Als ich vor mehr als zwei Jahrzehnten meine Karriere als interner Auditor begann, drehte sich die meiste Arbeit um Stichproben – fünfzig Transaktionen hier, fünfundsiebzig dort –, denn das war alles, was wir realistischerweise bewältigen konnten. Wir präsentierten unsere Ergebnisse und das Gespräch endete oft bei „fünf Fehler von fünfzig“. Nützlich? Vielleicht. Transformativ? Wohl kaum.
Heute reicht dieses Modell einfach nicht mehr aus. Die Datenmengen sind explodiert, Risiken sind komplexer geworden und die Erwartungen an Audit-Erkenntnisse sind dramatisch gestiegen. Dennoch verlassen sich viele Audit-Abteilungen noch immer auf die gleichen Tools und Methoden, die wir vor Jahren verwendet haben, wodurch sie anfällig für Risiken sind und in manueller Arbeit versinken.
Die Lücke zwischen Anspruch und Wirklichkeit bei der Analyse in der internen Revision
Wenn ich auf Konferenzen für das Institute of Internal Auditors (IIA) oder ISACA spreche, stelle ich immer ein paar einfache Fragen. „Wie viele von Ihnen nutzen derzeit Data Analytics?“ Üblicherweise heben drei Viertel der Anwesenden die Hand. Dann frage ich: „Wie viele von Ihnen sind zufrieden damit, wie Sie es nutzen?“ Etwa die Hälfte bleibt übrig. Schließlich: „Wie viele von Ihnen haben das Gefühl, dass sie ihre Analyseziele nicht erreichen?“ Fast jede Hand geht wieder nach oben.
Dieser Moment bleibt mir immer in Erinnerung – denn er zeigt, was ich als Analyse-Ambitionslücke bezeichne. Fast jede Audit-Abteilung möchte Data Analytics effektiver nutzen. Sie erkennen das Potenzial. Aber sie haben Schwierigkeiten, die Verbindung zwischen Vision und Umsetzung herzustellen.
Das größte Hindernis für die analytische Reife sind nicht Fähigkeiten. Es ist der Glaube, dass Analysen kompliziert sein müssen. Müssen sie aber nicht.
Ein Teil des Problems ist struktureller Natur: Auditor:innen verstehen das Geschäft, aber nicht immer die Daten. Die IT versteht die Systeme, aber nicht immer den Geschäftskontext. Um diese Lücke zu schließen, ist mehr als nur der Zugriff auf Daten erforderlich. Es erfordert die Fähigkeit, Geschäftsziele mit Datenzielen in Einklang zu bringen. Welche Daten benötigen Sie tatsächlich, um Ihre Tests zu validieren? Wo befinden sie sich? Wie nutzen Sie sie, um Geschäftsfragen zu beantworten?
Genau an dieser Abstimmung scheitern viele Teams. Aber genau hier kann Analytics Automation auch den größten Unterschied machen. Indem sie Auditor:innen die Tools zur Verfügung stellen, mit denen sie Daten direkt untersuchen können – ohne auf IT- oder Programmierkenntnisse warten zu müssen –, tragen Plattformen wie Alteryx dazu bei, Geschäftsverständnis in datengesteuerte Erkenntnisse zu übersetzen. Wenn das passiert, wird Analytics nicht mehr nur ein Nebenprojekt, sondern Teil der DNA der Revision.
Von manuellen Prozessen zu automatisierten Workflows
Ich habe erster Hand gesehen, wie Automatisierung die Möglichkeiten für Audit-Teams neu gestaltet. Ein Bankkunde verbrachte früher sechs bis neun Wochen damit, den Systemzugriff für Hunderte von Beschäftigten manuell zu überprüfen – sechs Personen arbeiteten einmal im Jahr in Vollzeit daran. Mit einem Alteryx Workflow konnten wir diesen Prozess auf etwa anderthalb Minuten reduzieren.
Der Workflow parste automatisch unstrukturierte Textdateien, verglich den tatsächlichen Zugriff mit rollenbasierten Vorlagen, generierte 350 einzelne Excel-Berichte und schickte sie per E-Mail an jede/n Manager:in zur Prüfung. Als wir den Prozess live durchführten, wollte uns das Team zunächst nicht glauben, dass er wirklich abgeschlossen war. Es hat länger gedauert, sie davon zu überzeugen, als die Ausführung des Workflows selbst.
Das ist der wahre Wert von Analytics Automation – nicht nur die Geschwindigkeit, sondern auch das Vertrauen. Sobald ein Workflow erstellt wurde, ist er wiederholbar, überprüfbar und transparent. Sie können jeden Umwandlungsschritt nachverfolgen und verlieren nie die Daten aus den Augen, die hinter Ihren Erkenntnissen stehen.
Eine weitere Geschichte, die mir in Erinnerung geblieben ist, ist die von Arizona Blue Cross Blue Shield. Ihre Audit- und Compliance-Teams waren von einer Flut an Daten überwältigt, die in PDF-Dateien gespeichert waren. Gescannte Berichte, Rechnungen und Dokumentationen mussten von Auditor:innen manuell in Tabellenkalkulationen eingegeben werden, um grundlegende Analysen durchzuführen. Es war eine mühsame, fehleranfällige Arbeit, die enorm viel Zeit und Energie verschlang.
Mithilfe von Alteryx konnte das Team diesen Prozess komplett transformieren. Anstatt Zeile für Zeile zu tippen, automatisierte das Unternehmen die Datenextraktion aus diesen gescannten Dokumenten und wandelte unstrukturierte PDF-Dateien innerhalb von Minuten in saubere, nutzbare Datasets um.
Die Ergebnisse waren überwältigend: 935.000 Stunden manuelle Arbeit wurden in einem einzigen Jahr eingespart. Das sind fast eine halbe Million zurückgewonnene Arbeitstage, die Auditor:innen statt in die Dateneingabe nun in Analyse, Strategie und Risikoprävention investieren konnten.
Analytics Automation stärkt die Rolle der Revision
Wenn die interne Revision auf Analysen setzt, gelangen wir von der Rückschau zur Voraussicht. Wir sind nicht mehr die Abteilung, die Probleme erst im Nachhinein entdeckt, sondern Partner, die Erkenntnisse liefern, bevor Probleme eskalieren.
Genau das motivierte mich als Trainingsspezialist bei Alteryx. Sobald Teams die Zeitersparnis und die Tiefe der Erkenntnisse erleben, die Automatisierung bietet, lassen sie sich nur selten wieder davon abbringen.
Kürzlich hatte ich Gelegenheit, im Alter Everything-Podcast über diese Entwicklung zu sprechen, wo wir diskutierten, wie Analytics die Kultur der Internen Revision verändert. Aber die wichtigste Erkenntnis ist einfach: Sie müssen kein Data Scientist sein, um Ihre Audit-Abteilung zu transformieren. Sie brauchen nur die richtige Einstellung und Plattform, um die Lücke zwischen Geschäftswissen und Datenpotenzial zu schließen.
Schlussbemerkung
Bei der internen Revision ging es schon immer um Vertrauen – Vertrauen in Kontrollen, in Daten und in Entscheidungen. Durch die Nutzung von Analytics Automation stärken wir dieses Vertrauen. Wir arbeiten schneller, testen smarter und konzentrieren uns auf das Wesentliche: unseren Unternehmen zu ermöglichen, mit Zuversicht und Integrität zu agieren.
Wenn Sie noch Stichproben durchführen, ist es an der Zeit, das gesamte Dataset zu erkunden. Die Antworten und Erkenntnisse sind bereits vorhanden. Sie brauchen nur das richtige Tool, um sie aufzudecken.