- Titel
- Der Einfluss von Künstlicher Intelligenz auf die Effizienz und Genauigkeit der Betrugserkennung in der Wirtschaftsprüfung und die wirtschaftlichen Nutzenpotenziale für Wirtschaftsprüfungsgesellschaften
- Untertitel
- -
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:l189-qucosa2-964777
- Datum der Einreichung
- 30.09.2024
- Abstract (DE)
- Die Bachelorarbeit untersucht, wie der Einsatz von Künstlicher Intelligenz die Effizienz und Genauigkeit der Betrugserkennung in der Wirtschaftsprüfung verbessert und welche wirtschaftlichen Vorteile daraus resultieren. Drei zentrale Hypothesen wurden analysiert. Die erste Hypothese betrachtet die Effizienzsteigerung durch KI. KI kann große Datenmengen schneller und präziser als traditionelle Ansätze verarbeiten. Durch den Einsatz von Machine Learning, Natural Language Processing und dem Red-Flag-Ansatz werden verdächtige Aktivitäten automatisch erkannt und gezielt geprüft. Dies beschleunigt Prüfungsprozesse und steigert deren Kosteneffizienz. Die zweite Hypothese beleuchtet die Genauigkeit der Betrugserkennung. Der Einsatz von Explainable Artificial Intelligence ermöglicht eine höhere Urteilssicherheit, während Informed Machine Learning Expertenwissen in die Algorithmen integriert. KI-Systeme bieten durch ihre stetige Weiterentwicklung langfristig ein hohes Potenzial zur Qualitätssteigerung. Die dritte Hypothese thematisiert die Entwicklung neuer Dienstleistungen. Obwohl keine vollständig neuen Geschäftsfelder identifiziert wurden, bieten KI-basierte Frühwarnsysteme und Open-Source-Ansätze Potenziale, insbesondere für mittelständische Unternehmen. Die Ergebnisse zeigen, dass KI die Effizienz und Genauigkeit der Betrugserkennung signifikant verbessert und die Relevanz von KI in der Wirtschaftsprüfung unterstreicht. Einschränkungen der Arbeit bestehen in der fehlenden empirischen Validierung und der Konzentration auf „schwache KI“. Künftige Forschung sollte praktische Tests und neue Geschäftsfelder in den Fokus nehmen.
- Freie Schlagwörter (DE)
- Künstliche Intelligenz, Betrugserkennung, Wirtschaftsprüfung, Effizienzsteigerung, Explainable Artificial Intelligence
- Den akademischen Grad verleihende / prüfende Institution
- Hochschule für Technik, Wirtschaft und Kultur Leipzig, Leipzig
- Version / Begutachtungsstatus
- angenommene Version / Postprint / Autorenversion
- URN Qucosa
- urn:nbn:de:bsz:l189-qucosa2-964777
- Veröffentlichungsdatum Qucosa
- 02.04.2025
- Dokumenttyp
- Bachelorarbeit
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY 4.0- Inhaltsverzeichnis
Abbildungs- und Tabellenverzeichnis Abkürzungsverzeichnis 1. Einleitung 1.1 Problemstellung 1.2 Relevanz des Themas 1.3 Zielsetzung 1.4 Aufbau der Arbeit 2. Wirtschaftliches Prüfungswesen 2.1 Umsetzung einer Jahresabschlussprüfung 2.1.1 Risikoorientierter Prüfungsansatz 2.1.2 Prozess der Prüfung 2.2 Fraud 2.2.1 Interne und externe Fraud-Bekämpfung 2.2.1.1 Compliance: Interne Fraud-Bekämpfung 2.2.1.2 Forensic Services: Externe Fraud-Bekämpfung 2.2.2 Verhinderung von Fraud 3. Künstliche Intelligenz 3.1 Grundlagen der Künstlichen Intelligenz 3.2 Einsatzfelder von Künstlicher Intelligenz 3.2.1 Entscheider 3.2.2 Natural Language Processing (Sprachverarbeitung) 3.2.3 Expert Systems (Expertensysteme) 3.3 Künstliche Intelligenz in der Wirtschaftsprüfung/forensischer Prüfung 4. Methodik 4.1 Ableitung der Suchbegriffe 4.2 Auswahlkriterien für die Literatur 4.3 Bewertung der Literatur 4.4 Kritische Analyse der Literaturauswertung 5. Ergebnisse 5.1 Effizienzsteigerung durch KI in der Betrugserkennung 5.2 Genauigkeitsverbesserung durch KI-Methoden 5.3 Wirtschaftliche Nutzenpotenziale für Wirtschaftsprüfungsgesellschaften 6. Diskussion 6.1 Einordnung in bestehende Forschung 6.2 Kritische Würdigung der Ergebnisse 7. Fazit 7.1 Erreichung der Zielsetzung 7.2 Zusammenfassung des Hauptteils 7.3 Einordnung in den Forschungsstand und Praxisanwendung 7.4 Ausblick auf zukünftige Forschung Literaturverzeichnis Anhang Eidesstattliche Erklärung