Ohne Prozessmanagement kein Erfolg mit KI
KI-gestützte Verwaltungsprozesse bieten großes Potenzial: Sie können Mitarbeiterinnen von Routineaufgaben entlasten, die Resilienz in Krisenzeiten stärken und die Zufriedenheit der Bürgerinnen erhöhen. Die Realität in Deutschland ist jedoch komplexer. Öffentliche Verwaltungen stehen unter Druck durch den demografischen Wandel: Eine alternde Bevölkerung und steigender Bedarf an öffentlichen Dienstleistungen treffen auf eine Welle von Pensionierungen, was zu einem wachsenden Fachkräftemangel führt.
Diese Herausforderung wird durch die langsame Digitalisierung zusätzlich verschärft. Der Übergang von analogen zu digitalen Prozessen erfordert nicht nur technisches Know-how, sondern auch erhebliche Investitionen – beides Ressourcen, die in vielen Behörden knapp sind.
In diesem Kontext kann Künstliche Intelligenz (KI) als innovatives Werkzeug dienen. Durch die Automatisierung von Routine- und zeitaufwändigen Aufgaben hilft KI, den Fachkräftemangel abzumildern, und ermöglicht es den Mitarbeiter*innen, sich auf komplexere, wertschöpfende Tätigkeiten zu konzentrieren. Mithilfe von Machine Learning und Datenanalysen können Ineffizienzen in Prozessen identifiziert und behoben werden, wodurch Ressourcen effizienter genutzt und der Personalbedarf für Routineaufgaben reduziert wird.
Der erfolgreiche Einsatz von KI hängt jedoch nicht allein von der Technologie ab. Ihr volles Potenzial entfaltet sich erst durch die intelligente Integration in bestehende Geschäftsprozesse. Daher müssen Behörden das Prozessmanagement ins Zentrum ihrer KI-Initiativen stellen. Nur wenn Prozesse klar definiert und optimiert sind, kann KI nachhaltige Vorteile für die öffentliche Verwaltung und die Gesellschaft insgesamt liefern.
Prinzipiell ist KI ein Game Changer für die öffentliche Verwaltung
Künstliche Intelligenz hat das Potenzial, die öffentliche Verwaltung in drei zentralen Dimensionen grundlegend zu transformieren:
- Sie schafft effizientere und transparentere Verwaltungsprozesse, z.B. durch Automatisierung, Chatbots oder digitale Assistenten.
- Sie ermöglicht bessere und qualitativ hochwertigere Dienstleistungen für Bürger*innen, z.B. durch personalisierte Angebote, verbesserte Zugänglichkeit oder präventive Maßnahmen.
- Sie schafft eine einfachere Politikgestaltung und -umsetzung sowie schnellere datenbasierte Entscheidungsfindung, z.B. durch Datenanalyse, Simulationen oder Vorhersagemodelle.
Herausforderungen und rechtlicher Rahmen
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.
