Die AI-Zukunft von KPMG UK Audit mit Databricks vorantreiben

KPMG UK nutzt seit vielen Jahren Daten und Analysen in großem Umfang in seinem Audit-Portfolio und ist ein Marktführer in der Anwendung von Technologie im Audit-Bereich. Aufbauend auf dieser starken Grundlage entwickelt KPMG UK seine Datenplattform nun mit Databricks-Technologien weiter, um in der Ära der KI die Nase vorn zu haben und eine neue Generation intelligenter, erkenntnisgesteuerter Audits zu ermöglichen.

Von starken Daten & Analysen zu vertrauenswürdiger, KI-zentrierter Bereitstellung

Das Audit-Geschäft von KPMG UK führt komplexe, hochvolumige Analysen durch, wenn es Unternehmen weltweit prüft, und verfügt über ausgereifte Daten- und Analyseprozesse. Die neueste Transformationswelle konzentriert sich darauf, eine bewährte, vertrauenswürdige Datengrundlage zu einer KI-fähigen weiterzuentwickeln, während die für die Prüfung erforderliche Strenge, Governance und professionellen Standards gewahrt bleiben. Durch die Konvergenz auf eine einheitliche, Cloud-native Lakehouse-Architektur erhalten Audit-Teams eine gesteuerte Plattform, die strukturierte Daten, fortschrittliche Analysen und KI an einem Ort zusammenführt. Diese moderne Grundlage bewahrt die Robustheit und das Vertrauen, die von einer Prüfung erwartet werden, und ermöglicht gleichzeitig schnellere Experimente, tiefere Einblicke und eine dynamischere Prüfungsdurchführung.

Databricks SQL als zentraler Motor

Teil dieser Entwicklung ist die Migration zentraler SQL-Workloads von traditionellen SQL Server-Umgebungen zu Databricks SQL. Diese Umstellung bringt kritische Prüfungsdaten direkt auf das Lakehouse, wo sie je nach Bedarf alles von klassischer Berichterstattung bis hin zu fortgeschrittenen KI- und Machine Learning-Anwendungsfällen auf derselben Plattform unterstützen können.

Databricks SQL bietet horizontale Skalierung, Echtzeit- und Streaming-Funktionen sowie native Unterstützung für KI- und Machine Learning-Workloads, alles auf Delta basierend. Dies macht es wesentlich einfacher, saisonale Spitzen, unterschiedliche Datenmengen und zunehmend komplexe analytische Anforderungen zu bewältigen. Es integriert sich auch nahtlos in Low-Code- und No-Code-Tools wie Lakeflow Designer und KI-fähige BI-Produkte, und öffnet so die Tür für eine breitere Palette von Nutzern, an Analysen teilzunehmen.

KI-beschleunigte Migration von SQL

Um das Programm schnell und zielgerichtet zu halten, nutzte KPMG UK KI, um die Migration und Modernisierung seiner SQL-Infrastruktur zu beschleunigen. Lakebridge wurde frühzeitig im Prozess eingesetzt, um den vorhandenen SQL-Code zu scannen und dessen Komplexität abzuschätzen, und lieferte eine klare, datengestützte Sicht auf Aufwand, Risiko und Priorisierung für den Übergang zu Databricks SQL.

Von dort aus wurden von Databricks gehostete große Sprachmodelle, wie Claude Sonnet und Genie Code, in den Entwickler-Workflow integriert. Diese Modelle halfen, Aufgaben wie die Konvertierung von T-SQL in Databricks SQL zu automatisieren und zu optimieren, was nicht nur einen Lift-and-Shift-Ansatz ermöglichte, sondern auch technische Schulden durch die Verbesserung von Joins und Fensterfunktionen abbaute und Leistungsoptimierungen vorschlug, die Delta-Funktionen nutzen.

Sie unterstützten auch bei der Erklärung und Zerlegung komplexer gespeicherter Prozeduren, indem sie diese in modulare Abfragen und Notebooks zerlegten, die besser für die Lakehouse-Architektur geeignet sind. Dieser Ansatz wurde in einen kontrollierten Entwickler-Workflow eingebettet, wobei die Ergebnisse von Ingenieuren überprüft und validiert wurden, um Genauigkeit, Konsistenz und Prüfqualitätsstandards zu gewährleisten. Dies reduzierte die Refactoring-Zeit um rund 60 % und ermöglichte es dem Team, über 400 Skripte und gespeicherte Prozeduren innerhalb von etwa drei Monaten zu modernisieren, ohne Kompromisse bei Qualität oder Kontrolle einzugehen.

Neugestaltung des Audit-Prozesses mit Genie

Basierend auf der Databricks SQL-Grundlage kann Genie neu definieren, wie Analysten und Prüfer Daten erkunden und verifizieren. Nutzer können Fragen in natürlicher Sprache stellen, während Genie vollständig nachvollziehbares, versionskontrolliertes SQL generiert, wobei die für die Einhaltung gesetzlicher Vorschriften erforderliche Transparenz und Datenintegrität gewahrt bleibt.

Der Genie Agent geht noch einen Schritt weiter und treibt tiefere, forschungsreife Analysen voran, wobei vollständige Transparenz und Kontrolle gewahrt bleiben. Jedes Ergebnis ist mit genehmigten, prüfbaren Datenquellen verknüpft, was den Teams die Gewissheit gibt, schneller voranzukommen, ohne Genauigkeit oder Sicherheit zu opfern. Zusammen setzt Genie einen neuen Standard für intelligente, vertrauenswürdige Audit-Analysen.

Elastische Leistung mit SQL Serverless

Audit-Workloads sind von Natur aus schwankend, mit ausgeprägten Hochsaisonen und unvorhersehbaren Datenmengen – von Tausenden bis zu Milliarden von Zeilen Finanzdaten, die in Tausenden von KPMG UK-Audits weltweit verarbeitet werden. Databricks SQL Serverless löst dies, indem es eine vollständig verwaltete, elastische Rechenleistung bereitstellt, die sich automatisch an die Nachfrage anpasst.

Das bedeutet, dass Analysten und Prüfer mehr Zeit mit Analysen verbringen und weniger mit Infrastrukturplanung, Kapazitätsmanagement oder ungenutzten Ressourcen. Das Ergebnis ist eine schnellere Erkenntnisgewinnung, ein reduzierter Betriebsaufwand und eine konsistente Erfahrung für Teams, die unter Zeitdruck hochwertige Analysen liefern.

Vernetztes, gesteuertes Teilen von Grund auf

Sichere, gesteuerte Konnektivität mit geprüften Unternehmen ist eine zentrale Anforderung an die Audit-Datenplattform von KPMG UK. Im Einklang mit einer Vision, die mit Unterstützung von Databricks entwickelt wurde, sind Delta Sharing und breitere Datenföderationsfunktionen zu Kernkomponenten der Architektur geworden.

Diese Funktionen ermöglichen einen prüfbaren, nachvollziehbaren und zeitnahen Datenaustausch, wobei eine strenge Kontrolle über Zugriff und Herkunft gewahrt bleibt. Sie unterstützen auch die Zusammenarbeit über geografische Grenzen und Unternehmen hinweg und helfen Prüfern, auf einer konsistenten, vertrauenswürdigen Datenansicht zu arbeiten.

Menschen im Mittelpunkt des Wandels

Technologie allein bewirkt keine Transformation. KPMG UK stellte Menschen und den Aufbau von Fähigkeiten in den Mittelpunkt des Programms. Eine koordinierte Befähigungsinitiative qualifizierte Audit-Datenanalysten und Dateningenieure weiter, um Analysen zusammen mit dem Kern-Audit-Team zu liefern, unter Verwendung einer Databricks-basierten Plattform, zusammen mit neuen operativen Prozessen und modernen, agilen Arbeitsweisen.

Über 200 neue Nutzer wurden innerhalb von drei Monaten weitergebildet und in die neue Plattform integriert, was eine reibungslose Einarbeitung in die neue Plattform und die Art der Durchführung von Analysen gewährleistete. Das Training umfasste Best Practices im Data Engineering, die Nutzung von Databricks, Governance-Prinzipien und mehr.

Ergebnisse und der Weg nach vorn

Das Ergebnis ist eine einheitliche Audit-Datenplattform, die Governance, Zugriffskontrolle und Datenherkunft konsolidiert, während der Betrieb durch serverloses, automatisiertes Skalieren vereinfacht wird. Verbesserungen bei der Spark-Ausführung, optimierte SQL-Workloads und eine engere Integration mit nachgelagerten Tools wie Power BI haben alle zu höherer Produktivität und einer reibungsloseren Analystenerfahrung beigetragen.

Mit Blick in die Zukunft erweitert KPMG UK Delta Sharing und die Datenföderation, skaliert auf komplexere globale Workloads und migriert und vereinheitlicht weiterhin Daten, Code und Teams auf dem Lakehouse. Low-Code- und No-Code-Funktionen wie Lakeflow Designer, zusammen mit Databricks Apps und Lakebase, werden Analysen weiter demokratisieren, während die KI-Bereitschaft in jede Schicht der Architektur integriert wird. Der Financial Report Analyser, ein internes GenAI-Audit-Tool bei KPMG UK, wurde entwickelt und von den Prüfern weitgehend übernommen. Gleichzeitig wird eine KI-Fabrik aufgebaut, um die Wiederverwendbarkeit von Mustern und Artefakten aus bestehenden KI-Anwendungsfällen sicherzustellen. Diese Plattform bietet auch eine Grundlage für zukünftige KI-Governance und -Sicherung und ermöglicht konsistente Kontrollen, Überwachung und Nachweise über den gesamten KI-Lebenszyklus hinweg, während sich die regulatorischen Erwartungen weiterentwickeln.

Aufbau vertrauenswürdigerer KI auf einem einheitlichen Lakehouse

Mit einer soliden Lakehouse-Architektur und Auditdaten, die in einer einzigen, verwalteten Plattform konsolidiert sind, ist KPMG UK in der Lage, vertrauenswürdige KI- und GenAI-Lösungen zu entwickeln. Die meisten KI-Agenten scheitern nicht, weil sie „nicht denken können“, sondern weil ihnen von vornherein nicht die richtigen, vollständigen oder gut verwalteten Daten zur Verfügung gestellt werden. Ein Lakehouse begegnet diesem Problem direkt, indem es hochwertige, auditierbare Daten zur Standardeingabe für jeden KI-Workflow macht.

Auf dieser Grundlage kann KPMG UK KI-Agenten entwickeln, die auf einer einzigen Quelle der Wahrheit basieren, wobei Herkunft, Zugriffskontrollen und Qualitätsprüfungen auf der Datenebene und nicht in jedem Modell durchgesetzt werden. Dies bedeutet, dass Retrieval-Augmented Generation (RAG), Szenarioanalyse und intelligente Assistenten für Auditoren alle auf dieselben kuratierten Tabellen und verwalteten Ansichten zugreifen können. Durch die Abstimmung von Datenarchitektur, Modellentwicklung und Kontrollen mit den Trusted AI-Prinzipien von KPMG UK können KI-Ergebnisse auf verwaltete Datenquellen zurückgeführt werden, was Erklärbarkeit, Auditierbarkeit und Vertrauen in die Nutzung unterstützt.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag