6 min readSanitized Ai Team

Datenschutz in der Abschlussprüfung: Sensible Informationen in KI-Arbeitsabläufen schützen

Data PrivacyData SecurityAI GovernanceComplianceRisk

Prüfungsgesellschaften gehen mit einigen der sensibelsten Informationen eines Unternehmens um. Arbeitspapiere können Gehaltsdaten, Kundeninformationen, Bankdaten, Verträge, Prognosen, Dokumentation zum internen Kontrollsystem und Nachweise zu möglichen falschen Angaben oder Betrug enthalten. Wird künstliche Intelligenz in den Arbeitsablauf aufgenommen, können diese Informationen in neue Systeme, Konten und Anbieterumgebungen gelangen.

Datenschutz in der Prüfung ist daher nicht nur die Frage, ob ein KI-Werkzeug sicher ist. Es geht darum, welche Daten das Werkzeug erhält, warum es sie braucht, wohin die Informationen gelangen, wer darauf zugreifen kann und wie lange sie dort verbleiben.

Daten abbilden, bevor der KI-Arbeitsablauf freigegeben wird

Beginnen Sie damit, die Informationen zu dokumentieren, die durch den KI-gestützten Prozess fließen.

Bei einem Werkzeug zur Dokumentenzusammenfassung können das hochgeladene Verträge, Rechnungen oder Besprechungsnotizen sein. Bei einem KI-Assistenten, der mit einem Dokumenten-Repository verbunden ist, kann der potenzielle Datenbestand deutlich größer sein, weil das System Dateien automatisch abrufen kann.

Das NIST Privacy Framework empfiehlt, Datenverarbeitungsaktivitäten zu inventarisieren und abzubilden, einschließlich der beteiligten Systeme, der verarbeiteten Datenelemente, des Verarbeitungszwecks, der Dritten und der Verarbeitungsumgebung.

Für Prüfungsteams kann eine einfache Datenflussübersicht praktische Fragen beantworten: Was verlässt die Umgebung der Gesellschaft? Erhält der KI-Anbieter das vollständige Dokument oder nur einen Auszug? Ist ein weiterer Modellanbieter beteiligt? Werden Prompts oder Dateien an anderer Stelle gespeichert?

Datenschutzkontrollen lassen sich leichter gestalten, wenn diese Wege sichtbar sind.

Mandantendaten minimieren, bevor sie das Modell erreichen

Ein KI-Werkzeug sollte nur die Informationen erhalten, die für die Aufgabe erforderlich sind.

Soll das Team Unterstützung beim Kategorisieren von Transaktionsbeschreibungen erhalten, braucht das Werkzeug möglicherweise weder Kundennamen noch Kontonummern. Wird ein Werkzeug zur Dokumentenzusammenfassung getestet, kann eine geschwärzte oder synthetische Stichprobe genügen. Ist nur ein Abschnitt eines Vertrags relevant, kann das Hochladen der gesamten Vereinbarung unnötige Risiken schaffen.

Das bedeutet auch, über offensichtliche personenbezogene Daten hinauszublicken. Vertrauliche Prüfungsdaten können unveröffentlichte Finanzergebnisse, Übernahmepläne, Schwächen im internen Kontrollsystem, Preisinformationen, Details zu Rechtsstreitigkeiten und Managementgespräche umfassen.

Vertraulichkeit als Pflicht über den gesamten Lebenszyklus behandeln

Der Datenschutz endet nicht, sobald Informationen in ein freigegebenes System eingegeben wurden.

Das International Ethics Standards Board for Accountants hält fest, dass der Grundsatz der Vertraulichkeit unabhängig von der eingesetzten Technologie gilt. Seine Leitlinien zur Technologie weiten den Blick auf den gesamten Datenlebenszyklus aus, einschließlich Erhebung, Nutzung, Übermittlung, Speicherung, Verbreitung und rechtmäßiger Vernichtung.

Fragen Sie, wie lange Prompts und hochgeladene Dateien aufbewahrt werden, ob sie für Training oder Modellverbesserung verwendet werden, welche Mitarbeitenden oder Unterauftragsverarbeiter Zugriff haben, wo sie gespeichert werden und was geschieht, wenn ein Konto gelöscht wird.

Können Mandantendaten für einen anderen Zweck verwendet werden, etwa zum Training eines KI-Modells, sollte die Gesellschaft nicht davon ausgehen, dass die ursprüngliche Verwendung im Auftrag diese Zweitnutzung automatisch abdeckt. Die Technologiematerialien des IESBA behandeln ausdrücklich die Nutzung von Mandantendaten für KI-Training und die Notwendigkeit einer angemessenen Autorisierung.

Integrationen getrennt vom eigentlichen KI-Produkt prüfen

Eine freigegebene KI-Anwendung kann deutlich riskanter werden, wenn sie mit anderen Systemen verbunden wird.

Ein eigenständiger Chatbot sieht nur das, was ein Prüfer manuell eingibt. Dasselbe Produkt, verbunden mit E-Mail, Cloud-Speicher oder einem Arbeitspapier-Repository, könnte potenziell Tausende von Dokumenten erreichen.

Prüfen Sie jede Integration danach, auf welche Informationen sie zugreifen kann. Setzen Sie Berechtigungen nach dem Prinzip der geringsten Rechte, damit die KI nur die Repositories oder Daten erhält, die für ihren freigegebenen Zweck erforderlich sind. Die Freigabe eines Anbieters sollte nicht automatisch jeden Konnektor freigeben, den der Anbieter später veröffentlicht.

Datenschutzfragen an Anbieter konkret formulieren

Allgemeine Fragen wie »Ist Ihre Plattform sicher?« führen selten zu brauchbaren Antworten.

Fragen Sie, ob Prompts, Dateien und Ausgaben gespeichert werden, wo sie verarbeitet werden, ob Kundeninformationen für das Modelltraining verwendet werden, welche Unterauftragsverarbeiter beteiligt sind, ob die Aufbewahrung konfigurierbar ist und welche Benachrichtigungen bei Vorfällen vorgesehen sind.

Mitarbeitende des PCAOB haben berichtet, dass Prüfungsgesellschaften die Notwendigkeit einer starken Aufsicht über den Einsatz generativer KI erkennen, um Risiken wie Datenschutz und Datensicherheit zu begegnen.

Vertragliche Zusagen sollten den technischen und datenschutzbezogenen Aussagen entsprechen, die während der Beschaffung gemacht wurden.

Die neuen Aufzeichnungen schützen, die KI erzeugt

KI-Systeme können zusätzlich zu den ursprünglichen Mandantendokumenten sensible Aufzeichnungen erzeugen.

Prompts können offenlegen, welchen Fragen das Prüfungsteam nachgeht. Ausgaben können Zusammenfassungen von Kontrollschwächen oder Finanzinformationen enthalten. Überwachungsprotokolle können sensible Daten erfassen, die ein Mitarbeitender einzugeben versucht hat.

Diese Aufzeichnungen brauchen angemessene Zugriffskontrollen und Aufbewahrungsfristen. Ein Datenschutzprogramm kann sich selbst untergraben, wenn ein Überwachungssystem vertrauliche Prompts in ein breit zugängliches Protokoll kopiert, das unbegrenzt aufbewahrt wird.

Das NIST Privacy Framework betrachtet das Datenschutzrisiko über den gesamten Verarbeitungslebenszyklus hinweg, von der Erhebung bis zur Entsorgung, statt sich nur auf die ursprünglichen Quelldaten zu konzentrieren.

Auf Fehler vorbereitet sein, bevor sie passieren

Selbst mit guten Kontrollen kann jemand die falsche Datei hochladen, ein nicht freigegebenes Konto verwenden oder feststellen, dass eine Integration mehr Informationen offengelegt hat als erwartet.

Die Gesellschaft sollte über einen klaren Eskalationsprozess verfügen. Mitarbeitende müssen wissen, an wen sie sich wenden, welche Informationen zu sichern sind und welche Teams den Vorfall bewerten müssen. Je nach Umständen können Prüfungsqualität, Informationssicherheit, Datenschutz, Recht, Risikomanagement oder die Mandatsleitung beteiligt sein.

Frühzeitiges Melden fällt leichter, wenn Mitarbeitende wissen, dass ein Fehler eskaliert und nicht verschwiegen werden soll.

Neu bewerten, wenn der KI-Einsatz wächst

Ein KI-Arbeitsablauf, der mit öffentlichen Informationen beginnt, kann später mit Live-Mandatsdaten genutzt werden. Ein Anbieter kann Gedächtnisfunktionen, neue Integrationen, Agenten oder andere Unterauftragsverarbeiter hinzufügen. Solche Änderungen können die ursprüngliche Datenschutzbewertung verändern.

Die jüngste Arbeit des IAASB zu Technologie und Qualitätsmanagement betont Governance und Risikomanagement, da neue Technologien stärker in Prüfungs- und Assurance-Aufträge einfließen. Seine Roundtables 2025 umfassten mehr als 240 Interessengruppen und konzentrierten sich gezielt darauf, die Qualität zu sichern, während KI-gestützte Werkzeuge häufiger werden.

Datenschutz in der Prüfung sollte daher als fortlaufende Kontrolle behandelt werden und nicht als einmalige Beschaffungsübung.

Eine praktische Datenschutzprüfung lässt sich in fünf Fragen zusammenfassen: Welche Daten gelangen in das KI-System? Braucht das System alle davon? Wohin gehen die Daten? Wer kann darauf zugreifen? Wann werden sie gelöscht?

Kann eine Prüfungsgesellschaft diese Fragen für jeden wesentlichen KI-Arbeitsablauf beantworten, hat sie eine deutlich stärkere Grundlage, um sensible Informationen zu schützen und dennoch von der Technologie zu profitieren.

Jede der fünf Fragen oben setzt voraus, dass sich die Daten noch kontrollieren lassen, doch ist ein Prompt einmal abgeschickt, lässt er sich nicht zurückholen. Ein in eine Zusammenfassungsanfrage eingefügter Gehaltsauszug, ein vollständiges Arbeitspapier, das hochgeladen wurde, obwohl ein Abschnitt genügte, oder eine Bankangabe in einem Kategorisierungs-Prompt hat das Prüfungsteam bereits verlassen. Auf diesem Prinzip beruht Sanitized Ai: Mandantenkennungen und andere sensible Auftragsinformationen zu erkennen und zu schwärzen, bevor der Prompt das Werkzeug erreicht, damit die Minimierungsentscheidung Ihres Teams tatsächlich Bestand hat.

Wählen Sie in diesem Quartal den KI-Arbeitsablauf, den Ihr Prüfungsteam am häufigsten nutzt, und beantworten Sie die fünf Fragen dafür schriftlich, beginnend mit der Frage, welche Daten in das System gelangen. Markieren Sie die Kennungen und Zahlen, die sich ohne Änderung des Ergebnisses entfernen lassen, und machen Sie diese Entfernung zum Standardschritt vor dem Absenden. Wenn Sie sehen möchten, wie das Schwärzen vor dem Absenden eines Prompts erfolgen kann, fordern Sie eine Demo an und gehen Sie Ihren eigenen Arbeitsablauf gemeinsam mit uns durch.

See how Sanitized Ai stops sensitive data from leaving the prompt box. Writing your own rules instead? Start from our free AI acceptable use policy generator.