Der Fachkräftemangel und die Bewältigung eines stetig wachsenden Aufgabenbergs sind zentrale Herausforderungen für die öffentliche Verwaltung. Künstliche Intelligenz (KI) kann eine entscheidende Rolle spielen, um Fachkräfte zu unterstützen und die Effizienz der Vorhaben zu steigern.
Bei vielen Vorhaben, etwa in der IT-Branche oder in der Industrie, können die Termin- und Budgetrisiken durch einen Personalmangel unverhältnismäßig groß werden. Nicht selten ist die Umsetzung ohne einen beträchtlichen Grad an Automatisierung sogar gar nicht möglich. Die Folgen können Terminverschiebungen oder im schlimmsten Falle Absagen oder Abbrüche sein. Wie können wir diese Bilanz mithilfe des aktuellen methodischen und technologischen Fortschritts verbessern?
In den folgenden Abschnitten werden wir einen Blick auf die Potenziale der Automatisierung mit KI-Mitteln werfen. Abseits des KI-Hypes stellen wir mithilfe eines konkreten Beispiels vor, wie KI-Technologien als Standardwerkzeuge eingesetzt werden, um Produktivitätssteigerungen über traditionelle Automatisierung hinaus zu erzielen.
In der öffentlichen Verwaltung spielt insbesondere die intelligente Verarbeitung von Texten eine wichtige Rolle. Die sukzessive intelligente Automatisierung dieser Verarbeitung kann eine beträchtliche Effizienzsteigerung mit sich bringen und ist daher im Folgenden im Fokus.
KI zur Analyse und Generierung von komplexen fachlichen Texten
Eines der aktuell wichtigsten Einsatzgebiete von KI ist die Textanalyse und -verarbeitung. KI kann große Mengen an Texten analysieren und relevante Informationen extrahieren. Hierbei kommen Methoden wie Text Mining, maschinelles Lernen und Natural Language Processing (NLP) sowie große Sprachmodelle (LLM) zum Einsatz. Fachkräfte können von vielfältigen Möglichkeiten der automatisierten Textanalyse profitieren.
Neben der Analyse von Texten kann KI auch Texte generieren. Durch gezielte Anpassungen (Tuning) existierender Sprachmodelle (Open Source oder proprietär) kann das Fachwissen aus bereits erstellten fachlichen Unterlagen dazu genutzt werden, Zusammenfassungen zu erstellen, Analysen durchzuführen und neue fachliche Texte zu produzieren. Die Ergebnisse müssen durch das Fachpersonal qualitätsgesichert werden, was ihm hilft, ein Gefühl für die Fähigkeiten und Grenzen von KI-Systemen zu entwickeln. So kann Vertrauen in die Stärken der KI-gestützten Generierung gewonnen werden und eine Sensibilisierung für ihre Schwächen erfolgen.
In diesem Beitrag präsentieren wir die Ergebnisse aus einem realen KI-Projekt in der öffentlichen Verwaltung.
Projektbeispiel – Auswertung von Stellungnahmen zu einem Gesetzesentwurf
Das BMFSFJ befand sich Ende 2023 im Gesetzgebungsverfahren zur Einführung einer Kindergrundsicherung. Im Rahmen der Länder- und Verbändebeteiligung hatten die Bundesländer sowie rund 75 Verbände die Möglichkeit, Stellungnahmen zu dem Referentenentwurf abzugeben. Mit der Auswertung dieser Stellungnahmen wurde die msg systems ag beauftragt. Auftrag waren die zentrale Sichtung und Auswertung der Stellungnahmen entsprechend einer vom BMFSFJ vorgegebenen und gemeinsam verfeinerten Auswertungsmatrix sowie die Aufbereitung der Ergebnisse in verschiedenen Formaten. Als Alternative zu einer manuellen Auswertung wurde dem BMFSFJ vorgeschlagen, Stellungnahmen mittels KI (LLM) auszuwerten und im Detail zu klassifizieren.
Die Projektauswertung und die Gegenüberstellung mit vergleichbaren Gesetzgebungsverfahren zeigte, dass der Einsatz von KI-Technologien und die Verarbeitung von natürlicher Sprache die entscheidende Produktivitätssteigerung ermöglicht hatten. Wegen fehlender personeller Ressourcen und des kurzen Auswertungszeitraums wäre eine umfassende Auswertung nur durch den Einsatz der zur Verfügung stehenden Expertinnen und Experten nicht möglich gewesen. Darüber hinaus war die Menge an abgeleiteten Erkenntnissen (positive und negative Rückmeldungen sowie Änderungsvorschläge) um ein Vielfaches größer als in der Vergangenheit bei herkömmlichem Vorgehen, bei dem Fachkräfte die Stellungnahmen innerhalb weniger Tage zu lesen, auszuwerten und zusammenzufassen hatten.
Datenvorbereitung
Wie in jedem KI-Projekt war das Fundament für eine erfolgreiche Bearbeitung eine qualitativ hochwertige Datenbasis. Dafür wurden die Stellungnahmen zum Gesetzesentwurf segmentiert, das heißt, in geeignete Teildokumente zerlegt, die sowohl eine gute fachliche Integrität besaßen als auch gut maschinell durch die KI verarbeitet werden konnten. Die Segmentierung erfolgte unter Beachtung der technischen Vorgaben zur Interaktion mit den Sprachmodellen und orientierte sich an sinnvollen Abgrenzungen in den Dokumenten selbst. Beispielsweise entsprachen einige Segmente den Abschnittsstrukturen in den Dokumenten und lagen im Bereich einiger hundert Wörter.
Detaillierte Analyse der Dokumente und Zusammenfassung der „Stimmung“
Eine zentrale Fragestellung im Projekt war die Analyse der in den Dokumenten geäußerten Bewertungen (Meinungen) der einzelnen Gesetzesteile, Paragrafen und Ziffern. Der Projektauftrag war zum einen, die Grundhaltung („Stimmung“) der Stellungnehmenden herauszulesen und zusammenzufassen. Zum anderen sollten die einzelnen Argumente der Stellungnehmenden für oder gegen einzelne Gesetzesbestandteile extrahiert und in Stichpunkten zusammengefasst werden. Als letztes sollten Änderungs- und Korrekturvorschläge identifiziert werden.
Technologien und technische Architektur
Im Zentrum der technischen Architektur standen die Anbindung an große Sprachmodelle (LLM) und der Einsatz von technischen Bibliotheken für die automatisierte Verarbeitung von großen Textmengen mithilfe von Daten-Pipelines. Die Architektur entsprach dem Konzept „Retrieval Augmented Generation“, kurz RAG. Auf der einen Seite der RAG-Daten-Pipeline wurden die Dokumente (die Stellungnahmen und der Gesetzesentwurf) segmentiert und ihre Abbilder als mathematische Vektoren in einer für diesen Zweck optimierten Datenbank gespeichert (Vektor-Datenbank). Auf der anderen Seite wurden geeignete Texteingaben (Prompts) für das Sprachmodell aufwendig konzipiert und entworfen. Diese Prompts sind das Bindeglied zwischen der Sprache des Fachbereichs und dem Sprachmodell. Dabei werden die fachlichen Fragen in weitere Textbausteine verpackt, die zusätzlich den Kontext und die Intention der Frage sowie die Erwartungshaltung an die generierten Antworten explizit machen. Die mathematische Darstellung dieser Prompts wurde für die Suche und die Auswahl der Vektoren aus der Vektordatenbank, die am besten zu dem Prompt-Vektor der Frage passten, genutzt. Abschließend wurden alle relevanten technischen Informationen inklusive der Vektoren, die am besten zu dem Prompt passten, und die Fragen selbst an das Sprachmodell für die Generierung der Antworten übermittelt.
Projektergebnisse
Die Projektergebnisse sind durch den Einsatz von KI-Technologien zur Sprachverarbeitung entstanden und durch die Prüfung durch erfahrene Expertinnen und Experten qualitätsgesichert worden:
- Eine große Auswertungsmatrix über alle Stellungnahmen von öffentlichen Verbänden: Wichtigste Daten aus der Matrix sind eine Zusammenfassung pro Stellungnahme, die abgeleiteten positiven sowie negativen Rückmeldungen und die allgemeine Haltung des Stellungnehmenden zum Gesetzesentwurf.
- Eine übergreifende, zusammenfassende Auswertung aller Stellungnahmen auf zwei Seiten
- Eine Sammlung von Änderungs- und Verbesserungsvorschlägen
Showcase
Um das Potenzial der Automatisierung und der Effizienzsteigerung durch den Einsatz von KI zu verdeutlichen, wurde nach Abschluss des unmittelbaren Projektauftrags ein weiterführender Showcase erstellt. Dieser Showcase greift die Projektergebnisse auf und nutzt die Möglichkeiten aktueller Web-Technologien zur ansprechenden und effizienten Visualisierung und zur differenzierteren Betrachtung der Projektergebnisse. Es wurden auch Möglichkeiten für einen weiterführenden Einsatz von KI-Technologien durch Anbindung an einen KI-Chat aufgezeigt. Mit einer solchen Chat-Funktion können Fachkräfte mit den Daten, die im System hinterlegt sind, „sprechen“ und weitere fachliche Fragen formulieren, die nicht von vornherein feste Bestandteile des Systems sind („Chatte mit Deinen Daten“).
Abbildung 1: große Auswertungsmatrix mit Filterfunktionen und interaktiven Schaltflächen
Abbildung 2: Detailansicht, Einzelansicht pro Verband, Zusammenfassung der Erkenntnisse und Verweise auf Passagen im Gesetzesentwurf, um die Ableitungen nachvollziehen zu können
Abbildung 3: Suchfunktion über alle Erkenntnisse und Stellungnahmen hinweg
Zusammengefasst zeigt der Showcase folgende Inhalte und Potenziale:
- ein KI-Basisprodukt, um sowohl allgemeine als auch detaillierte Fragestellungen in den einzelnen Dokumenten abzudecken
- eine Live-Anbindung eines Sprachmodells, um fachliche Fragen an die verarbeiteten Dokumente stellen zu können
- die Chatbot-Funktion („Chatte mit Deinen Daten“)
Chatte mit Deinen Daten – Beispiel Frage-Antwort-Paare im Dokument-Chat
Die folgenden zwei Frage-Antwort-Paare zeigen das Potenzial der Chat-Funktion auf. Sie können bei der Analyse der Stellungnahme eines konkreten Verbandes (hier „Selbsthilfeverband“ genutzt werden, ohne dass der Fragende die Stellungnahme gelesen haben muss.
Abbildung 4: KI-Chat-Funktion, um weitere fachlichen Fragen an die Dokumente zu stellen. Flexibilisierung der Arbeit mit der Anwendung und die Nutzung gängiger KI-Technologien, um auch nicht vorgesehene Themen abzudecken
Ausgangspunkt:
Der fachliche Ausgangspunk für die folgenden fachlichen Fragen ist das Interesse am Thema Existenzminimum.
Frage 1:
Macht Verband XY konkrete Veränderungsvorschläge zur Neubemessung des Existenzminimums des Kindes?
Antwort 1:
Verband XY benennt die Neubemessung des Existenzminimums des Kindes als Ziel, das die Bundesregierung mit der Kindergrundsicherung verfolgt. Er macht jedoch keine konkreten Vorschläge.
Frage 2:
Was sind die drei zentralen Themen, die Verband XY in seiner Stellungnahme anspricht?
Antwort 2:
Verband XY spricht sich grundsätzlich für eine Kindergrundsicherung aus und thematisiert insbesondere die zu geringen zur Verfügung stehenden Mittel sowie den Kindergeldanspruch für Eltern von erwachsenen Kindern mit einer Behinderung.
Fazit
Die Automatisierung von Fachaufgaben mittels KI bietet großes Potenzial für die öffentliche Verwaltung. Durch die Unterstützung von Fachkräften und die effiziente Bewältigung des Aufgabenbergs kann KI dazu beitragen, den Fachkräftemangel zu mildern und die Zukunftsfähigkeit der öffentlichen Verwaltung zu steigern.
Spätestens seit dem Hype um ChatGPT ist es klar geworden, dass KI-Technologien einen nicht zu ignorierenden Mehrwert bieten. Mittlerweile sind die KI-Lösungen und -Bausteine kein Hype mehr, sondern gängige Werkzeuge zur Produktivitäts- und Qualitätssteigerung, die bereits jetzt zur Verfügung stehen.
