MindBridge

Was ist MindBridge?

MindBridge ist eine von der kanadischen Firma MindBridge Analytics Inc. entwickelte Plattform für die Erkennung von Finanzrisiken sowie für die Durchführung von Prüfungen mithilfe künstlicher Intelligenz. Sie richtet sich an externe und interne Prüfer sowie an Teams für Kontrollen und Unternehmensfinanzen. Die Plattform erkennt Abweichungen im Ablauf der Transaktionen, führt statistische Tests durch und wendet professionelle Kontrollregeln an. Dadurch werden die Projekte, die einer menschlichen Überprüfung bedürfen, nach ihrem Risikograd dargestellt.

MindBridge ist weder ein Detektor, der feststellt, ob Artikel von KI erzeugt wurden, noch ein generatives Chattool, das automatisch Prüfungsmeinungen abgibt. In seinen offiziellen technischen Beschreibungen wird der Fokus auf der Erkennung von Anomalien sowie auf einer erklärbaren Analyse gelegt. Dabei werden keine generativen KI-Systeme, LLMs oder GPTs in den Kernrisikomodellen verwendet; die endgültige Beurteilung erfolgt weiterhin durch Prüfungs- und Finanzexperten.

Hauptfunktionen

• Umfassende Transaktionsanalyse: Es werden alle finanziellen Transaktionen importiert, anstatt nur Stichproben zu verwenden. Auf dieser Gesamtbasis werden seltene Muster, Ausreißer sowie Risiken erkannt. Die Berücksichtigung aller Einträge bedeutet jedoch nicht, dass alle Fehlbeträge oder Betrugsfälle aufgedeckt werden können; Integrität der Daten und Angemessenheit des Modells bleiben weiterhin Voraussetzungen.
• MindBridge Score: Mehrere in der Analysebasis oder im Projekt definierte Kontrollpunkte werden nach ihrem Gewicht zu einem Risikoscore zusammengefasst. Die Gesamtbewertung kann auf Ebenen wie Einträge, Transaktionen und Geldflüsse analysiert werden; ein hoher Score deutet darauf hin, dass eine genahere Untersuchung angebracht ist, bedeutet aber nicht, dass bereits eine Anomalie nachgewiesen wurde.
• Prüfungsrisiken: Es werden detaillierte Risikowerte für Aspekte wie Vollständigkeit, Existenz oder Entstehung, Rechte und Pflichten, Bewertung oder Genauigkeit, Darstellung oder Klassifizierung sowie Fristen bereitgestellt. Die Prüfer können diese Werte nutzen, um ihre Pläne, die durchzuführenden Prüfverfahren sowie die Auswahl der Stichproben zu steuern.
• Mehrere Analysemethoden: Kombination aus unüberwachtem maschinellem Lernen, statistischen Modellen und von Experten definierten Regeln, um sowohl unbekannte Muster zu erkennen als auch präzise Kontrolltests durchzuführen. Die Bedeutung, das Gewicht und die Schwellenwerte jedes Kontrollpunkts sollten im Einklang mit einer Überprüfung der Geschäftsprozesse und der betreffenden Einheiten festgelegt werden.
• Datentabellen und Filter: Entries und Transaktionen können nach Risiko, Konto, Datum, Benutzer, Betrag oder anderen Feldern angezeigt werden. So kann man schrittweise zu den Kontrollpunkten vordringen, die die Bewertung bestimmen. Analytiker können die Risikobewertungen mit den ursprünglichen Feldern in Verbindung bringen, anstatt sich nur auf eine einzige Rangliste zu verlassen.
• Dashboard und Trends: Durch die Visualisierung lässt sich die Verteilung von Risiken, die Aktivitäten der Konten, sowie Raten, Trends und abweichende Muster erkennen. Dies dient der Planung von Analysen, der finanziellen Überwachung sowie dem Vergleich über verschiedene Zeitperioden hinweg. Die Diagramme sollten mit den Saldoangaben im Hauptbuch, den Zeitperioden sowie den Ergebnissen der Abgleiche übereinstimmen.
• Prüfplan: Die zu überprüfenden Einträge oder Transaktionen werden zu Aufgaben umgewandelt. Es können Kommentare hinzugefügt werden, die Einträge als „normal“, „gelöst“ oder „erneut zu prüfen“ markiert werden. Zudem kann eine zentrale Verfolgung nach Analyseart erfolgen. Die Aufgaben können in XLSX- oder CSV-Format exportiert werden – dabei kann ausgewählt werden, ob Details, der MindBridge-Score, die Bewertungsscore sowie die Kontrollpunkte mitgespeichert werden sollen.
• Prüfungsnachweise und Berichte: Das Speichern von Betriebshistorien, Anmerkungen, Aufgaben und Berichten ermöglicht es, Risiken zu identifizieren sowie menschliche Interpretationen und Entscheidungen nachvollziehbar zu machen. Die Ausgaben der Plattform sind Teil der programmbezogenen Nachweise und können nicht automatisch alle Richtlinien und Anforderungen hinsichtlich der Signierung erfüllen.
• Ständige Risikokontrolle: Unternehmen können die periodische Analyse auf eine häufigere finanzielle Überwachung ausweiten, um kontinuierlich Veränderungen im Hauptbuch, bei Zahlungen und anderen Prozessen zu erkennen. Die wahre Echtzeitfähigkeit hängt von den Datenverbindungen, der Aktualisierungsfrequenz sowie den Konfigurationen der Verträge ab.
• Algorithmus-Überprüfung und -Erklärung: Das Kernmodell wird von unabhängigen Drittanbietern hinsichtlich der Algorithmen bewertet, wobei die Kunden auf eingeschränkte Überprüfungsunterlagen zugreifen können. Transparenz trägt zur Verwaltung des Modells bei, doch Unternehmen sollten weiterhin ihre eigenen Daten, Schwellenwerte und Verwendungszwecke überprüfen.

Unterstützte Finanzdaten und Verwendungszwecke

Vollständiger Arbeitsablauf

1. Bestimmung der Ziele der Prüfung oder Überwachung, der betroffenen Einheiten, des Zeitraums, der Bedeutung sowie der finanziellen Prozesse, die analysiert werden müssen.
2. Vollständige Daten aus ERP-Systemen, Data-Warehouses oder Dateien abrufen und die Abfrageparameter, die Gesamtanzahl sowie die Felddefinitionen speichern.
3. Erstellen Sie Organisationen, Engagements und Analysen, wählen Sie die passenden Bibliotheken, Analysetypen und Zugriffsrechte aus.
4. Importieren oder Verbinden von Datensquellen, Durchführung der Feldzuordnung, Formatprüfung, Behandlung fehlender Werte, Eröffnen und Schließen von Konten sowie Anpassung des Gesamtbetrags.
5. Führen Sie eine Analyse durch, um die Verarbeitungsprotokolle, Datenüberlagerungen, Abweichungsfehler sowie die Abgleichsergebnisse mit der Hauptbuch- oder Nebenbuchhaltung zu überprüfen.
6. Prüfen Sie den MindBridge Score, die identifizierten Risiken, die Kontrollpunkte sowie das Dashboard und legen Sie den Untersuchungsbereich entsprechend dem Geschäftskontext fest.
7. Fügen Sie hochriskante oder repräsentative Projekte dem Prüfplan hinzu, weisen Sie Verantwortliche zu und dokumentieren Sie Anfragen, Beweise und Erklärungen.
8. Echten Anomalien, normalen Geschäftsabweichungen, Datenqualitätsproblemen und Fehlalarmen des Modells unterscheiden und bei Bedarf die Konfiguration anpassen sowie neu ausführen.
9. Exportieren von Aufgaben, Ergebnissen und Prüfungsbelegen, die nach Überprüfung durch den Projektleiter in offizielle Arbeitsunterlagen oder Managementberichte aufgenommen werden.
10. Für kontinuierlich überwachte Projekte werden Mechanismen für Datenaktualisierung, Überprüfung von Schwellenwerten, Änderungen der Modelle, Zugriffsprüfung und Rückmeldungen bei Beendigung eingerichtet.

Datenzugang und -Integration

• MindBridge behauptet, Daten aus mehr als 3.000 verschiedenen ERP-Systemen verarbeiten zu können – in der Regel über vorgefertigte Anbindungen, Einladungen für Kunden zur Anbindung, Dateiimport oder Unternehmensdatenpipelines.
• Der Datensynchronisierer ermöglicht die Masseneingabe der für die Analyse benötigten Daten, und Kunden können nach Einladung durch das Audit-Team selbst eine Verbindung einrichten.
• Die Integration von Databricks stellt vorkonfigurierte Python-Notebooks zur Verfügung, die zum Senden von Finanzdaten sowie zum Auslösen von Analysen und Anzeigen von Ergebnissen dienen und sich gut für die Automatisierung von Workflows in Unternehmens-Data-Engineering-Teams eignen.
• In den Unternehmensdaten wird erwähnt, dass Finanzsysteme über APIs verbunden werden und standardisierte Berichte erstellt werden können, doch die offiziellen Entwicklungsdokumente, die Liste der Endpunkte, die Geschwindigkeitsbeschränkungen sowie die Preise für die einzelnen APIs sind nicht vollständig veröffentlicht.
• Die Anzahl der Anschlüsse gibt lediglich eine Kompatibilitätsangabe wieder; sie bedeutet nicht, dass jede ERP-Version, jedes individuell angepasste Feld sowie jede regionale Implementierung ohne Konfiguration genutzt werden kann. Eine Überprüfung mit tatsächlichen Daten ist daher erforderlich.

Passend für Nutzer und Szenarien

• Externes Prüfungsunternehmen: Unterstützt die Risikobewertung, die Planungsanalyse, die Prüfung der Buchungen sowie die substantiellen Analyseverfahren durch umfassende Analysen.
• Interne Prüfteam: Kontinuierliche Überwachung von Hochrisiko-Transaktionen über verschiedene Einheiten hinweg sowie zentrale Verwaltung von Ermittlungsaufgaben und Beweismitteln.
• Finanzkontrolle und Controlling: Überwachung der Gesamtbuchführung, von Lieferanten, Kosten, Einnahmen sowie der Kontrolle der Finanzberichte.
• Große, branchenübergreifende Unternehmen: Sie übertragen Transaktionen aus mehreren ERP-Systemen oder Datenlagern in einen einheitlichen Prozess zur Risikoanalyse.
• Modellrisiko- und Konformitätsteam: Überprüfung der Algorithmusvalidierung, Interpretierbarkeit, Konfiguration, Zugriff sowie menschliche Überwachung.
• Es ist nicht angemessen, Punktzahlen direkt als Beweis für Betrug zu betrachten, und sie können auch die Prüfungsstandards, professionelles Misstrauen, Interviews, Verifizierungen sowie die Belege der Unternehmensleitung nicht ersetzen.

Preise und Einkauf

Auf der öffentlichen Seite werden keine Standardbeträge, eine kostenlose Version, die Anzahl der Testtage sowie die Kosten pro Transaktion oder API-Nutzung angegeben. Die Kosten, die Berechnungsgrundlagen sowie die Zahlungsbedingungen sind in der Bestellung bei MindBridge oder einem autorisierten Händler festgelegt. Die Verlängerungspreise können mit mindestens 60 Tagen Vorlauf angepasst werden.

Steuern und Gebühren sind in der Regel nicht im Angebot enthalten. Eine Verringerung des Umfangs oder der Laufzeit des Vertrags kann eine Neuberechnung auslösen. Rückerstattungen, Rabatte für Pilotprojekte, Überzahlungen sowie Kosten für Implementierung und Schulung müssen vor Unterzeichnung der Bestellung gesondert festgelegt werden.

API, SDK und Open-Source-Status

• MindBridge unterstützt Anschlüsse, Unternehmens-API-Szenarien sowie Databricks-Notebook-Vorlagen, hat jedoch kein vollständiges API-Produkt für die Selbstregistrierung durch die Öffentlichkeit bestätigt.
• Offizielle Quellen bestätigen weder ein universelles SDK noch eine kostenlose Ebene für Einzelprogrammierer, noch einen Markt für Browsererweiterungen oder Plugins.
• Da es keinen offiziellen Open-Source-Repository oder eine offizielle Open-Source-Lizenz für die vollständige Plattform gibt, sollten die Risikomodelle, Anwendungen sowie Hosting-Dienste als proprietäres Unternehmenssoftware betrachtet werden.
• Obwohl Beispiellaptops oder integrierter Code von Databricks heruntergeladen werden können, lassen sich daraus weder das Kernmodell noch die Bibliothek der Steuerpunkte noch der Quellcode der Plattform offenlegen.

Privatsphäre, Sicherheit und Datenspeicherung

• MindBridge fungiert als Verarbeiter bei der Verarbeitung personenbezogener Daten von Abonnenten auf der Plattform und ist dabei durch das Data Processing Addendum sowie die Bestellbedingungen gebunden.
• Personenbezogene Informationen zu Webseiten und Geschäftskontakten können bis zu drei Jahre lang aufbewahrt werden, oder solange sie für die jeweilige Zweckbestimmung noch notwendig sind, zur Betrugsprävention, zur Wiederherstellung von Konten sowie aufgrund rechtlicher Anforderungen.
• Kundeninhalte, die importiert werden oder auf der Plattform erstellt werden, werden standardmäßig nicht automatisch gelöscht. Sie bleiben bestehen, bis das Kundenteam sie löscht. Die Löschung aus der Datenbank kann innerhalb von 30 Tagen erfolgen; die Backups werden innerhalb von 60 Tagen entfernt.
• Das Löschen von Dateien aus der Analyse führt nicht unbedingt zum Löschen der Kopie im File Manager – und das Löschen aus dem File Manager wiederum führt nicht unbedingt zum Löschen der bereits importierten Analysekopien. Um eine Datei endgültig zu löschen, muss man beide Orte überprüfen. Das Löschen eines Projekts führt dazu, dass seine Dateien, Ergebnisse, Ausführungshistorie, Anmerkungen, Aufgaben und Berichte entfernt werden.
• Die Sicherheitsseite bestätigt die Abschluss der Audits SOC 1 Type 2, SOC 2 Type 2 und SOC 3 Type 2 sowie die Zertifizierungen nach ISO 27001, 27017 und 27018. Bei der Anschaffung sollte man weiterhin den aktuellen Berichtszeitraum, den Umfang der Zertifizierung sowie den ausgewählten Mieter überprüfen.
• Übergränzende und regionale Anforderungen müssen durch das Datenerfassungsanhang bestätigt werden; die entsprechenden Übertragungssicherheiten für den Europäischen Wirtschaftsraum und das Vereinigte Königreich können bei dem Datenschutzteam angefragt werden.
• Löhne, Lieferanten, Mitarbeiter, Kunden sowie Transaktionsdaten können sensible Informationen enthalten; daher sollten minimale Berechtigungen, Minimierung der Felder, Trennung der Kunden sowie regelmäßige Überprüfungen der Zugriffe angewandt werden.

Modellgovernance und berufliche Verantwortung

• Der Algorithmus wird von unabhängigen Dritten aus den Aspekten Interpretierbarkeit, Robustheit, Verzerrungen und Privatsphäre bewertet. Der aktuellste vollständige Bericht wird hauptsächlich an die Kunden bereitgestellt.
• Die Plattform setzt ausdrücklich auf einen Menschen im Entscheidungsprozess – die KI liefert lediglich Risikosignale und Erklärungen, trifft aber keine endgültigen Entscheidungen eigenständig.
• Die Dienstbedingungen garantieren nicht, dass durch die Analyse alle oder irgendeine der durch Prüfverfahren feststellbaren Abweichungen aufgedeckt werden können; der Nutzer muss zusätzliche Verfahren entwickeln.
• Der Risikoscore hängt von Daten, Kontrollpunkten, Gewichten, Schwellenwerten sowie den betrieblichen Bedingungen ab. Ein und derselbe Wert kann nicht ohne die Analysedatenbank und die Projektkonfiguration miteinander verglichen werden.
• Änderungen an Modellen, Regeln oder Versionen müssen in das Change-Management des Unternehmens aufgenommen werden, wobei Testdaten, Referenzwerte, Genehmiger sowie das Inkrafttrittsdatum gespeichert werden müssen.

Vorteile und Einschränkungen

• Vorteile: Für Finanztransaktionen konzipiert, indem es Machine Learning, statistische Tests und fachliche Regeln in einem erklärbaren Risikokontext kombiniert.
• Vorteile: Abdeckung des gesamten Transaktionsumfangs und Umwandlung der Signale in nachvollziehbare menschliche Untersuchungen durch einen Audit-Plan.
• Vorteile: Sicherheitszertifizierungen, SOC-Berichte sowie Materialien zur Überprüfung unabhängiger Algorithmen eignen sich gut für die Prüfung von Einkäufen in Unternehmen.
• Einschränkungen: Offene Preise, Standard-Testversionen, die vollständige API, SDK sowie konkrete Transaktionslimits sind derzeit noch nicht verfügbar.
• Einschränkungen: Ein hoher Risikoscore ist kein Beweis für Fehler oder Betrug, und ein niedriger Risikoscore beweist auch nicht, dass eine Transaktion korrekt ist.
• Einschränkungen: Datenabbildungen, die Qualität der Masterdaten sowie fehlerhafte Geschäftskonfigurationen können sich direkt auf die Bewertung und den Umfang der Untersuchung auswirken.
• Einschränkungen: Die tatsächliche Häufigkeit der kontinuierlichen Überwachung hängt von den Verbindern, Datenpipelines und der Umsetzung des Vertrags ab; es ist nicht möglich, in Echtzeit Aussagen zu treffen, nur anhand des Produktnamens.

Zusammenfassung

MindBridge eignet sich für Prüfungsteams und Unternehmensfinanzteams, die eine Stichprobenprüfung auf eine umfassende, erklärbare Analyse der finanziellen Risiken ausweiten möchten. Bei der Implementierung sollten Datenintegrität, Modellvalidierung, manuelle Überprüfungen, Nachweisführung sowie Sicherheitsaspekte und Vertragskonditionen in die Validierungsprüfung einbezogen werden.