IDW PS 861: Wie Ihr Wirtschaftsprüfer 2026 KI-generierte Finanzzahlen prüft – und was durchfällt

Stellen Sie sich den Moment vor, in dem ein Partner Ihrer Prüfungsgesellschaft genau eine Frage stellt: „Zeigen Sie mir, wie das Modell diese Zahl erzeugt hat – und erzeugen Sie sie noch einmal.” Wenn die Antwort ein Chat-Protokoll und ein Achselzucken ist, dann ist die Zahl kein Prüfungsergebnis. Sie ist ungeprüftes Arbeitsmaterial. Diese Unterscheidung ist inzwischen schriftlich fixiert.

Das IDW, das Institut der Wirtschaftsprüfer in Deutschland, hat IDW PS 861 im März 2023 als ersten formellen Prüfungsstandard für KI-Systeme veröffentlicht. Er baut auf dem internationalen Assurance-Rahmenwerk ISAE 3000 auf und war ursprünglich auf KI-Prüfungsaufträge außerhalb der Jahresabschlussprüfung zugeschnitten. Doch der Standard formuliert einen Grundsatz, den der Berufsstand seither auf die Abschlussprüfung selbst übertragen hat: Sobald eine KI-Anwendung ein Ergebnis erzeugt, das für den Jahresabschluss relevant ist, muss der Wirtschaftsprüfer es beurteilen – und es gelten dieselben Mindestanforderungen. 2026 ist das längst keine theoretische Frage mehr. KI steckt heute in Prozessen unmittelbar am Hauptbuch, und die Prüfer kommen mit einer Checkliste.

Was IDW PS 861 tatsächlich verlangt

Reduziert man den Standard auf seine tragenden Bestandteile, treten drei Forderungen hervor.

Nachvollziehbarkeit. Der Wirtschaftsprüfer muss nachvollziehen können, wie ein Ergebnis zustande gekommen ist und wo die Grenze zwischen der Logik des Modells und den von ihm verarbeiteten Daten verläuft. Eine Zahl, die ohne erkennbaren Weg zurück zu ihren Eingangsdaten erscheint, ist nicht nachvollziehbar – und eine nicht nachvollziehbare Zahl ist nicht beurteilbar.

Reproduzierbarkeit. Das ist die Anforderung, an der die meisten Einsätze generativer KI scheitern. Der Standard räumt in seinen eigenen Erläuterungen eine harte Grenze ein: Bei einer einzelnen Transaktion oder einer Handvoll Fälle lässt sich das Ergebnis durch erneute Reproduktion verifizieren; über das Volumen und die Bandbreite eines realen Hauptbuchs hinweg können Sie nicht jeden Einzelfall manuell nachrechnen. Folglich muss das System selbst hinreichend deterministisch sein, sodass gleiche Eingaben gleiche Ergebnisse liefern. Stellen Sie dieselbe Frage zweimal, erhalten Sie zweimal dieselbe Zahl. Ein Large Language Model leistet das von seiner Konstruktion her nicht. Bitten Sie es heute und morgen, eine Spalte zu summieren, erhalten Sie womöglich zwei Antworten – beide plausibel, keine verankert.

Validierung, IT-Sicherheit und Leistungsfähigkeit. Über die beiden zentralen Forderungen hinaus stellt PS 861 Mindestanforderungen an Governance, Change-Management, die Sicherheit der umgebenden IT und an eine nachgewiesene Leistungsfähigkeit gegenüber definierten Kriterien. Der Punkt ist nicht, dass KI verboten wäre. Der Punkt ist, dass ein KI-Ergebnis den Status „prüfungsrelevant” erst dann erlangt, wenn es gesteuert, abgesichert und in seiner Leistung belegt werden kann.

Erwähnenswert ist zudem eine Kompetenzpflicht: Seit Anfang 2025 wird von Unternehmen erwartet, dass die mit KI-Systemen arbeitenden Mitarbeiter über eine angemessene KI-Kompetenz verfügen. Der Wirtschaftsprüfer wird davon ausgehen, dass diejenigen, die sich auf das Ergebnis verlassen, dessen Grenzen verstehen.

Warum ein Chatbot auf Ihrem Hauptbuch durchfällt

Hier kommt der unbequeme Teil für alle, die ein Sprachmodell unmittelbar an ihre Buchhaltungsdaten angebunden haben. Das Scheitern ist kein Problem der Feinjustierung. Es ist strukturell.

Ein Allzweckmodell beantwortet eine Frage zum Umsatz, indem es Tokens vorhersagt. Im Kern ist es eine Wahrscheinlichkeitsmaschine. Daraus folgen zwei Dinge. Erstens ist es nicht-deterministisch, was frontal mit der Anforderung der Reproduzierbarkeit kollidiert. Zweitens kann es Ihnen, selbst wenn es die richtige Zahl trifft, in der Regel nicht sagen, welche Buchungssätze, welche Periodenabgrenzungen, welche Konsolidierungsbuchungen sie ergeben haben. Das kollidiert mit der Nachvollziehbarkeit. Sie erhalten am Ende eine Zahl, die manchmal richtig, gelegentlich falsch und nie nachweisbar an das Hauptbuch gebunden ist. Unter PS 861 ist genau das die Definition von Arbeitsmaterial – nicht von einem Ergebnis.

Der Fehler besteht darin, das Modell zum Rechner machen zu wollen. Wirtschaftsprüfer haben nichts dagegen, dass KI liest und zusammenfasst. Sie haben etwas dagegen, dass KI Arithmetik erfindet, die niemand reproduzieren oder nachvollziehen kann.

Der Mechanismus, der dem Standard standhält

An dieser Stelle zählt die Architektur mehr als das Modell. Die Lösung besteht darin, die beiden Aufgaben zu trennen, die das LLM derzeit gleichzeitig schlecht erledigt: die Frage zu verstehen und die Antwort zu berechnen. Lassen Sie die KI die Sprache übernehmen. Lassen Sie eine deterministische Engine die Mathematik übernehmen.

Genau nach diesem Prinzip ist Rexfin gebaut. Die Plattform verbindet sich mit Ihren Buchhaltungs- und Finanzdatenquellen – den Integrationen in QuickBooks, Xero, NetSuite, Sage, SAP, Oracle oder ein Data Warehouse, oder mit hochgeladenen Abschlüssen – und baut daraus ein einziges, abgestimmtes Finanzmodell. Dieses Modell ist eine einzige Quelle der Wahrheit, die sich mit dem Hauptbuch deckt. Stellt jemand eine Frage, interpretiert die KI das Anliegen und ruft die Zahlen ab, doch die Berechnung läuft über eine deterministische Engine, nicht über das Sprachmodell. Gleiche Eingaben, gleiches Ergebnis – jedes Mal. Und jede Zahl lässt sich bis zur Quelle zurückverfolgen: zur Buchung, zum Konto, zur Periode, aus der sie stammt.

Liest man dies gegen PS 861, fügen sich die Häkchen zusammen. Die Reproduzierbarkeit kommt von der deterministischen Engine. Die Nachvollziehbarkeit kommt von einem Modell, das sich mit dem Hauptbuch deckt und die Herkunftskette bewahrt. Die Grenze zwischen „der KI” und „den Daten” ist explizit, weil die KI die Arithmetik niemals berührt. Was-wäre-wenn-Szenarien laufen gegen dieselbe abgestimmte Basis, sodass eine Sensitivitätsanalyse genauso prüffähig ist wie die Abschlusszahl. Das ist der Unterschied zwischen einem Protokoll, das Sie Ihrem Wirtschaftsprüfer in die Hand drücken, und einem Arbeitspapier.

Ich will es nicht überverkaufen. PS 861 deckt auch Governance, Change-Management und IT-Sicherheit ab, und keine Architektur prüft diese für Sie – es sind organisatorische Disziplinen, die Sie nach wie vor selbst betreiben müssen. Ein abgestimmtes, deterministisches Modell entbindet Sie nicht von Kontrollen. Was es leistet, ist die Beseitigung des mit Abstand häufigsten Grundes, aus dem KI-Ergebnisse an der Tür abgewiesen werden: der Unfähigkeit, eine Zahl zu reproduzieren und nachzuvollziehen.

Was vor der Prüfung 2026 zu tun ist

Zwei praktische Schritte. Erstens: Erfassen Sie jede Stelle, an der ein KI-Ergebnis in etwas finanziell Relevantes einfließt – Forecasts, Abstimmungen, Gremienzahlen, Inputs für Anhangangaben – und fragen Sie bei jedem einzelnen: Kann ich das exakt reproduzieren, und kann ich es bis zum Hauptbuch zurückverfolgen? Lautet die ehrliche Antwort Nein, haben Sie eine Prüfungsfeststellung in der Warteschleife. Das hängt unmittelbar mit dem größeren Compliance-Bild zusammen, einschließlich der GoBD-Anforderung der maschinellen Auswertbarkeit und der Pflicht zur menschlichen Aufsicht nach Artikel 14 der EU-KI-Verordnung. PS 861 ist nur eine Spalte in einer breiteren Tabelle.

Zweitens: Reparieren Sie die Architektur, nicht den Prompt. Kein noch so ausgefeiltes Prompt-Engineering macht eine Wahrscheinlichkeitsmaschine deterministisch. Der verlässliche Weg besteht darin, der KI ein abgestimmtes Modell zum Auslesen und eine deterministische Engine zum Rechnen an die Hand zu geben.

Das Fazit ist unmissverständlich: 2026 fragt Ihr Wirtschaftsprüfer nicht mehr, ob Sie KI eingesetzt haben. Er fragt, ob Ihre KI-Zahlen reproduzierbar und nachvollziehbar sind. Bauen Sie die Schicht, die mit Ja antwortet, bevor er fragt. Wenn Sie ein deterministisches, an das Hauptbuch gebundenes Modell in Aktion sehen möchten, buchen Sie eine Demo.