Forschung

Dieser Schwerpunkt konzentriert sich darauf Einblicke in die empirische Accountingforschung zu erhalten und hierzu sowohl bewährte als auch innovative Methoden der empirischen Forschung anzuwenden. Der Umgang mit Datenbanken wie auch die eigenständige Datenerhebung bilden dabei einen zentralen Bestandteil. Als Basis werden allgemeine statistische Grundlagenanalysen und weiterführende empirischer Methoden genutzt um essentielle Erkenntnisse in verschiedenen Forschungsfeldern zu generieren.

Die Unternehmenspublizität entwickelt sich stetig dynamisch fort. Sowohl nichtfinanzielle als auch finanzielle Berichterstattungselemente wenden sich dabei an eine Vielzahl von Adressaten. Dieser Forschungsschwerpunkt beschäftigt sich hierzu mit aktuellen Fragestellungen auf den Gebieten der nationalen und internationalen Rechnungslegung mit dem Fokus auf freiwillige wie auch verpflichtende Unternehmensberichterstattung. Als übergeordnete Zielsetzung soll ein Beitrag zum Verständnis von in diesen Bereichen bestehenden Zusammenhänge und Phänomene geleistet werden.

Das Vertrauen in die Korrektheit veröffentlichter Jahresabschlüsse bildet die Basis für funktionierende Kapitalmärkte. In naher Zukunft erschütterten prominente Bilanzskandale immer wieder das Vertrauen der Marktteilnehmer in die Glaubwürdigkeit der veröffentlichten Informationen und führen dadurch zu einer ineffizienten Ressourcenallokation. Mithilfe von zuverlässigen, automatisierten Betrugserkennungssystemen kann ein Beitrag geleistet werden die Prüfungsressourcen effizienter zuzuweisen und typische Muster in Jahresabschlüssen aufzudecken. Unter Verwendung textueller und numerischer Bestandteile von Unternehmensinformationen können so betrügerische Manipulationen extrahiert und diese in einem umfangreichen Aufdeckungsmodell vereint werden. Die Untersuchungen stützen sich dabei auf umfassende methodischen Ansätze.

Künstliche Intelligenz verändert zunehmend sowohl die wissenschaftliche Forschung wie auch die alltäglichen Prozesse im Accounting. Dieser Schwerpunkt konzentriert sich auf die Frage, wie maschinelles Lernen für neue empirische Erkenntnisse eingesetzt werden kann um innovative Beiträge im Bereich Deep Learning zu erbringen. Unter Verwendung großer Datenmengen können beispielsweise neuronale Netzen genutzt werden um, unter Nutzung von Bilderkennung, Spracherkennung, Texterkennung und viele andere elementarer Anwendungen, weiterführende Erkenntnisse in der Accountingforschung zu generieren.

Die Rechnungslegungsqualität stellt seit jeher ein zentrales Element der Accounting-Forschung dar. Dieser Forschungsschwerpunkt umfasst die Auseinandersetzung mit der wirtschaftswissenschaftlichen Analyse von Earnings Quality und Disclosure Quality. Insbesondere vor dem Hintergrund, dass Ergebnisgrößen für Anteilseigner, Kapitalgeber und andere Stakeholder einen essentiellen Indikator für die Einschätzung der Performance eines Unternehmens darstellen, bildet die Analyse des Earnings Managements von Unternehmen einen wesentlichen Bestandteil dieses Forschungsbereichs. Theoretische Bezugspunkte werden dabei nicht nur in den klassischen wirtschaftswissenschaftlichen Theorien und Ansätzen gesucht, sondern auch kommunikationswissenschaftliche Aspekte interdisziplinär in die Forschung integriert.

Dieser Schwerpunkt widmet sich beispielsweise der Fragestellung, welche Determinanten im Rahmen der freiwilligen Berichterstattung von Unternehmen identifiziert werden können. Dabei stehen unterschiedliche Geschäftsberichte zur Analyse im Fokus, so werden nicht nur Jahresabschlüssen, sondern auch Bestandteile der Nachhaltigkeitsberichterstattung und mediale freiwillige Unternehmensinformationen untersucht.