MindBridge AI

MindBridge AI prüft alle Transaktionen im Prüfungsumfang statt einer Stichprobe und verarbeitet Datenbestände von bis zu einer Milliarde Transaktionen in einem Lauf. Für Prüfer ändert sich damit die Art der Prüfung: Sie raten nicht mehr, welche vierzig Buchungen Sie ziehen, sondern arbeiten die sortierte Auswahl ab, die das Modell erzeugt hat. Der Preis dafür ist Zeit für Vorbereitung und Validierung großer Dateien.

Der Motor für die Erkennung von Transaktionsanomalien verbindet statistische Modelle, handgeschriebene Geschäftsregeln und unüberwachtes maschinelles Lernen. Jede Methode übersieht andere Dinge, deshalb fängt der Verbund Muster, die ein einzelner Ansatz verliert. Die Werte kommen mit Begründung, und genau das macht sie in einem Arbeitspapier verwendbar.

Jeder markierte Posten bringt eine Dokumentation mit: welche Regel ausgelöst hat, von welcher Vergleichsgruppe er abweicht, welcher Bereich erwartet war. Diese Tiefe zählt, wenn ein Partner oder eine Aufsicht fragt, wie eine Aussage zustande kam. Sie verhindert außerdem, dass das Werkzeug zur Blackbox wird, die Prüfer ignorieren lernen.

Das Modul beobachtet Buchungen der letzten Tage einer Periode, wo sich manuelle Anpassungen und Nachträge sammeln. Finanzteams sehen eine sortierte Liste ungewöhnlicher Aktivität, bevor die Zahlen festgeschrieben werden. Korrekturen passieren also, solange das Hauptbuch noch offen ist.

Hier steht der Lieferant im Mittelpunkt: Doppelzahlungen, Rechnungen knapp unter Freigabegrenzen, Lieferanten mit Bankdaten von Mitarbeitern und Empfänger ohne gültigen Stammsatz. Diese Prüfung brauchte früher eine Tabellenkalkulation und viel Geduld.

MindBridge verbindet sich mit Werkzeugen wie Xero, Databricks und Fieldguide. Das Entwicklerportal stellt eine API und SDKs bereit, um Auswertungsergebnisse in andere Systeme zu holen. Wer bereits ein Data Warehouse betreibt, schiebt die Ergebnisse in eigene Dashboards, statt Tabellen von Hand zu exportieren.