Der Fachartikel „Connecting the Dots: Graph Neural Networks for Auditing Accounting Journal Entries“ untersucht, wie Künstliche Intelligenz zur Analyse von Buchungssätzen eingesetzt werden kann. Der Fachartikel wurde im Journal Auditing: A Journal of Practice & Theory der American Accounting Association veröffentlicht und ist hier abrufbar.
Ausgangspunkt ist die doppelte Buchführung: Jede Transaktion betrifft mindestens zwei Konten – Soll und Haben. Dadurch entstehen Verbindungen zwischen Konten, die über viele Buchungen hinweg ein komplexes Netzwerk bilden.
Die Autorinnen und Autoren zeigen, dass sich diese Struktur als Graph darstellen lässt – mit Konten als Knoten und Transaktionen als Verbindungen. Mithilfe von Graph Neural Networks wird dieses Netzwerk analysiert. Anders als klassische Prüfmethoden betrachtet der Ansatz nicht einzelne Buchungen isoliert, sondern ihre Einbettung in das gesamte Beziehungsgeflecht.
Das Modell arbeitet unüberwacht, also ohne vorab gekennzeichnete Fehler- oder Betrugsfälle. Es lernt typische Muster im Netzwerk und identifiziert Abweichungen, die auf Fehler oder Unregelmässigkeiten hindeuten können.
Für Wirtschaftsprüferinnen und Wirtschaftsprüfer bedeutet das jedoch keine Automatisierung des Urteils, sondern eine Erweiterung ihrer Analyseinstrumente. Die KI weist auf auffällige Strukturen hin – die fachliche Einordnung, Risikobewertung und Schlussfolgerung bleibt Aufgabe der Prüfer. Sie beurteilen, ob eine identifizierte Abweichung plausibel erklärbar ist, auf einen Fehler zurückgeht oder tatsächlich ein wesentliches Risiko darstellt.
Der Ansatz unterstützt damit eine risikoorientierte, datengetriebene Prüfung: Er hilft, in grossen Datenmengen gezielt relevante Sachverhalte zu identifizieren und Prüfungsressourcen dort einzusetzen, wo sie den grössten Mehrwert schaffen.