{"id":43717,"date":"2026-09-21T15:30:13","date_gmt":"2026-09-21T19:30:13","guid":{"rendered":"https:\/\/intosaijournal.org\/journal-entry\/preparing-for-a-digital-audit-workforce-lessons-learned-from-applying-agentic-ai-at-the-swiss-federal-audit-office\/"},"modified":"2026-10-06T09:44:50","modified_gmt":"2026-10-06T13:44:50","slug":"preparing-for-a-digital-audit-workforce-lessons-learned-from-applying-agentic-ai-at-the-swiss-federal-audit-office","status":"publish","type":"journal-entry","link":"https:\/\/intosaijournal.org\/de\/journal-entry\/preparing-for-a-digital-audit-workforce-lessons-learned-from-applying-agentic-ai-at-the-swiss-federal-audit-office\/","title":{"rendered":"Vorbereitung auf ein digitales Pr\u00fcfungspersonal: Erkenntnisse aus dem Einsatz von KI-Agenten an der ORKB Schweiz"},"content":{"rendered":"\n

Autoren: Orlando Willig<\/strong> (orlando.willig@efk.admin.ch<\/a>) und Marco Schreyer<\/strong> (marco.schreyer@efk.admin.ch<\/a>), ORKB Schweiz (Eidgen\u00f6ssische Finanzkontrolle; EFK), Bern, Schweiz<\/p>\n\n\n\n

1. Ein technologischer Wandel in der staatlichen Finanzkontrolle<\/strong><\/strong><\/h2>\n\n\n\n

Die Einbindung k\u00fcnstlicher Intelligenz (KI) im \u00f6ffentlichen Sektor hat einen Punkt erreicht, an dem Oberste Rechnungskontrollbeh\u00f6rden (ORKB) sie nicht l\u00e4nger als fernliegendes oder experimentelles Thema betrachten k\u00f6nnen. Neue KI-Agenten beginnen, die T\u00e4tigkeiten professioneller Wissensdienstleistungen, darunter auch die des Pr\u00fcfwesens, neu zu gestalten. Das Tempo dieser Entwicklung, das sowohl durch die kommerzielle Nutzung im privaten Sektor als auch durch die rasante Weiterentwicklung offener technischer Standards vorgegeben wird, macht Technologie f\u00fcr die staatliche Finanzkontrolle bereits heute zu einem relevanten Thema \u2013 nicht erst irgendwann in der Zukunft.<\/p>\n\n\n\n

Aktuelle Meldungen aus der Privatwirtschaft verdeutlichen das Ausma\u00df des Wandels: Die \u201eBig Four\u201c-Wirtschaftspr\u00fcfungsgesellschaften sch\u00e4tzen, dass KI-Agenten bis 2029 zwischen 20 und 30 Prozent zu einer typischen Pr\u00fcfung der Rechnungsf\u00fchrung beitragen werden.1<\/a><\/sup> Auch wenn ORKB unter grundlegend anderen Mandaten t\u00e4tig sind, ist die zugrunde liegende technologische Entwicklungskurve dieselbe \u2013 und eine Umverteilung dieser Gr\u00f6\u00dfenordnung w\u00fcrde die Zusammensetzung der Pr\u00fcft\u00e4tigkeit erheblich ver\u00e4ndern.<\/p>\n\n\n\n

Dieser Beitrag st\u00fctzt sich auf erste Erfahrungen der Eidgen\u00f6ssischen Finanzkontrolle (EFK) \u2013 der ORKB Schweiz \u2013 mit dem Einsatz von KI-Agenten in Pr\u00fcfungskontexten, unter anderem bei Wirtschaftlichkeitspr\u00fcfungen. Es werden Bedenken aufgezeigt, die unabh\u00e4ngig vom aktuellen technischen Reifegrad institutionelle Beachtung verdienen, und die Richtung skizziert, in die sich die zugrunde liegende Architektur derzeit entwickelt. Die zentrale These des Beitrags lautet, dass ORKB KI-Agenten von au\u00dfen nicht verstehen k\u00f6nnen. Praktische Anwendung \u2013 im Rahmen kleiner, klar abgegrenzter Projekte mit angemessenen Datenschutz- und Governance-Regeln \u2013 ist der sicherste Weg, um das institutionelle Wissen aufzubauen, das erforderlich ist, um die Technologie verantwortungsvoll sowie nach den eigenen Vorstellungen der ORKB einzusetzen<\/p>\n\n\n\n

2. Vom Chatbot zum Agenten: ein struktureller Wandel<\/strong><\/strong><\/h2>\n\n\n\n

Die Unterscheidung zwischen generativer KI und KI-Agenten ist struktureller Natur, und nicht lediglich graduell. W\u00e4hrend generative KI Aufforderungen nachkommt, arbeiten Agentensysteme \u00fcber l\u00e4ngere Zeitr\u00e4ume hinweg autonom auf festgelegte Ziele hin2<\/a><\/sup> \u2013 dabei kombinieren sie Tools, Speicher und Planung, um komplexe Aufgaben herunterzubrechen, auf externe Datenquellen zuzugreifen und ihre Ergebnisse anhand von Zwischenergebnissen zu verfeinern.3<\/a><\/sup> 4<\/a><\/sup> 5<\/a><\/sup> 6<\/a><\/sup> 7<\/a><\/sup> Bei Wirtschaftlichkeitspr\u00fcfungen spielt dieser Wandel eine besonders bedeutsame Rolle: Wirtschaftlichkeitspr\u00fcfungen sind von Natur aus iterativ, st\u00fctzen sich auf mehrere Quellen und beruhen auf Ermessen.8<\/a><\/sup> Dies erfordert genau die Art von system\u00fcbergreifender Informationsgewinnung und Nachweissynthese9<\/a><\/sup>, auf die KI-Agenten-Architekturen ausgelegt sind (siehe Abbildung 1).<\/p>\n\n\n\n

\"\"
Abbildung 1: Generative KI versus KI-Agenten: Architektur eines KI-Pr\u00fcfungsagenten, der Tools, Speicher und Planung kombiniert. <\/figcaption><\/figure>\n\n\n\n

3. Erste Erfahrungen in der Eidgen\u00f6ssischen Finanzkontrolle der Schweiz<\/strong><\/strong><\/h2>\n\n\n\n

In der EFK konzentrierten sich die ersten T\u00e4tigkeiten mit KI-Agenten eher auf konkrete Pr\u00fcfungssituationen als auf abstrakte Experimente. Ziel war es, zu verstehen, wie sich Agenten bei zentralen Pr\u00fcfungsaufgaben verhalten: Vorbereitung von Befragungen, \u00dcberpr\u00fcfung von Berichten, Vergleich von Informationen und Strukturierung von Ergebnissen. Drei Bereiche sind dabei besonders aufschlussreich: die Vorbereitung von Befragungen, die Qualit\u00e4tssicherung von Pr\u00fcfberichten und die Zusammenarbeit mehrerer Agenten in Pr\u00fcfungsabl\u00e4ufen (siehe auch Abbildung 2).<\/p>\n\n\n\n

3.1 KI-Agenten zur Vorbereitung von Befragungen<\/strong><\/strong><\/h3>\n\n\n\n

Ein erster Prototyp konzentrierte sich auf die Unterst\u00fctzung bei der Vorbereitung eines Folgetreffens im Rahmen eines Pr\u00fcfungsauftrags. Mithilfe eines KI-Agenten, der mit einer Pr\u00fcfungsdatenbank und einer Reihe von Falldokumenten verbunden war, sichtete der Agent Materialien aus beiden Quellen, verglich Informationen aus verschiedenen Teilen der Pr\u00fcfakte, stellte Unstimmigkeiten fest und erstellte einen strukturierten Gespr\u00e4chsleitfaden mit konkreten Punkten zur Kl\u00e4rung sowie Weiterverfolgung. Der Prototyp veranschaulichte den Nutzen von KI-Agenten f\u00fcr die gezielte Synthese heterogener Pr\u00fcfungsmaterialien. Eine Aufgabe, die normalerweise mehrere Stunden manueller Durchsicht erfordern w\u00fcrde, konnte in wenigen Minuten erledigt werden. Die Wirtschaftlichkeitspr\u00fcferinnen und -pr\u00fcfer blieben allerdings weiterhin f\u00fcr die Beurteilung von Relevanz, Genauigkeit sowie Tonfall zust\u00e4ndig. Die Erkenntnis war nicht, dass der Agent die Pr\u00fcfungsvorbereitung ersetzen k\u00f6nnte, sondern dass er das Abrufen, Vergleichen und Strukturieren zur Unterst\u00fctzung des fachlichen Urteilsverm\u00f6gens der Menschen beschleunigen kann.<\/p>\n\n\n\n

3.2 KI-Agenten zur Qualit\u00e4tssicherung von Pr\u00fcfberichten<\/strong><\/strong><\/h3>\n\n\n\n

Ein zweiter Prototyp konzentriert sich auf die Qualit\u00e4tssicherung von Pr\u00fcfberichten. Er unterst\u00fctzt die abschlie\u00dfende \u00dcberpr\u00fcfung von Berichtsentw\u00fcrfen durch Menschen, und zwar durch einen strukturierten KI-gest\u00fctzten Arbeitsablauf von der Vorpr\u00fcfung bis zur endg\u00fcltigen Freigabe. Das System \u00fcberpr\u00fcft Sprache, Struktur, Konsistenz sowie redaktionelle Qualit\u00e4t anhand festgelegter Pr\u00fcfungsschritte, EFK-spezifischer Redaktionsleitf\u00e4den und geltender Bundesvorgaben. Der Prototyp veranschaulicht, wie KI-Agenten einen Teil der Pr\u00fcft\u00e4tigkeiten unterst\u00fctzt, der zwar wesentlich, aber zeitaufwendig und oft uneinheitlich dokumentiert ist. Durch den Vergleich des Originaltextes mit vorgeschlagenen \u00c4nderungen sowie die Dokumentation von Pr\u00fcfungsschritten, angewandten Regeln, offenen Punkten und dem Freigabestatus sorgt er f\u00fcr mehr Transparenz im Qualit\u00e4tssicherungsprozess. Die Erkenntnis dabei ist, dass KI-Agenten dazu beitragen k\u00f6nnen, institutionelle Standards konsistenter anzuwenden, vorausgesetzt, dass menschliche Pr\u00fcferinnen und Pr\u00fcfer die Verantwortung f\u00fcr die Annahme, Ablehnung oder Anpassung vorgeschlagener \u00c4nderungen beibehalten.<\/p>\n\n\n\n

3.3 KI-Agenten f\u00fcr Pr\u00fcfungsabl\u00e4ufe mit mehreren Agenten<\/strong><\/strong><\/h3>\n\n\n\n

Ein dritter Prototyp befasst sich damit, wie KI-Agenten nicht nur als einzelne Systeme, sondern auch als Team zusammenarbeitender Agenten strukturiert werden k\u00f6nnen. Im Rahmen dieses Machbarkeitsnachweises wurden drei Agenten nacheinander eingesetzt, wobei jeder eine eigene Pr\u00fcfungsrolle \u00fcbernahm: ein \u201ePr\u00fcfer\u201c-Agent zur Ermittlung und Erfassung relevanter Stellen aus einem Quelldokument, ein \u201eIT-Pr\u00fcfer\u201c-Agent zur \u00dcberpr\u00fcfung dieser Stellen anhand einer externen Referenzdatenbank sowie ein \u201ePr\u00fcfungsleiter\u201c-Agent zur Zusammenfassung der Ergebnisse in einen strukturierten Pr\u00fcfbericht. Der Prototyp zeigte, dass die Arbeitsteilung zwischen Agenten wie die Verantwortungsverteilung innerhalb eines menschlichen Pr\u00fcfteams aussehen kann. Kein einzelner Agent f\u00fchrte die gesamte Aufgabe aus; jeder baute auf den Ergebnissen des vorherigen auf. So wurden \u00dcbergabepunkte geschaffen, die als Kontrollpunkte f\u00fcr menschliche \u00dcberpr\u00fcfung dienen k\u00f6nnen.10<\/a><\/sup> Die gewonnene Erkenntnis war struktureller Natur: Komplexe Pr\u00fcfungsaufgaben lassen sich in rollenspezifische Schritte zerlegen. Das macht die Arbeitsabl\u00e4ufe der Agenten transparenter, leichter steuerbar sowie besser vereinbar mit menschlicher Kontrolle.<\/p>\n\n\n\n

\"\"
Abbildung 2: Drei von der EFK entworfene Pr\u00fcfungsabl\u00e4ufe unter Verwendung von KI-Agenten. <\/figcaption><\/figure>\n\n\n\n

Parallel dazu testete die EFK Agenten f\u00fcr eine Reihe interner Aufgaben. Der Mehrwert dieser Experimente liegt weniger in den jeweiligen Ergebnissen als vielmehr in der Bandbreite an praktischer Erfahrung, die sie bieten \u2013 sowohl, um innerhalb der Institution Vertrautheit mit der Technologie aufzubauen, als auch um zu ermitteln, wo sie in der Praxis von Nutzen ist.<\/p>\n\n\n\n

4. Herausforderungen und Bedenken f\u00fcr ORK<\/strong><\/strong>B<\/h2>\n\n\n\n

Die oben beschriebenen Erfahrungen werfen eine Reihe von Bedenken auf, denen jede ORKB nachgehen sollte, bevor sie KI-Agenten routinem\u00e4\u00dfig in der gesamten Pr\u00fcfungspraxis ausrollt. Der \u00dcbergang von computergest\u00fctzten Pr\u00fcfungstechniken zu KI-Agenten birgt neue Formen der technischen und organisatorischen Abh\u00e4ngigkeit: Agenten vereinen Funktionen zur Datenabfrage, Validierung, Extraktion sowie Analyse und wenden diese mit einem Ma\u00df an Autonomie an, \u00fcber das fr\u00fchere Tools nicht verf\u00fcgten. F\u00fcnf miteinander verbundene Herausforderungen sind dabei von besonderer Relevanz.11<\/a><\/sup><\/p>\n\n\n\n