Niklas Niehenke – Wirtschaftsprüfer und Steuerberater bei HLB | Dr. Klein, Dr. Mönstermann + Partner

Season 7· 11. Februar 2025· 3328

Episode cover: Niklas Niehenke – Wirtschaftsprüfer und Steuerberater bei HLB | Dr. Klein, Dr. Mönstermann + Partner
0:003328
  • Dr. Theo SteiningerCo-Founder & CEO at Erium
  • Niklas NiehenkeAuditor and Tax Advisor at HLB | Dr. Klein, Dr. Mönstermann + Partner

Overview

In this episode of the Erium Podcast, host Dr. Theo Steininger speaks with Niklas Niehenke, auditor and tax advisor at HLB. The two explore how AI and new technologies are transforming auditing - from auditing AI-powered client systems and using generative AI internally within the firm, to the risks that AI introduces in the form of forgeries and fraud.

About the guest

Niklas Niehenke has been working as an auditor and tax advisor at HLB | Dr. Klein, Dr. Mönstermann + Partner for two years. His professional career began with a business administration degree, followed by a part-time master's programme at PwC, where he wrote his thesis on Robotic Process Automation and Artificial Intelligence. After successfully completing both professional examinations, he deliberately moved to the mid-sized firm HLB in order to work more broadly and as a generalist. There, he is responsible for the entire IT and process area, with a particular focus on IT and migration audits, the review of internal control systems, data analytics, and the implementation of compliance management systems.

Summary

The craft of auditing - what does it actually involve?

Niklas Niehenke explains what auditors fundamentally do: they examine individual and consolidated financial statements, analyse processes and figures, and issue an independent assessment - known as the audit opinion - on whether a company's data is reliable. This independent attestation is essential for investors. Practical examples from his work illustrate when an unqualified audit opinion cannot be issued - for instance, when a restaurant operator suddenly had no revenue from one day to the next during the COVID crisis, or when a company had to switch to manual processes following a cyberattack and data integrity could not be ensured.

From Big Four specialist to 'trusted advisor' in the mid-market

Niklas Niehenke describes his career path: from a business administration degree through PwC, where he passed his professional examinations and specialised in financial statement audits, to HLB - a deliberate move towards becoming a generalist. In the mid-market, he can advise holistically as a so-called trusted advisor, bringing together auditing, tax consulting, and compliance advisory. He emphasises that his role is not merely retrospective; he actively engages in projects - for example, implementing compliance management systems when tax or procedural deficiencies are identified at client organisations.

Auditing AI: how do you gain audit assurance over black boxes?

As early as 2019, Niklas Niehenke addressed the question of how AI-powered systems at client organisations can be captured from an audit perspective in his master's thesis - long before any dedicated auditing standard existed for this. Using the example of an automated invoice inbox with OCR recognition and AI-based classification, he illustrates the fundamental problem: while classical programme code is transparently traceable, AI decision-making through its hidden layers resists direct examination. His approach combines input analysis (training data), change management processes, and targeted output benchmarking in order to achieve at least sufficient audit assurance. The topic of Explainable AI is therefore of central importance not only for technology companies, but also for auditors.

AI as a tool in the firm: from NLP to data analytics

In day-to-day practice, HLB already uses AI in several areas. Natural language processing is used to automatically check annexes and management reports against statutory requirements. In data analytics - known internally as the 'journal entry test' - AI helps to search millions of journal entries for suspicious patterns or potential fraudulent activity. What used to take days can now be accomplished in minutes. Niklas Niehenke vividly describes how AI can shift the traditional sample-based audit towards a near-complete analysis - similar to how unit tests in software development cover every conceivable case. Data protection and confidentiality obligations require the firm to host AI models locally, which slows the pace of model learning but protects client-specific data.

ESG reporting and CSRD: AI as an accelerator for new mandatory reports

Another concrete area of application is the preparation and review of sustainability reports under the CSRD and ESRS (European Sustainability Reporting Standards). Since publicly available reports can be used as training data, an AI can be trained to compare a draft report against the target state of the standards - identifying gaps or inconsistencies at the push of a button. Theo Steininger adds from Erium's perspective that the preparation side - such as the materiality analysis - can increasingly be AI-supported as well, directing the consultant's focus towards genuinely value-adding advisory work rather than pure document production.

The flip side: AI as a tool for fraud and deepfakes

Niklas Niehenke makes clear that AI not only supports auditors but also creates new attack surfaces. Since auditors can only reconstruct historical events based on existing documents, consistent AI-generated forgeries are particularly difficult to detect. Especially striking is his example of a deepfake fraud in which an accounting employee was manipulated during a fabricated video call - featuring convincing AI imitations of their colleagues - into transferring the equivalent of 30 million US dollars. The arms-race dynamic of this development - AI against AI - runs as a common thread throughout the conversation.

Advice and outlook: openness and critical thinking as key competencies

When asked which skills young professionals entering the field should develop in the area of generative AI, Niklas Niehenke gives a clear answer: open-mindedness and the willingness to continually question one's own way of working. At the same time, critical thinking is indispensable - because AI outputs must always be checked for reliability, especially in a liability-relevant environment such as auditing. His personal advice to his twenty-year-old self: get into the world of IT earlier and perhaps take the leap into founding your own technology startup.

Key takeaways

  • Auditors do not provide proof of completeness but audit with 'reasonable assurance' - AI can significantly shift the previously necessary sample-based testing towards completeness.
  • Auditing AI systems at client organisations is complex because their decision-making pathways through hidden layers are barely transparent - Explainable AI is therefore a central topic from an auditor's perspective as well.
  • Data protection and confidentiality obligations make local AI hosting mandatory for firms and slow model learning progress compared to open platforms.
  • AI-powered data analytics (journal entry tests) make it possible to detect fraudulent patterns across the entire set of journal entries - in minutes rather than days.
  • The use of AI does not eliminate jobs but significantly increases the quality and depth of audit work.
  • Deepfake technology based on AI enables sophisticated social engineering fraud that can overcome even multiple layers of internal controls.
  • ESG reporting is a predestined field for AI applications because comparative data is publicly available and the requirements are clearly structured.
  • Openness to new use cases combined with critical scrutiny of AI outputs is the most important competency for the next generation of professionals.

Conclusion

The conversation with Niklas Niehenke illustrates vividly how profoundly AI is already transforming auditing and tax advisory - and what opportunities and risks come with it. The industry is facing a paradigm shift: away from manual sampling towards AI-powered full analyses, and away from the specialist towards the 'trusted advisor' who combines technological and professional expertise. Those who are open to new technologies while simultaneously questioning them critically and keeping the regulatory framework in view will be well positioned to benefit.

For auditors and tax advisors

The episode provides concrete approaches to how AI is already being used today in financial statement audits, data analytics, and report reviews - and what technical and legal hurdles (data protection, confidentiality, local hosting) need to be considered.

For companies using AI systems

Anyone using AI in accounting or compliance-relevant processes should plan for audit assurance at an early stage - through documented change management processes, defined training and output controls, and a clear governance structure.

For career starters and tech-savvy professionals

The combination of domain knowledge and AI competency is the decisive career lever: those who understand how AI decisions are reached can meaningfully evaluate and take responsibility for their outputs.

Show full transcript

Speaker0: Die Ihrem Podcast.

Speaker1: Heute zu Gast bei The Ihrem Podcast ist Niklas Niehenke. Er ist seit 2 Jahren als Wirtschaftsprüfer und Steuerberater bei der HLB Kleinmünstermann tätig. Seine berufliche Laufbahn begann Niklas Niehenke mit einem klassischen Studium der Betriebswirtschaftslehre, gefolgt von einem berufsbegleitenden Masterstudium bei PwC. Während dieser Zeit schrieb er seine Masterarbeit über Robotik Process Automation und künstliche Intelligenz, was ihn schon früh mit innovativen Technologien in Berührung brachte. Nach erfolgreichem Abschluss seines Studiums und bestandenen Examen zum Wirtschaftsprüfer und Steuerberater entschied sich Niklas Nielenke, seine Karriere in der mittelständischen Kanzlei HLB fortzusetzen. Dort ist er verantwortlich für den gesamten IT- und Prozessbereich, insbesondere die IT- und Migrationsprüfung, die Prüfung des internen Kontrollsystems von Auslagerungsunternehmen, Datenanalysen und die Implementierung von Compliance Managementsystemen. Privat findet er Ausgleich beim Padletenness, beim Verfolgen von American Football und bei gemeinsamen Unternehmungen mit seiner Familie und Freunden.

Speaker2: Herzlich willkommen zu 1 neuen Folge von dir ERIAM Podcast. Mein Name ist Theo Steininger und heute zu Gast Niklas Nihenke. Hey Niklas, freut mich, dass wir ins Gespräch kommen. Hi Theo, vielen Dank für die Einladung. Gerne. Ich hab mich sehr auf das Gespräch gefreut. Ich hab nämlich natürlich als Start up Gründer zwangsläufig auch immer wieder mit Steuerberatern und auch Wirtschaftsprüfern zu tun. Das ist 1 der Nebeneffekte, wenn man große Investoren in der Hütte hat, ja, dass wir immer von Wirtschaftsprüfer auf links gedreht werden. Und jetzt freut's mich besonders, mit dir mal auf 'ner ganz anderen Ebene ins Gespräch zu kommen, außer was bedeutet diese Buchung? Wo kommt denn dieser Posten her? Ja, Du bist nämlich sehr, sehr aktiv im Bereich, nicht, nur Wirtschaftsprüfung, Steuerberatung, sondern auch was neue Technologien angeht. Haben wir grad schon im Intro von der Corinna gehört. Insofern freut mich sehr, dass wir heute sprechen.

Speaker0: Sehr gerne, freut mich.

Speaker2: Lass uns gleich mal einsteigen. Wir haben's gehört, Du hast 'n Background als Wirtschaftsprüfer, Steuerberater. Hol uns bitte trotzdem noch mal ganz kurz ab, auch wenn ich jetzt schon den einen oder anderen Touchpoint hatte. Viele haben das wahrscheinlich eben noch nicht. Was machst Du eigentlich als Wirtschaftsprüfer? Was was was macht man da?

Speaker0: Genau, also ich sag mal, als Wirtschaftsprüfer und oder Steuerberater ist man natürlich eher so in diesem Compliance Bereich unterwegs, ne. Das heißt, was sind so klassische Bereiche, die auch 'n Wirtschaftsprüfer macht? Da fällt dann natürlich sofort die Abschlussprüfung ein, also die Prüfung von Einzel- und Konzernabschlüssen. Das heißt, wir schauen eben uns die sowohl die Prozesse, aber auch das Zahlenwerk von Unternehmen an, dann eben auch 'n Urteil darüber abzugeben, ob das so in Summe dann passt oder eben nicht. Das heißt, wir geben dann immer einen sogenannten Bestätigungsvermerk ab und testieren quasi genau diese Werte. Und wie Du's grad auch schon gesagt hast, ne, wenn man Investoren an Bord hat, dann möchten die natürlich wissen von 'ner unabhängigen Drittpartei, nicht von dem Unternehmen selbst, dass man sich auf diese Daten dann auch verlassen kann. Und genau diese Leistung nennt sich's dann häufig auch. Die bieten wir halt an und ja, in der Steuerberatung, da hat, glaub ich, jeder son bisschen seine Berührungspunkte mit. Klassische Steuerdeklaration, aber dann auch viel in der Gestaltungsberatung tätig. Genau, das kurz und knapp dazu.

Speaker2: Und hast Du da 'n Beispiel für mich? Also ich kenn halt nur so die die großen Cases wie was war's? Wirecard, wo's halt dann so richtig geknallt hat. Und bei uns gab's ja bisher immer keine Beanstandungen. Ja, Gott sei Dank. Aber irgendwas dazwischen, ja. Also hast Du 'n Beispiel für uns, wo Du sagst, okay, das ist etwas, das war quasi jetzt nicht irgendwie 'n Gesetzesbruch, aber trotzdem, wo Du sagen musstest, nee, also hier kann ich so noch nicht das Testat vergeben?

Speaker0: Also Reitdeutsch fallen da sogar gleich mehrere Sachen ein. Das eine ist natürlich, wenn man mal von der wirtschaftlichen Perspektive kommt, wir hatten Corona, wir haben den Angriffskrieg der Ukraine gehabt, ne. Damit verbunden ihm wirtschaftlich schwere Zeiten, auch während der Coronakrise. Ich hatte einen oder hab einen Mandanten, der im Restaurant, Schnellrestaurantbereich tätig ist. Mhm. Wenn man dann von Schließungsanordnungen betroffen ist, dann brechen einen natürlich von heute auf morgen sämtliche Umsätze weg, sodass man hier schauen muss, wo kriegt überhaupt das Unternehmen die liquiden Mittel her? Denn die Fixkosten, die bleiben weiterstehen, ne. Mieten, die Stores, das Personal will bezahlt werden. Das heißt hier entweder, wenn man sofort das Testat braucht, muss man natürlich sagen, okay, dann mit 'nem zumindest Hinweis auf Bestands, sogenannte Bestandsgefährdung oder man wartet, bis diese Probleme ansatzweise absehbar sind. Das war ja auch 'n Thema, eben hier in die Glaskugel zu gucken seinerzeit. Ein anderes Thema, was dann auch sehr, sehr signifikant in letzter Zeit war und wo ich auch Mandanten hatte, die betroffen waren, ist das Thema Cybersecurity, dass eben man durch die verschiedensten Angriffsvektoren Opfer von Cybertacken geworden ist, die ganzen Unternehmensdaten verschlüsselt wurden und man eben komplett auf manuelle Prozesse umstellen musste, ne. Und dann ist auch, bevor die Daten nicht wieder im System ist, bevor man nicht verifiziert hat, dass die verifiziert hat, dass die manuellen Prozesse vernünftig gelaufen sind, dass man die Daten vollständig ins System und richtig ins System gebracht hat, fällt auch hier die oder das uneingeschränkte der uneingeschränkte Bestätigungsvermerk schwer. Mhm. So Fälle wie Wirecard hab ich tatsächlich oder durft ich noch nicht über erleben, Gott sei Dank. Also ja, bisher haben wir dann vielleicht auch unsere Arbeit in dem Sinne richtig gemacht. Ja, ist 'n schwieriges Thema, ne. Ich sag mal, hat natürlich in den in den Schlagzeilen für Wellen gesorgt und wird auch gern aufgegriffen von allen möglichen Investoren oder Lesern, diese Abschlüsse und der Bestätigungsvermerke. Am Ende des Tages ist es dann auch nur ein kleines Team selbst innerhalb von EY und für den Berufsstand sowieso. Aber hat natürlich grad bei den Volumina Ja. Immense Auswirkungen, ne. Das ist einfach so.

Speaker2: Und wie wie wie kommt man da rein? Also wir haben's ja gehört, Du hast BWL studiert und dann später berufsbegleitend noch 'n Master gemacht, aber da warst Du schon bei PwC. Wie läuft so was ab? Also wie rutscht man in das Business?

Speaker0: Genau, also ich sag mal über das Studium tatsächlich erst mit Wirtschaftsprüfung in Kontakt gekommen. Das ist auch so das, was ich aus dem Bekanntenkreis von vielen Leuten höre. Steuerberatung sagt dem einen oder anderen auch schon vor dem Studium was, aber Wirtschaftsprüfung ist tatsächlich son bisschen ja spezieller. Ja, und man kommt darüber rein, grad über, ich sag mal, die mittelständischen als auch die großen Big Four Gesellschaften You Nam it, KPMG, UY, PWC und Deloitte. Das ist auch son bisschen, ich sag mal, eine Eintrittshürde in den Berufsstand, denn Okay. Neben den Examen braucht man wirklich diese Berufserfahrung, dann auch künftig bestellt werden zu können. Das ist dann noch abhängig von, hat man 'n Bachelor, hat man 'n Master und Ähnliches. Aber so bin ich auch eben zu dem Berufsstand oder zu zu dem zu dem Bereich Wirtschaftsprüfung gekommen. Über das Studium an den Unis sind eben die ganzen Gesellschaften, wie grade genannt, sehr, sehr aktiv, Nachwuchs zu generieren. Ja, und dann einfach weiter informiert, an Rechnungslegung, immer Spaß gehabt, weiter reingefuchst und dann auch das Glück gehabt, eben bei bei PwC genommen worden zu sein. Und parallel auch wieder das Glück gehabt zu haben, dort berufsbegleitend zu studieren, denn das war auch ein spezieller Studiengang. Dieses Berufsexamen des Wirtschaftsprüfers ist schon relativ schwer. Die Durchfallquoten eben über 50 Prozent. Und durch das Studium kann man sich gewisse Moduleistungen anrechnen lassen und muss dann, vereinfacht gesagt, weniger weniger Klausuren im Examen tatsächlich schreiben. Mhm.

Speaker2: Jetzt hast Du ja während deiner Masterarbeit schon dich mit Robotik Process Automation auseinandergesetzt. Was genau hast Du da gemacht und wie kam's dazu? Also weil für mich, als ich mich auch vorbereitet hab und wir überlegt haben, wir eine Folge gemeinsam machen möchten, bin ich da so drüber gestolpert und dann so hoppla, ja, das ist mir überhaupt nicht naheliegend. Was genau hast Du da aufgesetzt?

Speaker0: Genau, also meine Masterarbeit hab ich ja im Jahr oder 20 19 kurz vor Corona geschrieben und da ist das ganze Thema mit KI so langsam hochgekommen. Und grad im Prüfungsbereich dann, ohne dass es schon 'n speziellen Prüfungsstandard dafür gab, auch die Fragestellung, okay, wenn 'n Mandant das jetzt einsetzen wollen würde, wie krieg ich darüber überhaupt Prüfungssicherheit? Denn wenn bestimmte Geschäftsvorfälle durch neue Technologie, sei es RPA oder eben KI verarbeitet wird, dann muss ich natürlich da auch schauen, sind die Regeln, die dort programmiert sind oder arbeitet die KI, sind die Ergebnisse, die dort rauskommen? Ist das überhaupt richtig? Und da hab ich mich halt mit der Fragestellung beschäftigt, wie kann man das Ganze prüferisch dann auch angehen? Mhm. Und da es noch relativ wenig Praxisbeispiele gab, hab ich dann kurzerhand eben selbst etwas programmiert. Das heißt, die Idee war zu sagen, bei Mandanten wäre ein potenzieller Use Case, dass man eben sagt, was dann hinterher auch tatsächlich kam, was viele Unternehmen anwenden, ne. 'N zentrales Rechnungseingangspostfach, wo eben Eingangsrechnungen eingehen, die per OCIA ausgelesen werden und dann schon automatisiert oder teilautomatisiert verarbeitet werden. Und genau das hab ich eigentlich nachgebildet, dass man eben sagt, ich habe gewisse Belege, nicht nur Eingangsrechnungen, die von der KI geclustert oder sortiert, klassifiziert werden. Mhm. Und die RPA dann wieder quasi linear oder in 'nem linearen Algorithmus orientiert, sodass ich dann vielleicht auch aus prüferischer Sicht 'n besseres Gefühl darüber bekomme und es nachvollziehbarer für mich ist, wie dann die tatsächliche Verarbeitung stattgefunden hat, zu sagen, diese übernimmt dann die Verbuchung nach klar definierten Regeln. Wenn ich ein bestimmtes Cluster habe, dann ist für dieses Cluster gelten bestimmte Regeln, wie diese zu verbuchen sind, während die KI vorgelagert natürlich eher ja, variabel agiert, ne, und die Mustererkennung vornimmt, wo's dann natürlich schwierig wird, auch da Prüfungssicherheit drüber zu generieren. So bin ich zu dem Thema gekommen und bereue es auch bis heute nicht, so tief mich eingegraben zu haben in die in die Thematik.

Speaker2: Das heißt aber, das wirklich noch mal genau auseinanderzuzerlegen, ja, Du hast keine RPA Pipeline gebaut, mit der jetzt Teile der Arbeit 1 Wirtschaftsprüfers automatisiert werden, sondern Du hast im Endeffekt einen Simulator gebaut für 'n System, das bei 'nem Klienten zum Einsatz kommt, kommen könnte, heute kommt, ja. Dort zu verstehen, was sind die Spielregeln? Wie funktioniert das Ganze? Mit welcher Perspektive muss man auf das System drauf gucken? Und inwiefern war das nicht von vornherein offensichtlich, was das Ergebnis ist? Also ich stell's mir nämlich ganz naiv so vor, ja, Du hast einen Algorithmus, der die Eingangsrechnungen in entsprechende Unterkörbe verteilt oder Unterordner verteilt. Jetzt denk ich mir als Laie, also was soll da schon schiefgehen zu einem zu 1 Schwere dahingehend, dass er Wirtschaftsprüfer die Augenbraue hebt, ja. Was was war da der Punkt, wo Du sagst, hey, da muss man genau hingucken? Mhm.

Speaker0: Genau. Das sind eben die individuellen Geschäftsregeln. Das heißt, in sone Rechnungsverarbeitung, da spielen ja viele, viele Punkte mit rein. Ich sag mal, rein vom internen Kontrollsystem haben wir da die, wenn man so will, sachliche und rechnerische Richtigkeit, ne, dass man schaut, hab ich diese Leistung überhaupt bezogen, sprich der Abgleich mit dem Bestellbezug, die die rechnerische Richtigkeit, stimmt der Preis, stimmt der Preis, mal ganz plump ausgedrückt, aber dann spielen da natürlich auch Themen rein wie ist der Rechnungsausweis, ist die Rechnung an sich richtig? Sind alle Angaben nach dem Umsatzsteuergesetz enthalten? Sind die Steuerfindungsregeln, sind die buchhalterischen Regeln, sind die häufig auch Punkte, die eben bei den Leuten, die's technisch programmieren, die sich mit dieser Materie natürlich nicht so zurechtfinden, weil's nicht ihre Materie ist. Das heißt, wir haben häufig oder was ich häufig in der Praxis erlebe, ist eben, wir haben die Schnittstellen zwischen den Fachabteilungen. Wir haben das fachliche die fachliche Anforderung und die technische Umsetzung. Und dann hat man eben natürlich diese diese Diskrepanzen plus Erschwerend kommt hier hinzu bei APR meinetwegen die die einfache Überprüfung, weil klassischer Programmcode bei KI und das war der zentrale Aspekt, ist aber das Thema. Weil man hier eben nicht genau nachvollziehen kann, wie trifft diese KI ihre Entscheidungen und wie kann ich dann darüber Prüfungssicherheit generieren? Und da gibt's verschiedene Ansätze. Das war seinerzeit noch nicht oder ganz glasklar, in welche Richtung man geht. Und das war auch der Schwerpunkt. Weniger die RPA, mehr die KI. Wie kriege ich über die hidden Layer Prüfungssicherheit? Wie kriege ich Prüfungssicherheit darüber, was hinten rauskommt? Mhm. Mhm. Das finde ich superspannend, vor allem, weil uns das Thema Expinable AI eigentlich seit Firmengründung

Speaker2: von Erium auch beschäftigt. 1 der Ersten war im Bereich Predictive Maintenance, sobald Du einen Versicherer mit einschaltest. Dann möchte der nämlich genau wissen, na ja, wie kam's denn, dass die Pumpe doch explodiert ist, ne? So, also das Thema Expinable AI und Transparenz ist omnipräsent im Bereich AI. Und was ich hier grad spannend finde, so wie Du das beschreibst, das ist, dass Du offensichtlicher nicht nur den finalen Datensatz dann dir anguckst, sondern auch anguckst, wie der Datensatz, den der Kunde, also der Mandant, der dir übern Zaun wirft, wie der zustande kam. Und da ist meine Frage, warum ist das so? Also warum musst Du dir den Prozess angucken, wie der Kunde zu seiner Buchhaltung kam und nicht nur, was die Buchhaltung am Ende ist? Liegt es vielleicht daran, dass ihr gar nicht jede einzelnen jeden einzelnen Posten prüfen könnt und dann quasi sagt, okay, der Prozess, wie's entstanden ist, in Ordnung, also ist wahrscheinlich der Buchungsstapel auch in Ordnung? Liegt's daran?

Speaker0: Genau, das ist der Punkt. Also wir können, das gilt für die Abschlussprüfung an sich, ne. Wir können immer nur mit oder wir prüfen mit hinreichender Sicherheit. Das heißt, man stell sich jetzt mal 'n großes Unternehmen vor, das eben Millionen von Transaktionen täglich oder monatlich durchführt. Dann hab ich hier eben keine Chance bei der gegebenen Zeit. Man will ja nicht ein oder 2 Jahre auf seinen Bestätigungsvermerk warten, eben jede jede jeden Geschäftsvorfall oder die Verarbeitung jedes Geschäftsverfalls durchzusehen, sondern ich muss hier eben stichprobenbasiert wirtschaftlich prüfen. Das heißt, wir prüfen immer mit hinreichender Sicherheit, Mhm. Nicht mit vollumfänglicher Prüfungssicherheit. Und auch das gilt natürlich klassisch im IT Bereich, ne. Also wenn ich eben ja, Tools einsetze, dann muss ich hier hinreichende Sicherheit darüber bekommen, ob diese vernünftig funktionieren gemäß der oder der der Anforderungen, die ich eingangs gestellt hab. Also sprich, mal umgemünzt auf die KI, klassisch das Thema Change Managementprozess, ne. Wenn ich oder Implementierungsprozess von von Software, Eigenentwicklung oder Erwerb von Software. Wie setz ich den Gesamtprozess auf, hier a mir 'n vernünftigen Plan zu machen? Was soll die Software können? Und dann über den gesamten Lebens- oder Entwicklungszyklus sicherzustellen, dass dann auch Kontrollen implementiert sind, eben ja, diese Funktionalitäten sicherzustellen, wenn etwas identifiziert wird, was vom Plan abweicht, dass ich hierauf reagiere, dass ich's dokumentiere, Follow-up Maßnahmen definiere und klassisch bei der KI natürlich auch der Input, ne. Wenn die Daten, die ich reingebe, trainier grad die Trainingsdaten, das trainiert meine KI. Und auf der Basis kann man versuchen, man wird's nicht vollumfänglich hinbekommen, aber kann man versuchen, eben Rückschlüsse auf die Endergebnisse zu erhalten. Und klar, auch beim beim Output kann man benchmarken, mal eigene eigene Fallkonstellationen zu überlegen, in die KI reinzugeben und zu schauen, wie reagiert die? Was krieg ich an Output raus? Ist das das, was ich erwarte? Und darauf wieder Rückschlüsse zu ziehen, aber so ergibt sich dann das Gesamtbild.

Speaker2: Du, bevor wir da weiter in die Technik einsteigen, noch mal ganz kurz zurück zu deinem Werdegang, weil ich vermute, ein Pattern zu erkennen. Du hast dir 'n Wechsel gemacht von PwC hin zu HLB, was ja von der Größenordnung schon Unterschied ist. Und für mich sieht's so aus wie das klassische Pattern. Man fängt mal bei einem BMW an, möchte aber als Ingenieur dann nicht der Experte fürn linken Außenspiegel vom 4 Dreißiger sein, sondern

Speaker0: ja, 'n bissel bissel offener arbeiten. War das bei dir ähnlich oder wie kamste zu dem Wechsel? Ja, das trifft's eigentlich genau ins Schwarze. Also wie Du richtig sagst, ne, also bei den Großen, grad bei PwC ist man schon der Spezialist betreut einen Bereich, da war's jetzt klassisch die Abschlussprüfung. Ich hab dann aber schnell für mich gesagt, okay, hey, Du hast auch 'n Steuerberater. Du hast auch andere Interessen, grad im IT Bereich. Man möchte sich da weiterentwickeln und hab dann die Entscheidung getroffen und auch absichtlich kein ganz kleines mittelständisches Unternehmen oder keine ganz kleine mittelständische Kanzlei, sondern noch eine gewisse Größenordnung, dass man auch Mandanten im gehobeneren Mittelstand betreuen darf. Und eben genau wie Du sagst, ne, dieses Generalistische der, wir nennen's immer so schön, trusted Advisor. Das heißt, Du hast 'n Problem, Du meldest dich und wir kümmern uns im Sinne von, dass wir ganzheitlich beraten, ob's jetzt rein die Wirtschaftsprüfung betrifft, rechtliche Beratung, steuerliche Beratung. Und das war auch bei mir der ausschlaggebende Punkt, dort eben auch unternehmerisch freier tätig zu sein und sich entwickeln zu können. Okay.

Speaker2: Und jetzt hab ich da was zwischen den Zeilen rausgehört, wo ich dich auch noch mal bitten würd, dass Du das noch mal klarstellst. Also wie wie sieht das genau aus? Du arbeitest ja nicht nur als quasi Post Morttem Analytics Guy, der sich anguckt, obwohl ob alles richtig mit rechten Dingen zugegangen ist, sondern wenn ich das richtig raushör, Du gehst ja auch als aktiver Consultant in Projekte rein. Hast Du da 'n Beispiel, wie wie so was ablaufen kann?

Speaker0: Ja, also beispielsweise Compliance Management System oder Text Compliance Management System in dem Fall. Also wir hatten bei eine große Feststellung im umsatzsteuerlichen Bereich. Und dann sind wir hier eben hingegangen und haben gesagt, weil das auch zum Teil strafrechtliche Konsequenzen haben konnte, dass man, dass die Geschäftsführung natürlich hier Maßnahmen ergreifen muss, Follow up Aktivitäten implementieren. Und wir sind dann eben hingegangen, hey, wir können euch helfen, hier 'n Compliance Managementsystem zu implementieren, sodass ihr dann künftig auch für euch sagen könnt, solange dieses Managementsystem gelebt wird, habt ihr euch habt ihr alles getan, dann künftig euch von der persönlichen Haftung auch freizumachen, ne. Also Okay. Nicht nur nicht nur als, aber nicht falsch verstehen, nicht nur als Good oder Goodie, nicht nur als, sondern als gelebte Praxis. Das heißt, wir gehen eben auch hin und gehen da wirklich hin, wo's wehtut mit Prozessaufnahmen, das ist aufwendig, mit BPMN Notierung. Klar, versucht man auch hier und da, was zu automatisieren. Aber jetzt klassisch erst mal mit der BPMN Notierung die Prozesse, die gelebten Prozesse aufzunehmen und dahin zu gehen, wo's wehtut, Maßnahmen einzuleiten, Kontrollen zu implementieren.

Speaker2: Jetzt müssen wir noch mal ganz kurz zurückspulen. Feststellung. Wer stellt was fest?

Speaker0: Ja, absolut. Also das ist natürlich son bisschen der Wirtschaftsprüferjargon, ne. Klar, im Rahmen der der der Abschlussprüfung trifft man diese sogenannten Feststellungen. Das heißt, man hat eben Sachen, die oder Punkte, die nicht nach den gesetzlichen Anforderungen laufen. Gleichzeitig hat man natürlich auch aus der normalen steuerlichen Beratung kann man auf Aspekte stoßen, wo man merkt, das läuft eben nicht so, wie's sein sollte, grad umsatzsteuerlich, aber auch prozessual, ne. Wir haben immer mehr Anforderungen. Das ist auch 'n gravierender Punkt, wo wir dann beraten natürlich unterstützen, irgendwo Also die Unternehmen sind ja einfach belastet mit mit neuen Verwaltungsvorschriften, Nur mal genannt, Pillar 2, NIS 2, EN Voicing, ESG, was dazukommt. Überall dort können wir eben zumindest Weichenstellungen vornehmen, Anhaltspunkte geben. Wie kann man's pragmatisch umsetzen? Und wie kriegt man's dann auch grad bei Prüfungsmandaten, ne, wie kriegen wir's hinterher vernünftig über die Bühne? Wir müssen natürlich immer aufpassen, prüfungsnahe Beratung, dass wir nicht prüfen, was wir erstellen. Das muss auch ganz klar sein. Aber wir haben grad in unserer Kanzlei, wir haben natürlich beides, ne oder sowohl als auch. Wir haben Mandanten, die beraten wir nur. Wir haben aber auch Mandanten, die prüfen wir, wo wir dann, ich sag mal, in gewissen Grenzen auch hier Weichenstellungen, Hilfestellungen geben können.

Speaker2: Okay, aber aber es ist nicht so, dass man sagt, ich hab hier eine Feststellung für euch und by the way, ihr könnt's auch gleich das Prozesspackage

Speaker0: bei euch buchen. Nein, nein, nein, absolut nicht. Also wir freuen uns natürlich immer, aber für uns steht immer ganz oben drauf, also sowohl für unsere Leistungen Mehrwert erbringen, das, was Sinn macht, was effizient ist und gleichzeitig den Mehrwert bringt. Und wenn das eben ein Externer oder das Unternehmen vielleicht sogar selbst die Kompetenz hat, umso besser. Wir stehen da nur zur Verfügung und können noch mal den den Review machen, den Blick drüber, sodass dann auch wirklich die Sicherheit gegeben ist, dass wir da vernünftig aufgestellt sind und der Mandant dann auch durch die Prüfungen et cetera kommt.

Speaker2: Alright. Sehr cool. Lass uns jetzt mal betrachten. Also wir haben ja jetzt fast einen dreiseitigen Würfel, ne. Also wir haben einerseits die KI beim Kunden, die Du verstehen musst. Du hast KI in der Prüfung und Du hast KI als ja Werkzeughilfsmittel, mit neuer Regulatorik umzugehen. Und Du hast während der Masterarbeit ja letztlich dich mit KI auseinandergesetzt in dem Szenario, okay, ein Kunde hat 'n KI System am Lauf. Ich muss das verstehen, damit ich's testieren kann. Wie sieht's bei den anderen Bereichen aus? Wie nutzt ihr bei euch in der Kanzlei vielleicht schon generative KI oder KI im Allgemeinen, euren Arbeitsablauf vielleicht besser zu machen, vielleicht effizienter zu gestalten, also weil auch die Optimierungsziele mit KI sind ja vielfältig. Wie seid ihr da unterwegs?

Speaker0: Genau. Also ich sag mal, für die Prüfung an sich verwenden wir's beispielsweise im Bereich NLP, Natural Language Processing. Das heißt, wir machen viel, was so Anhangs Lagerberichtsprüfung angeht schon mit KI. Grade Anhang bietet sich da an, das sind spezifische gesetzliche Anforderungen, die da zu erfüllen sind. Und die KI kann dann eben den Anhang der individuell von Mandanten und auch branchenspezifisch vorbereitet wird, durchleuchten und gegen den Sollzustand die gesetzliche Anforderungen gegenhalten. Lagebericht ist schon etwas spezieller, weil er doch deutlich individueller und mehr generischer ist. Funktioniert aber auch schon ganz gut spätestens in den Folgejahren, wenn man nämlich der KI son bisschen die Individualitäten bei Mandanten tatsächlich beigebracht hat durchs Mapping. Und im Bereich der IT Prüfung, da sind wir auch dabei, uns auszuprobieren, grad im aussichtsrechtlichen Bereich, damit mein ich ja so Banken, Versicherungen, Finanzdienstleister, hat einfach den Hintergrund, weil die schon sehr viel an Dokumentation, Verfahrensdokumentation, IT Dokumentation haben, auch hier mit zu arbeiten. Und ich sag mal auch intern, ne, was die internen Prozesse angeht, versuchen wir viel. Versuch macht klug, sag ich immer. Und so die die Allerheitslösung hat man meistens nicht und es man wird ja momentan geflutet mit allerlei möglichen Tools und Anwendungsszenarien. Und wir haben da schon auch KI Bots intern ausprobiert. Grad für die fachliche Recherche im steuerlichen Bereich sehr, sehr aktiv und noch aktiv. Was wir für uns festgestellt haben, diese fachlich, grade bei der fachlichen Recherche und das würd ich auch nicht nur für den steuerlichen Bereich sehen, das würd ich generell sehen, ist es schon noch 'n Stück weit schwierig, dadurch die Arbeitserleichterung zu bekommen. Wir hatten rumprobiert mit sowohl per Placity, was eben per Web Crawling dann auch funktioniert, aber auch mit OpenAI Schnittstelle. Und es ist aber immer so, dass ich natürlich dann noch mal drüber gucken muss. Das heißt, ich muss doch noch mal die fachliche Arbeit machen, sprich das, was mir die Arbeit wirklich erleichtern würde, wenn man über generell spricht, ist son Alltagshelfer, ne. Memos, Zusammenfassungen, PDF in die Richtung. Ja und schnell, schnell Daten auslesen, auch Datenanalysen eben mit KI aufzubreiten. Und für uns ist dann aber immer ein Bremser das Thema Datenschutz. Wir sind unter Linie gesetzlich der Verschwiegenheitspflicht. Das heißt, wir müssen immer schauen, welche Daten können wir reingeben beziehungsweise wie setzen wir auch das Modell auf? Beispielsweise bei dem bei der KI basierten Anhangsprüfung, die ich grad gesagt hab, da merkt man auch, dass im Vergleich zu den Modellen, wie's OpenAI macht, wir haben natürlich nicht sone sone schnelle Lernrate, weil man eben sagen muss, okay, wir müssen's eben, wenn man so will, lokal hosten oder lokale abgegrenzte Bereiche der KI generieren, die werden dann individuell trainiert. Und nur die Gewichte, die aber keine Rückschluss auf die Mandantenspezifischen Daten zurücklassen, werden dann in das allgemeine Modell zurückgegeben, sodass wir dann bei Abschlussprüfung in 'nem Jahrestonus quasi 'n Update bekommen, ne, die KI besser wird, weil eben alle ihre Gewichtung nach oben geben. Das wird dann in Summe zurückgespielt und man hat 'n besseres KI Modell. Und ja, wir sind auch noch, was wir intern, grad so der Prozessbereich, das ist auch son bisschen so die geheime Leidenschaft. Ich sag mal aus sowohl aus der Abschlussprüfung, aber im Grunde genommen alles sind Prozesse. Und auch da sowohl intern als auch extern bei den Mandanten. Ich hab's grad erwähnt mit BPMM Notierungen, was natürlich sehr, sehr aufwendig ist, aber grad auch im Bereich Prozess Mining, Task Mining versuchen wir ja immer wieder neue Lösungen auszuprobieren, dann einfach auch 1 1 1 Teilautomatisierung dieser Prozessaufnahmen hinzubekommen. Und da seh ich auch tatsächlich für die Zukunft relativ viel Potenzial noch noch auch mit KI.

Speaker2: Du hast jetzt auf einen Schlag Ja, 1000 Themen. Eine ganze Menge an Klammern aufgemacht. Ich würd da mal ganz kurz durchgehen. Eine sehr einfache Frage. Was genau habt ihr damit Perplexity ausprobiert?

Speaker0: Die fachliche Recherche, also beispielsweise steuerliche steuerliche Fachrecherche. Ich bekomm von Mandanten die Frage, ich möchte hier eine Lieferung von a nach b machen, dabei überschreitet ich die Grenze oder liefer ins Drittland. Was muss ich da beachten? Wie muss meine Rechnung aussehen? Welche Hinweise müssen auf der Rechnung enthalten sein? Welcher Umsatzsteuersatz? Welche Meldungen vielleicht müssen enthalten sein? Und das eben mit per Plaet City aufzubereiten, dann auch schnellstmöglich die Antwort zugeschnitten,

Speaker2: auch wiederum mit KI zugeschnitten, an den Mandanten zu versenden. Okay. Ja. Aber dann dann kann ich das gut nachvollziehen, wenn es so mittel mittel cool war das Ergebnis. Also solche Cases, ja, Halluzination schreit dann natürlich nach den üblichen Problemen. Würde ich auch nur aufsetzen, wenn ich den Kontext voll im Griff hab, ja, beziehungsweise vielleicht in 'nem ersten Step mir 'n erster Agent sagt, okay, die und die und die, Dokumentationen, die Regelwerke, die musst Du jetzt mal berücksichtigen und dann geht die eigentliche Recherche erst los mit 'nem zweiten. Irgendwie so würd ich das aufsetzen. Aber sonst wär mir das auch zu heiß und dann ist genauso wie Du sagst, ja okay, cooler Tipp, aber eigentlich muss ich noch mal alles nachchecken, ja, weil sonst ist es zu heiß. Ja, genau. Stimmt.

Speaker0: Und das ist ja auch, kann sich dann auch zu 'nem Riesenhaftungsthema, ne, wenn man sich Ja, okay. Schickt das einfach so raus und das ist alles falsch. Ich glaub, in Amerika war das ja sogar mal Rechtsanwalt, der das dann per KI, ich glaub, eine Klageschrift hat vorbereiten lassen. Das ist hinterher aufgeflogen. Der ist mittlerweile seine Zulassung los.

Speaker2: Krass, wusst ich nicht. Aber das ist, also absolut, ja, Sorgfaltspflicht oder auf welcher Basis wird einem da die die Lizenz entzogen?

Speaker0: Ja, genau. Also ich sag mal, neben dem Haftungsthema, ne, wenn ich nicht gewissenhaft arbeite. Klar, in Amerika noch 'n bisschen bisschen schärfer unterwegs. Bei uns wär's dann tatsächlich, sobald halt irgendwann mal die Berufsaufsicht mit reinkommt und man sich solche Verfehlungen, das muss schon schon 'n scharfes Schwert, da muss man sich schon einiges geleistet haben, dann auch irgendwann sagt, okay, jetzt geht's nicht mehr und jetzt entziehen wir die Erlaubnis.

Speaker2: Was Du außerdem erwähnt hast, war ja Datenanalyse. Das finde ich auch 'n superspannendes wiederkehrendes Pattern, was jetzt halt überhaupt nicht nur auf diesen diesen diesen Anwendungsbereich eingekapselt ist. Ich erklär's noch mal ganz kurz für für für alle, die das noch nicht ausprobiert haben. Also man kann mit sehr, sehr gut Code generieren und man kann die Zügel auch zu 'nem gewissen Stück in die Hände der KI legen. Was meine ich damit? Ganz praktisch zum Beispiel bei uns in der Plattform kann ich eine Excel hochladen, mehrere Exels hochladen oder einen Connector zu 'ner SQL Datenbank herstellen und dann dem Modell sagen, schau dich mal in dem Datensatz. Und 'n Modell wie GPT 4 o kriegt's gut hin, dann über Python Code und die Ausführung des Python Codes mal die Spaltenheader auszulesen, sich 'n paar 1. Zeilen anzugucken und sich dann aufzuschlauen, tiefergehende Analysen zu fahren. Und ich hab erst letzte Woche eine Schulung fürn VDI gemacht, da haben wir das live gemacht in der in der Trainingsgruppe und es war wirklich sau cool wieder mal. Wir haben auf eine halbe Stunde den Datensatz analysiert. Die Teilnehmer haben mir dazugeworfen, was sie genau interessiert bezüglich des Datensatzes und wir haben's einfach live durchziehen können, was wir früher im Rahmen von 'ner Woche Data Science Projekt umsetzen hätten müssen. Und das Schöne ist häufig, also wir sind ja wahrscheinlich genauso wie Du auch, häufig auf der Suche nach der Nadel im Heuhaufen. Und wenn ich die mal gefunden hab, dann ist auch bezüglich der Nachweispflicht her klar, ja, weil ich hier hier ist der nicht in Ordnung Case, ja. Oder das ist der der Fall, bei dem hat die Anlage ab dem Zeitpunkt nicht mehr funktioniert, ja. Also wenn ich die Nadel mal gefunden hab, dann hab ich auch kein Problem mehr damit, wie das Ergebnis zustande gekommen ist, ja, weil die Nadel ist da. Und das ist natürlich was Ganzes anderes, wie wenn ich sag, ich mach hier Rechtsberatung mit KI, ja, wo es ja sehr, sehr stark aufn Prozess drauf ankommt. Also ich fand 'n super cooles Beispiel Niklas, dass ihr auch diesen Case bei euch habt bezüglich der Datenanalyse mit KI ist exakt das gleiche Maschinenbau. Ja.

Speaker0: Nee, absolut. Und bei uns ist es ja auch, wenn man jetzt wieder rein aus der Abschlussprüferbrille gesprochen, sind wir auch verpflichtet, Datenanalysen, Journal Entry Tests heißt es dann immer, sprich, einmal den gesamten Buchungsstoff sowieso dahingehend zu analysieren, ob man noch ja, Anhaltspunkte auf sogenannte Handlungen, also betrügerische Handlungen identifizieren kann. Und das ist genau der Punkt, ne. KI ist gut dadrin, Muster zu erkennen, was der Mensch eben nicht so gut kann, plus eben die Datenaufbereitung auch sehr, sehr schnell vorzunehmen. Klassisch in der Vergangenheit, wenn man nur da drüber gesprochen hat, sich die FiBuo Header und Bauchdaten zu ziehen, war man schon 'n bisschen beschäftigt, das alles zu mappen, auch mit dem Kontenrahmen. Ja. Mit KI kann man da diverse vor- und nachgelagerte Systeme eben mit mit reinbringen, ne. Und das durch relationales Datenbankwissen dann auch irgendwo zu kombinieren. Und das Schöne ist natürlich dieses ja, ohne voreingenommen zu sein bestimmte Muster zu erkennen, ne? Weil das ist genau das, was Du auch sagst, die diese Nadel im Heuhaufen zu finden. Wir haben natürlich, je erfahrener man ist, desto mehr man weiß, wo kann etwas schieflaufen, desto eher weiß man, wo man reinzugucken hat. Mhm. Aber es sind ja schon generische und auch Standardtests, Klar. Die man dann durchführt. So. Und wenn ich dann einfach mal mit der KI wirklich Muster mir rausgeben lassen kann, die ich jetzt so per se nicht mir vorgenommen hätte, klar sind da viele falz Positives dabei. Aber ich kann erst mal dann durchgehen und sagen, was wäre denn, was würde denn hier als komisch erachtet? Und dann hab ich vielleicht 20 Stück. Aber 1 davon ist genau die Nadel, die ich brauche. Und das ist 'n Riesenpotenzial, was man da was ich da sehe plus andersherum auch wieder von der prüferischen Seite. Wenn man mal überlegt, man hat eben den gesamten Buchungsstoff und kann hier die KI drauf trainieren. Das und das sind normale Geschäftsausfälle, die passieren regelmäßig. Die brauchst Du braucht man sich dann nicht noch mal separat angucken, sondern die sind gelaufen wie erwartet. Und er kennt eben Muster, wo auffällige, Entschuldigung, wo auffällige Buchungen stattfinden, dass er mir diese direkt rausspuckt und ich eben näher an diesen Vollprüfungsgedanken komme, ne, was ich eingangs sagte mit hinreichender Prüfung, Stichprobenprüfung, wo ich immer das Stichprobenrisiko hab, auch wenn ich sage, ich hab's statistisch ermittelt und rechne auf die Grundgesamtheit hoch, hab ich immer das Risiko, dass in meiner Stichprobe genau diese Nadel nicht enthalten war und ich dann falsche Rückschlüsse auf die Grundgesamtheit ziehe,

Speaker2: wo mir die KI natürlich sehr, sehr stark helfen kann in Zukunft. Mhm. Das ist fast schon wie bei der Softwareentwicklung. Da gibt's ja das Konzept der Unittests. Das heißt, Unit Test, ein Unit Test ist ein Test für ein bestimmtes Verhalten, ja, oder eine Funktionalität in dem Programmcode. Und Du hast dann, wenn Du Kombinatorik mit reinnimmst, teilweise Milliarden, Billionen Tests, die einfach bei jedem Release durchgerattert werden. Und so ähnlich geht's ja dann bei euch auch in die Richtung, dass Du sagst, weg von der Stichprobe hinzu, wir deklinieren das jetzt komplett durch, ja. Und die KI, die rattert einfach durch die durch die Kombinatorik und durch die Tests. Und am Ende, was ich da sehr schön finde, hat man eine vollständigerere Prüfung und nicht quasi eine Prüfung, die bisher halt der Mensch gemacht hat, irgendwie wegrationalisiert, ja, sondern es ist wieder mal das Pattern, dass Du das, was Du als Experte machst, noch schlagkräftiger machst, noch umfangreicher machst, noch qualifizierter machst. Was ja eigentlich der Angst diametral entgegensteht, die ja auch im Raum steht, dass KI ja Arbeit wegrationalisiert. Also im im Gegenteil. Ich kann mir vorstellen, ja, ein Wirtschaftsprüfer früher, der musste halt gut mit Büchern umgehen können, dann musste er irgendwann mit Excel umgehen können und jetzt müssen wir dann in Zukunft damit KI umgehen können. Also letztlich, wie siehst Du das? Ist das ist das 'n Trend, der auch die Branche wirklich durchdringt, ja, dass man sich jetzt auf einmal mit KI auskennen muss? Oder ist das was, wo ihr bei HRB vielleicht auch son bisschen 'n 'n Unicorn seid, das da raussticht?

Speaker0: Nee, absolut. Also das ist natürlich 'n Branchentrend. Da seh ich auch viele Berufskollegen, die einfach versuchen, Nutzen daraus zu ziehen, das zu implementieren, grad auch in der Datenanalyse, ne. Und wie Du schon sagst, also es ist nicht, dass Arbeit wegfällt, sondern die Arbeit wird qualitativer. Das heißt Genau. Gleich zu früher, wo ich dann oder teilweise wird's ja auch noch irgendwosens Ziel so gemacht, aber wo ich halt im kleinen, kleinen Stichproben ziehe, muss ich mir jetzt halt im Vorfeld Gedanken machen, was macht Sinn? Welche Belegströme hab ich? Wie läuft das Geschäft ab? Wo können Fehler passieren? Und was spuckt mir vielleicht auch unabhängig von meinen Erfahrungen, was ich vordefiniere, was spuckt mir die KI an Analysen aus, was aus Ihrer Sicht auffällig ist und muss das dann wiederum verstehen, auch verstehen, warum mir die KI das ausgespuckt hat. Weswegen ich auch wieder das Wissen über die KI an sich brauche, ne? Warum oder wie funktioniert die? Warum spuckt die mir genau das aus? Und das ist genau der Punkt. Man braucht eben dieses dieses Spezial Know how. Man muss wissen, zumindest auf 'ner High Level Ebene, wie funktioniert KI? Wie kommen die Entscheidung zustande, dann auch die Güte Güte der des des Outputs zu bemessen. Und ja, in dem Bereich versuchen sich viele. Mhm. Gibt auch so aus meinem näheren Umkreis gibt's natürlich den einen oder anderen, der da tiefer einsteigt. Aber es ist vielfach einfach noch, es ist es ist 'n Hype. Und man kratzt, glaub ich, auch noch sehr oberflächlich an die Möglichkeiten, was da theoretisch dann auch möglich ist bis hin oder da möcht ich noch gar nicht von sprechen, was man dann auch in der Praxis umsetzt. Also das, was ich eingangs gesagt hab mit der KI basierten Anhangsprüfung, Lageberichtsprüfung, das ist, glaub ich, mittlerweile Standard. Das machen so gut wie alle. Aber wenn's dann darum geht, auch mal Prozessprüfungen, die wir ja auch standardmäßig vornehmen müssen, da in Richtung Teilautomatisierung, KI basierter KI basiertes Prozessmapping et cetera zu gehen. Da sind die meisten noch nicht Datenanalysen passieren auch noch in der Regel klassisch, Ist aber auch vielleicht bedingt dadurch, dass wir dieser Verschwiegenheit unterliegen und hier natürlich gucken müssen, dass wir eine KI selber hosten. Und da fängt's dann halt an, ne? Hast Du das Know how intern, dass jemand weiß, wie kann ich eine KI vernünftig vielleicht sogar lokal eine an Eigenhosting vornehmen? Und seien wir ehrlich, so schwer ist das heutzutage nicht mehr mit Lama et cetera. Kann man rein theoretisch sogar schnell da was aufbauen, wenn man sich mal einfach versuchen möchte, einfach mal ausprobieren möchte. Ja, aber das ist so, das ist so der Stand, den ich da wahrnehme. Und man kratzt meines Erachtens noch oder schöpft noch nicht alle Möglichkeiten, die's per technischen Stand heute schon gibt, aus.

Speaker2: Deckt sich mit meiner Wahrnehmung. Wir wir kommen da grad so ein bissel wie die Jungfrau zum Kinde. Ist nämlich so, bei uns fallen grad bei bei Eriom ein paar paar paar Puzzlestücke zusammen. Du hast grad das lokale Deployment erwähnt, ja? Also ausm Automotive sind wir das total gewohnt. Stichwort TISAX Zertifizierung, dass dass Datensicherheit extrem wichtig ist, ja. Und dementsprechend quasi Kunde möchte lokales Deployment. Ja, hier ist Herr Larry in der Box, ja. Kost zwar bissel, ist klar im Vergleich zu 'ner SARS Subscription, aber machbar kein Stress, ja, wenn man weiß wie, also wie Du sagst, ne. Und was ich auch interessant finde zu beobachten, ist dieses iterative Abarbeiten, eben einen Anhang oder 'n Lagebericht auf auf Konsistenz zu überprüfen. Ja, das ist Vorloop, GPT, Prüfkatalog mal drüber rattern lassen. Das ist ja schon fast zu stumpf. Ja, die Frage, mit der wir uns grad auseinandersetzen, ist die andere Seite der Medaille. Also wie kommst Du zu deinem Lagebericht? Wie kommst Du zu deinem Nachhaltigkeitsreport? Wie kannst Du mit generativer KI die Erstellung 1 Wesentlichkeitsanalyse beim Nachhaltigkeitsberichts erstellen? Ja, wie kannst Du den den unterstützen? Und dort stellen wir aber wieder fest so, okay, dickes Brett, ja? Da sind wir dann wieder gefragt, die Promptchains zu bauen, die Prozesse kognitiv abzubilden, was aber natürlich nur geht und da bin ich heilfroh, dass eure Branche da auch so aufgeschlossen ist, wenn wir die Sparringspartner haben, mit denen wir die Prozesse entsprechend abbilden können. Also da bin ich absolut bei dir, ja, dass da der Weg noch lange nicht gegangen ist und dass da noch viel vor uns liegt. Aber das Potenzial ist natürlich extrem da, ja. Also wenn ich mir das angucke, wie wir jetzt schon den den den CSRD Report fast zu 80 Prozent von der stumpfen Monkey Work ja in eine Maschine auslagern können und ich dann als Consultant mir wirklich anschaue, ja was macht 'n die Firma eigentlich? Ja, was wo kann die 'n positiven Wandel hinlegen, dann sehe ich da auch die Chance, dass Du den Gedanken, der ja hinter so was wie in 'nem Nachhaltigkeitsreporting liegt, nämlich dass sich die Firmen anfangen, Gedanken zu machen und nicht jetzt nur wieder einen neuen Stapel Papier zu produzieren, dass Du dem Ziel auch ein bissel näher kommst, ja. Und wie gesagt, nicht nur, okay, jetzt kost mich das 100000 Euro, Papier landet in der Schublade, tschüss. Das fände ich nämlich schade, ja. Ja, absolut.

Speaker0: Und ich sag mal, das Schöne ist ja auch, grad in dem Bereich, ne, finde ich 'n prädestinierter Bereich, weil ich sag mal, alles, was Rechnungslegung oder Offenlegungsberichte angeht, Ja. Umzulegende Berichte, grad ESG Berichte, gut. Noch oder jetzt kommt die 1. Berichtssaison für in 25 für 24 bei den Kapitalmarktorientierten. In 26 dann für 4 25 für die übrigen jetzt mal bestimmte Übergangsregelungen ausgeklammert. Aber das Schöne ist ja, die KI, sie zu trainieren, die Datensätze sind halt frei verfügbar. Das heißt, öffentlich kann ich diese Berichte einsehen, kann damit auch meine KI trainieren. Wir haben dort eben auch schon probiert beziehungsweise per Webcrolling, das sind eben ja jetzt noch keine keine ESG Berichte. Aber dann nach Giri, Standard oder ähnlichen finanzielle Berichte, die aufgestellt worden sind, auch son bisschen wieder, da bin ich beim Mehrwert, ne, wieder die Weichenstellung, die Hilfestellung zu geben. Wenn man sagt, ich möchte hier 'ne Peer Group eben definieren, kriege per Web Crawling die Berichte und kann mir dann sagen lassen, okay, für den und den Datenpunkt aus den ESG Standards, aus den ISRS hab ich vielleicht die und die Formulierung, die ich verwenden kann, plus Ja. Ich kann auch meinen meinen bisherigen Entwurf vom CSID Bericht eben reinladen und mal gegen den Soll Zustand ESRS Standard halten, zu schauen, wie konform bin ich denn heute schon? Welche Datenpunkte fehlen mir? Und das quasi auf Knopfdruck, das ist super. Schon geil, ja. Und gleichzeitig auch wiederum, dann bin ich wieder nämlich, dreh ich die Medaille wieder einmal rum, wieder von der Prüferschen Brille. Wenn man sich jetzt überlegt bis zu, was waren's, knapp tausendeinhundert Datenpunkte, die dort potenziell ermittelt werden können. Das sind auch alles Datenpunkte, die wir dann wieder als Abschlussprüfer prüfen müssen. Wenn man da natürlich 'ne Hilfestellung bekommt, auch rein die formellen Punkte schnell abgeprüft zu bekommen, ist das 'n immenser eine immense Arbeitserleichterung, ne.

Speaker2: Dann müssen wir jetzt jetzt noch einmal kurz Glossar spielen. ESRS, European Sustainability Reporting Standards. Also ist gar nicht so kompliziert, aber einmal kurz erwähnt. Sehr cool. Niklas, ich hab ein paar Fragen dabei. Die würde ich jetzt einfach mal kurz über den Zaun werfen und Du antwortest spontan, was da so in den Sinn kommt. Steigen wir mal ein, 1. Frage. In welchem Bereich deiner Arbeit würdest Du am liebsten noch mehr nutzen?

Speaker0: Noch mehr in schwierige Frage. Also tatsächlich rein theoretisch in in der fachlichen Recherche, dass ich eben auch dort zeitlich entlastet werde. Das bedeutet aber auch, dass ich mich auf die Ergebnisse stärker verlassen muss. Das Problem dort ist eben, dass natürlich auch Kommentierungen einbezogen werden müssen. Da haben wir häufig dann die Schwierigkeiten, also typische Kommentare sind oder Kommentaranbieter Backhaufe. Die wollen natürlich oder wollen sich am am Leben halten. Das heißt, die stellen keine API, keine Schnittstelle zur Verfügung und bauen sich natürlich die eigenen Chat Bots, Ja. Was das ungemein schwieriger macht. Das wär super, wenn man da, ich sag mal, sone Allerhaltslösung hätte und sich wirklich zu 90, 95 Prozent auf diese Ergebnisse verlassen kann, einmal drübergucken muss und ja, dann spezifisch diese diese Lösung auch verarbeiten kann,

Speaker2: ne? Also superspannend, wenn Du sagst, Recherchearbeit. Wir wir wir wir haben komplett anders Feld, ja? Ja, bisschen einen intellektuellen Austausch auch noch mit Wissenschaftlern von der TU und Max Planck. Und bei denen geht's ja auch drum zu recherchieren beim Paper schreiben, Was ist Stand der Technik? Was gibt's? Quasi nicht nur, dass Du nicht was veröffentlichst, das es schon gibt, sondern auch, dass Du bei 'ner neuen Forschungsarbeit möglichst auf den getanen Forschungen aufsetzt. Und dort ist es auch so, es ist total schwer, die die Paper zu finden, ne, die jetzt für dein Problem relevant sind. Und was Du jetzt beschreibst, das ist quasi einmal RAW Data plus die Kommentare oben drauf und dann noch proprietäre APIs.

Speaker0: Ja, ja, also irgendwie, da muss ich noch Aber gestern noch Mandanten Know how, dass man eben quasi so Container hat, das ist ja auch noch spezifisch auf die einzelnen Mandanten. Das wär natürlich die Traumwelt, ne, plus das eigene Wording, son den eigenen Stil nachahmen kann, aber das ist dann wirklich over the top.

Speaker2: Da wird sich hoffentlich was mit Kraftdatenbanken tun. Also wenn wir sone Weltwissen Ontologie hinbekommen, das wär nicht schlecht,

Speaker0: Sag mal schnell ein bisschen bekommt. Obwohl wir 'n bissel zusammenreißen.

Speaker2: 2. Frage, warte nämlich, welche Fähigkeiten oder welches Feature von JennAI hat dich am meisten beeindruckt?

Speaker0: Die Schnelligkeit grad in der Datenanalyse, dass ich eben unstrukturierte Daten reingebe und wirklich aussagekräftige, verwertbare Ergebnisse zurückbekomme. Das heißt, wo ich vorher vielleicht auch allein für die Integritäts- und Vollständigkeitsprüfung, Konsistenzprüfung 2, 3 Tage gebraucht hab, das hab ich innerhalb von 5 Minuten. Ja.

Speaker2: Dann gehen wir gleich weiter zur Dritten, nämlich wenn Du dir eine zusätzliche Fähigkeit, also neues Feature, ja, oder eine neue Superpower von JENAI wünschen könntest, welche wäre das? Also Beispiel logisches Denken besser oder, ja?

Speaker0: Mhm. Quasi noch mehr über den Tellerrand hinauszugucken. Also grad, wenn ich auch wieder an Datenanalysen denke, ne, dass dass man im Sinne 1 Mehrwerts, wenn betrügerische Handlungen vorhanden sind, dass das eben auch hinreichend sicher erkannt werden kann, auch wenn's sehr, sehr schwierig ist, ne? Also ich sag mal, man kennt's ja aus dem eigenen praktischen Umfeld. Das ist schon immer gut versteckt, wenn's denn der Fall ist. Und wenn man da die KI, wenn die das könnte und man sich wirklich hinreichend sicher drauf verlassen kann, das wär schon sehr, sehr gut.

Speaker2: Da muss ich jetzt was sagen, weil das ist tatsächlich was, das das das ganz viel auch meiner täglichen Arbeit ausmacht. Nämlich wenn Du 'ner 'nem Sprachmodell was gibst, dann nutzt's das auch. Also der das exakte Steuern von Kontext ist extrem wichtig, vor allem bei komplexeren kognitiven Chain, die wir bauen. Und ich hab manchmal eben genau das gleiche Gefühl, wenn ich dich richtig verstanden habe, ja, dass das Modell, jetzt denk mal ja ein bissel auf 'ner Metaebene bitte, ja? Also das, was ich dir grad hingegeben hab, das ist einfach nur Kontext und jetzt nicht zu zitieren, bitte. Na ja, also diese Metaebene, die fehlt den Modellen einfach noch extrem. Ja, absolut. Moment. Jetzt wieder auf nächste Frage. Welche Fähigkeiten oder Kenntnisse sollten junge Berufseinsteiger deiner Meinung nach im Bereich JennaI entwickeln?

Speaker0: Aufgeschlossenheit. Das heißt, flexibel sein, immer nach neuen Use Cases, weil ich glaube, das b oderGen AI bietet so viele Möglichkeiten, dass wir einfach noch gar nicht absehen können, wofür ist das überhaupt verwendbar, ne? Da werden sich auch in Zukunft noch so viele Möglichkeiten auftun. Und da einfach wirklich zu versuchen, immer mal wieder zu challengen, wie arbeite ich grade? Kann ich das nicht vielleicht besser mit GenAI? Und dann aber auch ja, die Dinge zu hinterfragen. Ist das, was ich da grade rausbekomme, kann ich das wirklich so 1 zu 1 zu verwenden? Oder muss ich da vielleicht noch mal drüber arbeiten?

Speaker2: In dem Kontext, ich wollt auch noch eine Frage an dich unterbringen, ja, und das ist jetzt der richtige Moment. Und zwar inwiefern Du dir schon Gedanken gemacht hast bezüglich der Kehrseite? Also siehst Du das am Horizont oder gibt's es vielleicht schon, dass jemand JennaI nutzt, bessere Fälschungen herzustellen, also die Bücher besser und konsistenter zu fälschen?

Speaker0: Ja, tatsächlich zutreffender Punkt, ne. Ich sag mal, das ist auch so immer das Kriterium oder der Knackpunkt, den man sich gefallen lassen muss, weil wir natürlich auch in der Abschlussprüfung, wir prüfen ja nur historische Werte. Wir prüfen auch nur historische oder können die historischen Werte nur anhand von ja, bereits verfügbaren Unterlagen, Dokumenten nachvollziehen. Was ich meine, ist, wir können ja nicht den Geschäftsvorfall an sich, der ja schon passiert ist, noch mal nachvollziehen. Grade auch dann nicht. Und dann sind wir nicht nur im Bereich der Fälschung von Dokumenten, sondern auch in neuen Geschäftsmodellen. Mhm. Ne, früher mit Telekommunikationsdienstleistungen, Telefon, wenn das abgerechnet wird, heutzutage vielleicht mit Software, mit mit Abrufen, API Abrufen von der Nutzung von Systemen. Wer sagt mir denn, dass da nicht einfach irgendwer anderes hintersteckt oder man diese diese Abrufe einfach hochgeschraubt hat? Also hier, ne, hier immer die quasi mit mit der mit der kritischen Grundhaltung drangehen. Aber wenn's sehr, sehr gut gefälscht ist, ist es natürlich, und das ist 'n zutreffender Punkt, sehr, sehr schwierig, das aufzudecken, ne. Da hilft nur wirklich den Geschäftsvorfall end to end zu hinterfragen, bis zu dem Zahlungsverkehr nachzuvollziehen und dann vielleicht auch noch mal drauf zu gucken, wer macht denn diese Zahlungen? Gibt das ja Hinweise auf dubiose Hintergesellschaften oder Ähnliches?

Speaker2: Am Ende ein Arms Race, der sich abzeichnet. Die eine KI jagt die andere. Richtig.

Speaker0: Ist ja auch ähnlich in der in der Cybersecurity oder Informations- und E-Mail-Sparte, ne. Also Hacker sind natürlich stark dabei, eben die KI anzuwenden, auch ich hab letztens vor 'nem Fall mir berichten lassen, dass man eben eine Person in der Finanzbuchhaltung dazu gebracht hat, 30000000 US Dollar zu überweisen. Und wie haben sie's gemacht? Die haben von dem die haben sich per Social Engineering darüber informiert, mit welchen Personen genau diese Person zusammenarbeitet regelmäßig, haben ein Teams Meeting aufgesetzt und quasi mit der KI die Kollegen imitiert, sowohl bildlich als auch sprachlich. 30 Sekunden reichen aus, die Sprache komplett nachzuimitieren und haben diese Person dann überzeugt, 30000000 US Dollar zur Überweisung. Das makabere ist, 30000000 US Dollar kann man nicht mal eben so überweisen in einem Überweisungsträger, sondern das muss man auf mehreren machen. Das heißt, es hat mehrfach dann auch die Kontrolle versagt. Was? Ja. Und das so so viel dazu, mit welchen neuen Herausforderungen man dann künftig zu kämpfen hat, ne.

Speaker2: Aber es stimmt. Also das ist wirklich vielen gar nicht bewusst. So viel Material, wie jetzt beispielsweise von mir online ist, man kann mich von vorne bis hinten klonen locker. Und auch bei dir, Niklas, muss ich dich leider jetzt enttäuschen, es ist ab jetzt vorbei. Richtig.

Speaker0: Absolut.

Speaker2: Kommen wir zur letzten Frage, die finde ich, ist immer besonders spannend, nämlich jetzt mal ganz persönlich bezogen auf dich. Wenn Du deinem zwanzigjährigen Ich einen Rat geben könntest, gibt's da einen und wenn ja, welchen?

Speaker0: Wieder schwierige Frage. Was würde ich mir denn fürn Rat geben, wenn ich 20 Jahre alt wär? Ich würde wahrscheinlich schon früher anfangen in die in die IT Sparte, weil das ist doch das, was ich für mich im Nachgang rausgefunden hab. Das ist echt eine Leidenschaft, das macht mir Spaß, grad da verstärkt reinzugehen und die Potenziale auszunutzen, ne. Ich sag mal, dort noch ehrgeiziger eben das eigene Geschäftsmodell. Und wer weiß vielleicht, wenn ich noch mal von vorne anfangen könnte, dann auch zu sagen, hey, nicht die Wirtschaftsprüfung, sondern tatsächlich eher im Start up Bereich was Eigenes aufbauen in der in dem technologischen Bereich?

Speaker2: Es ist nie zu spät Ja. In technologischen Partner suchst. Ja. Sehr cool. Niklas, vielen Dank. Sehr, sehr spannend. Ich hab sehr viel dazugelernt. Als Astrophysiker hat man mit Wirtschaftsprüfung ja erst mal nicht so viel zu tun. Aber das Schöne ist, weil ich find's auch total spannend, einfach die Art und Weise, wie ihr in eurer Branche denkt, ist zu einem Grad systematisch, der mir liegt, ja. Und von daher finde ich sehr, sehr cool, dass wir da auch von der Firma her in immer mehr Use Cases reingehen. Ich hoffe, wir sehen uns mal persönlich, nicht nur virtuell per Podcastaufnahme und wünsch dir alles Gute in der Vorweihnachtszeit. Wir haben's nicht erwähnt, wir nehmen jetzt im Dezember auf. Ich hoffe, es ist nicht allzu stressig im Endjahresgeschäft für dich. Hat sehr viel Spaß gemacht, mit dir zu sprechen.

Speaker0: Vielen Dank Theo. Hat mir auch sehr viel Spaß gemacht.

Speaker2: Wunderbar. Dann hoffe ich, dass wir nicht allzu viele der Zuhörer abgehängt haben mit heute mal ganz neuem Jargon über Feststellungen, Anhängen, Lageberichten und Co. Freut sich auf die nächste Folge. Wir gehen quer durch den Gemüsegarten. Alles, was kognitive Prozesse angeht und anspruchsvoll ist, werden wir uns vornehmen. Habt ihr gute Zeit, Mastercardity.

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 The Heriom Podcast.

More episodes from season 7 →