Das Audit-Gesch\u00e4ft von KPMG UK f\u00fchrt komplexe, hochvolumige Analysen durch, wenn es Unternehmen weltweit pr\u00fcft, und verf\u00fcgt \u00fcber ausgereifte Daten- und Analyseprozesse. Die neueste Transformationswelle konzentriert sich darauf, eine bew\u00e4hrte, vertrauensw\u00fcrdige Datengrundlage zu einer KI-f\u00e4higen weiterzuentwickeln, w\u00e4hrend die f\u00fcr die Pr\u00fcfung 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 zusammenf\u00fchrt. Diese moderne Grundlage bewahrt die Robustheit und das Vertrauen, die von einer Pr\u00fcfung erwartet werden, und erm\u00f6glicht gleichzeitig schnellere Experimente, tiefere Einblicke und eine dynamischere Pr\u00fcfungsdurchf\u00fchrung.<\/p>\n
Databricks SQL als zentraler Motor<\/strong><\/p>\n Teil dieser Entwicklung ist die Migration zentraler SQL-Workloads von traditionellen SQL Server-Umgebungen zu Databricks SQL<\/strong><\/a>. Diese Umstellung bringt kritische Pr\u00fcfungsdaten direkt auf das Lakehouse, wo sie je nach Bedarf alles von klassischer Berichterstattung bis hin zu fortgeschrittenen KI- und Machine Learning-Anwendungsf\u00e4llen auf derselben Plattform unterst\u00fctzen k\u00f6nnen.<\/p>\n Databricks SQL bietet horizontale Skalierung, Echtzeit- und Streaming-Funktionen sowie native Unterst\u00fctzung f\u00fcr KI- und Machine Learning-Workloads, alles auf Delta basierend. Dies macht es wesentlich einfacher, saisonale Spitzen, unterschiedliche Datenmengen und zunehmend komplexe analytische Anforderungen zu bew\u00e4ltigen. Es integriert sich auch nahtlos in Low-Code- und No-Code-Tools wie Lakeflow Designer<\/a> und KI-f\u00e4hige BI-Produkte<\/a>, und \u00f6ffnet so die T\u00fcr f\u00fcr eine breitere Palette von Nutzern, an Analysen teilzunehmen.<\/p>\n KI-beschleunigte Migration von SQL<\/strong><\/p>\n Um das Programm schnell und zielgerichtet zu halten, nutzte KPMG UK KI, um die Migration und Modernisierung seiner SQL-Infrastruktur zu beschleunigen. Lakebridge wurde fr\u00fchzeitig im Prozess eingesetzt, um den vorhandenen SQL-Code zu scannen und dessen Komplexit\u00e4t abzusch\u00e4tzen, und lieferte eine klare, datengest\u00fctzte Sicht auf Aufwand, Risiko und Priorisierung f\u00fcr den \u00dcbergang zu Databricks SQL.<\/p>\n Von dort aus wurden von Databricks gehostete gro\u00dfe Sprachmodelle, wie Claude Sonnet und Genie Code<\/strong><\/a>,<\/strong> 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 erm\u00f6glichte, sondern auch technische Schulden durch die Verbesserung von Joins und Fensterfunktionen abbaute und Leistungsoptimierungen vorschlug, die Delta-Funktionen nutzen.<\/p>\n Sie unterst\u00fctzten auch bei der Erkl\u00e4rung und Zerlegung komplexer gespeicherter Prozeduren, indem sie diese in modulare Abfragen und Notebooks zerlegten, die besser f\u00fcr die Lakehouse-Architektur geeignet sind. Dieser Ansatz wurde in einen kontrollierten Entwickler-Workflow eingebettet, wobei die Ergebnisse von Ingenieuren \u00fcberpr\u00fcft und validiert wurden, um Genauigkeit, Konsistenz und Pr\u00fcfqualit\u00e4tsstandards zu gew\u00e4hrleisten. Dies reduzierte die Refactoring-Zeit um rund 60 % und erm\u00f6glichte es dem Team, \u00fcber 400 Skripte und gespeicherte Prozeduren innerhalb von etwa drei Monaten zu modernisieren, ohne Kompromisse bei Qualit\u00e4t oder Kontrolle einzugehen.<\/p>\n Neugestaltung des Audit-Prozesses mit Genie <\/strong><\/p>\n Basierend auf der Databricks SQL-Grundlage kann Genie neu definieren, wie Analysten und Pr\u00fcfer Daten erkunden und verifizieren. Nutzer k\u00f6nnen Fragen in nat\u00fcrlicher Sprache stellen, w\u00e4hrend Genie vollst\u00e4ndig nachvollziehbares, versionskontrolliertes SQL generiert, wobei die f\u00fcr die Einhaltung gesetzlicher Vorschriften erforderliche Transparenz und Datenintegrit\u00e4t gewahrt bleibt.<\/p>\n Der Genie Agent geht noch einen Schritt weiter und treibt tiefere, forschungsreife Analysen voran, wobei vollst\u00e4ndige Transparenz und Kontrolle gewahrt bleiben. Jedes Ergebnis ist mit genehmigten, pr\u00fcfbaren Datenquellen verkn\u00fcpft, was den Teams die Gewissheit gibt, schneller voranzukommen, ohne Genauigkeit oder Sicherheit zu opfern. Zusammen setzt Genie einen neuen Standard f\u00fcr intelligente, vertrauensw\u00fcrdige Audit-Analysen.<\/p>\n Elastische Leistung mit SQL Serverless<\/strong><\/p>\n Audit-Workloads sind von Natur aus schwankend, mit ausgepr\u00e4gten Hochsaisonen und unvorhersehbaren Datenmengen \u2013 von Tausenden bis zu Milliarden von Zeilen Finanzdaten, die in Tausenden von KPMG UK-Audits weltweit verarbeitet werden. Databricks SQL Serverless l\u00f6st dies, indem es eine vollst\u00e4ndig verwaltete, elastische Rechenleistung bereitstellt, die sich automatisch an die Nachfrage anpasst.<\/p>\n Das bedeutet, dass Analysten und Pr\u00fcfer mehr Zeit mit Analysen verbringen und weniger mit Infrastrukturplanung, Kapazit\u00e4tsmanagement oder ungenutzten Ressourcen. Das Ergebnis ist eine schnellere Erkenntnisgewinnung, ein reduzierter Betriebsaufwand und eine konsistente Erfahrung f\u00fcr Teams, die unter Zeitdruck hochwertige Analysen liefern.<\/p>\n Vernetztes, gesteuertes Teilen von Grund auf<\/strong><\/p>\n Sichere, gesteuerte Konnektivit\u00e4t mit gepr\u00fcften Unternehmen ist eine zentrale Anforderung an die Audit-Datenplattform von KPMG UK. Im Einklang mit einer Vision, die mit Unterst\u00fctzung von Databricks entwickelt wurde, sind Delta Sharing<\/a> und breitere Datenf\u00f6derationsfunktionen zu Kernkomponenten der Architektur geworden.<\/p>\n Diese Funktionen erm\u00f6glichen einen pr\u00fcfbaren, nachvollziehbaren und zeitnahen Datenaustausch, wobei eine strenge Kontrolle \u00fcber Zugriff und Herkunft gewahrt bleibt. Sie unterst\u00fctzen auch die Zusammenarbeit \u00fcber geografische Grenzen und Unternehmen hinweg und helfen Pr\u00fcfern, auf einer konsistenten, vertrauensw\u00fcrdigen Datenansicht zu arbeiten.<\/p>\n Menschen im Mittelpunkt des Wandels<\/strong><\/p>\n Technologie allein bewirkt keine Transformation. KPMG UK stellte Menschen und den Aufbau von F\u00e4higkeiten in den Mittelpunkt des Programms. Eine koordinierte Bef\u00e4higungsinitiative 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.<\/p>\n \u00dcber 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 Durchf\u00fchrung von Analysen gew\u00e4hrleistete. Das Training umfasste Best Practices im Data Engineering, die Nutzung von Databricks, Governance-Prinzipien und mehr.<\/p>\n Ergebnisse und der Weg nach vorn<\/strong><\/p>\n Das Ergebnis ist eine einheitliche Audit-Datenplattform, die Governance, Zugriffskontrolle und Datenherkunft konsolidiert, w\u00e4hrend der Betrieb durch serverloses, automatisiertes Skalieren vereinfacht wird. Verbesserungen bei der Spark-Ausf\u00fchrung, optimierte SQL-Workloads und eine engere Integration mit nachgelagerten Tools wie Power BI haben alle zu h\u00f6herer Produktivit\u00e4t und einer reibungsloseren Analystenerfahrung beigetragen.<\/p>\n Mit Blick in die Zukunft erweitert KPMG UK Delta Sharing und die Datenf\u00f6deration, 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<\/strong><\/a>, <\/strong>zusammen mit Databricks Apps<\/strong><\/a> und Lakebase<\/strong><\/a>,<\/strong> werden Analysen weiter demokratisieren, w\u00e4hrend 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 Pr\u00fcfern weitgehend \u00fcbernommen. Gleichzeitig wird eine KI-Fabrik aufgebaut, um die Wiederverwendbarkeit von Mustern und Artefakten aus bestehenden KI-Anwendungsf\u00e4llen sicherzustellen. Diese Plattform bietet auch eine Grundlage f\u00fcr zuk\u00fcnftige KI-Governance und -Sicherung und erm\u00f6glicht konsistente Kontrollen, \u00dcberwachung und Nachweise \u00fcber den gesamten KI-Lebenszyklus hinweg, w\u00e4hrend sich die regulatorischen Erwartungen weiterentwickeln.<\/p>\n Aufbau vertrauensw\u00fcrdigerer KI auf einem einheitlichen Lakehouse<\/strong><\/p>\n Mit einer soliden Lakehouse-Architektur und Auditdaten, die in einer einzigen, verwalteten Plattform konsolidiert sind, ist KPMG UK in der Lage, vertrauensw\u00fcrdige KI- und GenAI-L\u00f6sungen zu entwickeln. Die meisten KI-Agenten scheitern nicht, weil sie \u201enicht denken k\u00f6nnen\u201c, sondern weil ihnen von vornherein nicht die richtigen, vollst\u00e4ndigen oder gut verwalteten Daten zur Verf\u00fcgung gestellt werden. Ein Lakehouse begegnet diesem Problem direkt, indem es hochwertige, auditierbare Daten zur Standardeingabe f\u00fcr jeden KI-Workflow macht.<\/p>\n Auf dieser Grundlage kann KPMG UK KI-Agenten entwickeln, die auf einer einzigen Quelle der Wahrheit basieren, wobei Herkunft, Zugriffskontrollen und Qualit\u00e4tspr\u00fcfungen auf der Datenebene und nicht in jedem Modell durchgesetzt werden. Dies bedeutet, dass Retrieval-Augmented Generation (RAG), Szenarioanalyse und intelligente Assistenten f\u00fcr Auditoren alle auf dieselben kuratierten Tabellen und verwalteten Ansichten zugreifen k\u00f6nnen. Durch die Abstimmung von Datenarchitektur, Modellentwicklung und Kontrollen mit den Trusted AI-Prinzipien von KPMG UK k\u00f6nnen KI-Ergebnisse auf verwaltete Datenquellen zur\u00fcckgef\u00fchrt werden, was Erkl\u00e4rbarkeit, Auditierbarkeit und Vertrauen in die Nutzung unterst\u00fctzt. <\/p>\n![\"Architektur](\"https:\/\/www.europesays.com\/de\/wp-content\/uploads\/2026\/05\/image_98.png\")
<\/p>\n![\"Databricks](\"https:\/\/www.europesays.com\/de\/wp-content\/uploads\/2026\/05\/image_101.png\")
<\/p>\n