Mehr Daten, weniger Risiko

Es glich bisweilen einer Sisyphusarbeit: Erst lernten Wirtschaftsprüfer das Geschäftsmodell eines Unterneh­mens kennen und verstehen, führten dazu Interviews und prüften anschließend das Zahlenwerk. Heute steht dank der Digitalisierung Data Analytics von Anfang an im Vordergrund. Torsten Berge, Senior Ma­nager bei Deloitte, berichtet über den signifikanten Wandel der Branche, den Data Analytics mit sich bringt.

Herr Berge, als Wirtschaftswissenschaft­ler und IT-Experte bringen Sie nicht nur das Know-how aus zwei Fachbereichen mit, sondern noch eines dritten: Innenarchitektur. Können Sie die­ses Wissen im Beruf anwenden?
Sehr gut sogar, insbesondere das Projekt-Management, was man im wirtschaftswissenschaftlichen Studiengang manchmal nicht so intensiv mit auf den Weg bekommt. Dabei ist strukturiertes Vorgehen bei Projekten das A und O – erst recht, weil die Digitalisierung viele Prozesse nachhaltig prägt und auch weiterhin verändern wird.

Inwiefern spiegelt sich die Digitalisierung in Ihrer Arbeit wieder?
Zunächst wirkt sie sich so aus, dass De­loitte vor etwa anderthalb Jahren die Audit-Analytics-Group gegründet hat – um Themen wie Data-Driven-Audit und Data-Analytics in der Wirtschaftsprüfung voranzubringen. Unser Ziel ist es, die Wirtschaftsprüfer mittels Analytics-Tools zu unterstützen. In der Wirtschaftsprüfung werden sehr viele Datenanalysen durchgeführt, etwa für das faktenbasierte Risk-Assessment.

Das klingt nach einer Challenge: Der typische BWLer kommt in der Regel eher weniger mit IT-Vorlesungen in Kontakt und ITler bekommen selten praxisnahe, wirtschaftliche Einblicke.
Ja, das ist eine zunehmende Herausforderung für angehende Wirtschaftsprüfer, denn das IT-Wissen wird immer wichtiger, während das betriebswirtschaftliche Know-­how für das Gesamtverständnis unerlässlich bleibt. Was es in der Praxis vor allem braucht, ist eine Art Schnittstellenwissen für die betriebswirtschaftliche als auch die IT-Seite: Wie laufen die Informationsströme durch ERP-Systeme? Wie setzen sich die Zahlen zusammen, die ich prü­fe? Insofern müsste sich die Lehre an den Hochschulen vielleicht verändern.

Inwiefern bieten Sie Weiterschulungen für Hochschulabsolventen an, um ge­nau dieses Know-how aufzubauen?
Gerade im IT-Bereich erfolgt viel on-the-job, aber Deloitte bietet viele passgenaue Schulungen an, gerade zu Beginn. Beispielsweise in Bezug auf die Anlytics-Tools – wie man sie einsetzt und was man beachten sollte. Dazu gehört auch Fachwissen über die Funktionsweise von ERP-Systemen, hier insbesondere auch SAP. Damit kommen die wenigs­ten Hochschul­absolventen noch in der Ausbildung in Kontakt.


Du willst mehr über Deloitte als Arbeitgeber erfahren? Das gesamte Arbeitgeberprofil findest du hier. Wer sich sofort bewerben möchte, wird auf der Stellenbörse von Deloitte fündig.


Würden Sie bitte ein typisches Projekt kurz skizzieren?
Der erste Schritt führt immer zu den Da­ten. Das heißt, wir bekommen Zugriff auf Daten aus dem ERP-System, was in jedem Unternehmen etwas anders abläuft. Diese werden dann durch uns in ein Daten­modell überführt. Dann fährt man im Prinzip die ersten Analysen und prüft bestimmte Kennzahlen, beobachtet Auffälligkeiten und mehr. Etwa, was Umsatz­­er­löse bei einem Produktions­unternehmen betrifft: Wenn Produkte verkauft wer­­­den, sollte entsprechend vorher ein Warenausgang existieren, sonst handelt es sich vielleicht um eine Luftbuchung. Ein typisches Risiko bei Umsatzerlösen ist, dass diese gar nicht exis­tieren, aber eingebucht wurden. Beispielsweise, weil ein Mitarbeiter ein starkes Interesse daran hat, gute Umsatzzahlen zu liefern, weil sein Bonus davon abhängt. Hier lässt sich anhand der Daten schnell erkennen, ob der Umsatz wirklich aus dem Geschäftsmodell oder einer anderen Quelle stammt.
Im Ver­gleich zu früher, als vor allem Interviews mit Abteilungsvertretern geführt und Stichproben gezogen wurden, ist das daten­ba­sierte Vorgehen deutlich genauer.

Spielt Künstliche Intelligenz eine Rolle?
Ja, KI spielt bei der Entwicklung von Analytics, zum Beispiel beim Auffinden von Ausreißern aus einer Population als auch bei Analytics, die Vorhersage-Modelle mit einbeziehen, eine immer größere Rol­le. Zudem müssen wir auch immer mehr Algorithmen unserer Mandanten in die Prüfung einbeziehen. Der Fokus liegt hier­bei auf Transparenz und Nachvollzieh­barkeit: Die ersten Kunden entwickeln AI-basierte Forecast- und Planungssysteme, die mit Da­ten aus der Vergangenheit sozu­sagen angelernt werden und anschlie­ßend Empfehlungen geben, wie auf be­stimmte Finanzkennzahlen reagiert werden sollte.

Führt das zu einem Paradigmenwechsel in der Prüfung?
Davon gehe ich aus, denn der althergebrachte Prüfungsablauf wird umgedreht. Wir nehmen von Anfang an Analytics an Bord und weisen den Wirtschaftsprüfer zu Beginn auf Auffälligkeiten hin. So können wir uns viel mehr auf diese konzentrieren.

Das heißt, der zeitliche Aufwand sinkt?
Wir müssen an dieser Stelle unterscheiden zwischen dem Aufwand auf Mandanten- und auf Prüferseite. Auf Mandanten­seite sinkt der Aufwand enorm, weil die Prüfer nur noch mit gezielten Nachfragen auf den Kunden zukommen, statt zum Beispiel vor­ab viele Interviews zu führen. Auf Prüferseite verschiebt sich der Aufwand zu qualitativ höherwertigen Prüfungshandlungen. Anstatt unfokussiert Stich­proben zu testen, wird mehr Zeit darauf verwendet, die wirklichen Risiken zu identifizieren, wobei Datenana­lysen ei­ne wichtige Rolle ein­neh­­men und für bessere Ergebnisse sorgen.

Bedeutet dieser Paradigmenwechsel, dass sich das Anforderungsprofil für Berater oder Prüfer ändert?
Ja. Gerade im IT-Bereich, der sich rasant weiterentwickelt, ist lebenslanges Lernen sehr wichtig. Dessen müssen sich Absolventen bewusst und dafür offen sein. Je­der Prüfer muss sich die Frage stellen, wie man neue Technologien so nutzen kann, dass sie die Arbeit für den Kunden und sich selbst erleichtern.


Torsten Berge ist nicht nur Dipl.-Oeconom und verfasste seine Diplomarbeit gemeinsam im Fachbereich Informatik – er ist außerdem Dipl.-Ing. (FH) Fachrichtung Innenarchitektur.
Bevor er bei Deloitte tätig war, absolvierte er Stationen im Ausland sowie bei anderen Big4. Ehemalige Kollegen überzeugten ihn vom Engagement bei Deloitte.


Konkreter: Wen suchen Sie aktuell?
Gerade suchen wir KollegInnen, die in Sachen Data Science, Machine Learning, neu­ronalen Netzen und verwandten Themen fit sind. Den Audit-Hintergrund vermitteln wir unseren Einsteigern on-the- job in gemischten Teams, bestehend aus Informatikern und Prüfern. Wir brauchen Team­player, offene und auch neugierige Charaktere. Damit das für beide Seiten gut funktioniert, hat Deloitte ein Programm aufgesetzt, das sich Analytics-Journey nennt. Dort absolvieren Hoch­schulabsolventen ein zweijähriges Trai­nee-Programm und durch­laufen verschiedene Abteilungen, etwa Au­dit & Assurance, Consulting, Financial Advisory so­wie Tax & Legal.

Aus Ihrer Zeit als Wirtschaftsprüfer: Gibt es ein Projekt, das Ihnen in besonderer Erinnerung geblieben ist?
In der Tat. Wir haben bei einem DAX-30-Konzern ein Continuous-Business-Monitoring eingeführt. Dafür haben wir alle ausländischen Tochterfirmen weltweit besucht und dort die Prozesse aufgenommen, also wie sie funktionieren und wie man sie sicher machen kann. Das DAX-Unternehmen hatte rund 200.000 Mitarbeiter weltweit – und dann kamen wir nach Tschechien und hatten zwei Termi­ne, jeweils mit einem der Geschäftsführer. Am Vormittag wurden wir noch zum Mittag­essen eingeladen, lehnten aber ab, weil der zweite Termin drängte. Der Geschäftsf­ührer erklärte dann, er kenne den zweiten sehr gut und wir hätten durchaus eine Stunde Zeit. Bei der zweiten Firma angekommen, setzt er sich dann auf den Stuhl des Geschäftsführers … Gerade, wenn es um ein Projekt wie ein internes Kontrollsystem geht, eine sehr interessante Situation.

Welche Tipps würden Sie unseren Lesern gerne mit auf den Weg geben? 
Dass es selten ‚die‘ perfekte Lösung gibt. Junge Absolventen streben mit voller Energie nach ‚dem‘ perfekten Ergeb­nis. Man muss sich dessen bewusst sein, dass es das perfekte Ergebnis meist nicht gibt, sondern nur gute oder weniger gute Lösungen, um ein Problem anzugehen. Wichtig ist für jeden Prüfvorgang, dass man das Geschäftsmodell des Unternehmens kennt – ist dem nicht so, kann man vorliegende Daten sehr schlecht einschätzen.

Share.