Wie lassen sich Audit-Prüfungen, Plausibilitätschecks und Risikopriorisierung modern und nachvollziehbar darstellen – direkt im Browser?
Ich habe ein Mini-Audit-Beispiel mit PyScript (2025) umgesetzt, bei dem:
✅ synthetische Buchungsdaten erzeugt werden
✅ Belegdatum & Buchungsdatum im Format DD.MM.YYYY angezeigt werden
✅ typische Audit-Indikatoren simuliert werden (z. B. Belegnummern-Duplikate, unbekannte Kreditoren, hohe Beträge)
✅ ein Logistic-Regression-Modell (scikit-learn) zur Priorisierung der Verdachtsfälle genutzt wird
✅ die Top-Verdachtsfälle sauber als echte HTML-Tabelle gerendert werden (kein Fließtext!)
✅ KPIs wie Anzahl Buchungen, Regel-auffällig, Belegnr-Duplikate, AUC direkt sichtbar sind
✅ Ergebnisse als CSV exportierbar sind
💡 Besonders spannend:
Alles läuft clientseitig im Browser, ohne Server, ohne Backend, nur mit Python, NumPy, scikit-learn und PyScript. Ideal für:
-
Schulungen & Workshops
-
Prototypen im Audit & der Datenanalyse
-
Erklärbare ML-Ansätze (Rule-based Label + ML-Scoring)
🔎 Das Beispiel ist bewusst GoBD-nah, aber technologieoffen – viele Ideen lassen sich auch auf IDEA, Power BI, Audipy oder klassische Prüfungstools übertragen.
Wer sich für Python im Audit, Explainable ML oder moderne Prüfungsansätze interessiert: Austausch gern willkommen 👍
Zum Ausprobieren kann jeder die Webseite https://majo2000.bplaced.net/python/sklearn.html aufrufen und testen!
Und nicht zu vergessen, scikit-learn ist vollständig kompatibel zur Python-Version in Caseware IDEA. Somit kann jeder Prüfer/Prüferin automatisiert maschinelles Lernen nutzen!
#Python #PyScript #Audit #Datenanalyse #MachineLearning #scikitlearn #GoBD #InternalAudit #DataAnalytics #Revision