Bessere Haushaltsanalyse mit maschinellem Lernen und Datenanalyse

von Dr. Nunzio Mario Tritto, PhD, Magistrat am Corte dei conti

Die regionalen Rechnungsprüfungsabteilungen des Corte dei conti, der Obersten Rechnungskontrollbehörde (ORKB) Italiens, führen verschiedene Aufgaben durch, darunter die Analyse der Rechnungen der lokalen Behörden, um die Richtigkeit der Daten und die Nachhaltigkeit des Rechnungswesens zu überprüfen. Die Region Apulien – bestehend aus 257 Gemeinden und anderen Einrichtungen (wie lokalen Gesundheitsbehörden und Universitäten), die jährlich geprüft werden müssen – umfasst zahlreiche Konten und Anhänge, was einen sehr komplizierten Analyseprozess zur Folge hat, der traditionell von den einzelnen Magistraten und ihren Mitarbeitern durchgeführt wird.

In den letzten Jahren wurden jedoch spezielle Rechtsvorschriften erlassen, die die Behörden dazu verpflichten, relevante Informationen digital in ein System einzugeben, das die Datenerfassung, -auswertung und -prüfung erleichtert. Das neue System ermöglicht zwar eine verbesserte Datenerfassung, aber der nationale Kontext (7.904 Gemeinden und Hunderte von regionalen, provinziellen und großstädtischen Einheiten) macht eine gründliche Analyse aller Dokumente und Daten schwierig.

Um die Prüfungsarbeit zu verbessern, hat die Region Apulien vor kurzem besondere Mechanismen – fortschrittliche Datenanalysetechniken und maschinelles Lernen – eingeführt, die es ermöglichen, große Mengen an Informationen zu verarbeiten und massive Datenmengen zu analysieren.

Das maschinelle Lernen, eine Anwendung der künstlichen Intelligenz, liefert dem System die Fähigkeit, ohne menschliches Zutun oder Unterstützung automatisch zu lernen und sich auf der Grundlage von Erfahrungen zu verbessern. Der Lernprozess beginnt mit Beobachtungen (Daten) – auf der Suche nach Mustern und der Entwicklung besserer Entscheidungen auf der Grundlage von vorgegebenen Beispielen. Das System der Region ist so konzipiert, dass es Abweichungen von Benchmark-Parametern (festgelegte Grenzwerte, die die Normalität anzeigen) meldet. Während die Daten in das System eingegeben werden, macht die Software die Mitarbeiter auf alle festgestellten Anomalien aufmerksam.

So schreibt die italienische Gesetzgebung beispielsweise vor, dass jede Gemeinde genügend Mittel vorhalten muss, um künftige Kosten aus laufenden Rechtsstreitigkeiten zu decken. Da die Gemeinden diese Rücklagen nicht immer bilden, kann es ihnen an der nötigen Liquidität fehlen. Durch die Bewertung dieser Fälle nach verschiedenen risikobasierten Kriterien und die Bildung entsprechender Rückstellungen in jedem Fall kann die institutionelle Volatilität stabilisiert werden.

Eine ähnliche Analysemethode wurde auf die Entwicklung der Cashflows angewandt. Da es nicht ungewöhnlich ist, dass Einnahmen und Ausgaben auseinanderklaffen, soll der datengestützte Ansatz die Prüfer auf Situationen aufmerksam machen, die zu institutionellen Liquiditätsengpässen führen könnten.

Während Daten und menschliche Intelligenz die Grundlage für die Prüfungsarbeit bilden, hat der Corte dei conti festgestellt, dass fortschrittliche Datenanalyse in Verbindung mit maschinellem Lernen die Prüfungsarbeit in der Region verbessern kann, insbesondere bei der Vermeidung von Krisensituationen. Das System und die Techniken der Region Apulien bieten eine Plattform für ähnliche Implementierungsbemühungen in anderen Regionen des Landes.