Digitale Governance und technologische Innovation in der Wirtschaftlichkeitsprüfung

Autor: Abdulrahman Alebrahim, Prüfer, Oberste Rechnungskontrollbehörde Kuwait

Wirtschaftlichkeitsprüfungen entwickeln sich derzeit weg von manuellen, rückblickenden Bewertungen und hin zu Analysen in Echtzeit sowie vorausschauenden Untersuchungen. Dies ist auf den Einzug von Technologien wie Big Data, künstlicher Intelligenz (KI) und prädiktiver Modellierung zurückzuführen, die sowohl Effizienz als auch Wirksamkeit des Prüfdiensts neugestalten. Da staatliche Einrichtungen bei der Entscheidungsfindung zunehmend auf datengesteuerte Systeme zurückgreifen, nimmt auch die Komplexität der Governance-Rahmenwerke zu, was die Notwendigkeit einer strengeren Überprüfung dieser Institutionen unterstreicht, um Transparenz, Rechenschaftspflicht und das Vertrauen der Öffentlichkeit zu stärken (Agostino, Lourenco & Jorje, 2025). Der digitale Wandel breitete sich sowohl im öffentlichen als auch im privaten Sektor stark aus. Dies führte zur Entstehung enormer Mengen strukturierter und unstrukturierter Daten, die mit herkömmlichen Prüfungsansätzen allein nicht erfolgreich analysiert werden können (Basuki, Atarwaman & Layn, 2025). Daher ist der Innovationsbedarf in der Wirtschaftlichkeitsprüfung dringender denn je und erfordert die Entwicklung neuer Instrumente sowie Techniken, um mit der Dynamik des modernen Informationsökosystems Schritt halten zu können.

Das Aufkommen von digitaler Governance und eines integrierten Systems führte zu einem komplexeren Prüfungsumfeld. Dieses erfordert Systeme zur laufenden Überwachung sowie sofortigen Kontrolle, die in der Lage sind, Risiken und Ineffizienzen nahezu in Echtzeit zu erkennen. Bei der Planung, Durchführung sowie dem Follow-up von Prüfungen kommen mittlerweile neue Technologien zum Einsatz, um verschiedene Datenquellen der Einrichtung zu erfassen und in den Prüfplan aufzunehmen, wodurch eine fundiertere Prüfung der Verfahren ermöglicht wird (Sofyani et al., 2026). So nutzen Oberste Rechnungskontrollbehörden (ORKB) – unabhängige nationale Behörden, die mit der Prüfung staatlicher Ausgaben und Einnahmen betraut sind – moderne Datenanalysesysteme, um statistische Anomalien und gesetzeswidrige Transaktionsmuster zu erkennen sowie verborgenes Vermögen und Geldwäsche mit weitaus höherer Genauigkeit aufzuspüren als mit herkömmlichen dokumentengestützten Prüfungsverfahren, die einen engen Betrachtungswinkel hatten (Kalaintzis, 2025). Durch Datenanalysen erweiterte sich das Informationsuniversum, sodass das Prüfungspersonal nun implizite Informationen einbeziehen kann, die bei herkömmlichen Prüfungen nicht berücksichtigt wurden. Datenvisualisierungen, Live-Dashboards und automatisierte Warnmeldungen ermöglichen es Wirtschaftlichkeitsprüferinnen und -prüfern, Erkenntnisse unmittelbarer mit Stakeholdern zu teilen sowie ihre Prüfpläne in Echtzeit anzupassen, um Ineffizienzen im Prüfungsverfahren zu verringern.

Laut mehreren von der INTOSAI veröffentlichten Fallstudien führte die Einbindung von Big Data und KI zu umfassenderen Verbesserungen als zuvor bei der Aufdeckung unregelmäßiger Beschaffungsmuster, der Bewertung von Sozialhilfeprogrammen sowie der Überwachung von Infrastrukturprogrammen. Eine von der ORKB Ägypten durchgeführte Umfrage zeigt, dass 92 % der Befragten der Aussage zustimmen, dass KI Prüfungsergebnisse verbessert, während 87 % den Einsatz von KI bei Risikobeurteilungen befürworten (Du, 2026). Somit unterstützt eine überwältigende Mehrheit der Praktikerinnen und Praktiker den Einsatz von KI sowie Big-Data-Analysen, da menschliches Fachwissen durch den Einsatz fortschrittlicher Technologien erheblich ergänzt wird.

Ziehen wir die ORKB Australien (Australian National Audit Office; ANAO) als Beispiel für die erfolgreiche Einführung von Datenanalysen zur risikobasierten Planung von Wirtschaftlichkeitsprüfungen der staatlichen Beihilfeprogramme heran. Durch den Abgleich von Ausschreibungsdatenbanken, Auftragsvergaben sowie Beschaffungszeitplänen konnten Prüferinnen und Prüfer Verträge ausfindig machen, die bereits vor Ablauf der Ausschreibungsfrist vergeben worden waren, und so Verstöße gegen Vorschriften, Bestechung sowie betrügerische Praktiken im staatlichen Sektor aufdecken (ANAO, 2021). Mit der Erweiterung ihres Informationsuniversums um E-Mails, offizielle Korrespondenz und Zeitpläne wurde ein innovativer Ansatz verfolgt, der es ermöglichte, Fehlverhalten aufzudecken, das bei manuellen Auswertungen übersehen worden wäre. Solche Beispiele veranschaulichen, wie analysegestützte Prüfungen zu mehr Effizienz und gleichzeitig einer höheren Zuverlässigkeit der Prüfungserkenntnisse führen.

Moderne Datenanalyseplattformen wie Apache Spark werden von ORKB häufig eingesetzt, um statt einer ausgewählten Stichprobe die gesamte Datenmenge einer Einrichtung prüfen zu können (Singh et al., 2023). Dadurch wird nicht nur das Stichproben- und Aufdeckungsrisiko, mit dem das Prüfungspersonal meist konfrontiert ist, erfolgreich verringert, sondern auch die Aufdeckung von Anomalien und Betrugsindikatoren erheblich beschleunigt. Tableau ist eine weitere Software, die interaktive Dashboards in die Arbeitsblätter des Prüfungspersonals integriert und aus Millionen von Datenpunkten Informationen ableitet, welche die Erkennung verdächtiger Beschaffungsmuster, ungewöhnlicher Finanztransaktionen oder Abweichungen von etablierten operativen Benchmarks ermöglichen. So lässt sich Fehlverhalten in staatlichen Behörden zeit- und kosteneffizient aufdecken. 

Zeit- und Kosteneffizienz werden als wichtigste Vorteile des Technologieeinsatzes in der Wirtschaftlichkeitsprüfung genannt. Eine Umweltprüfung in Indien dient als Paradebeispiel dafür: Da den Prüferinnen und Prüfern mehrere Plantagenstandorte unzugänglich waren, wurden mithilfe von Satellitendaten KI-gestützte Bildaufnahmen der Plantagen eingesetzt, um die Baumhöhe abzuschätzen, die Dichte des Baumkronendachs zu messen sowie Art und Dichte der Vegetation zu ermitteln und so Angaben im Rahmen einer Umweltprüfung zu verifizieren. Dadurch konnte das Prüfungspersonal Zeit und Kosten sparen, die ansonsten für die Anfahrt zu den Plantagen und deren physische Inspektion aufgewendet worden wären (Du, 2026). Diese Technologie wird weiterentwickelt zu raumbezogenen Technologien und Geoinformationssystemen (GIS), die für Wirtschaftlichkeitsprüfungen zu Infrastruktur- und Entwicklungsprojekten von großem Nutzen sein werden (Almarzooqi, 2021). GIS-Tools können von Prüferinnen und Prüfern genutzt werden, um raumbezogene Daten zu visualisieren, Projektumsetzungen topografisch zu beurteilen und zu überprüfen, ob öffentliche Investitionen im Einklang mit angekündigten Projektergebnissen stehen. Diese Tools werden sich nützlich erweisen bei der Leistungsbeurteilung von mit Steuergeldern finanzierten staatlichen Projekten, bei der Feststellung, ob Kostenkalkulationen sowie Projektausgaben mit den genehmigten Plänen übereinstimmen und ob Ressourcen effizient verwendet werden (Abdulajabbae et al., 2025). Ein Beispiel für deren potenziellen Einsatz wäre bei der Überprüfung von Straßenbauvorhaben: Das Prüfungspersonal könnte Satellitenbilder mit Fertigstellungsberichten vor Ort vergleichen, Budgetzuweisungen mit den tatsächlichen Ausgaben abgleichen und eingestellte oder unvollendete Infrastrukturprojekte anhand von Satellitenbildern ausfindig machen. Derartige Tools stärken das evidenzbasierte Prüfwesen und verringern die Abhängigkeit von potenziell falschen Verwaltungsberichten.

Ein weiterer wichtiger Technologiebereich, der in Fachzeitschriften zum Prüfwesen intensiv diskutiert wird, ist der Einsatz von Datenanalysen in Echtzeit und das Potenzial der Blockchain-Technologie. Laut einer Studie zu Echtzeitanalysen nutzen Regierungen immer öfter Cloud-Infrastrukturen, elektronische Beschaffungssysteme, Finanzverwaltungsplattformen und vernetzte digitale Systeme, die kontinuierlich Transaktionsdaten erzeugen (Koulantzis, 2025). Prüferinnen und Prüfer können diese Datenströme in Analyse-Engines einspeisen, die eine Echtzeit-Überwachung der Aktivitäten ermöglichen. Dies ist insbesondere bei der Verwaltung öffentlicher Finanzen hilfreich, da die zeitnahe Erkennung von Anomalien die Veruntreuung öffentlicher Gelder verhindern kann, bevor ernsthafte Schäden entstehen. Da Prüfungen in Echtzeit dem Management ermöglichen, schnell auf erkannte Risiken zu reagieren, fördern sie auch ein stärkeres Verantwortungsbewusstsein. Dies ist von besonderem Nutzen bei Wirtschaftlichkeitsprüfungen, da deren Ziele viel breiter gefasst sind als die von Prüfungen der Rechnungsführung. Die Prüfungen sollen die Integrität der Organisation bei der Erfüllung ihrer erklärten Ziele überprüfen und im Hinblick auf staatliche Einrichtungen, die öffentliche Mittel verwalten, ist es unerlässlich, über Prüfungssysteme zu verfügen, die Anomalien rechtzeitig erkennen, um eine potenzielle Veruntreuung öffentlicher Gelder zu verhindern (Sofyani et al., 2026).

Darüber hinaus spielte auch die Blockchain-Technologie eine einflussreiche Rolle für Innovationen in der Prüfungspraxis. Prüferinnen und Prüfer können Blockchains nutzen, um Transaktionen auf ihre Echtheit zu überprüfen, Lieferkettenaktivitäten zu überwachen und die Einhaltung vertraglicher Verpflichtungen zu bewerten (Morgan, 2024). Insbesondere Smart Contracts scheinen großes Potenzial für das Prüfwesen aufzuweisen, da sie Verträge automatisch als erfüllt anerkennen, sobald die zugrunde liegenden Bedingungen erfüllt sind, und so das Risiko manueller Eingriffe in Vertragsbeträge oder der Verzerrung von Geschäftsergebnissen verringern (Larikova et al., 2023). Smart Contracts bieten dem Prüfungspersonal ein höheres Maß an Transparenz für digitale Nachweise und zeigen Prüfpfade auf, die Leistungsbeurteilungen sowie Compliance-Überprüfungen vereinfachen.

Prädiktive Analysen bilden ein weiteres wichtiges Instrument, das Wirtschaftlichkeitsprüferinnen und -prüfer einsetzen, um Annahmen zu überprüfen, die dem Staatshaushalt sowie den Staatsausgaben zugrunde liegen. Prädiktive Modellierung kann potenzielle Kostenüberschreitungen, Betriebsausfälle, erwartete Abweichungen in der Buchführung und jene Bereiche ermitteln, die am anfälligsten für Leistungsdefizite sind – und zwar auf der Grundlage vergangener Leistungen sowie zukünftiger Preisänderungen (Govekar, 2025). Das Prüfungspersonal kann derartige Instrumente nutzen, um Vergleichsanalysen durchzuführen und Marktindikatoren wie Preise und andere von Wettbewerbern verwendete Indikatoren zu ermitteln sowie diese mit den Daten des Auftraggebers abzugleichen, um die Angemessenheit der Schätzungen der Bewerber zu beurteilen. So lassen sich Budgetspielräume oder Überschätzungen aufdecken und Fehlallokationen öffentlicher Mittel verhindern.

Somit haben Prüferinnen und Prüfer Zugang zu interdisziplinären Erkenntnissen, beispielsweise im Hinblick auf den Klimawandel, nachhaltigkeitsbezogene Auswirkungen, Marktpreisbewegungen und Cybersicherheitsrisiken, die mithilfe KI-gestützter Datenanalysetechniken in Wirtschaftlichkeitsprüfungen einbezogen werden können. Wirtschaftlichkeitsprüfungen durchlaufen derzeit einen Wandel hin zu agileren Verfahren, bei denen Flexibilität, Anpassungsfähigkeit und die kontinuierliche Einbindung von Stakeholdern im Vordergrund stehen. Aufgrund datengestützter Planung und Durchführung werden Prüfungszyklen kürzer, jedoch wirksamer. Dies führte zu genaueren sowie umfangreicheren Prüfungshandlungen und stellte Wirtschaftlichkeitsprüferinnen und -prüfern vielschichtiges Fachwissen zur Verfügung. Organisationen wie die INTOSAI und die OECD betonen jedoch weiterhin, dass innovative KI- oder datengestützte Prüfungsverfahren von soliden Governance-Rahmenwerken, ethischer Aufsicht und professionellem Urteilsvermögen begleitet werden sollten, da Algorithmen auch anfällig für Fehler und Manipulation sind (OECD, 2026). Trotz dieser Herausforderungen schreitet die Neugestaltung von Wirtschaftlichkeitsprüfungen durch neu aufkommende Technologien auf der ganzen Welt fort. Sie werden von Prüferinnen und Prüfern zunehmend eingebunden, um Fehlererkennung sowie Betrugsaufdeckung auf der Grundlage einer objektiven Beurteilung digitaler Nachweise zu optimieren, Governance-Strukturen zu stärken und für mehr Transparenz zu sorgen.

Quellenangaben

1. Abduljabbar, H.; Abdullah, W. M.; Bazool, S. & Muhsin, A. (2025). AI-Driven Environmental Impact Assessments: Ethical and Legal Considerations. Environment and Social Psychology. Band 10(12). DOI:10.59429/esp.v10i12.3994
2. Agostino, D.; Lourenço, R.; Jorge, S.; Bracci, E. & Cruz, I. (2025). Data science and public sector accounting: Reviewing impacts on reporting, auditing, and accountability practices. Public Money & Management, 1-10.
3. Almarzooqi, S. A. (2021). Vielversprechende Technologien für eine zukunftssichere Prüfungstätigkeit im öffentlichen Sektor. Internationale Zeitschrift für Staatliche Finanzkontrolle der INTOSAI. http://doi.org/10.56251/XGFF4914
4. ANAO. (2021). Using data analytics for risk-based performance audit planning. Fallstudie. https://www.anao.gov.au/work/speeches-and-papers/using-data-analytics-risk-based-performance-audit-planning
5. Basuki, F. H.; Atarwaman, R. J. & Layn, Y. Y. (2025). Big Data Analytics In Public Sector Audit: Transforming Risk Assessment And Fraud Detection. INTERNATIONAL JOURNAL OF FINANCIAL ECONOMICS, 2(3), 986-1002.
6. Du, J. (2026). Einsatz von KI-Verfahren im Prüfwesen. Q2 2026. https://intosaijournal.org/de/journal-entry/einsatz-von-ki-verfahren-im-pruefwesen/
7. Govekar, M. C. (2025). The Impact of Artificial Intelligence (AI) and Data Analytics on Internal Audit Efficiency. Multidisciplinary Research in Arts, Science & Commerce (Band-23), 35.
8. Koulantzis, E. (2025). Nutzung von Echtzeitanalysen für die öffentliche Rechenschaftspflicht: die digitale Evolution Oberster Rechnungskontrollbehörden. Internationale Zeitschrift für Staatliche Finanzkontrolle der INTOSAI. Q3 2025. http://doi.org/10.56251/RLYG9322
9. Larikova, T.; Ivankov, V. A. & Novichenko, L. (2023). Implementation of blockchain technology in the system of accounting and analytical support for the public sector. Eastern-European Journal of Enterprise Technologies, 125(13).
10. Morgan, I. (2024). New auditing perspectives for a blockchain-based accounting system in the public sector. In Continuous Auditing with AI in the Public Sector (pp. 30-46). CRC Press.
11. OECD. (2026). The state of artificial intelligence in public audit. OECD. https://read.oecd-ilibrary.org/en/publications/the-state-of-artificial-intelligence-in-public-audit_f4a6c658-en.html?utm_source=chatgpt.com
12. Singh, T.; Gupta, S.; Satakshi; Kumar, M. (2023). Performance Analysis and Deployment of Partitioning Strategies in Apache Spark. Procedia Computer Sciences. Band 218(2) S. 594-603.
13. Sofyani, H.; Amalia, R.; Abu Hasan, H. & Saleh, Z. (2026). Big data analytics in enhancing public sector auditing: drivers, benefits and the moderating role of auditor certification. Journal of Accounting in Emerging Economies, 16(1), 31-50.