Compliance

Generelles Thema / Branche

Erkennung möglicher Manipulationen in Jahresabschlüssen und Buchhaltungen

Problemstellung

Der Kunde ist ein Sachverständigenbüro für forensische Wirtschaftsgutachten, das speziell bei Wirtschaftsstrafverfahren, Zivilprozessen und Insolvenzverfahren zum Einsatz kommt. Dabei müssen meist umfangreiche Buchhaltungen, Jahresabschlüsse usw. untersucht werden, um etwa Fragen zur Überschuldung zu einem bestimmten Zeitpunkt oder möglichen Manipulationen beantworten zu können.

Bevor das vorliegende Material betriebswirtschaftlich analysiert wird, sollte zunächst festgestellt werden, ob das Zahlenwerk möglicherweise manipuliert wurde, was natürlich sämtliche daraus folgenden wirtschaftlichen Aussagen in Frage stellen würde. Der Kunde verfügte über ein umfangreiches Archiv mit rund 8.000 ausführlichen Jahresabschlüssen samt zugehörigen Gutachten, die als Trainingsdaten für ein Klassifikationssystem dienen sollten.

Lösungsansatz

Inspiriert durch die Benford-Methode wurden aus den Trainingsdaten Features abgeleitet, die statistische Eigenschaften der Zahlensammlungen repräsentieren (eine inhaltlich-semantische Untersuchung sollte explizit nicht durchgeführt werden). Nachdem sich gezeigt hatte, dass ein einfacher Klassifikationsansatz keine ausreichende Trefferquote brachte, wurden mit einem probabilistischen und einem informationstheoretischen Ansatz zwei Modelle generiert, die unabhängig voneinander Auffälligkeiten im zu untersuchenden Zahlenwerk aufdecken. Mit den Aussagen dieser beiden wurde ein Meta-Modell trainiert, das weiß, welchem der beiden untergeordneten Modelle im Konfliktfall der Vorzug zu geben ist. Dieses Meta-Modell liefert die endgültige Systemaussage. Dabei ist anzumerken, dass das System Anomalien entdeckt. Ob es sich dabei um absichtliche Manipulationen handelt, muss ein menschlicher Experte entscheiden.

Ergebnis

Die Software bilMan kann Buchhaltungen und Jahresabschlüsse ab einer gewissen Mindestgröße (mindestens ca. 300 Zahlenwerte) auf Anomalien untersuchen. Die Präzision oder Trefferquote im klassischen Sinn lässt sich nur schwer ermitteln. Das System erkennt natürlich alle Anomalien, die in seinen Modellen abgebildet sind. In allen bisherigen Tests wurden damit rund 95% der tatsächlichen Manipulationen entdeckt.

Kunde

Michael Harz Projure GmbH

Projekttyp und Randbedingungen

Klassifikation von Datensätzen
Perfekte Trainingsdaten
Hohe Trefferquote