Ohne Prozessmanagement bringt künstliche Intelligenz in öffentlichen Verwaltungen keinen Gewinn

Die Vision: Entlastung von Routinetätigkeiten in der öffentlichen Verwaltung, Erhöhung der Resilienz gegen Krisenereignisse und Steigerung der Bürgerzufriedenheit durch KI-gestützte Verwaltungsprozesse.

Die Realität: Aktuell steht die öffentliche Verwaltung in Deutschland vor einer Reihe von tiefgreifenden Umbrüchen. Eine zentrale Herausforderung stellt vor allem der Demografische Wandel dar. Mit einer alternden Bevölkerung auf der einen Seite und Herausforderungen wie zunehmender Migration auf der anderen Seite steigt insgesamt der Bedarf an öffentlichen Dienstleistungen, während gleichzeitig viele Mitarbeiter in den Ruhestand gehen. Dieser Fachkräftemangel in der öffentlichen Verwaltung wird noch verschärft durch die schleppende Digitalisierung. Die Umstellung von analogen auf digitale Prozesse ist eine komplexe Aufgabe, die sowohl technisches Know-how als auch erhebliche Investitionen erfordert. Beides ist in deutschen Behörden Mangelware. Diese Herausforderungen erfordern innovative Lösungen und einen proaktiven Ansatz zur Verwaltungsreform.

Die Idee: Künstliche Intelligenz (KI) kann hier als innovatives Tool einen erheblichen Beitrag zur Automatisierung von Geschäftsprozessen leisten, dabei helfen, den Fachkräftemangel zu bekämpfen und die Resilienz der Behörden stärken.

Das Ergebnis: Zunächst kann KI durch Automatisierung routinemäßiger und zeitaufwändiger Aufgaben dazu beitragen, den Fachkräftemangel zu mildern. Indem die KI solche Tätigkeiten übernimmt, können die Mitarbeiter ihr Fachwissen auf komplexere und wertschöpfendere Aufgaben konzentrieren. Darüber hinaus kann KI durch maschinelles Lernen und Datenanalyse Geschäftsprozesse optimieren und ineffiziente Praktiken identifizieren. Im Ergebnis wird weniger Personal für die Durchführung dieser Prozesse benötigt und die vorhandenen Ressourcen können effizienter genutzt werden.

Die Aktion: Behörden müssen jetzt ihre Verwaltungsprozesse stärker betrachten. Denn das Potential von KI in Organisationen liegt in einer intelligenten Verbindung mit den vorliegenden Geschäftsprozessen. Somit darf der Fokus nicht ausschließlich auf dem Wunsch nach einer einfachen KI-Lösung liegen. Prozesse sollten stets im Fokus der KI-Einführung stehen und als Domäne mitgedacht werden.

Prinzipiell ist Künstliche Intelligenz ein Game Changer für die öffentliche Verwaltung, da sie:

· effizientere und transparentere Verwaltungsprozesse, z.B. durch Automatisierung, Chatbots oder digitale Assistenten, schafft.

· bessere und qualitativ hochwertigere Dienstleistungen für Bürger*innen, z.B. durch personalisierte Angebote, verbesserte Zugänglichkeit oder präventive Maßnahmen, ermöglicht.

· einfachere Politikgestaltung und -umsetzung sowie schnellere datenbasierte Entscheidungsfindung, z.B. durch Datenanalyse, Simulationen oder Vorhersagemodelle, schafft.

Trotz ihrer Fortschritte und Möglichkeiten bringt die KI jedoch auch Herausforderungen für die öffentliche Verwaltung mit sich: So stellen Behörden eine Reihe von Anforderungen an den Einsatz von KI. Der AI-Act der EU spielt dabei eine entscheidende Rolle. Er zielt darauf ab, das Vertrauen der Nutzer in KI durch das Forcieren strenger ethischer Grundsätze zu stärken. Er schafft einen Rahmen für sichere und ethische KI-Nutzung, maximiert Chancen und minimiert Risiken. Mit klaren Vorgaben und Strafen fördert er Transparenz und Verantwortlichkeit. Dieser rechtliche Rahmen ist entscheidend, um sicherzustellen, dass die Anwendung von KI in der öffentlichen Verwaltung den höchsten ethischen und sicherheitstechnischen Standards entspricht.

Weiter spielt gerade in Deutschland der Datenschutz eine besonders wichtige Rolle. Öffentliche Einrichtungen halten viele (besondere) personenbezogenen Daten vor, doch deren Nutzung erfordert eine noch strengere Regulierung. So dürfen beispielsweise Dokumente zum Anlernen und Testen einer KI nur anonymisiert verwendet werden. Dies ist oft zeit- und kostenintensiv. Daher rückt auch die Finanzierung von KI-Projekten in den Blickpunkt. Behörden unterliegen zudem auch einer größeren öffentlichen Kontrolle, wenn Ausgaben für neue und teure Technologien in der Diskussion stehen.

Hohe Relevanz des Prozessmanagement beim Einsatz von künstlicher Intelligenz

Um KI in bestehende Prozesse und Arbeitsbereiche zu integrieren, bedarf es einer qualitativ hohen Daten- und Organisationsbasis, deren Aufbau im Bereich des Prozessmanagements liegt. Hierbei sind vor allem die folgenden drei Bereiche zu beachten:

1. Analyse bestehender Prozesse: Bevor KI-Technologien implementiert werden, ist eine gründliche Prüfung der aktuellen Prozesse erforderlich. Dabei werden ineffiziente Strukturen aufgedeckt und Digitalisierungslücken geschlossen. Ziel ist es, Bereiche zu identifizieren, in denen KI einen echten Mehrwert bieten kann – sei es durch Automatisierung von Routineaufgaben oder durch tiefere Einblicke in Daten und Entscheidungsmodelle.

2. Gezielter Einsatz von KI: Nicht jede KI ist gleich. Es gibt verschiedene Arten und Anwendungsbereiche, von maschinellem Lernen bis zu Natural Language Processing. Öffentlich Entscheidende sollten genau prüfen, welche Art von KI-Technologie für ihre spezifischen Herausforderungen am besten geeignet ist und welche Art auf Grundlage der bestehenden Rahmenbedingungen überhaupt funktionsfähig ist.

3. Akzeptanz und Vorbereitung: Die Einführung von KI erfordert ein umsichtiges Vorgehen. Mitarbeitende und Kundinnen/Kunden müssen auf die Veränderungen vorbereitet werden. Gerade dieser Punkt darf im öffentlichen Sektor auch in Zeiten knapper Personalressourcen nicht aus den Augen verloren werden.

Insgesamt ist die Integration von KI in Geschäftsprozesse komplex und aufwendig, kann sich aber auf Basis der richtigen Prozessmodelle sehr schnell lohnen.

Eine hohe Datenqualität als Grundlage für KI-Modelle

Für das Anlernen und das Training von KI-Modellen ist eine hochwertige Datenbasis entscheidend. Je präziser und umfangreicher die Daten, desto besser kann die KI Muster erkennen und lernen. Verbesserung der Datenqualität ist dabei selbst ein kontinuierlicher Prozess, der auf verschiedene Herausforderungen stoßen kann. Hier sind einige der wichtigsten:

· Dateninkonsistenz: Daten können aus verschiedenen Quellen stammen und unterschiedliche Formate, Einheiten oder Kodierungen aufweisen. Die Vereinheitlichung und Bereinigung dieser Inkonsistenzen erfordern in erster Instanz eine Analyse der Daten- und Informationsflüsse in den bestehenden Prozessmodellen.

· Fehlende Werte: In Datensätzen fehlen oft Werte, sei es aufgrund von Eingabefehlern, Nichterfassung oder anderen Gründen. Das Füllen dieser Lücken erfordert sorgfältige Methoden, bspw. durch Annahmen aufgrund ähnlicher Prozesse, um die Datenqualität nicht zu beeinträchtigen.

· Duplikate: Das Vorhandensein von Duplikaten kann die Analyse verfälschen und die Effizienz der KI-gestützten Technologieeinbindung beeinträchtigen. Die Identifizierung und Entfernung von Duplikaten ist eine Herausforderung, gerade bei sehr heterogene Aufgabenfeldern und fehlender Registermodernisierung.

· Unvollständige oder ungenaue Metadaten: Metadaten (Informationen über Daten) sind wichtig, um einzelnen Daten zu interpretieren und zu verwenden. Wenn Metadaten fehlen oder ungenau sind, kann dies zu Verarbeitungsproblemen in den Fachverfahren führen und händische Korrekturen erfordern.

· Veraltete Daten: In dynamischen Umgebungen ändern sich Daten und Datenverknüpfungen ständig. Die Aktualisierung und Pflege von Daten und Metadaten müssen eine Daueraufgaben werden, um ihre Relevanz, den Kontext und die Genauigkeit sicherzustellen.

· Datenqualitätsbewusstsein: Organisationen müssen ein Bewusstsein für Datenqualität schaffen und sicherstellen, dass alle Beteiligten die Bedeutung hochwertiger Daten verstehen.

· Technische Herausforderungen: Die Verarbeitung großer Datenmengen erfordert leistungsfähige Systeme und effiziente Algorithmen. Die dadurch erreichten Potenziale in Bezug auf Skalierbarkeit und Performance sind wichtige Aspekte zum Erreichen der zu Beginn erwähnten Resilienz.

Insgesamt erfordert die Verbesserung der Datenqualität eine Kombination aus technischem und prozessualem Know-how, organisatorischem Engagement und kontinuierlicher Überwachung. Die Implementierung einer gut durchdachten Data Governance-Strategie unterstützt dabei einheitliche, standardisierte Prozesse und Verantwortlichkeiten. Sie muss für jede Organisation, die mit großen Datenmengen arbeitet, von großer Bedeutung sein.

Ausblick

Künstliche Intelligenz (KI) wird als innovatives Werkzeug das klassische Prozessmanagement revolutionieren. Eine hohe Datenqualität bildet die Grundlage, um künstliche Intelligenz sinnvoll und sicher einzusetzen. Die konkrete Tragweite der Innovationskraft im öffentlichen Sektor lässt sich jedoch erst in spezifischen Anwendungsbeispielen identifizieren. Daher wird sich der nächste Artikel den konkreten Use Cases der künstlichen Intelligenz im Prozessmanagement widmen und den Mehrwert einzelner KI-Anwendungen für öffentliche Behörden aufzeigen. Zudem erhalten Sie erste Einblicke in die Grenzen der künstlichen Intelligenz im öffentlichen Sektor.

Seien Sie also gespannt und entdecken Sie die konkreten Anwendungsfälle zur KI im Prozessmanagement öffentlicher Behörden im folgenden Artikel der Detecon.