Snowflake: KI halbiert Zeitaufwand für interne Audits

Von monatelanger Feldarbeit zu wenigen Wochen

Snowflake veröffentlichte die Ergebnisse am 9. Nov. 2026. Das Unternehmen beschreibt darin einen internen Auditprozess, der KI zur Datenverarbeitung, Mustererkennung und Unterstützung bei der ersten Analyse einsetzt. Nach Angaben von Snowflake sank der Zeitaufwand für die Beweiserhebung und die Erstellung von Berichten von Monaten auf Wochen. Grundlage sind interne Ergebnisse mit Stand September 2026.

Das Team gibt an, 2026 mehr als 3.500 Arbeitsstunden bei Audits eingespart zu haben. Mehr als 1.000 dieser Stunden entfielen auf die Festlegung des Risikoumfangs und des Prüfungsumfangs, weitere mehr als 2.500 auf Tests und Dokumentation. Die Verantwortlichen für Kontrollen im gesamten Unternehmen sparten durch vereinfachte Kontrolldurchführung, Beweiserhebung und Anfragen zusätzlich mindestens 1.500 Stunden.

Snowflake zufolge hat die Änderung außerdem dazu geführt, dass ausgewählte Kontrollen nicht mehr anhand traditioneller statistischer Zufallsstichproben geprüft werden. Für bestimmte Anwendungsfälle nutzt das Team nun eine Abdeckung der gesamten Population und erhält nahezu in Echtzeit Einblick in Ausnahmen.

KI bereitet vor, Auditoren entscheiden

Das interne Auditteam von Snowflake arbeitet nach eigenen Angaben nach einem Human-in-the-Loop-Modell. Die KI übernimmt die Datenverarbeitung, Mustererkennung und erste Abstimmungen, während Auditoren die Ergebnisse prüfen und die abschließenden Bewertungen und Risikoeinschätzungen vornehmen.

Wenn die KI Testdokumentationen entwirft oder Ausnahmen erkennt, prüft ein Auditor das Ergebnis, bevor es verwendet wird. Nach Angaben des Unternehmens verlagert sich die Arbeitszeit der Auditoren dadurch weg von der Beweiserhebung und hin zur Validierung, zur Besprechung von Feststellungen mit Führungskräften und zur Bearbeitung von Themen mit hohem Risiko.

Snowflake zufolge setzt der Ansatz voraus, dass relevante Daten in einer Umgebung verfügbar sind. Abrechnungs-, Umsatz-, Personal-, Zugriffs- und Audit-Log-Daten liegen bereits in Snowflake. Dadurch kann das Team vollständige Populationen prüfen, ohne getrennte Quellen zusammenführen zu müssen.

Anwendungsfälle für Umsatz, Zugriffe und Kontrollprüfungen

Das Team nutzt Snowflake CoCo, das Snowflake als KI-Coding-Agent in Snowflake beschreibt, um Skripte, Dashboards und Anwendungen für Auditaufgaben zu erstellen. Ein wiederverwendbarer CoCo-Workflow grenzt Umsatzströme anhand wichtiger Dimensionen nahezu in Echtzeit ein und kann auf Abruf eine Momentaufnahme per E-Mail versenden. Snowflake zufolge spart dies jährlich mehr als 500 Stunden und hilft dem Team, Verbrauchsspitzen früher zu erkennen.

Für Order-to-Cash-Kontrollen extrahieren Cortex AI Functions wie AI_EXTRACT Begriffe aus Bestelldokumenten, darunter Angaben zur Umsatzrealisierung, Start- und Enddaten sowie Abrechnungsbedingungen. Eine mit CoCo erstellte Anwendung gleicht die Informationen mit den Systemen für Abrechnung und Umsatzrealisierung ab. So kann das Team jede Bestellung prüfen und Anomalien erkennen, sobald sie auftreten.

Snowflake entwickelte außerdem gemeinsam mit CoCo und Streamlit eine Report-as-a-Service-Architektur, die Audit-Trails einliest und prüfungsrelevante Änderungen erkennt. Nach Angaben des Unternehmens spart das System jährlich mehr als 450 Stunden Prüfungsarbeit und bietet eine 100-prozentige Abdeckung der Population mit nahezu in Echtzeit verfügbaren Audit-Einblicken.

Mit CoCo erstellte Dashboards prüfen fortlaufend Zugriffskontrollen auf Ausnahmen bei der Bereitstellung und Entziehung von Zugriffsrechten, Verstöße gegen die Funktionstrennung und unbefugte Ausweitungen von Berechtigungen. Snowflake zufolge durchsuchen die Dashboards die vollständige Population, anstatt sich bei regelmäßigen Prüfungen auf Stichproben zu stützen.

Native Apps und automatisierter Abgleich

Snowflake zufolge automatisiert eine Datenanwendung inzwischen den Abgleich der Lohn- und Gehaltsabrechnung. Zuvor mussten dafür manuell drei bis vier Berichte aus Personalwesen und Lohnbuchhaltung über mehr als acht Excel-Arbeitsmappen hinweg abgeglichen werden. Die Anwendung kennzeichnet Abweichungen automatisch und gibt den Verantwortlichen der Kontrollen jährlich mehr als 500 Stunden zurück.

Für SOX-Kontrollen übermittelt das Team Vorlagen und Nachweise an Petual.ai. Die Anwendung läuft als Snowflake Native App und erstellt Entwürfe für aktualisierte Dokumentationen. Auditoren prüfen die endgültigen Ergebnisse. Laut Snowflake verkürzt sich die Bearbeitungszeit dadurch von Wochen auf Stunden.

Die Petual.ai Native App hat außerdem mehr als 20 SOC-1-Berichte von Drittanbietern analysiert und dabei relevante Kontrollen und mögliche Ausnahmen identifiziert. Snowflake zufolge verkürzt sich die Vorbereitungszeit für diese Prüfungen um mehrere Tage, sodass sich Auditoren auf Feststellungen mit hohem Risiko konzentrieren können.

Was die Veränderung für interne Audits bedeutet

Snowflake zufolge können operative Audits inzwischen kontrollspezifische Nachweise aus bereits in Snowflake vorhandenen Daten abrufen, statt sich auf langwierige Rundgänge und Besprechungen zu stützen. Das Team berichtet von nahezu in Echtzeit verfügbaren Einblicken in Bereiche wie das Schwachstellenmanagement sowie den Zugriffs- und Sicherheitsstatus wichtiger Systeme.

Das Unternehmen gibt an, die Zahl und Komplexität der durchgeführten Audits erhöht und gleichzeitig Feststellungen und Berichte schneller bereitgestellt zu haben. Ziel sei es, die interne Revision von einer vorwiegend rückblickenden Prüffunktion zu einer kontinuierlichen Absicherung und strategischen Risikoberatung weiterzuentwickeln. Dazu sollen eine breitere Abdeckung, weniger manuelle Nachweisanfragen und mehr Zeit für neue Bedrohungen und Bereiche mit hohem Risiko beitragen.