„Alle Wahrheiten sind einfach zu verstehen, sobald sie entdeckt wurden.
Die Schwierigkeit ist, sie zu entdecken.“
Galileo Galilei

Modell: Automatisierung des Vorgangs der Bewertung von Unternehmen durch neue Darstellungsmethoden zur Bewertung des Konkursrisikos und der Zuverlässigkeit der Jahresabschlüsse.

Das Modell wird verwendet, um die finanzielle Situation von Unternehmen auf der Grundlage der darin geladenen Finanzberichte und nichtfinanziellen Daten sowie Informationen aus der Branchenpresse, Marktdaten und anderen Quellen schnell zu beurteilen und zu bewerten. Es basiert auf dem Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen und tiefen Sprachmodellen.

Das Modell verwendet hybride Methoden, die sich auf klassische Ansätze, Indikatoren und strukturierte Daten in Kombination mit Methoden der tiefen neuronalen Netze stützen. Dieser Ansatz ermöglicht es, ein hohes Leistungsniveau bei der Erkennung und Klassifizierung von Inkonsistenzen in Finanzdaten zu erreichen und bietet eine Qualität und einzigartige Funktionalitäten, die mit anderen Methoden nicht realisiert werden könnten. Unser Modell zur Klassifizierung von Unternehmensinsolvenzen und -betrügereien wurde auf Daten aus Jahresabschlüssen trainiert, die mehr als 440.000 Beobachtungen für 50.000 einzelne Unternehmen über mehrere Jahre umfassen. Die Daten wurden zunächst nach Unternehmensgröße (klein oder groß) und dann nach der Tätigkeitsbranche unterteilt (Sektion der Polnischen Klassifizierung der Tätigkeit).

Bei diesem Modell werden sog. Schlüsselwörter verwendet. Es lernt ständig durch die Erweiterung der Ressourcen mit neuen Daten. Es handelt sich also um ein lebendiges Instrument, das auf ständig aktualisierten Eingangsinformationen beruht. Der Einsatz von Methoden des maschinellen Lernens hat uns ermöglicht, eine neue Qualität und einzigartige Funktionalitäten anzubieten, die mit anderen Methoden nicht realisiert werden konnten.

Die bisher am häufigsten verwendeten Modelle haben auf internationalen Erfahrungen basiert und haben nicht die Besonderheiten des lokalen Marktes bercksichtigt. Ein weiterer Vorteil unseres Modells ist die Einbeziehung von branchenbezogenen, geografischen und lokalen Aspekten in das Scoring und in das Vorhersehen der Unternehmensinsolvenz.

Im Rahmen des trainierten Modells werden rote Flaggen eingesetz, die erscheinen, wenn bestimmte Gefährdungen und Risiken auftreten.

Das Tool verbessert die Arbeit von Wirtschaftsprüfern und Unternehmensanalysten bei der Finanzanalyse, der Identifizierung von Hinweisen auf die Gefährdung der Unternehmensfortführung, der Konkursprognose oder der Due-Diligence-Prüfung erheblich. Dies ist besonders in der Anfangsphase eines Audits sowie vor der Unterzeichnung eines Vertrags mit einem potenziellen Auditskunden nützlich. Es kann auch zur Unterstützung und Automatisierung der Klassifizierung von Unternehmen und zur Aufdeckung möglicher Unregelmäßigkeiten und Betrugsfälle eingesetzt werden.