Analytische Verfahren und Erwartungsmodellierung: Trend-, Verhältnis- und Abweichungsanalyse

Gewinne:

• Verstehen Sie, welche analytischen Verfahren in den Geltungsbereich von BDS 520 fallen und wie Sie künstliche Intelligenz zur Erwartungsgenerierung, Verhältnisanalyse und Erstellung von Abweichungserklärungen nutzen können.
• Fähigkeit, horizontal-vertikale Analysen, Verhältnisanalysen und Trendaufschlüsselungen mit Unterstützung künstlicher Intelligenz zu interpretieren und Abweichungen zu identifizieren, die untersucht werden müssen
• Fähigkeit zu verstehen, dass die durch künstliche Intelligenz vorgeschlagene Abweichungserklärung eine Hypothese ist und nicht als Prüfungsergebnis betrachtet werden kann, ohne dass sie durch Beweise gestützt wird.

Eine der mächtigsten Waffen eines erfahrenen Prüfers ist die „Erwartung“. Bevor er sich den Jahresabschluss anschaut, weiß er ungefähr, was er sehen muss, weil er das Geschäft kennt: „Dieses Unternehmen ist letztes Jahr um 15 % gewachsen, der Personalbestand ist stabil, daher würde ich davon ausgehen, dass die Personalkosten etwa so stark steigen wie die Inflation.“ Dann vergleicht es die Realität mit der Erwartung. Bei einer Abweichung von der Erwartung liegt entweder eine Erklärung oder ein Problem vor. Die systematische Form dieser Denkweise nennt man analytische Verfahren und BDS 520 organisiert sie.

Das analytische Verfahren besteht darin, anhand vernünftiger Beziehungen zwischen finanziellen und nichtfinanziellen Daten eine Erwartung zu ermitteln, diese mit den tatsächlichen Daten zu vergleichen und nach signifikanten Abweichungen zu suchen. Es wird an drei Stellen verwendet: bei der Planung (um das Risiko zu erkennen), bei der inhaltlichen Prüfung (zur inhaltlichen Überprüfung) und am Ende des Audits (für eine allgemeine Plausibilitätsprüfung). In dieser Einheit erfahren Sie, wie Sie künstliche Intelligenz bei der Erwartungsbildung, der Verhältnisanalyse und der Erstellung von Abweichungserklärungsentwürfen einsetzen. Aber wir werden diskutieren, warum die von der KI vorgeschlagene Erklärung eine Hypothese und kein Beweis ist.

Werkzeuge des analytischen Verfahrens

Die wichtigsten Analyseinstrumente, die der Prüfer verwendet, sind:

• Horizontale Analyse: Untersuchung der Veränderung (Menge und %) eines Artikels von Jahr zu Jahr. „Umsatz stieg um 40 %; warum?“
• Vertikale Analyse: Verhältnis von Posten zu einem Ganzen (z. B. das Verhältnis jeder Ausgabe zu den Einnahmen). „Während die Herstellungskosten der verkauften Waren 62 % des Umsatzes ausmachten, waren es dieses Jahr 71 %; warum hat sich die Marge verringert?“
• Kennzahlenanalyse: Berechnung aussagekräftiger Kennzahlen (Bruttogewinnspanne, Lagerumschlagshäufigkeit, Forderungseinzugszeitraum, aktuelle Kennzahl) sowie Untersuchung deren Entwicklung und Vergleich mit der Branche.
• Trendanalyse: Mehrere Perioden zusammen sehen und Pausen einfangen.
• Plausibilitätstest: Erstellen einer unabhängigen Erwartung (z. B. „Zinsaufwand ≈ durchschnittliche Verschuldung × Zinssatz“) und Vergleich mit der Realität.

Die KI führt alle diese Berechnungen in Sekundenschnelle durch, trägt sie in eine Tabelle ein und markiert Abweichungen. Darüber hinaus kann es mögliche Erklärungen für Abweichungen vorschlagen. Hier liegt der entscheidende Punkt: Die von der KI erzeugte Erklärung ist eine Ausgangshypothese. „Die Marge hat sich verringert, weil die Rohstoffpreise gestiegen sind“ mag angemessen sein, aber der Prüfer kann nicht zu dem Schluss kommen, ohne dies durch Verträge, Rechnungen, Offenlegungen des Managements und – insbesondere bei unerwarteten Abweichungen – unabhängige Beweise zu untermauern.

Je sensibler die Erwartung, desto stärker das Verfahren

Eine wichtige Feinheit von BDS 520: Die Zuverlässigkeit eines Analyseverfahrens hängt davon ab, wie präzise und unabhängig die Erwartung ermittelt wird. Wenn Sie die Erwartung direkt auf den vom Unternehmen bereitgestellten Daten aufbauen, geraten Sie in eine zirkuläre Logik (die gleichen Daten werden mit den gleichen Daten validiert). Eine starke Erwartung basiert so weit wie möglich auf unabhängigen Eingaben (nichtfinanzielle Daten, externe Marktdaten, Ihr eigenes Konto). KI kann Ihnen beim Aufbau eines Erwartungsmodells helfen – „Welche Eingaben benötige ich, um die Zinsaufwendungen unabhängig zu berechnen?“ — aber der Prüfer ist für die Unabhängigkeit der Eingaben und die Angemessenheit des Modells verantwortlich.

Tipp: Legen Sie bei der Interpretation der Abweichung die „Unwesentlichkeitsschwelle“ vorab fest. Wie viel Abweichung von der Erwartung wird als „ermittlungstechnisch“ angesehen? Legen Sie diesen Schwellenwert im Voraus im Einklang mit der Wesentlichkeit fest, damit Sie nicht jeder kleinen Schwankung nachjagen müssen, die die KI erzeugt.

Mit nichtfinanziellen Daten starke Erwartungen wecken

Das analytische Verfahren ist am wirkungsvollsten, wenn Sie die Erwartungen nicht nur auf Finanzdaten, sondern auf nichtfinanziellen Daten aufbauen. Sie können beispielsweise den Zimmerumsatz eines Hotels unabhängig schätzen, indem Sie die Anzahl der belegten Zimmernächte mit dem durchschnittlichen Zimmerpreis multiplizieren. Sie können die Energiekosten eines Produktionsunternehmens anhand der Anzahl der produzierten Einheiten und des typischen Verbrauchs pro Einheit schätzen. Sie können die Bildungseinnahmen einer Schule anhand der Anzahl der Schüler und der durchschnittlichen Gebühr vorhersagen. Solche Erwartungen geraten nicht in die Zirkelfalle, da sie unabhängig von der Buchhaltung des Unternehmens sind und eine echte Gegenprüfung ermöglichen. KI hilft Ihnen, die Eingaben und Formeln für dieses unabhängige Erwartungsmodell festzulegen; aber der Prüfer ist dafür verantwortlich, dass die Eingaben wirklich unabhängig und zuverlässig sind (Anzahl der Studierenden, Übernachtungen, Produktionsmenge korrekt?). Wenn der Unterschied zwischen Erwartung und Realität groß ist, weist dies entweder auf einen Abrechnungsfehler oder auf ein Problem mit der Erwartungseingabe hin; Beides muss untersucht werden.

Schritt-für-Schritt-Analyseverfahren

1. Setzen Sie Erwartungen. Schreiben Sie auf, was Sie von dem zu prüfenden Artikel erwarten, möglichst mit unabhängiger Eingabe.
2. Daten aufbereiten, Vollständigkeit prüfen. Sind die tatsächlichen Daten, die Sie vergleichen, korrekt und vollständig?
3. Berechnen Sie mit KI. Führen Sie horizontale/vertikale/Verhältnis-/Trendberechnungen durch; Zeigen Sie die Schritte jedes Kontos an.
4. Identifizieren Sie Abweichungen. Markieren Sie Abweichungen, die den von Ihnen zuvor festgelegten Schwellenwert überschreiten.
5. Hypothesen aufstellen, aber überprüfen. Fragen Sie die KI nach möglichen Erklärungen; Testen Sie jeden einzelnen mit Beweisen.
6. Dokumentieren Sie das Ergebnis. Erwartung, Tatsache, Abweichung, Erklärung und bestätigender Beweis.

drei Mini-Koffer

Fall 1 – Ermittlung der wahren Ursache der Abweichung. Ein Prüfer stellte fest, dass die Personalkosten um 38 % gestiegen sind; Personalbestand und Inflation erklären dies jedoch nur zu 22 %. Er ließ die KI nach Divergenzhypothesen befragen; YZ listete Optionen wie „Erhöhung, Neueinstellung, Bonus, Abfindung“ auf. Der Prüfer untersuchte die Lohn- und Gehaltsabrechnungen: Die Differenz war auf eine im Laufe des Jahres gezahlte Pauschalprämienzahlung zurückzuführen, die jedoch nicht als Aufwand über den richtigen Zeitraum verteilt wurde, und es lag ein saisonaler Fehler vor. KI stellte eine Hypothese auf; Gehaltsnachweise und die Untersuchung des Wirtschaftsprüfers brachten die Wahrheit ans Licht.

Fall 2 – Eine Hypothese mit einem Beweis verwechseln. Ein Teammitglied fragte AI nach einer 40-prozentigen Erhöhung eines Ausgabenpostens; KI „ist wahrscheinlich auf die Inflation zurückzuführen“, sagte er. Das Teammitglied hat dies als Kommentar direkt auf das Arbeitsblatt geschrieben und den Stift mit der Kappe verschlossen. Der Verantwortliche fragte: Die Inflation lag damals bei 25 %, 40 % wurde nicht erklärt; Darüber hinaus handelte es sich bei dem Posten um einen Mietaufwand mit festem Vertrag, der sich nicht automatisch mit der Inflation erhöhte. Der wahre Grund war ein neues Feld, das dem Vertrag hinzugefügt wurde. Lektion: Die Erklärung von KI ist eine Hypothese; Es kann keine Schlussfolgerung gezogen werden, ohne dass Beweise vorliegen.

Fall 3 – Schlechte Erwartungen. Um die Angemessenheit der Zinsaufwendungen zu prüfen, ermittelte ein Wirtschaftsprüfer seine Erwartungen direkt anhand der vom Unternehmen erfassten Zinsaufwendungen (Rundschreiben). Es stellte sich natürlich heraus, dass „Erwartung = Realität“ war und keine Abweichungen auftraten. Die verantwortliche Person erinnerte daran, dass die Erwartung unabhängig ermittelt werden sollte: durchschnittlicher Schuldenstand × durchschnittlicher Zinssatz. Eine unabhängige Berechnung ergab, dass der tatsächliche Zinsaufwand deutlich geringer ausfiel als erwartet und für eine Schuld keine Zinsen anfielen. Lektion: Die Unabhängigkeit von der Erwartung bestimmt die Stärke des Verfahrens.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Schauen Sie sich diese Tabelle an und sagen Sie mir, ob etwas Ungewöhnliches vorliegt.

Das Problem: keine Erwartungen, keine Schwelle, kein Kontext. KI meldet entweder zufällig „Anomalie“ oder generiert erfundene Erklärungen; Dem Ergebnis mangelt es an Kontrollwert.

Kraftvolle Aufforderung:

Ihre Rolle: Sie sind analytischer Verfahrensassistent eines unabhängigen Prüfers. Sie berechnen und zeigen Abweichungen auf und schlagen mögliche erklärende Hypothesen vor; Überprüfung und Schlussfolgerung liegen bei mir.Kontext (anonym): Produktionsfirma. Umsatz im laufenden Jahr 240 Mio., im Vorjahr 200 Mio. (20 % Wachstum). Die Anzahl der Mitarbeiter ist festgelegt.Daten:[Konto; Vorjahr; aktuelles Jahr] Zeilen (Umsatz, COGS, Personalaufwand, Miete, Zinsaufwand, ...) Aufgabe: 1) Führen Sie eine horizontale Analyse (Betrag und prozentuale Änderung) für jeden Posten durch; Berechnungsschritt anzeigen.2) Vertikale Analyse: Verhältnis jeder Ausgabe zu den Einnahmen; Vergleichen Sie zwei Jahre lang.3) Wenden Sie den folgenden Schwellenwert an: Markieren Sie „zur Überprüfung“, wenn die prozentuale Änderung um mehr als 10 absolute Punkte vom Umsatzwachstum (20 %) abweicht.4) Schlagen Sie 2-3 mögliche Erklärungen HYPOTHESE für jedes markierte Element vor; Schreiben Sie auch die BEWEISE auf, anhand derer die einzelnen Angaben überprüft werden. Geben Sie an, dass es sich hierbei nicht um Erkenntnisse handelt.5) Erfinden Sie keine Zahlen oder Branchen-Benchmarks, die Sie nicht aus den Daten ableiten können.

Diese Aufforderung ist wirkungsvoll, weil sie Kontext und Erwartungen angibt (20 % Wachstum), eine klare Abweichungsschwelle festlegt, nach Erklärungen als Hypothesen fragt und jede Hypothese mit Beweisen verknüpft.

Häufige Fehler

• Eine Hypothese mit Beweis verwechseln. Schlussfolgerungen schreiben, ohne die „wahrscheinlich…“-Aussage der KI zu überprüfen.
• Schaffung zirkulärer Erwartungen. Ableiten der Erwartung aus den zu verifizierenden Daten und Erzeugen einer falschen „Anpassung“.
• Es wird kein Schwellenwert festgelegt. Jeder kleinen Schwankung nachjagen oder die große Abweichung übersehen.
• Analyse ohne Kontext. Nach einer „Anomalie“ fragen, ohne das Geschäft zu fördern; bedeutungslose Zeichen empfangen.
• Bei unerwarteter Abweichung oberflächlich bleiben. Eine überraschende Wendung mit der ersten plausiblen Erklärung abdecken; wohingegen BDS eine eingehendere Untersuchung unerwarteter Abweichungen erfordert.

Hinweis: Eine erwartete Abweichung (z. B. erhöhte Abschreibung aufgrund einer bekannten Investition) unterscheidet sich von einer unerwarteten Abweichung. Eine unerwartete Abweichung birgt ein höheres Risiko und erfordert stärkere Beweise. KI kann nicht zwischen den beiden unterscheiden; Der Prüfer trifft diese Unterscheidung.

Zusammenfassend

Analytische Verfahren (BDS 520) sind die Kunst, Abweichungen zu erkennen, indem Erwartungen ermittelt und mit der Realität verglichen werden. KI ist in diesem Bereich eine leistungsstarke Berechnungs- und Hypothesenmaschine: Sie führt horizontale/vertikale/Verhältnis-/Trendanalysen in Sekunden durch, markiert Abweichungen und schlägt mögliche Erklärungen vor. Die Leistungsfähigkeit des Verfahrens hängt jedoch von der Unabhängigkeit der Erwartung ab, und die von der KI vorgeschlagene Erklärung ist eine Hypothese, kein Beweis. Der Prüfer legt die Abweichungsschwelle fest, der Prüfer stellt die Unabhängigkeit der Erwartungen sicher und der Prüfer überprüft jede Aussage anhand von Beweisen. Eine unerwartete Abweichung erfordert immer eine eingehendere Untersuchung.

Anwendungsaufgabe

Nehmen Sie eine einfache zweijährige Gewinn- und Verlustrechnung (hypothetisch) und legen Sie eine Wachstumserwartung fest (z. B. 20 %). Lassen Sie die KI mit dem leistungsstarken Eingabeaufforderungsmuster oben eine horizontale und vertikale Analyse durchführen, einen Driftschwellenwert anwenden und eine Eingabeaufforderung für den Hypothesen- und Beweisabgleich für markierte Elemente durchführen. Schreiben Sie dann in einem Absatz, wie Sie eine „nicht-zirkuläre unabhängige Erwartung“ für ein Element aufstellen (welche unabhängigen Eingaben würden Sie verwenden).

Checkliste

• [ ] Ich habe im Voraus (wenn möglich mit unabhängiger Eingabe) eine Erwartung für den zu prüfenden Artikel festgelegt.
• [ ] Ich habe die Vollständigkeit der von mir verglichenen Daten bestätigt.
• [ ] Ich habe die horizontale/vertikale/Verhältnisanalyse mit den Berechnungsschritten von der KI erhalten und verifiziert.
• [ ] Ich habe einen Abweichungsschwellenwert festgelegt, der der Wesentlichkeit entspricht.
• [ ] Ich habe die Erklärungen der KI als Hypothesen aufgefasst; Ich habe jedes einzelne mit Beweis getestet.
• [ ] Ich unterscheide zwischen erwarteter und unerwarteter Abweichung; Ich habe mich tiefer mit dem Unerwarteten beschäftigt.
• [ ] Ich habe Erwartungen, Realität, Abweichungen, Erklärungen und bestätigende Beweise dokumentiert.