KKC_0180 | KI in der Revision: Betrug & Compliance Probleme erkennen

Sie möchten KI nutzen, ohne dass Ihr Revision zur Blackbox wird. In diesem Seminar bauen Sie ein solides Fundament auf, um KI-gestützte Betrugsprävention und Compliance-Prüfungen nachvollziehbar zu planen, zu testen und zu dokumentieren. Sie starten mit den wichtigsten KI-Konzepten für Revisionsarbeit: Anomalieerkennung, Klassifikation, Clustering und der sinnvolle Einsatz von Large Language Models für Textaufgaben.

Dabei klären wir typische Fallstricke wie Bias, Halluzinationen, Datenabfluss und falsch interpretierte Trefferquoten. Im Praxisteil übersetzen Sie Fraud-Typologien in messbare Red Flags. Sie lernen, welche Daten- und Prozesssignale in Zahlungsverkehr, Beschaffung und Spesen besonders aussagekräftig sind und wie Sie regelbasierte Kontrollen mit statistischer Anomalieerkennung kombinieren.

Für Compliance nutzen Sie Dokumenten- und Text-KI, um Richtlinien, Verträge oder Hinweise aus Hinweisgebersystemen zu strukturieren, zu priorisieren und prüfbar auszuwerten. Ein zentraler Schwerpunkt ist Nachweisfähigkeit: Sie erarbeiten ein Modellrisiko- und Governance-Set-up, das zu Revision und Compliance passen, inklusive Audit Trail, Versionierung, Datenschutz-Checks und Einordnung relevanter Anforderungen wie EU AI Act. Am Ende können Sie Use Cases sauber scopen, Erfolgskriterien definieren, Tests gegen False Positives aufsetzen und Ergebnisse so berichten, dass sie intern belastbar und extern erklärbar sind.

• Anomalieerkennung, Klassifikation, Clustering und LLMs für Revision einordnen
• Bias, Halluzinationen, Datenabfluss und Fehlalarme bewerten
• Fraud-Typologien in messbare Red Flags übersetzen
• Signale aus Zahlungsverkehr, Beschaffung und Spesen analysieren
• Regelbasierte Kontrollen mit statistischen Verfahren kombinieren
• Dokumenten- und Text-KI für Compliance-Prüfungen einsetzen
• Treffer, Prüfpfade und Entscheidungen nachvollziehbar dokumentieren

Das Seminar richtet sich an interne Revisor/innen, Compliance-Manager/innen, Fraud-Analyst/innen, Risikomanager/innen sowie Fachkräfte aus Finance, Einkauf und Governance.

Grundkenntnisse in Revision, Compliance oder Risikomanagement werden vorausgesetzt. Erfahrung mit Prozess- und Transaktionsdaten ist hilfreich.

• KI-Grundlagen für Revisionsarbeit
  • Was KI kann und was nicht: Muster, Anomalien, Texte
  • Begriffe sicher nutzen: LLM, Klassifikation, Clustering
  • Typische Fehlerbilder: Bias, Halluzinationen, Datenleck
• Betrugsprävention mit Daten- und Prozesssignalen
  • Fraud-Typologien: Zahlungsverkehr, Beschaffung, Spesen
  • Red Flags als Features: Schwellen, Häufigkeiten, Beziehungen
  • Anomalieerkennung vs. regelbasiertes Monitoring
• Compliance-Checks mit Text- und Dokumenten-KI
  • Richtlinien, Verträge, E-Mails: sinnvolle Use Cases
  • Dokumentenklassifikation und Extraktion (z. B. Klauseln)
  • Hinweisgebersysteme: Triage und Priorisierung
• Prompting und sichere Nutzung von GenAI
  • Prompts für Revisionsfragen: Nachvollziehbarkeit statt Kreativität
  • Rollen, Kriterien, Quellenpflicht: prüfungstaugliche Prompts
  • Vertraulichkeit: Datenmaskierung und On-Prem-Optionen
• Governance, Recht und Nachweisfähigkeit
  • EU AI Act, Datenschutz, Betriebsrat: was du klären musst
  • Modellrisiko-Management: Dokumentation und Kontrollen
  • Audit Trail: Entscheidungen, Datenstände, Versionen
• Vom Use Case zur Revisionsprüfung
  • Use-Case-Canvas: Ziel, Risiko, Daten, Erfolgskriterien
  • Testdesign: Stichproben, Schwellen, False Positives
  • Berichtsfähige Ergebnisse: Findings und Maßnahmen