und Einsatz sind kostenintensiv. Der Mehrwert der KI zeigt sich erst nach mehrmaligem Einsatz in der Prüfungsphase. Neben der Einhaltung der Datenschutz-Grundverordnung bei der Verarbeitung von Daten durch KI-Systeme führt der neue AI Act der EU zwar einheitliche Regeln ein, erhöht aber kurzfristig den Dokumentations- und Compliance-Aufwand. Daneben bergen rechtliche Unsicherheiten Gefahren wegen ungeklärter Haftungsfragen, wenn KI-Systeme Schäden verursachen oder diskriminierende Entscheidungen treffen.

Die Gewährleistung der Datensicherheit muss weiterhin gegeben sein. Personenbezogene Daten dürfen nicht verwendet werden. Erhebliche Risiken für die Datensicherheit und den Datenschutz ergeben sich, da KI-Systeme oft große Mengen an Daten verarbeiten und neue Angriffsflächen bieten. Die Hauptgefahren liegen in Datenlecks, dem Abfluss sensibler Informationen und der Manipulation von Modellen.

RÖDL-AI

Die genannten Vorteile können nur dann voll ausgeschöpft werden, wenn die typischen Nachteile von KI-Lösungen – mangelhafte Datenqualität, fehlende Erklärbarkeit, Datenschutzrisiken, Widerstand der Mitarbeitenden und komplexe Integration – gezielt adressiert werden. Hier setzt unsere hauseigene KI-Plattform RÖDL-AI an und bietet ein ganzheitliches Risikomanagement für die Interne Revision an. Im Rahmen unseres „AI made in Germany“-Ansatzes können Daten sicher und regulatorisch konform verarbeitet werden. Durch diese enge Verzahnung von modernster KI-Technologie und operativer Governance eliminiert RÖDL-AI die typischen Nachteile, die in der klassischen KI-Einführung auftreten. Die Revision profitiert von sicheren, nachvollziehbaren Entscheidungen, einer effizienten, datengestützten Prüfungsarbeit und einer nachhaltigen Akzeptanz im Team. RÖDL-AI wird damit nicht nur zum Automatisierungstool, sondern zum strategischen Partner, der die Interne Revision zu einem proaktiven, wertschöpfenden Steuerungselement des Unternehmens weiterentwickelt.

Aus dem Newsletter
„Fokus Public Sector“ Hier Newsletter
abonnieren