Prof. Dr. Barbara E. Weißenberger und Leonhard J. Lösse haben in der Zeitschrift Die Unternehmnug den Beitrag „Using Interpretable Machine Learning for Accounting Fraud Detection – A Multi-User Perspective” veröffentlicht. Der Beitrag ist unter doi.org/10.5771/0042-059X-2023 verfügbar.
Zusammenfassung: Modelle des maschinellen Lernens werden zunehmend genutzt, um Bilanzmanipulationen anhand offengelegter Informationen zu identifizieren. Die meisten Ansätze fokussieren auf Genauigkeit, was gleichzeitig zu einer hohen Zahl falsch-positiver Vorhersagen führt, die eine Anwendung behindern. Der Beitrag analysiert den Bedarf an Verfahren interpretierbaren maschinellen Lernens aus Perspektive der primären Nutzer wie Abschlussprüfer, Bilanzkontrolle und Investoren mit ihren spezifischen rechtlichen und organisatorischen Rahmenbedingungen. Daraus werden Anforderungen an zusätzliche Erklärungen abgeleitet, die wiederum als Indikatoren für Plausibilisierungen oder als Ansatzpunkte für Untersuchungen dienen und so die Handhabbarkeit von Vorhersagen verbessern und die Implementierung der Modelle fördern.