Hagen Müller – Wirtschaftsprüfer, Steuerberater und Senior Partner bei der dhpg

Season 7· 6. Mai 2025· 4461

Episode cover: Hagen Müller – Wirtschaftsprüfer, Steuerberater und Senior Partner bei der dhpg
0:004461
  • Dr. Theo SteiningerCo-Founder & CEO at Erium
  • Hagen MüllerAuditor, Tax Advisor, and Senior Partner at dhpg

Overview

In this episode, host Theo Steininger speaks with Hagen Müller, Senior Partner and auditor at dhpg, about the transformation of auditing through data analytics and AI. The two explore how generative AI and automation are changing audit practice, where the limits of these technologies lie, and what role sustainability reporting (CSRD/ESRS) plays in this context.

About the guest

Hagen Müller is an auditor, tax advisor, and Senior Partner at dhpg, a mid-sized audit firm, where he has worked since March 2019. He studied business administration at Freie Universität Berlin and was admitted as a certified public accountant by the German Chamber of Public Accountants in January 2015. In his role, he is responsible for classic annual financial statement audits, internal technical work on auditing standards and software, as well as data analytics and sustainability reporting. Outside of work, he is a passionate Hertha BSC fan.

Summary

Career Path: From Business Studies to Auditing

Hagen Müller describes how he developed an affinity for numbers and economic policy even before finishing school, shaped by his father, who had himself earned a doctorate in economics. He only discovered the profession of auditor during his studies, when the intersection of law and business fascinated him. Through student internships at one of the large audit firms, he gained the professional experience needed to pass first the tax advisor exam and then the auditor exam after completing his diploma degree - both while working full-time. His admission in January 2015 was a significant milestone that he consciously reflected on again at its ten-year anniversary.

Digital Transformation in Auditing: From Big Data to GenAI

Müller outlines how the industry has changed in several waves. As early as 2012 to 2014, technical capabilities for data analysis improved significantly as clients were able to provide data in a more structured way. At that time, the focus was primarily on statistically identifying outliers and patterns in booking data. AI was already a term being used, but not yet a tool in everyday practice. The real turning point came with the ChatGPT moment roughly two years ago, which initially triggered a wave of enthusiasm across the industry. However, the question quickly arose of how to meaningfully integrate language models into audit workflows - beyond simply summarising text or replacing a search engine.

Repetitive Tasks and the Compensation Effect of New Tools

Theo Steininger raises the example of the washing machine: efficiency gains often lead to doing more overall, not less. Müller confirms this pattern from his own experience with data analytics - more analysis meant more anomalies, more follow-up questions, more work - but also better audit quality. He emphasises that real efficiency gains only materialise when outdated, traditional audit procedures are actively dropped at the same time. Simply layering new technologies on top without removing obsolete methods ultimately overburdens colleagues. He considers the courage to let go of old practices to be the defining characteristic of modern auditing.

AI Adoption in Practice: Use Cases Rather Than Technology for Its Own Sake

Müller observes three groups within the industry: enthusiasts who want to map entire processes into AI; an open majority who need to be guided; and a small group that remains sceptical or disinterested. A key insight: general-purpose language models without clear use cases ('AI for AI's sake') lead to frustration, because poor prompts produce poor results and some colleagues conclude from this that the technology is not yet fit for professional use.

Discretionary Judgement and the Limits of AI in Auditing

Using the examples of provisions and materiality assessments in sustainability reporting, Müller illustrates where human expertise remains indispensable: financial statements contain figures accurate to the cent, yet behind them lie many estimates and discretionary decisions. Assessing whether a provision of 7.3 million euros is based on plausible assumptions requires years of industry experience across hundreds of audits. AI can technically prepare patterns and anomalies, but the final assessment - the act of judging - must remain with humans, also to ensure that decisions do not depend on any one person's state of mind on a given day. He describes the image of a 'diligent but uncritically producing team member' as an apt analogy for current AI systems.

CSRD, ESRS, and Sustainability Reporting as a New Audit Field

Müller explains the key concepts: the CSRD directive requires large and capital-market-oriented companies to produce sustainability reports, while the ESRS define the specific reporting standards. Analogous to traditional financial reporting, this gives rise to extensive reports - sometimes 20 to 100 pages long - that need to be audited. A central element is the materiality assessment: companies must independently determine which sustainability topics are actually relevant to their business model. This is precisely where Müller sees the most sensible application of AI: not the blind generation of reports, but the drafting and consistency-checking of content after humans have identified the material topics. He cautions against simply having AI write an entire sustainability report, as this typically produces bloated, low-value results.

Recommendations for Career Starters and Personal Conclusion

In response to the host's closing five questions, Müller identifies numerical data analysis as the area where he most wishes AI could do more, particularly for upstream databases that are difficult to access with today's tools. What impressed him most was the speed and creative quality of text generation in his first GenAI experiences. The 'superpower' he would wish for is an AI that better anticipates imprecise or contradictory human inputs and reads between the lines - much as people do in personal conversation.

Key takeaways

  • Auditing is 'academic craftsmanship': many activities are repetitive and standardised, which makes them particularly well-suited for AI support - but only if outdated methods are actively eliminated at the same time.
  • More data analysis does not automatically mean less work; it initially leads to more insights and therefore more anomalies to address - the compensation effect of new tools is real.
  • AI is not a universal autopilot: discretionary decisions, materiality assessments, and the evaluation of estimates require human expertise and cannot be delegated to a language model.
  • Use cases over technology hype: concrete application examples convince colleagues far more effectively than generic AI tools that no one uses productively without a clear task.
  • For mid-sized audit firms, training their own language models is rarely worthwhile, as general-purpose models are advancing so rapidly that in-house development efforts are quickly overtaken.
  • CSRD and ESRS create a new and extensive audit field: AI can assist with drafting and consistency-checking sustainability reports, but the substantive materiality decision must be made by humans.
  • Professional competence remains the foundation: anyone who wants to master technology as a tool must first master the craft - tools alone do not make a good carpenter.

Conclusion

The conversation with Hagen Müller illustrates clearly that AI in auditing is neither the feared job killer nor the long-awaited autopilot, but rather a powerful tool that only creates value when subject-matter expertise and technological understanding work together. The greatest gains arise where repetitive standard tasks are consistently handed off - but only when outdated routines are genuinely let go of at the same time. Human judgement on discretionary matters and responsibility for the outcome remain indispensable.

For Auditors and Tax Advisors

Concrete use cases and dialogue between domain and IT expertise are critical for successful AI integration. Introducing new tools without eliminating old processes creates more work, not less.

For Business Leaders with CSRD Obligations

The materiality assessment and the substantive direction of the sustainability report require genuine business decisions - AI can help with drafting, but cannot replace strategic reflection.

For Career Starters and Those Interested in AI

Solid professional knowledge remains the foundation; beyond that, it is worthwhile to develop a conceptual understanding of language models without getting lost in technical details - curiosity and the willingness to work at the edge of one's comfort zone are the most valuable qualities.

Show full transcript

Speaker0: Die IRIUM Podcast.

Speaker1: Heute zu Gast bei The IRIUM Podcast ist Hagen Müller. Er ist Wirtschaftsprüfer, Steuerberater und Seniorpartner bei der DHPG, wo er seit März 2019 tätig ist. Hagen Müller hat an der Freien Universität Berlin Betriebswirtschaftslehre studiert und wurde im Januar 2015 zum Wirtschaftsprüfer bestellt. In seiner Rolle bei der DHPG ist er maßgeblich für Themen rund Datenanalyse und Nachhaltigkeitsmanagement verantwortlich. Privat ist Hagen Müller am liebsten im Fußballstadion bei Hertha BSC.

Speaker2: Herzlich willkommen bei deren EM Podcast. Mein Name ist Theo Steininger und heute hab ich das Vergnügen, mit Hagen Müller zu sprechen. Hi Hagen, schön, dass Du da bist.

Speaker0: Hallo Theo, vielen Dank für die Einladung und ich freu mich sehr auf unser Gespräch jetzt.

Speaker2: Ich hätte nie gedacht während dem Studium in der Physik und teilweise Mathematik an der TU München, dass ich irgendwann mal mit Wirtschaftsprüfer, Steuerberater in Kontakt komme. Für mich total spannend. Ich lern bei den Gesprächen immer wahnsinnig viel dazu. Und ich fand's auch spannend, als wir ins Gespräch gekommen sind, noch mal zu sehen, welche Wege abseits der Naturwissenschaften man gehen kann. Wir haben's jetzt bei der Einführung schon gehört, Du hast Betriebswirtschaftslehre in Berlin studiert. Und was mich da natürlich erst mal primär interessiert, ist, okay, Hagen, Du hast Abitur gemacht und dann die Entscheidung getroffen, Du gehst jetzt nach Berlin, machst BWL, dann später den Wirtschaftsprüfer oben drauf. Okay, das war dann natürlich spät, aber so zu Beginn des Studiums, wie kam's zu der Entscheidung, dass Du sagst, okay, Betriebswirtschaftslehre, das ist es, was ich machen möchte?

Speaker0: Also ich hab die Entscheidung eigentlich schon deutlich vor meinem Abitur getroffen, dass ich in die Richtung was studieren möchte, bin ehrlicherweise auch son bisschen vom Elternhaus geprägt. Also mein Vater ist auch, hat auch studiert, hat auch promoviert in der der Wirtschaftswissenschaft und hatte deswegen immer 'n Berührungspunkt dazu und immer sone Affinität ja zu zahlen, die man ja auch idealerweise in dem Bereich hat und hab mich auch immer so für Wirtschaft interessiert, auch für Wirtschaftspolitik, also eigentlich eher so so was man eher unter der VWL vielleicht einordnen würde. Und wusste aber ehrlicherweise zu Beginn meines Studiums nicht, was 'n Wirtschaftsprüfer ist. Also das hab ich erst im im Rahmen des des Studiums kennengelernt sozusagen diesen Zweig, Weil das ist ja das Schöne an der Betriebswirtschaftslehre, dass sie ja, sich relativ breit ausfächert dann und man dann grade so im Grundstudium sich son bisschen orientieren kann, wo wo die BWLer ja noch alle das Gleiche machen, und wo sie's dann son bisschen reinsortiert, die einen eher so in diese Fächer Marketing, Personalwesen. Dann gibt's die, die besonders gut rechnen können, die gehen dann eher so in den Financebereich.

Speaker2: Mhm.

Speaker0: Und ich bin so in der Schiene Steuern Wirtschaftsprüfung relativ früh dann gelandet, weil mir diese Schnittstelle zwischen dem dem Rechtlichen und dem wirtschaftlichen eigentlich immer sehr gut gefallen hat. Und so kam dann relativ früh dann doch schon die Entscheidung, in die Richtung zu gehen, dann über 1. Praktika mit der Branche, mit dem Arbeitsmarkt in Berührung zu kommen. Und deswegen stand dann, auch wenn am ganz am Anfang des Studiums noch der Beruf des Wirtschaftsprüfers unbekannt war, dann doch relativ schnell die Idee offen, sich in diese Richtung zu entwickeln.

Speaker2: Wenn ich's richtig aufm Schirm hab, dann hast Du jetzt neulich Zehnjähriges gefeiert. Januar 2015 war die, wie sagt man, Bestellung, Ernennung.

Speaker0: Richtig, also man wird bestellt, richtig von der Wirtschaftsprüferkammer auch noch 'n schöner schönes Event. Man legt ja auch einen Eid ab, also muss dann richtig richtig spüren, weil es ist ja man wird bestellt zum Wirtschaftsprüfer und dieses Ereignis war dann, ne, was sich da jetzt zum zehnten Mal geirrt hat, schon was Besonderes für mich, weil das ja dann quasi der der Endpunkt dieser, ja, dieser quasi zweiten Ausbildung ist, die man durchläuft, weil man macht ja einen ganz übliches BWL Studium und dann kommt ja hinten dran noch diese Examen und ich glaub, der eine oder andere weiß das, die die macht man nicht mal so nebenbei, sondern die sind sehr herausfordernd. Man macht diese beiden Examen parallel zu seiner normalen Arbeit, also breitet sich am Abend am Wochenende darauf vor, Innenfreistellung. Und das war dann quasi der der krönende Abschluss, wo man dann eben in den Berufsstand aufgenommen wird und dann eher noch mal sone ja, die Phase, die auf die man dann so lange hingearbeitet hat, dann einleiten kann und dann erreicht hat. Und deswegen ist das immer son son Tag, den ich mich gerne zurückerinnere und beim Zehnjährigen guckt man ja dann sonst ganz besonders noch mal so auf die Zeit zurück, die man erlebt hat.

Speaker2: Das heißt, Du hast während deiner Studienzeit zum Wirtschaftsprüfer aktiv schon gearbeitet,

Speaker0: oder? Richtig, genau. Also ich hab ganz normal als Student war ich als Werkstudent tätig bei 1 der der 4 großen Wirtschaftsprüfungsgesellschaften. Bin dann, weil man eben dieses Examen machen zu können, dann bestellt werden zu können, braucht man eine gewisse Berufserfahrung. Also man kann quasi nicht direkt nach Uniabschluss das Examen abschließen, sondern brauch in meinem Fall, ich war ja noch 1 der letzten Diplomstudiengänge, mindestens 2 Jahre Berufserfahrung, den Steuerberater zu machen. Und dann ein Jahr später hab ich den Wirtschaftsprüfer gemacht. Und das ist eben dann auch diese ganz besondere Herausforderung. Man arbeitet also ganz normal 40 plus x Stunden in der Woche und macht diese Vorbereitung dann parallel zum Arbeiten und dann eben in 'ner Freistellungsphase vor dem Examen, wo man dann ja wirklich von morgens bis abends lernt und das sind dann eben auch so so Dinge, an die man dann bei solchen Jubiläen auch mal sich wieder erinnert, wo man aber ehrlicherweise sehr froh ist, dass man das hinter sich gebracht hat.

Speaker2: Ja, das kann ich mir vorstellen. Wie kam's dann dazu? Seit 2019 bist Du jetzt bei der DHPG. Mhm. Wie kam's dazu, dass Du genau zu DHPG gegangen bist? Hast Du den Schritt auf die Firma Hast Du den Schritt auf die Firma zugetan? War da jemand, der auf dich aufmerksam geworden ist? Wie kam's da dazu? Ja, da hab ich sozusagen eine ganz unromantische Story, wie ich zur DHPG gekommen bin, nämlich

Speaker0: über Französischheld Hunting. Also das war, ich war ja dann zu der Zeit junger Wirtschaftsprüfer und hatte ehrlicherweise zu der Zeit relativ viele Anrufe von Headhunter und irgendwann der ein oder andere kennt das nervt das ja auch, weil man hat ja auch immer das Gefühl, die sind jetzt nicht so wirklich ganz so gut vorbereitet und telefonieren da ihre Listen ab. Aber da hatte ich dann 'n 'n gutes erstes Gespräch mit dem Headhunter und was ja dann viel entscheidender war, als ich dann hier mit den ja, meinen jetzigen Kollegen von der PG in den ersten Gesprächen in Kontakt kam. Und da, das kann ich schon ehrlich sagen, das war so ja quasi wie beim ersten Date, wie beim ersten Treffen, da hat's gleich Klick gemacht. Mhm. Das war eben für mich dann son son Moment, wo ich dachte, ja, also da hab ich Bock auf diese Person, auf diese Firma. Das macht 'n sehr guten ersten Eindruck und auch nachm zweiten und dritten Gespräch hat's dieser positive Eindruck dann auch auch nicht verflüchtigt ganz im Gegenteil, er hat sich verfestigt.

Speaker2: Sehr cool. Kannst Du beschreiben, worin besteht deine aktuelle Rolle bei der DHPG?

Speaker0: Ja, sehr gerne. Also ich bin, man würde mich immer als Generalisten in der Wirtschaftsprüfung bezeichnen. Ich bin ja auch Steuerberater, da würde ich ganz klar sagen, dass das habe ich son bisschen abgelegt, die Tätigkeit da, sondern ich bin wirklich zu hundertprozentig in der Wirtschaftsprüfung tätig, mache auch noch ganz klassische Mandatsarbeit. Mhm. Also führe wie 'n Prüfungsleiter, die die Prüfung durch zusammen mit meinem Team und bin darüber hinaus in der der PG auch in der in der ja, Facharbeit tätig, wie wir's nennen. Also wo wir uns eben Gedanken machen müssen, welche Änderung gibt es in Prüfungsstandards? Wie wollen wir die in in unseren Prüfungsprogramm umsetzen? Wie wollen wir unsere Software ausrichten, da möglichst effizient tätig zu sein? Also neben der klassischen Facharbeit bin ich auch einen inzwischen großen Anteil sozusagen in der Internarbeit zuständig, wo es eben darum geht, wie wir uns als DAPG aufstellen und interne Fortbildungen, das sind so Themen, die sozusagen meine Woche noch ergänzen neben der klassischen Mandatsarbeit. Mhm, mhm, mhm.

Speaker2: Und wenn Du auf die letzten Jahre so zurückblickst, eben seit der Ernennung 2015. Du beschäftigst dich viel mit Datenanalyse, jetzt auch mit dem Einsatz künstlicher Intelligenz. Es kommen natürlich immer wieder neue Fachthemen auf, wie jetzt zum Beispiel eben das Thema Nachhaltigkeitsberichtserstattung ESG, ESG, CSRD, das müssen wir nachher noch mal auseinandernehmen, was da der Unterschied und die Terminologie sind. Wie hat sich das Thema entwickelt? Also ich denke mir, vor allem so das Thema des Wirtschaftsprüfers war vor, gehen wir mal ganz weit zurück, ja? 60 Jahre, 70 Jahre in der Vergangenheit, noch sehr Akten, Ordner. Man muss Dokumente wälzen getrieben. Ja. Vielleicht sogar nur zum gewissen Teil numerisch auch getrieben, weil man gar nicht so sehr rechnen konnte, ja, dass man dann vielleicht eher Stichproben gezogen hat. Und ich kann mir vorstellen, dass sich da immer mehr Richtungen automatisierte Datenverarbeitung und Number Crunching verschiebt. Mhm. Jetzt in der Zeit, seit der Du im Business bist, hast Du da auch eine Transformation schon wahrgenommen

Speaker0: über die ganze Zeit hinweg oder erst jetzt so richtig mit dem ChatGPT Moment vor guten 2 Jahren? Nee, absolut. Also ich würde mal, wenn man's mal so ganz grob einordnen, jetzt auch aus meiner persönlichen Perspektive, war's so 2012, 2013, 2014, also in dem Bereich, wo sich insbesondere das Thema Datenanalyse deutlich weiterentwickelt hat, Mhm. Weil einfach die die technischen Möglichkeiten besser wurden, aber eben auch, Du hast es angedeutet, die Mandanten uns ja auch besser mit Datenversorgung versorgen konnten. Also das klassische Problem, wie komm ich eben an Daten, auf die ich mich verlassen kann? Wie umständlich ist, dass die von einem System in in ein Auswertungssystem zu schieben? Das hat sich einfach in der Zeit deutlich verbessert. Und auch wenn ich jetzt son bisschen mit dieser ganzen KI Erfahrung, die wir ja jetzt die letzten 2 Jahre gesammelt haben, so zurückblick auf die Zeit, dann war KI damals schon 'n Begriff, den es auch gab. Und es war immer son bisschen, weil wir in der Datenanalysen vor allem eher relativ profane Dinge gemacht haben. Eben, wir wollten Ausreißer entdecken, wir wollten Muster erkennen, also jetzt aus rein statistischer Sicht gar nicht so das ganz große Hochwerk, aber eben systematisch an das Zahlenwerk rangehen, ganz einheitlich das Zahlenwerk analysieren. Und da war auch in der Diskussion damals immer, ja irgendwann haben wir dann die KI. Also ich hab immer gesagt, die KI ist son bisschen der der große cooler Bruder der Datenanalyse, den wir zu dem Zeitpunkt eben noch nicht hatten. Und dann wird sich ja der eine oder andere wird ja auch diesen Moment gehabt haben, dann war auf KI auf einmal da. Also das war für mich jetzt so ziemlich genau vor 2 Jahren, als dann ja bei mir persönlich dann in LinkedIn ich so die ersten Beiträge zu zu dem Thema ChatGPT gesehen habe. Und wo wir ja dann alle ganz ganz aufgeregt, ganz euphorisch diese Modelle dann getestet haben. Und da war dann eben auch relativ schnell die Idee, wie können wir das eben in 'nem beruflichen Umfeld nutzen, was über das hinausgeht, was wir am Anfang wahrscheinlich alle gemacht haben, quasi ChatGPT und die anderen Sprachmodelle wie sone Art Google Ersatz zu benutzen, einfach an Informationen zu kommen und dann 1. Texte generieren zu lassen, wie kriegen wir das eben in das Thema Datenanalyse rein? Also wie können wir quasi die die Sprachmodelle wie einen Assistenten benutzen, der uns bei der Auswertung der Daten hilft? Und dann jetzt sozusagen der Schwenker in die Nachhaltigkeitsberichterstattung, also die CSRD Richtlinie, die uns ja, dann jetzt die 1. Abkürzung aufzugreifen, die dem großen Unternehmen und den kapitalmarktorientierten Unternehmen ja vorschreibt, diese Nachhaltigkeitsberichte zu erstellen. Die ESRS sind dann eben die ja, die die Grundlagen, nach denen diese Berichte zu erstellen sind. Also es sind sehr dezidierte Vorgaben, also quasi wie wie man's ja aus aus der Rechnungslegung kennt, wo es ja auch die gibt, sind sozusagen das die Vorschriften, wie eben zum Nachhaltigkeitsbericht auszusehen hat. Da war dann eben auch schnell die Idee da, neben dem Feld der Datenanalyse, dass eben KI unterstützt durchzuführen in Zukunft, wie uns das Thema auch bei der Beratung, bei der Erstellung, aber dann später auch bei der Prüfung von Nachhaltigkeitsberichten helfen kann, weil es ja eben 2 Elemente auf jeden Fall mitbringt. Einmal das generative Element der KI, also dass es uns hilft, Texte zu schreiben, aber eben auch das analytische Element. Und da hatten wir ja auch im Vorgespräch drüber gesprochen, ich bezeichne Wirtschaftsprüfung auch immer gerne als akademisches Handwerk. Also wir haben relativ viele Dinge, die jetzt aus akademischer Sicht gar nicht hochtrabend sind, dass wir eben a mit b vergleichen und dann eben schauen, dass da unsere Erwartungshaltung erfüllt wird im Sinne von a muss größer als b sein oder a muss gleich b sein. Und dadurch haben wir relativ viele auch repetitive Tätigkeiten in der Wirtschaftsprüfung, wo's natürlich immer spannend ist, das mit mit KI zu unterstützen oder gegebenenfalls auch mit den APAs, wenn ich noch mal eine Abkürzung benutzen darf, also den durch Roboter. Richtig, also durch durch Roboter unterstützte Tätigkeiten, die diese Themen durchzuführen. Was, wenn ich dann sozusagen mal in den ganz großen Kreis schließen darf, ich auch sehr, sehr spannend finde, weil das ja auch son bisschen ja, der der Nachteil der Wirtschaftsprüfung ist in Anführungsstrichen, dass man eben dieses Handwerk immer und wieder anwenden muss. Weil die Prüfungsstandards und eben vorgeben, in gewissen Weisen Prüfungshandlungen verpflichtend durchführen. Deswegen es wiederholt sich auch oft, man hat da relativ viel Dokumentationsaufwand in der Prüfung. Und das kann, glaub ich, zu einem gewissen Grad eben KI abnehmen, was den Beruf aus meiner Sicht dann wieder noch 'n Stück attraktiver macht, weil wir prüfe uns dann, und so ist ja auch die Idee eigentlich für alle Branchen, diese Themen an die KI, an die Robotik abgeben können, um's dann wirklich auf die noch spannenderen Themen konzentrieren zu können.

Speaker2: Du hast jetzt 1000000 Bälle schon übern Zaun geworden. Ich ich werf mal die oder ich ich nehm mal die ersten auf. Zu dem letzten Punkt, wie siehst Du das bezüglich des die repetitiven Arbeiten werden abgenommen, ja? Das ist natürlich 'n valider Punkt und ich bin mal noch nicht ganz sicher, was ich davon zu halten hab, ob das wirklich bis ins letzte Detail erstrebenswert ist. Denn wenn ich jetzt mal auf meine Tätigkeit gucke, das heißt, okay, Start up Founder, Roller ist CEO, kleines Team, man ist irgendwo Mädchen für alles, ja? Auf der anderen Seite gibt's natürlich gerade deswegen auch vieles zu tun, was man gerne wegautomatisieren möchte. Und ich hab 2 Dinge bemerkt und zwar, es gibt ja diesen super Kompensationseffekt, wenn Du 'n neues Werkzeug hast und zwar Ja. Mit Einführung der Waschmaschine wurd der Aufwand, Wäsche zu waschen, auf 20 Prozent reduziert, aber die Leute waschen jetzt achtmal so viel wie früher. Das heißt, Du bringst Du verbringst effektiv mehr Zeit mit der Thematik, also dein dein Effizienzsteigerer hat dafür gesorgt, dass Du jetzt unterm Strich noch mehr arbeitest. Das heißt, genauso war's bei mir oder oder auch bei den bei den Kunden, wo ich seh, also so so vor allem im Management, ja, Du Du kriegst 'n Performancegewinn und packst dir damit aber überproportional mehr in Kalender. Das heißt, klar hat sich bei mir der Output, wenn's jetzt drum geht, Statements zu verfassen, Strategien auszuarbeiten et cetera vervielfacht. Aber Punkt 1, ich hab quasi vom Workload her superkompensiert. Und Nummer 2 ist, für mich sind nur noch die superharten Dinge übrig geblieben, weil irgendwas auszuformulieren macht jetzt die KI für mich. Ja, und wie ist das in der Wirtschaftsprüferbranche? Ich kann mir vorstellen, na klar ist es nervig, dass man irgendwo mal systematisch durchgeht repetitiv. Auf der anderen Seite ist es ja auch etwas, wo ich sage, ja okay, jetzt kann ich endlich mal durchschnaufen und hab schon fast meditativ hier eine Möglichkeit, mir noch mal etwas auch durch den Kopf gehen zu lassen, während ich eine eigentlich stumpfe Tätigkeit mach.

Speaker0: Gebe ich dir absolut hundertprozentig recht. Das ist auch sone Diskussion, die wir übrigens damals auch in dieser Phase 2012, 2013, 2014 sehr intensiv geführt haben, weil da war oft der Aufhänger, wir wollen mehr Datenanalysen machen, Mhm. Damit die Prüfer effizienter wird. Damit wir weniger prüfen müssen. Mhm. Hat genau zum Gegenteil in der Tat geführt, weil wir haben ja viel mehr erkannt bei den Mandanten. Ja, ja. Und hatten eben dann auch, das ist ja auch das das Problem der Datenanalyse, setzt sich intensiver mit dem Buchstoff auseinander und alles, was man dort findet, ist ja erst mal nur auffällig. Zum Beispiel, weil's an einem bestimmten Tag gebucht wird, was ich nicht erwartet habe, weil's eine bestimmte Höhe hat, die ich nicht erwartet habe, weil's eine bestimmte Person gebucht hat, von der ich nicht erwartet habe, dass die Umsatzerlöse bucht. Mhm. Und damit muss ich mich dann auseinandersetzen. Das heißt, man verbessert definitiv die Qualität der Wirtschaftsprüfung durch Datenanalyse, aber man hat auch erst mal viel mehr Themen, mit der man sich beschäftigt und da gilt dann ja dieser an sich einfache, aber so unheimlich wichtige Satz, immer wenn man was Neues macht, muss man irgendwas anderes streichen. Und das ist eben was, was wir Wirtschaftsprüfer versuchen, eben das, was Du am Anfang angedeutet hast, so dieses Klischee des Wirtschaftsprüfers, Belege sich angucken, Belege abhaken, gucken, ob im in der Buchhaltung die gleiche Zahl steht wie wie auf dem Rechnungsbeleg. Davon da müssen wir loslassen. Mhm. Auch wenn uns es ja immer sone gefühlte Sicherheit gibt. Also ich glaub so so hobbytypologisch kann man sagen, der Wirtschaftsprüfer fühlt sich besser, wenn er 20 Papierbelege sich anguckt, auch wenn er, weiß ich nicht, 100000000 Umsatz in seinen Mandanten hat, als man da eine Datenanalyse macht. Mhm. Mhm. Und deswegen, das ist in der Tat 'n 'n ganz entscheidendes Thema, was ja auch eben die Facharbeit prägt. Wie schaffen wir es eben nicht nur immer was oben rauf zu packen, was ja dann auch die Kolleginnen und Kollegen dann immer auch an den Rande der Überforderung bringt, dass eben dann die Dokumentationsanforderung und und der der rote Faden der Wirtschaftsprüfung immer länger wird, dass man dann eben auch ja in gewisser Weise 'n Mut hat, sozusagen traditionelle Prüfungshandlungen einfach loszulassen, sich dann auf diese Themen zu fokussieren. Das unterscheidet eben eine 1 moderne, gute Wirtschaftsprüfung dann eben von der Wirtschaftsprüfung aus dieser Übergangsphase, wo man immer noch an diesen traditionellen Prüfungshandlungen festhält, gleichzeitig aber eben auch immer diese neuen Tools mit einpflegt. Und deswegen ist das nach wie vor sone Übergangsphase und auch völlig richtig, ich kann auch nicht 8 Stunden am Tag Wirtschaftsprüfung hochwerk betreiben, damit ich auch ganz ehrlich. Deswegen, das da klingt immer so schön, wir streichen alle repetitiven Tätigkeiten, alle Seidenbestätigung, alle Abstimmentätigkeiten macht nur noch der Roboter. Und ich beschäftige mich 8 Stunden mit der Bilanzierung von Derivaten. Das funktionierte ehrlicherweise auch nicht. Aber man muss dann halt versuchen, dann 'n Mittelweg zu finden, einerseits diese neuen Tools gut einzustreuen, sich dann eben auch nicht blind drauf zu verlassen. Das ist vielleicht der der nächste Ball, den ich zuschmeißen kann. Das sind ja dann auch dann diese Schlagworte wie, also dass die KI sagt, das ist auffällig, dabei ist es gar nicht auffällig. Und das das müssen wir immer noch lernen. Und grade jetzt bei der KI, wir sehen's ja auch grade, wo jetzt auch verschiedene Modelle, die vielleicht auch aus anderen Ecken der Welt kommen als USA und Europa, wo wir dann fragen, ja, wie weit können wir uns eigentlich darauf verlassen, dass, wenn die KI da etwas für uns beurteilt, etwas vorbereitet? Das wird eben, denk ich, auch noch sehr stark unsere Tätigkeit prägen, dass wir wirklich KI immer auch als Werkzeug benutzen, aber auch immer kontrollieren und infrage stellen, ob dieses Werkzeug wirklich grade richtig funktioniert in dem Sinne, wie ich wie ich's für meine Prüfung brauche.

Speaker2: Und was beobachtest Du bezüglich der Adaption dabei einerseits natürlich dir selbst, aber auch bei den Kollegen, die vielleicht jetzt quasi ihrer Natur nicht ganz so nah an Themen dran sind? Ich hab 'n LinkedIn Post gesehen von Uwe Stengert, der geteilt hat, ein Papier, ich hab's grad noch mal vor mir. Mhm. Künstliche Intelligenz in der Praxis, Neu Horizonte oder Bedrohung für die Steuerberatung, Whitepaper vom Steuerberaterverband Niedersachsen, Sachsen Anhalt. Und der ist so ganz knapp zusammengefasst, was einfach schon passiert ist und wo die Reise so ein bisschen hingehen kann. Und ich find da auffällig, dass von den beschriebenen Lösungen sich so paar Muster abzeichnen. Nämlich einerseits werden natürlich die normalen GPT Claude Mysteralgemini Modelle genannt. Okay, die sind sozusagen erst mal weltwissensunspezifisch unterwegs. Dann gibt's sozusagen die Fachverlage wie DATEV, Deutner, Haufe, ja. Haufe sitzt auf 'nem extrem wertvollen proprietären Wissensschatz, den die jetzt für eine KI zugänglich machen. Aber da denke ich mir immer, ja okay, da benutzt man halt KI wie eine schlaue Suchfunktion, die verstehen kann im Ansatz, was ich eigentlich möchte, ja, aber das ist ja im Wesentlichen vor allem ein dickes Rack System auf die bestehende Wissensdatenbank obendrauf. Und dann geht's schon relativ schnell in den in den Ausblick, nachdem's quasi noch 'n paar Lösungen in dem Paper gibt, die halt so auf super zugespitzte Einzelanwendungsfälle hin getrimmt wurden. Also hochgradig fein getunte Anwendungen fürn ganz bestimmten Sachverhalt in der Steuerberatung. Aber so dieses dynamische, diesen dynamischen Steuerberater, den dynamischen Wirtschaftsprüfer, den ich quasi so als Body wie 'n flexiblen Mitarbeiter zur Seite hab, hab ich ja hier an der Stelle noch überhaupt gar nirgendwo. Und das spricht für mich dafür, also a, was wir ja bei Erium auch beobachten, den Fachprozess in die KI reinzubringen, ist gar nicht mal so einfach, ja? Also das ist wirklich etwas, das ich auch von mir aus tun muss als Fachexperte und nicht der IT Abteilung überlassen kann. Und auf der anderen Seite fällt's mir aber auch schwer, quasi diese Abstraktionsebene einzunehmen und dann lande ich eben wieder bei Rack Bots, Vanilla GPT oder super zugespitzte Applikationen, wo ich die KI am Ende gar nicht mehr sehe, ja? Und was mich da, ums jetzt noch mal, da die die Kurve zu kriegen, interessiert ist, wenn Du jetzt mal auf deine Kollegen guckst, was akzeptieren die? Was wollen die haben? Also erwarten die eine Lösung, die ja, dass die sich nicht mehr damit abmühen müssen, sich in was Neues einzuarbeiten oder sagen die, jo, her damit, gib mir gib mir mehr von der KI, ich will da auch was reinbuttern, ja, ich will die so designen, dass sie sich so verhält, wie ich ganz persönlich arbeite. Hast Du da einen Trend bei dir in der Firma wahrgenommen?

Speaker0: Ja, also ich glaub, der der Trend ist nicht nur DEAPG spezifisch. Ich meine erlauben, mir zu können, das für die ganze Branche son bisschen zu beurteilen. So wie wie bei jeder technologischen Veränderung dividiert sich ja der Buchstaben wieder noch 'n Stückchen weiter auseinander. Also es gibt eine Gruppe, die das Thema sehr intensiv vorantreibt und eben versucht quasi, den kompletten Erstellungsprozess darin abzubilden, wo man auch so Feststellung treffen kann, dass sich so was auch entwickelt hat in den letzten 2 Jahren. Also eben, man hat, glaub ich, in der Anfangsphase erkannt, na ja, diese Allgemeinsprachmodelle sind ja ganz nützlich, mir Texte zusammenfassen zu lassen, vielleicht mal eine etwas kompliziertere Sprache in in der Übersetzung zu bemühen, mir Tage sofort zu formulieren. Das war dann relativ schnell nice to haves in in der Branche. Dann hat man sich, glaube ich, angefangen, Gedanken zu machen, zumindest 'n Teil des Berufsstandes, bauen wir jetzt eigene Sprachmodelle. Und da trifft er dann auch, was ich aber auch total spannend finde, was wir auch in der DHPG jetzt sehr intensiv haben, wenn dann die die Techniker, die Informatiker auf auf uns BWLer treffen. Das sind unheimlich, zumindest für mich spannende Gespräche, weil da wirklich mit 2 unterschiedlichen Perspektiven raufgeschaut wird. Und in der Phase befinden wir uns aus meiner Sicht jetzt mittendrin, Mhm. Dass man eben auch beide Gruppen son bisschen abholen muss, weil die eine Gruppe, also sprich die die BWLer, die die Wirtschaftsprüfer, ja, die hätten am liebsten die diesen Roboter wünschen die sich, der quasi den den den Prüfungsassistenten unterstützt beziehungsweise ja auch in gewissen Situationen, Stichwort Fachkräftemangel ersetzen muss. Und dem eben auf der anderen Seite die die Informatiker, die eben einen technischen Blick auf die Modelle haben und dann eben sehen, dass vieles, was sich so gewünscht wird, nicht funktioniert, also im Sinne von, wir trainieren uns jetzt mal 'n Modell an. Und ich glaube, da da wird's auch einige geben, die das vielleicht probiert haben. Da nehm ich jetzt eben den Trend dar, dass dies diese allgemeinen Sprachmodelle, dass die immer besser werden in der Veränderung, immer schneller werden, dass sich's kaum lohnt, insbesondere sone DHG als mittelständische WP Gesellschaft Eigensparmodelle zu entwickeln. Also das ist sone Diskussion, die son bisschen der Kreis führt, der sich sehr intensiv damit auseinandersetzt. Und dann gibt's den anderen Bereich, der sehr offen ist für das Thema, aber der son bisschen auch an die Hand genommen werden muss. Also ich glaube, das gilt nicht nur für eine Wirtschaftsprüfungsgesellschaft, sondern das ist auch eine 1 Empfehlung, die ich jedem Mandant mitgeben würde, jedem Unternehmen, die sich da eben mit in dem Bereich neu aufstellen wollen, dass nicht jeder voller Begeisterung dann diese Modelle benutzt und und sich auch son bisschen mit der Technologie dahinter beschäftigt. Also wir haben ja alle so in den ersten 2 Jahren, die waren ja sehr oder das 1. Jahr sehr stark davon geprägt, ja, wie funktioniert eigentlich dieses Thema Prompting? Also da kam ja dann auf son Begriff, den ich am Anfang son bisschen belächelt hab, Prompt Engineering, wo ich dann dachte, ja, ja müssen wir jetzt als als Wirtschaftsprüfung muss ich jetzt einen Prompt engineer einstellen, der der quasi uns vorgibt, wie diese Prompts funktionieren. Und da muss man einfach die andere Gruppe mitnehmen. Und was, was ich definitiv gelernt habe, 'n Großteil oder 'n gewisser Teil braucht auch einfach Use Cases, sich an das Thema heranzurrobben, was ich am Anfang völlig unterschätzt habe. Ich hab eben gedacht, wir müssen den Kollegen und Kolleginnen die Technologie zur Verfügung stellen und dann legen die von alleine los. Und die reißen uns dann quasi aus den Händen. Da ist es eher einen Trend, dass Use Cases entwickelt werden müssen und auch bei dem ein oder anderen ja auch Frustration aufgekommen ist, wenn eben dann bei 'nem schlechten Prompt auch schlechte Ergebnisse ausgespielt werden und teilweise dann auch, aber ich denk, das ist auch ganz menschlich, sone erhoffte Bestätigung immer entstanden ist, na ja, die KI kann ja doch noch nicht so viel. Und sie kann ja doch noch nicht so viel wie wie ich als fachlicher Berater benötige. Deswegen ist das nach wie vor son Thema, aber ich find das unheimlich spannend, wie wir die Modelle eben einstellen, wie wir sie feintunen. Aber dann eben immer in der Frage, wie was sind wir eigentlich als als Mittelständder in der Lage, zu fine? Und das eben so diese Spagat hinzukriegen, sich einmal mit den Technologien, die hinter diesen einfachen Sprachmodellen, also jetzt nicht einfach im im technologischen Sinne, sondern in der Anwendung einfach, wie ChatGPT und wie's alle heißen, Microsoft Co Pilot einfach dahinter zu schauen. Und das ist so, was auch mein Alltag jetzt 'n bisschen prägt, eben mit unseren IT Dienstleistern, unseren IT Kolleginnen und Kollegen gemeinsam zu erarbeiten, was wollen wir fachlich haben? Wo kann's eben unterstützen? Und was ist eben die Technik zu imstande? Weil eben den den Wunderkasten KI, in den ich irgendwelche Themen reinschmeiße und krieg dann quasi die das gleiche Ergebnis wie von 'nem erfahrenen Kollegen, das funktioniert halt leider so, noch nicht. Mhm. Mhm.

Speaker2: Also das auch noch mal aufn Punkt zu bringen, ich möcht nur unterstreichen, heute ein Modell von Grund auf zu trainieren oder selbst auch noch fein zu tun, also ist wirklich in den aller aller aller seltensten Fällen noch betriebswirtschaftlich sinnvoll. Vor allem, wir haben jetzt seit zum Zeitpunkt der Aufnahme des Release von Deep Siege R1 kurz hinter uns. Ich find den Impact, den die Veröffentlichung jetzt verursacht hat, bisschen übertrieben, ja, weil das letztlich absehbar war, dass einfach algorithmisch Fortschritte gemacht werden, die Kosten sowohl von der Architektur als auch von der Rechenpower, dass es einfach nach unten geht, auch mit Schritten. Nichtsdestotrotz sieht man, wer in das Training 1 eigenen Modells investiert hat. Na ja, das war halt eine Risikoinvestition, weil man sehr schnell überholt werden kann. Und dementsprechend also aus meiner Sicht wirklich sehr mit Vorsicht zu genießen. Eine andere Seite, die ich wahrgenommen hab, ist, ich war vorgestern bei PwC aufm Scaleup Event Jenna Eye Day in Frankfurt und wir waren als Teil des PwC Scale Programms mit Aussteller. Und wenn ich mir die anderen Aussteller angeguckt hab, dann sieht man son paar Grüppchen, die sich da formen. Und zwar auf der einen Seite hast Du die Hyperscaler, ja? Die sagen, hier ist das Modell, wir sind Infrastrukturprovider, mach, was Du willst damit, ja? Wir sitzen unten drunter, passt, ja? Okay. Dann hast Du die Anbieter, die eher aus der Robotic Process Automation gekommen und da halt stark sind und die Schrauben haben jetzt mit Zwang natürlich auch eine KI mit rein, ist klar, ja? Das müssen sie tun. Dann hast Du auf der anderen Seite die Baukastensystemanbieter, bei die sich bei denen sich dann alle so fragen so, na ja okay, und was mach ich jetzt damit? Dann kann ich ja doch wieder gleich zum Hyperscaler gehen, ja? Wenn man mit euch alles und nix machen kann, ja, so schwer. Und was ich da interessant fand, wir haben ganz bewusst gesagt, wir positionieren uns nicht als generischer Baukastensieferant, auch wenn ich mit Halerium alles Mögliche machen kann, aber wir haben Use Cases mitgebracht, nämlich ganz konkret den Use Case, wie Du zum Beispiel im Bereich Banking Risiken analysieren kannst oder es war 'n nettes Beispiel aus dem Legal Bereich. Ganz konkret ein Assistent, eine prompt Chain, einen prompt tree eigentlich, der mir dabei hilft, 'n erstes Assessment 1 Geheimhaltungserklärung vorzunehmen. Weil klar, ich kann jetzt nicht das finale Approval von der KI erwarten, dass sone Geheimhaltungserklärung sauber ist, aber ich kann ja zumindest mal so eine Analyse auf potenzielle Red Flags durchführen. Und das fanden alle sofort sehr greifbar und was da passiert ist, ja, Du hast die Technologie Hintergrund gerückt und den Mehrwert, den Use Case in den Vordergrund gestellt. Und damit kannst Du dann sofort was anfangen und verstehen, wo dir das was bringt. Und ich hör bei dir da jetzt grad raus, dass wenn die Leute sagen, ja okay, cool, KI, jetzt hab ich eine Copilot, aber was soll ich eigentlich damit machen? Ja. Ja, Dann ist es ja genau das, wo es dann auch in den Foren und online und auf Social Media heißt, so, ich zitiere einen, der meinte, wir haben jetzt Copilot für uns in der Firma, 20000 Mitarbeiter, ich kenne keinen, deren produktives Ergebnis da mit erzielt hat. Ja, weil einfach diese Vanilla prompt einfach für die meisten, ja okay, was mach ich jetzt damit? Ich ich denk mir doch jetzt nicht 'n KI Workflow aus. Hallo?

Speaker0: Ja, richtig. Also das ist genauso wie wie wir damals auch eine 1 Phase hatten, Datenanalyse der Datenanalyse wegen, müssen wir jetzt aufpassen, dass wir nicht KI da KI wegen machen. Ja, ja, genau. Ja, das das ist ja dann auch sozusagen der der andere BWL Bereich, wenn ich das mal so sagen darf aus dem Marketingbereich, die greifen ja sowas dann auch auf. Mhm. Also das das ging mir dann auch, wenn ich mal bisschen abschweifen darf. Auf einmal hab ich ich mir eine neue Zahnbürste kaufen müssen, auf einmal hatte die dann KI. Die war dann KI Ach so, ja. Gestürzt, ja. Und dann dacht ich so, okay, interessant. Aber das das sind dann eben diese Marketingauswüchse, die es aber auch nicht unbedingt besser machen, weil das führt dann eben auch zu 'ner anderen schwierigen Phase, wenn die Leute eigentlich dann son bisschen satt sind oder es satan besser formuliert. Ja. Das ich find immer wieder Parallelen zur Datenanalyse, wir hatten ja dann auch diese Begrifflichkeiten Big Data und und Vollprüfung. Die Leute konnten das nicht mehr hören. Weil sie dann eben auch gesehen haben, ja in der Datenanalyse, so haben wir eben diese false, also diese Fehlinterpretation. Und wenn man den Leuten nicht klar sagt, was Datenanalyse in der Lage ist und was sie nicht in der Lage ist, dann dann ist man ja auch nicht ganz ehrlich zu den Leuten und das muss man eben schaffen. Das müssen wir jetzt auch in der KI hinbekommen. Und das ist aktuell noch, aber ich find's nach wie vor unheimlich faszinierend, auch mit ganz viel Fleißarbeit verbunden, dass man eben diese Ideen, das hatte ich ja versucht son bisschen anzudeuten. Mhm. Wir müssen die Techniker mit mit den Fachlichen zusammenbringen, weil kein Mensch, der Informatik studiert hat und sich in diese KI Modelle sehr gut technisch reindenken kann, wird morgens aufstehen und denken, ja, ich hab jetzt hier einen einen Workflow von 'nem Wirtschaftsprüfer, den bau ich mal nach, sondern da müssen wir eben aufeinander zugehen. Wir als Anwender müssen klar formulieren, was brauchen wir im Einzelfall im Use Case, wie es ja immer so schön heißt und brauchen dann eben den den Techniker, der uns immer wieder abholt und sagt, das ist möglich und das ist eben nicht möglich. Also Stichwort Modelle sind nun mal vortrainiert. Ich kann die nicht eben ad hoc über meine meine Dateneingabe so trainieren, dass er dann eben weiß, wie spezielle Themen im HGB dann aus meiner Branchensicht zu handhaben sind. Das kann ich son Modelleben selber nicht beibringen. Aber das ist ja insoweit auch nicht schlimm, weil's ja Methodiken gibt über Prompting, über Meta Prompting oder über spezielle Modelle, das das zu bauen. Aber dass man da eben sich eine 1 klare Strategie macht, wofür wir's eben einwenden, aber eben das das strukturiert macht, weil sonst passiert das Gleiche wie in anderen Bereichen. Die Kollegen legen's beiseite und im schlimmsten Fall interessiert's dann auch keinen mehr, dass es nicht mehr benutzt wird, weil einfach die die Erfolgserlebnisse dann zu punktuell sind. Und das wird son bisschen die Herausforderung auch für unseren Berufsstand der Wirtschaftsprüfer sein, dass nicht die die Blase irgendwann platzt, sondern dass wir eben klar sagen können, wir sind in der Lage als Wirtschaftsprüfer, die eben keinen Informatikhintergrund haben im Einzelfall, diese Tools zu verwenden, aber eben auch immer Themen zu hinterfragen, Ergebnis zu hinterfragen, auch 'n klaren Blick haben auf datenschutzrechtliche Themen. Und das könnte dann definitiv auch 'n Bereich sein, wo wir auch anders als es andere Branchen KI wirklich mit in in den Feld reinführen, der für alle Beteiligten mehr Wert liefert.

Speaker2: Ich hab noch eine Frage, die sich genau auf diese Schnittstelle zwischen IT und Fach Fachbereich bezieht und damit ich das Ganze besser beschreiben kann, hast Du ein Beispiel für mich in der Wirtschaftsprüfung, wo ich nicht nur damit beschäftigt bin, Checkboxen abzuhaken. Na, also ich hab ein Beispiel, zum Beispiel die Prüfung, ich hab einen Nachhaltigkeitsbericht, der muss gewisse Kapitel umfassen und das ist ja immer so was supereinfaches, ja, dass Du jetzt mal schaust, wurde wurde jeder Bereich abgehandelt oder fehlt irgendwas im Bericht? Darüber hinaus gibt's ja noch Einschätzungen, wo Du über das Checklisten Abhaken hinaus Zusammenhänge dir anguckst, ist das Gesamtbild stimmig? Kannst Du mir da 'n Beispiel übern Zaun werfen, was dir vielleicht erst neulich passiert ist? Wo dir was aufgefallen ist im Prüfungsstoff, was sozusagen ja, mehr war als nur nur eine Einfall Checkbox?

Speaker0: Ja, also da gibt's in der Tat viele und das ist dann auch immer das das Hochrack der Prüfung. Man sitzt ja auch daran, für das, was Du da grade beschrieben hast, gibt's schon KI Unterstützung Lösungen. Ja, ja. Weil das ist ja, ob ich nun einen Lagebericht prüfe, wie er in der Vergangenheit existierte für den finanziellen Bereich oder ob der nun quasi diese CSD Themen beschreibt, ist ja eigentlich ja rein technologisch das Gleiche. Der Technik ist es egal, ob sie die Beschreibung 1 nichtfinanziellen Leistungsindikators oder der Einhaltung 1 bestimmten Strategie, die auf die Reduzierung von CO2 abzielt prüft. Was jetzt so aus der klassischen Prüfung immer hocheck ist, ist eben das das Finden von Mustern, von Auffälligkeiten oder eben auch Prüfung der Vollständigkeit, weil wir dann immer das prüfen müssen, ja, was nicht da ist und was vielleicht da sein müsste. Also wenn man mal sone Bilanz vor Augen hat imaginär, dann ist es fällt's uns prüfen relativ einfach, die Aktivseite, also die Vermögensseite der Gesellschaft zu prüfen, weil wir können eben prüfen, es ist eine Immobilie in in der Bilanz drin. Gibt's diese Immobilie? Hat die den Wert, der da im Bilanz steht? Aber wenn's eben darum geht, Schulden zu bewerten, Rückstellungsthemen zu bewerten, also Themen, die vielleicht irgendwann mal zu Verbindlichkeiten werden, dann ist das eben 'n Thema, was aktuell sehr stark noch über Berufserfahrung ehrlicherweise auch gehandhabt wird. Deswegen ist es eben wichtig, dass sonen Themen auch eine gewisse Diversität hat, dass es auch den den erfahrenen Wirtschaftsprüfer, den die erfahrene Wirtschaftsprüferin im Team gibt, die eben über den Quervergleich eben Dinge einschätzen kann. Und das ist son son bisschen mein Stichwort. Wenn ich über Berufserfahrung rede, dann liegt's ja nicht daran, dass wir Wirtschaftsprüfer uns irgendwelche übernatürlichen Fähigkeiten entwickeln dann quasi mit Blick auf die Bilanz, auch wenn das vielleicht son bisschen eine Klischee sein mag, wir gucken auf die Bilanz und sehen ja, da fehlt irgendwas, sondern wo kommt das her? Das kommt daher, dass wir einfach als Wirtschaftsprüfer 10, 15, 20 Jahresabschlussprüfung pro Jahr durchführen. Ich mach das jetzt seit 10 Jahren, also reden wir bei mir über 100, 150, 200 Bilanzen, die ich intensiv geprüft habe. Und da weiß ich eben, in bestimmten Konstellationen hab ich bestimmte Positionen zu erwarten. Aber es basiert dann eben immer so ja, ne, auf 'ner Lebenserfahrung und immer auf auf Thematiken, ja, die dann auch ehrlicherweise von meiner Tagesfrauen abhängig sind. Und das sind vielleicht auch Themen, wo wir Technologie nutzen können, einfach die diese Entscheidung da technologisch vorzubereiten, Auffälligkeiten zu finden und dann eben nicht abhängig von der Tagesform vom Zeitbudget 1 1 Menschen abhängig machen, sondern hier eben auch KI nutzen können oder Technologie im weitesten Sinne, uns bei bei dieser Entscheidung zu unterstützen, so was vorzubereiten, Auffälligkeiten, Muster zu erkennen, aber dann eben uns dann auch immer in der Position lassen, entscheiden zu dürfen, aber auch zu müssen, ob's tatsächlich auffällig ist.

Speaker2: Und hast Du 'n Beispiel? Ich kann's mir so vorstellen, es gibt das HGB auf der einen Seite, ja? Mhm. Und jetzt hast Du eine Bilanz vor dir und erst nachdem Du dich richtig reingegraben hast, kommst Du ja, okay, krass, wir haben hier eigentlich 'n Konflikt mit HGB, Paragraf sowieso sowieso Absatz 4, ja? Mhm. Hast Du dazu 'n Beispiel auf Lager, wo das nicht offensichtlich ist, dass es einfach nur 'n Abkloppern der Paragrafen war?

Speaker0: Ja, das das sind, also man hat ja in soner Bilanz unheimlich viele Ermessensentscheidungen. Mhm. Die hat man auf der Vermögensseite, wenn man eben Dinge hat, die jetzt nicht eben die Immobilie sind, die ich mir vor 3 Jahren gekauft habe, wo ich ganz genau weiß, Anschaffungspreis gemäß Notarvertrag 1000000 Euro, 3 Jahre Abschreibung, deswegen bin ich jetzt bei der Summe x, sondern und das macht der Wirtschaftsprüfung dann auch so interessant, dass Themen in der Bilanz, auch wenn sie ja centgenaue Beträge angibt, sone Bilanz, viele Schätzungen hat. Die hab ich auch in meiner Vermögensseite, dass ich meine den Wert meiner Beteiligung schätzen muss. Und das, das mein ich eben mit diesem Hochreg, insbesondere im im Rückstellungsbereich ja immer wieder schätzen muss, wie kommt der man da oder einschätzen muss, nach welchem Schätzverfahren der Mandant seine Rückstellung gebildet hat. Und da ist es eben dann auch nicht schwarz oder weiß. Und das ist dann auch, wenn ich noch 'n bisschen Werbung für den Berufsstand machen darf, was den Job so auszeichnet, dass man eben nicht abhakt, okay, es muss 7300000 sein. Ja, es sind 7300000 Haken dran, sondern der Mandant schätzt eben ein, nach seinen Annahmen, nach seiner Methodik, nach seinen Schätzverfahren, ich erwarte, dass aus aus diesen Rechtsstreit 7300000 Aufwendungen entstehen, sich dann eben mit den Mandanten auszutauschen. Wie kommst Du auf diese 7300000? Wie wurde dieser Betrag ermittelt? Und das sind eben so Themen, wo es quasi nicht darum geht, wie es im Gesetz geregelt, weil eben Gesetz ist eben insbesondere im im deutschen Recht ja nur sehr abstrakt geregelt, dass eben voraussichtliche Aufwendungen, die die der Höhe oder dem Grunde und Nacht noch unklar sind, abzubilden sind in der Bilanz. Und das sind natürlich die spannenden Entscheidungen, aber auch die die schwierigsten Entscheidungen 1 Wirtschaftsprüfers, das eben nachzuvollziehen.

Speaker2: Okay, wow. Also damit damit drückst Du meine eigentliche Intention der Frage genommen eine ganz andere Perspektive. Ich komm nämlich von der technischen Herausforderung, dass sich Frage und Antwort bei 'ner komplexen Fragestellung ja nicht decken, ja? Beispiel, was meine ich damit? Mal ganz hemmt sie heimlich, Du hast 'n Wartungsbuch oder einen Gesetzestext, ja? Ist jetzt erst mal nur eine Quelle von Information von faktischen von faktischen Regeln. Und wenn ich weiß, wonach ich suche, kann ich auch mit 'ner KI wunderbar finden, sehr schnell finden. Egal, ob das jetzt bei der Waschmaschine ist, wie entferne ich die Transportsicherung? Ja, dann wird eine KI genau die richtige Seite finden, bei der Waschmaschine mir dann zu sagen, wie ich die Transportsicherung entferne. Und wahrscheinlich ist es ohne wahrscheinlich, ja, das ist so, dass wenn ich jetzt einen Gesetzestext reingebe und jetzt beim Steuerberater frag, hey, was sind denn die Voraussetzungen für eine Betriebsaufspaltung? Wenn ich genau die Frage an die KI stelle, dann finde die genau die Texte auch wahrscheinlich rein übers Training und kann mir eine präzise Antwort geben. Aber die Frage ist ja häufig andersrum beziehungsweise implizit. Das heißt, bei der Waschmaschine hab ich die Situation, meine Waschmaschine rumpelt. Fuck. Was soll ich tun? Und das KI Modell kommt von sich aus ja nicht drauf, dass es dann die logische Brücke schlägt hinzu, ey, schau doch mal an, ob die Transportsicherung noch drin ist. Oder eben bei dem Schätzverfahren, da steht vielleicht drin, dass das Schätzverfahren so und so anzuwenden ist, aber andersrum die logische Brücke zu bauen, dass man dort überhaupt erst mal nachgucken sollte. Das ist ja etwas, das die KI von sich aus nicht kann. Und Du hast jetzt grade noch einen drauf gesetzt, nämlich hast Du den das Thema des Ermessensspielraums mit reingebracht, was es ja noch komplizierter macht. Und das finde ich ist 'n supercooles Beispiel, weil's auch wieder aufzeigt, ich hab mal für 'n ehrenamtliche für 'n ehrenamtliches Engagement mitgeholfen, eine Satzung für eine Genossenschaft zu konzipieren, ja? Also erst mal nur zu definieren, was wollen wir eigentlich haben, weil Du hast ja Gestaltungsspielraum. Und so als Physiker hab ich die logischen Zusammenhänge alle korrekt abgebildet. Das heißt, die Satzung, die wir dann an die Prüfer gegeben haben, die das Ganze uns dann noch mal quasi glattgezogen haben, die haben gesagt, hätten wir schon so machen können, war halt nur verdammt kompliziert alles, ja. Warum? Weil die halt wussten, na ja, das muss man nicht spezifizieren, das ist klar. Hier reicht's, wenn man das so und so beschreibt, dann muss man das nicht alles durchdeklinieren, ja. Also die haben genau gewusst, was ist im Rahmen des üblichen Ermessensspielraums klar und wo muss man noch mal genauer werden? Und genau das gleiche Verhalten, das ich da quasi als Laie gezeigt hab, der logisch denken kann, seh ich's bei den Modellen, bei den Sprachmodellen, dass die vielleicht etwas liefern können, wenn man sich viel Mühe gibt auch, ja? Das theoretisch zwar passt, aber spätestens dann eben bei der Berufserfahrung beim Ermessensspielraum an seine Grenzen stößt. Und spätestens da mach ich mir gar keine Sorgen mehr, dass wir alle von der KI ersetzt werden. Ja, ja. Weil es ist son weiter Weg.

Speaker0: Ja. Ja, absolut richtig. Also das man könnte ja auch vielleicht son bisschen das das das Bild ziehen. Die KI ist dann vielleicht auch das Teammitglied, was unheimlich fleißig ist, unheimlich produziert, aber ich glaub jeder, der schon mal 'n Team geführt hat, weiß auch, das können auch gefährliche Mitarbeiter sein, die einfach unheimlich viel Content produzieren, den ich aber immer wieder einzusortieren habe und ja, bin auch der festen Überzeugung, da schließe ich mich auch ganz bewusst ein, wir Menschen sind von Natur aus eben auch faul. Deswegen ist es auch dieser diese Begeisterung, die glaube ich am Anfang auch für vor KI KI entstanden ist, ja ich muss ja gar nix mehr machen. Die KI schreibt mir jetzt alles und dann benutze ich eine andere KI, das dann noch zu prüfen, so nach dem Motto. Das ist dann eben auch mal so der die Problematik, die wir dann sehen, sind wir auch wieder vielleicht beim Thema Nachhaltigkeitsberichterstattung. Na klar kann ich der KI sagen, auch über tolles Prompting, schreib mir 'n Nachhaltigkeitsbericht und schreib ganz viel über Wasser, schreib aber nichts über Biodiversität, dann die KI sagt niemals nein. Sie sagt niemals, heute nicht oder ich sie sagt vielleicht noch, ich versteh deine Frage nicht, bitte gib mir noch mehr Informationen. Aber sie wird immer die Frage beantworten und zumindest nach nach meiner Kenntnis wird sie auch niemals sagen, ich bin mir grade total unsicher, deswegen geborene ich dir mal die Antwort, sondern im Zweifel spekuliert sie ja eben auch. Man kann das natürlich die Modelle auch auch einstellen, auch wieder, so wie ich das als Laie immer immer sehe, über über Metaprompting eben dem Modell zu verbieten, zu spekulieren, wo ich als Anwender immer hoffe, dass das wirklich dann nicht passiert. Als Techniker hat man da wahrscheinlich immer noch 'n anderen Blick drauf. Aber es führt eben auch dazu, da werden wir uns auch als Prüfer im Bereich der Nachhaltigkeitsberichtsprüfung mit auseinandersetzen müssen, weil diese Nachhaltigkeitsberichte auch bei mittelständischen Unternehmen, wir erwarten da Berichte, die nicht wie in der Vergangenheit die Lageberichte 5, 6, 7, 8 Seiten haben, vielleicht mal 12, vielleicht mal 15 Seiten, sondern wir reden dann über 20, 30, 40, vielleicht sogar 100 Seiten. Weil eben, wir hatten die die Abkürzung ja schon erwähnt, die CSRD, also das eigentliche Gesetz vereinfacht gesprochen, wird ja konkretisiert durch diese Vorschriften aus den ESRS, die eben sehr dezidiert vorgeben, welche Themen ich mache. Es gibt dann den Begriff, über den stolpert man dann auch relativ schnell, wenn man sich mit dem Thema auseinandersetzt, die Wesentlichkeitsanalyse. Mhm. Dass man die Durchzüchtung, was ist eigentlich für für mein Unternehmen relevant? Und da muss unheimlich viel ja menschliches Brain Power reingesteckt werden, weil man dann einfach entscheiden muss, worüber will ich reporten? Das kann einen eben Technologie noch nicht abnehmen, sondern da dann eben aus meiner Sicht 'n schönes Beispiel, punktuell KI benutzen, Arbeit abzunehmen. Ich muss mich entscheiden, was sind meine Risiken in meinem Geschäftsmodell? Was sind meine Chancen? Was sind meine Möglichkeiten? Englisch, Iros? Ja. Die muss ich nicht alle ausformulieren. Wenn ich die Idee da habe, worum's geht, warum welcher, also welche welche Chance, welche Möglichkeit für mich relevant ist, dann kann mir KI helfen, die zu formulieren, die auszuformulieren, die auch in sich stimmig, dass das eine Risiko nicht dem anderen widerspricht. Dafür kann man KI aus aus unserer Sicht sehr gut verwenden. Aber vorher steckt ganz viel ja gedankliche Menschenleistung drin, eben da 'n Prozess aufzusetzen, wo man die KI ja aufgleist und dann fährt sie in die richtige Richtung. Aber dass dass ich meinem meiner KI sage, ich bin das Geschäftsmodell X. Ich habe 500 Mitarbeiter. Ich hab Niederlassungen in Deutschland, Italien, Türkei, schreib mir mal Nachhaltigkeitsbericht. Ich hoffe, da kein Mann, unser Mandanten kommt auf diese Idee, aber selbst wenn, würde da schnell eben erkenntlich werden, dass man da dann nacharbeiten muss, weil das die KI eben noch nicht so umsetzen kann, wirklich das auf die konkreten Fälle zu übertragen.

Speaker2: Du beschreibst ja damit eigentlich perfekt die 3 Seiten des Würfels 1 Autopilotensystems, was eben auch mal in die falsche Richtung fliegen kann. Also zum einen hast Du ja, also man tut keinen Gefallen damit mit dem Autopilotensystem. Stell dir mal vor, Du kriegst jetzt halt nur noch Berichte, die künstlich aufgebläht sind. Bringt nix, hat niemand was davon, hat mir keinem einen Gefallen damit getan. Also künstlich aufgeblähte Berichte, die rauskommen, wenn ich einfach nur aufs Köpfchen drücke, ohne zu reflektieren und es zu steuern. Auf der anderen Seite, wenn ich mir angucke, technisch könnte man ein System aufbauen, das in Teams eingebunden ist und zum Beispiel mal für die Wesentlichkeitsanalyse qua Organigramm alle unchattet, Informationen einzuholen. Aber jetzt stell dir mal vor, wie Du deine Organisation lahmlegst, wenn Du jetzt son K-I-Crawler auf deine Leute loslässt und Bereiche abfraggst, wo ein Experte sagen wird, hey, das ist völlig irrelevant, ja? Was wir jetzt hier fürn Wasserverbrauch aufgrund der Toilettenspülung haben, wir machen sonst überhaupt nix mit Wasser. Ja, also das ist ja quasi auch die innere Seite. Das heißt, man schadet mit diesen künstlich aufgebelähten Prozessen nicht nur den externen, sondern sich auch intern gegebenenfalls, wenn man die Organisation überfährt. Und der der nächste Punkt ist, was man bei dem Statement von dir ganz klar rausfährt, das ist dieses Element, KI als Werkzeug in den Händen 1 Menschen, beispielsweise bei 'nem Interview aus 'nem Transkript die interessanten Informationen rauszuziehen und die dann über Gespräche hinweg quer zu analysieren. Also das ist, was wir bei Systemassessments ganz stark machen, wenn wir uns 'n Blick vom von der Systemarchitektur beim Kunden machen. Wir machen Interviews und analysieren die quasi nicht nur im Interview, sondern auch quer über die Interviews hinweg. Aber die Interpretation, die übernehmen wir als Menschen und wir steuern die KI und auch wir sprechen mit den Leuten, ja, nicht die KI irgendwie als anonymer Chat. Und das finde ich, das ist etwas, das ich vor allem in der, jetzt Du hast vorhin die Marketingabteilungen erwähnt, ja, was ich so in der öffentlichen Kommunikation immer ganz anders beobachte. Da wird einem immer verkauft, so dieser omnipotente Autopilot KI Overlord, ja, den man, gib mir nur Geld und das Ding macht's komplett alleine.

Speaker0: Völlig richtig. Auch ein 1 große Gesellschaft in den USA benutzt er diesen Begriff auch für die eigenen KI Modelle, den den Begriff des Co Piloten. Das ja ist vielleicht auch in der Tat son bisschen irreführend, weil

Speaker2: man will ja nicht sagen. Okay, aber Autopilot, mit dem Autopilot, haben wir Aber aber selbst der der der Co Pilot,

Speaker0: er soll ja auch nie komplett das Steuer übernehmen, sondern also ich find eigentlich den den Begriff des Werkzeug, auf den komme ich immer wieder zurück, dass ich genauso wie ich hier in der Vergangenheit Excel benutzt habe, mir schneller Tabellen zu erstellen über irgendwelche Pivot Tabellenfunktionen, will ich eben jetzt KI verwenden, mir im Alltag Arbeit abzunehmen und eben an den Einwohnern erstellen vielleicht auch auf auf Ideen zu kommen oder mir Möglichkeiten zu erschließen, die ich ohne diese Tools nicht hätte. Aber deswegen ist es eben aus meiner Sicht auch völlig unkritisch. KI wird Berufe wie wie Steuerberater, wie Wirtschaftsprüfung aus meiner Sicht nicht ersetzen können, weil einerseits, Gott sei Dank, ist es ja immer noch 'n People Business. Man will einen Berater haben. Man will als als Unternehmer, denk ich, auch da jemanden sitzen haben, mit dem man auch mal sprechen kann, ja, wie wie legt man denn jetzt eine Wesentlichkeit aus? Es gibt ja da auch, also das sind ja diese Beispiele, die jetzt immer wieder kommen, wenn man einen Dienstleister hat, wo Finchem in 'nem Büro arbeiten, natürlich verbrauchen die Wasser. Die die kochen ihren Kaffee mit Wasser und benutzen auch an an an anderen in anderen Situationen Wasser, aber das das wird ja immer son son Ermessenspielraum auch bleiben, den den wir Menschen ausüben müssen und den den die KI ja uns auch niemals abnehmen wird und auch nicht abnehmen soll, weil dann kommt's eben genau zu diesen beschriebenen Situationen, dass über Dinge berichtet wird, die niemanden nützen. Und auch wenn's vielleicht der eine oder andere Mensch, wir sind ja aktuell jetzt in dem Moment, wo wir diesen Podcast aufzeichnen im Wahlkampf auch gerne benutzt. Die Politik macht das nur, ja, Unternehmer zu zu quälen. Das ist ja nicht der Fall, sondern diese ganze CSD Berichterstattung soll ja dazu dienen, dass wir in so in Europa unser Unternehmen nachhaltig ausrichten. Das klingt wie eine Floskel, aber ich denke, das dürfen wir auch nie ausm Blick verlieren. Wir machen das nicht zum Selbstzweck, sondern wir machen das als Europäer ganz bewusst und zumindest hatten wir ja mal das Ziel, da auch Vorreiter zu sein, unsere ganzen Geschäftsmodelle, die ja von von links und rechts, von West und Ost unter Druck geraten, nachhaltig auszurichten. Und das ist natürlich die Frage, hat die Politik, die Bürokratie das gut umgesetzt? Aber das muss ja immer immer Leitmotiv sein. Und das spricht ja eben auch dafür, dass dann nicht eben in diese Maschine reinzuschmeißen und dann von dem Autopiloten, den Begriff aufzugreifen, sich zum Ziel führen zu lassen, sondern eben immer auch zu hinterfragen, warum tue ich das hier auch? Und so werden wir auch als Prüfer das immer aufgreifen, wird wirklich die die die Sinnhaftigkeit erfüllt? Wird die Wesentlichkeit richtig erfüllt? Werden Ermessensspielräume sinnvoll ausgeübt? Und das macht ja den Beruf dann auch wirklich spannend, weil's eben nicht darum geht, ist das jetzt hier noch noch hellgrün oder ist es schon türkis? Sondern dass wir eben im Rahmen der der Ermessenspielräume, die wir haben, die natürlich ihre engen Grenzen haben, auch immer das entscheiden dürfen. Und auch wenn wir natürlich die Mandanten nur 'n gewissen Rahmen beraten können, wenn wir sie prüfen. Aber daher eben dann auch über den die die Erfahrung, die wir in anderen Prüfungen machen, den Mandanten auch mal son bisschen beiseite stehen können, was unbedingt sein muss und wo man eben von einem besseren Spielräumen Gebrauch machen kann. Hagen,

Speaker2: ich hab zum Abschluss immer 5 Fragen im Gepäck, Mhm. Die ich meinen Gästen stelle, das Gesagte, wir sprechen jetzt schon fast eine Stunde miteinander, noch mal so richtig schön aufn Punkt zu bringen. Und ich würd dir die Fragen einfach mal zuwerfen mit der Bitte möglichst spontane Antwort. Also gern mit mehr als nur einem Satz, aber spontan. Frage Nummer 1, in welchem Bereich deiner Arbeit würdest Du am liebsten noch mehr Jenn A I nutzen?

Speaker0: Im Bereich der Datenanalyse. Ich glaub, da ist noch ganz viel möglich, wie Also eine numerische Datenanalyse meinst Du da? Richtig, numerische Datenanalyse, weil wir sehr viel schon machen im Bereich Hauptbuchanalyse, so nennen wir das, aber es gibt so viele vorgelagerte Daten aus Datenbanken, die für uns schwer griffig sind mit unseren aktuellen Tools. Und ich glaube, da kann Technologie uns noch 'n ordentliches Stück nach vorne bringen. Und deswegen, wenn ich mir was wünschen könnte, dann wär das da der nächste Sprung.

Speaker2: Also da muss ich 'n Kommentar noch abgeben, und zwar kommen wir ja aus der Welt der Data Science und des Numerical Machine Learnings. Und 'n Riesenschmerz war immer, nicht der Algorithmus, sondern die Daten in den Algorithmus hinein zu kriegen. Ja. Und es ist einfach supercool, wie im Vergleich zu früher Du heute GenAI nutzen kannst, nicht Texte zu schreiben, sondern deine Daten ETL, Extract Transform Load, ja, diese Transformationsprozesse abzubilden. Also da resoniert total mit mir. Ja, prima. JENAI nicht fürs Marketing, sondern eben wieder für die numerische Datenanalyse einsetzt. Ja, da schließt sich für mich total der Kreis. Ja. Frage Nummer 2, welche Fähigkeiten oder welche Features von JENAI haben dich am meisten beeindruckt?

Speaker0: Also am Anfang hat mich schon die Geschwindigkeit und der Umfang der Textgenerierung beeindruckt. Also da bin ich ganz ehrlich, so die die ersten Proms waren von von mir nicht, analysiere hier die Daten x und y, sondern schreibe mir einen Text zum Thema x y. Mhm. Und eben auch die ja durchaus auch die die die Fantasie, die dann verwendet wurde oder die Kreativität, die hat mich sehr beeindruckt am Anfang und begeistert mich immer noch, dass man ja auch ehrlicherweise generative KI auch mal im im Privatleben einsetzt, sich bei Texten auch mal Inspiration zu holen. Und das war so, dann hatte ich 'n, auch wenn's jetzt schon 2 Jahre her ist, den ein oder anderen Wow Effekt, weil man eben nicht das Gefühl hatte, dass die Maschine den Text formuliert, sondern als als hätte ein Mensch ihn geschrieben.

Speaker2: Kommen wir zur dritten Frage. Wenn Du dir eine zusätzliche Fähigkeit oder Superpower von JennAI wünschen könntest, welche wäre das?

Speaker0: Also ich glaube, dass der nächste Sprung wird noch mal sein, dass die Modelle noch noch einfacher bedienbar sind, sodass wir noch Wir können ja jetzt schon über Klarsprache Mhm. Mit den Modellen kommunizieren, aber dass quasi so die menschliche Ungenauigkeit, die die menschliche Faulheit noch stärker von den Modellen benutzt werden kann, genauso wie ich, wenn ich mit Menschen kommuniziere, ja weiß, wie meint er das denn? Das weiß ich bei meinen Mitmenschen, da kann ich Dinge einordnen. Und wenn k e irgendwann noch in der Lage sein wird, noch stärker auf die Art und Weise, wie unterschiedliche Menschen sprechen, reagieren zu können beziehungsweise sein Schreiben. Das wird dann, glaub ich, noch mal 'n zusätzlicher Schritt. Also dass die KI noch stärker in der Lage ist, zu antizipieren, warum braucht er das? Was sind eben die die Ergebnisse, die ich hier liefern muss? Also nicht quasi in die über die Wahrscheinlichkeitsrechnung in die Schublade greift, die mit der höchsten Wahrscheinlichkeit die richtige Antwort liefert, sondern eben uns Menschen einfach noch noch besser versteht, dann wirklich noch, auch wenn wir schlechte Prompts schreiben, wenn wir widersprüchliche Informationen vielleicht dem Modell zur Verfügung stellen, noch besser in der Lage ist,

Speaker2: auf uns reagieren zu können. Mhm. Mhm. Also im Wesentlichen son impliziter Kontext beziehungsweise das das das Verständnis von zwischen den Zeilen lesen bedeutet. Ja, genau. Genau. Ja, ist schön formuliert, richtig. Ja, da bin ich gespannt, wo die Reise hingeht, weil ich stell mir immer die Frage, wenn jetzt auf der anderen Seite 'n Mensch sitzen würde, aber das Kommunikationsmedium auch nur der Chat ist, was der Mensch rausholen könnte. Ja. Weil wenn wir jetzt miteinander sprechen, dann siehst Du ja bei mir jeden Muskel im Gesicht. Ich seh bei dir, wenn die Augenbraue hochgeht Ja. Und ich kann dir ja damit quasi son bisschen auch in in den Denk, also in deinen Denkvorgang reingucken, ohne dass Du was sagst, geschweige denn schreibst. Richtig. Vielleicht haben wir irgendwann die Kamera tatsächlich an, dass während wir sprechen oder schreiben, die KI uns ins Gesicht guckt, einfach die Emotionen mit aufzunehmen.

Speaker0: Absolut. Ich denk, man weiß ja auch im im zwischenmenschlichen menschlichen Umgang, deswegen hab ich auch das Wort Schreiben noch nachgeschoben, Mhm. Dass, was geschrieben ist, auch mal schnell zwischenmenschlich komplett falsch verstanden werden kann. Deswegen ist das vielleicht im Moment auch noch 'n Hemmshow, dass wir nur schriftlich mit der KI kommunizieren. Ja, genau, genau. Das mag bestimmt für den einen oder anderen jetzt wieder total unheimlich klingen, aber dass eben für diese Art der Kommunikation, weiß nicht, ob das dann über Bilderkennung, über Mimik irgendwann funktionieren wird, aber da bin ich mir relativ sicher, dass wir dann nicht nur noch mit Bildschirm und Tastatur mit der KI kommunizieren, sondern dann ja im Zweifel auch mit 'nem Roboter uns gegenüberstehen und er dann auch noch stärker interpretieren kann, in welcher Situation befindet sich mein Gegenüber grade, in welchem Zusammenhang wir da die Information wissen. Das sind so Sachen, wo ich mich sehr, sehr drauf freue, auch wenn das natürlich an den ein oder anderen Hollywood Blockbuster erinnert, wo dann die Technologie sich gegen uns richtet. Aber ich denk, das das müssen wir immer beiseite legen, sondern da immer schauen, wie wir das einfach weiterentwickeln können, weil das sind im Moment einfach Hemmschuhe, die wir haben, dass wir nur mit dem Programm schreiben können. Mhm.

Speaker2: Stichwort über die Textebene geht viel verloren. Stichwort eskalierende Whatsapp Gruppen in Klassengemeinschaften. Ja. Ja, ja, ja, ja. Das stimmt, richtig, ja. Das stimmt, richtig, ja. Die 4. Frage, welche Fähigkeiten oder Kenntnisse sollten junge Berufseinsteiger deiner Meinung nach im Bereich Genai entwickeln?

Speaker0: Also jetzt speziell für meine Branche, Ja. Wenn ich's son bisschen in die Richtung schieben kann, die Basis bildet immer bei uns noch gute fachliche Kenntnisse im Bereich ja der Rechnungslegung der Prüfungstechnik, Weil das ist immer die Basis dafür, diese Werkzeuge überhaupt anwenden zu können. Also man kann dem, man könnte mir die modernsten und besten Werkzeuge in die Hand drücken, ich könnte trotzdem keinen Tisch bauen. Also da würde irgendwie 'n Tisch rauskommen, aber der wär eben nicht, hätte nicht die Qualität, wenn wenn ein Tischler den den konstruiert. Deswegen, das muss immer Basis bleiben. Also wir dürfen auch uns nicht in diese Technologie hinein flüchten. Wir dürfen da diese die die die Kernfähigkeit nicht verlieren. Und dann ist es aus meiner Sicht einfach ganz stark auch so platt wie Klingen für Technologie, aber dass man sich eben auch mit diesen Modellen auseinandersetzt. Das ist ja auch so was für mich so die letzten anderthalb Jahre stark geprägt hat. Ich kannte diese ganzen Begriffe auch schon vor 2, 3 Jahren, neuronale Netzwerke, ohne sie Bestand zu haben. Ich glaube, einen einen Wirtschaftsprüfer muss auch nicht im Detail verstehen, was ein 1 neuronales Netz ist, aber er muss schon 'n bisschen verstehen, was bedeutet denn großes Sprach von Day? Wie werden die trainiert? Ja. Also da einfach immer eine Neugier haben, auch dann diese immer feinderen Weiterentwicklung von den Sprachmodellen zu verstehen. Also ganz konkret, es gibt ja ganz verschiedene Sprachmodelle. Manche können eben denken nach und dann eben zu verstehen, was was bedeutet das grade? Mhm. Und das das würd ich mir von von 'nem 'nem jungen Assistenten immer wünschen, dass er da immer neugierig bleibt und einen 'n gutes Mittel findet zwischen ich will Technik verstehen, aber sich dann eben auch nicht in technische Fragen verliert. Weil wollen's als Werkzeug benutzen, noch mal dieses Bild aufzugreifen. Aber wir wollen auch immer verstehen, wie dieses Werkzeug funktioniert und wir weil wir müssen's als Experten beherrschen, weil unser Beruf ist da in in in ist eine Nische als Wirtschaftsprüfer in gewisser Weise, weil wir am Ende prüfen wir immer noch die die Richtigkeit 1 Jahresabschluss, die Richtigkeit, die Vollständigkeit 1 Nachhaltigkeitsberichterstattung. Das ist unsere Nische, in der wir uns bewegt und das muss immer auch das Endprodukt sein. Ja.

Speaker2: Wenn Du deinem zwanzigjährigen Ich einen Rat geben könntest, gibt's da einen und wenn ja, welchen?

Speaker0: Also ich bin letztes Jahr 40 geworden und dann fängt man ehrlicherweise an, sich genau solche Fragen zu stellen. Also ich hab nicht das das das konkrete Momentum, wo ich sage, das das hätte ich gerne schon mit 20 gewusst, sondern das ist, wenn man 20 ist, ist man 20. Also was ich damit sagen will, ist, man man wird da diese Entwicklung machen und man muss muss muss dranbleiben, man muss auch mal Misserfolge überstehen. Aber ich glaube, da gilt son bisschen das Gleiche wie wie für den gebackenen Prüfungsassistenten, Prüfungsassistentin, einfach mal diese Neugier zu behalten. Die Offenheit zu behalten, sich auch dann nicht von verunsichern lassen, wenn man Dinge vielleicht am Anfang mal nicht versteht. Weil das ist ja grade die Herausforderung für uns Wirtschaftsprüfer. Wir haben nun mal einen sehr speziellen Hintergrund, haben ja an der Uni dann in den Vertiefungskursen auch Rechnungslegung im Hocheck. Und links und rechts geht uns dann natürlich einiges verloren, was was wir ja nicht mitnehmen, aber da immer die die Offenheit haben und auch damit umgehen zu können und immer zu versuchen, so am Rande der Überforderung getätigt zu sein. Das ist so, was ich immer jedem auch wünsche, dass man natürlich nicht in die Überforderung reinrutscht, sondern sich immer kurz davor bewegt, weil das ist aus meiner Sicht also der das spannendste Niveau, was man im Berufsleben erreichen kann, dass 'n Beruf immer spannend ist, immer einen herausfordert, ohne einen überzufordern.

Speaker2: Am Rande der Überforderung, wer kommen wer kommen im theoretischen Physikstudio?

Speaker0: Ja, genau. Das kann ich mir vorstellen. Also ich würde das völlig überfordern, aber deswegen habe ich auch nicht Physik, sondern nur BWL studiert. Na ja, na ja. Wobei mir ist 1 hängen geblieben und zwar, ich hab mir mal den Spaß erlaubt,

Speaker2: Quantenchromodynamik in gekrümmter Raumzeit mir Vorlesungen reinzuziehen. Ich hab's 2 Vorlesungen durchgehalten, danach habe ich beschlossen, das wird's nicht.

Speaker0: Das das kann ich mir vorstellen, aber ich hätte schon Probleme, das Wort ohne Fehler auszusprechen.

Speaker2: Das ist der eigentliche Mehrwert des Physikstudiums, dass man Wörter lernt, die viel hermachen.

Speaker0: Ja, okay. Ja, das das kann Eindruck machen, ja. Ja, genau. Hagen,

Speaker2: vielen Dank für das Gespräch. Vielen Dank für die Eindrücke, die Du geteilt hast, auch für die reflektierte und polydune polydimensionale Analyse des Themas der Nachhaltigkeitsberichterstattung. Ich hoffe, dass KI einen Beitrag leisten kann, den guten Gedanken hinter der ESG Geschichte einfach auch besser umsetzbar zu machen, dass es nicht nur wie ein nerv Papiertiger rüberkommt. Ich bin Leuten wie dir sehr dankbar, dass Du da deinen Hirnschmalz reinsteckst, wie man das hinbekommt, ja, wie man Technologie für was Praktisches nutzen kann. Und ich bin mir sicher, wer dazu Fragen hat oder mehr dazu lernen möchte, kann sich bei dir, bei deinen Kollegen melden. Geh ich mal davon aus? Absolut.

Speaker0: Genau, also wir sind da total offen und auch wenn's wieder für eine Phrase klingt, wir lernen jeden Tag dazu. Alles, was ich über KI jetzt gesagt habe, das das das habe ich mir nicht angelesen. Das habe ich in keinem Studium gelernt, sondern das habe ich gelernt, weil es Menschen wie dich gibt, die die da auf 'nem ganz anderen Niveau unterwegs sind und ich denen immer son bisschen zuhören durfte. Und das deswegen bin ich auch dankbar für solche Gespräche, weil man immer sich reflektieren kann und immer wieder was Neues lernt. Und deswegen sind wir total offen da auch fürn Austausch. Und Du hast gesagt, wir müssen das Fachliche und das Technische zusammenbringen, nur dann macht's wirklich Sinn. Und das bin ich mir sehr sicher, das wird die nächsten Jahre prägen und eben auch für Berufseinsteigende in deinem Bereich, in in unserem Bereich ganz, ganz tolle Möglichkeiten eröffnen, da wirklich einen sehr spannenden Einstieg in eine aus meiner Sicht sehr dynamischen sehr spannenden Phase zu kriegen, mit welchem Schwerpunkt auch immer man sich dann da persönlich raussucht.

Speaker2: Ich danke dir sehr. In 14 Tagen gibt's die neue Folge. Hört rein, wir sehen uns. Danke dir, Hagen. Gerne.

Speaker0: Wenn ihr uns unterstützen wollt, gebt uns eine 5 Sterne Bewertung auf Apple Podcasts, folgt uns auf Spotify und empfehlt uns weiter. Bis zum nächsten Mal bei

More episodes from season 7 →