Business Process Analysis Automation for Financial Audits

Abstract

Enterprise Resource Planning (ERP) Systeme sind in modernen Organisationen heutzutage integraler Bestandteil zur Unterstützung und Automatisierung von Geschäftsprozessen. Unternehmen veröffentlichen Geschäftsberichte, um verschiedene Interessensgruppen über ihre wirtschaftliche und finanzielle Lage zu informieren. Eine wesentliche Datenquelle für die Erstellung dieser Berichte sind die Daten, die in ERP Systemen erzeugt werden. Aufgrund ihrer wesentlichen Rolle für das Wirtschaftssystem werden Jahresabschlussberichte von Wirtschaftsprüfern geprüft. Bilanzskandale der vergangenen Jahre haben gezeigt, dass Wirtschaftsprüfer nicht in der Lage waren, diese zu verhindern oder zumindest Verstöße frühzeitig aufzudecken. Ein wichtiger Bestandteil der Prüfung von Jahresabschlüssen ist die Prüfung von Geschäftsprozessen und relevanten internen Kontrollen. Die Prüfung von Geschäftsprozessen ist in der Annahme begründet, dass wohlkontrollierte Geschäftsprozesse zu vollständigen und richtigen Buchungseinträgen auf den Finanzkonten führen. Trotz der zunehmenden Integration von Informationstechnologie für die Automatisierung von Geschäftsprozessen verwenden Wirtschaftsprüfer weiterhin vorwiegend traditionelle und manuelle Prüfungsprozeduren, um die Prüfungen durchzuführen. Diese Prozeduren sind zeitintensiv und fehleranfällig. Das Ergebnis ist ein Ungleichgewicht zwischen automatisierter Transaktionsverarbeitung auf Seiten der Unternehmen und manuellen Prüfungsprozeduren auf Seiten der Wirtschaftsprüfer, welches zu ineffizienten oder ineffektiven Prüfungen führt. Der Einsatz von automatisierten Prüfungsprozeduren würde dieses Ungleichgewicht reduzieren. Diese Dissertation folgt einem gestaltungsorientierten Forschungsansatz und stellt unterschiedliche Artefakte vor, die es erlauben, Geschäftsprozessmodelle automatisiert mit Hilfe von Process Mining Techniken zu generieren. Solche Techniken analysieren die Ereignisdaten, die im Zuge der Transaktionsverarbeitung erzeugt werden. Diese Arbeit beschreibt als wesentliches Ergebnis einen Multilevel Process Mining (MLPM) Algorithmus, der speziell für den Einsatz in Jahresabschlussprüfungen entwickelt wurde. Verschiedene weitere Artefakte, die in dieser Arbeit präsentiert werden, sind jedoch auch für andere Einsatzszenarien nützlich. Der vorgestellte Algorithmus vereinigt die Kontrollfluss- und Datenflussperspektive. Er arbeitet auf verschiedenen Abstraktionsebenen, erzeugt präzise und passende Prozessmodelle, verarbeitet nicht-beschriftete und nicht-lineare Ereignisdaten aus ERP Systemen als Eingabedaten und verwendet Datenbeziehungen, um den Kontrollfluss abzuleiten. Sein Einsatz kann die Analyse von Geschäftsprozessen verbessern, die ein wichtiger Bestandteil von Prozessprüfungen ist. Die Automatisierung bestimmter Prozeduren für die Prüfung von Geschäftsprozessen wird zukünftige Bilanzskandale wahrscheinlich nicht verhindern können. Aber der Einsatz des vorgestellten Algorithmus kann Prozessprüfungen verbessern und Prüfungsressourcen freisetzen, die derzeit für die Prüfung von Standardgeschäftsvorfällen verwendet werden, um von Standardverfahren abweichende Transaktionen zu prüfen, die in der Regel ein wesentlich höheres Risiko aufweisen als Standardtransaktionen.

Enterprise resource planning (ERP) systems are key components in modern organizations to support and automate the operation of business processes. Companies publish financial reports to inform stakeholders about the economic and financial performance of the organization. A major data source for preparing these reports is the data that is produced by ERP systems. Due to their important role in the economic system financial reports are audited by public accountants. Accounting scandals in recent years have shown that auditors have not been able to prevent these scandals or at least to indicate any violations before the actual collapse. An important part of financial audits is the audit of business processes and related internal controls. The rationale for auditing business processes is the assumption that well-controlled business processes lead to complete and correct postings on the financial accounts. Despite the increasing integration of information technology for the automation of business processes public accountants primarily still use traditional and mostly manual audit procedures to carry out their process audits. These procedures are time-consuming and error-prone. The result is an imbalance between automated transaction processing on the companies’ side and manual audit procedures on the auditors’ side leading to inefficient or ineffective audits. The application of automated audit procedures would reduce this imbalance. This thesis follows a design science-oriented research approach and introduces several artifacts that can be used to create business process models by using process mining techniques. Such techniques analyze the event log data that is recorded during the processing of business transactions. This thesis presents a Multilevel Process Mining (MLPM) algorithm that has been especially tailored for the use in financial audits. Several other presented artifacts are also useful for other application areas. The algorithm integrates the control flow and data flow perspective. It operates on different abstraction levels, creates precise and fitting process models, accepts unlabeled and non-linear event logs from ERP systems as input, and considers data relationships to infer the control flow. Its application can improve the analysis of business processes which is an important part in process audits. The automation of certain process audit procedures will most likely not prevent accounting scandals in the future. But it can be used to improve process audits and to set free resources from auditing standard business transactions that can then be spent on the auditing of non-standard transactions that commonly exhibit a much higher risk than standard transactions.