Eine öffentliche Einrichtung arbeitet unter doppeltem Druck. Die Zahl der Fälle, Anträge und Anfragen wächst weiter, während Einwohner sich an den Servicestandard aus Banking oder E-Commerce gewöhnt haben und dasselbe nun von einer Behörde erwarten. Dazwischen sitzt ein Sachbearbeiter, der den größten Teil des Tages mit wiederkehrender Arbeit verbringt: Daten aus Formularen abtippen, Dokumente sortieren, immer wieder dieselben Fragen beantworten. Genau dort zahlt sich Automatisierung im öffentlichen Sektor am schnellsten aus, denn sie rührt nicht an den Inhalt einer Entscheidung, sie befreit die Zeit darum herum.
Aus unserer Erfahrung kommt es darauf an, zu trennen, was sich sicher automatisieren lässt, von dem, was in menschlicher Hand bleiben muss. Wir haben nicht den Anspruch, die Person zu ersetzen, die einen Verwaltungsbescheid erlässt. Stattdessen bauen wir die Schicht, die den Fall vorbereitet, die Daten ordnet und Vorschläge macht, damit die Entscheidung schneller und auf vollständigerer Grundlage fällt.
Wo verliert die Verwaltung tatsächlich Zeit?
Bevor wir zu einem Werkzeug greifen, kartieren wir, wo die Stunden versickern. Meist liegt das Problem nicht in der Entscheidung selbst, sondern in allem drumherum. Ein Dokument kommt über mehrere Kanäle zugleich an, landet im falschen Fachbereich, wartet darauf, ins System abgetippt zu werden, und währenddessen ruft der Einwohner an, um nach dem Status zu fragen, und bindet eine weitere Arbeitskraft.
Drei Quellen der Verschwendung treten dann klar hervor: manuelle Datenübertragung zwischen Kanal und System, falsches Routing von Fällen und die Bearbeitung von Anfragen, deren Antwort immer dieselbe ist. Jede lässt sich für sich verringern, ohne eine umfassende IT-Revolution, was für eine öffentliche Stelle oft eine harte Voraussetzung ist.
Wie klassifiziert und extrahiert AI Daten aus Dokumenten (OCR, IDP)?
Der erste Bereich, mit dem wir meist beginnen, sind Dokumente. Intelligent Document Processing (IDP) verbindet OCR mit Modellen, die den Inhalt verstehen und nicht nur die Zeichen lesen. Ein solcher Mechanismus erkennt die Art des Schreibens, zieht Felder daraus und ordnet sie den richtigen Stellen im System zu.
In der Praxis bauen wir eine Pipeline, die:
- den Dokumenttyp erkennt (Antrag, Widerspruch, Bescheinigung, Rechnung) und ihn weiterleitet,
- die zentralen Felder extrahiert (Antragstellerdaten, Termine, Beträge, Aktenzeichen) aus Dateien unterschiedlicher Qualität,
- die Daten validiert gegen Register und zweifelhafte Fälle zur manuellen Prüfung markiert,
- ein strukturiertes Ergebnis übergibt an das Fachverfahren, statt ein Abtippen zu erzwingen.
Entscheidend ist, dass das Modell nicht „ins Blaue rät”: Jedes gelesene Feld trägt einen Konfidenzwert, sodass alles unterhalb der Schwelle bei einem Menschen landet und nicht in der Datenbank.
Wie kann ein AI-Agent den Bürger auf der ersten Linie unterstützen?
Die zweite Schicht ist der Kontakt mit dem Einwohner. Ein AI-Agent auf der ersten Linie (L1) beantwortet typische Fragen zu Verfahren, erforderlichen Unterlagen, Fristen und zum Status einfacher Fälle. Er erfindet keine Inhalte, denn wir stützen ihn auf eine RAG-Architektur (Retrieval-Augmented Generation): Das Modell antwortet ausschließlich aus der geprüften Wissensbasis der Behörde und kann die Quelle seiner Antwort benennen.
Ein solcher Assistent arbeitet in den Kanälen, die Einwohner ohnehin nutzen, und entlastet die Hotline von wiederkehrenden Fragen. Das Wichtigste ist aber der Eskalationsmechanismus: Geht eine Frage über die Wissensbasis hinaus, betrifft sie einen Einzelfall oder verlangt sie einen Bescheid, übergibt der Agent den Kontakt an einen Sachbearbeiter, zusammen mit dem Gesprächskontext. Das ist eine Kompetenz, die wir innerhalb der RITS Group wirklich entwickeln: Wir haben bereits einen AI-gestützten Wissensassistenten für einen Kunden aus der Versicherungsbranche gebaut, das Muster „RAG plus menschliche Eskalation” ist uns also gut vertraut.
Was umfasst eine automatisierte Fallvorsortierung?
Die Vorsortierung ist ein erstes Lesen des Falls und seine Weiterleitung an die richtige Stelle. Das Modell liest die Eingabe, erkennt ihre Kategorie und schlägt einen Fachbereich, eine Priorität und eine Frist vor. Dringende Anliegen warten nicht in der allgemeinen Schlange, und unvollständige lösen sofort einen Hinweis auf eine fehlende Anlage aus.
Wir behandeln die Vorsortierung als Empfehlung, nicht als Urteil. Die Automatisierung ordnet den Eingang und schlägt eine Zuweisung vor, das letzte Wort hat ein Koordinator, der sie mit einem Klick ändern kann. Diese Anordnung verbindet das Tempo einer Maschine mit menschlicher Verantwortung.
Wie automatisieren Sie Back-Office-Prozesse (Workflow, RPA)?
Im Back-Office entsteht der größte Wert aus der Verbindung zweier Ansätze. Eine Workflow-Engine bewegt einen Fall durch aufeinanderfolgende Stufen und wacht über Fristen, während RPA (Robotic Process Automation) mühsame Handgriffe in Systemen übernimmt, denen eine bequeme API fehlt.
Hier automatisieren wir vor allem die stumpfen, fehleranfälligen Aufgaben:
- Daten zu übertragen zwischen Anwendungen, die nicht miteinander sprechen,
- wiederkehrende Schreiben und Bestätigungen aus Vorlagen zu erzeugen,
- Status zu aktualisieren und den Einwohner zu benachrichtigen,
- die Fallakte zusammenzustellen aus verschiedenen Registern zu einer einzigen Sicht.
Solche Roboter laufen im Hintergrund, rund um die Uhr, und ermüden auch beim tausendsten Antrag nicht. Sie hinterlassen außerdem eine klare Spur jeder Operation, sodass nichts unprotokolliert geschieht.
Wie sichern Sie den Menschen in der Schleife, Transparenz und Compliance?
Diesen Abschnitt stellen wir im öffentlichen Sektor über die reine Wirksamkeit. Ein Verwaltungsbescheid berührt Rechte und Pflichten eines Bürgers, deshalb übergeben wir ihn nicht dem Modell. AI bereitet das Material auf, schlägt vor und empfiehlt, entschieden wird von einem Menschen.
Wir entwerfen diese Lösungen entlang einiger Grundsätze. Jede Handlung der Automatisierung ist protokolliert und reproduzierbar, sodass sich zeigen lässt, wann und auf welcher Grundlage etwas geschehen ist. Die Antworten des Agenten sind in Quellen verankert, nicht in der undurchsichtigen „Intuition” des Modells. Wir verarbeiten Daten im Einklang mit den Anforderungen des Datenschutzes und den Regelungen des Sektors. Eine solche Transparenz ist kein Zusatz, sondern die Voraussetzung dafür, in einer Behörde überhaupt über AI zu sprechen.
Welche AI- und Datenkompetenzen liefern wir?
Wir verkaufen keine Schachtel mit der Aufschrift „AI”. Wir bringen die Menschen, die eine solche Lösung bauen und nach dem Go-live am Laufen halten können. In der RITS Group verbinden wir Software-Engineering mit realer AI- und Datenpraxis (darunter unsere AI-, LLM- und Datenteams), und wir haben bereits GenAI-, RAG- und LLM-Projekte für kommerzielle Kunden geliefert.
In einem Projekt für eine öffentliche Einrichtung besetzen wir typischerweise:
- AI-/ML- und NLP-Ingenieure, die Dokumentenklassifizierung und die RAG-Schicht entwerfen,
- Data Engineers, die die Quellen bereinigen und integrieren, auf die sich das Modell stützen soll,
- Spezialisten für Prozessautomatisierung (Workflow, RPA), die das Back-Office verdrahten,
- einen Architekten und Backend-Entwickler, die das an die Fachverfahren anbinden.
Wir sagen es ehrlich: Eine AI-Einführung in der öffentlichen Verwaltung haben wir noch nicht. Wir haben aber analoge Erfahrung aus Sektoren mit ähnlichen Anforderungen an Dokumente, Compliance und Kundenservice.
Wie machen wir das bei RITS?
Wir arbeiten als Nearshore-Partner aus Polen, sind also in derselben Zeitzone tätig und verstehen den lokalen regulatorischen Kontext. Wir beginnen mit einem Workshop, in dem wir gemeinsam mit dem Team der Einrichtung einen Prozess mit hohem Volumen und geringem Risiko auswählen und den Nutzen belegen, bevor irgendetwas skaliert wird.
Von dort gehen wir in Etappen vor: von einem Piloten auf einem abgegrenzten Prozess über die Messung der Wirkung bis zum schrittweisen Ausrollen. Wir formen das Team um den konkreten Umfang und halten die Zusammenarbeit flexibel, von der Verstärkung eines bestehenden IT-Teams bis zu einem dedizierten Team, das das Thema durchgängig führt. Die Unterschiede zwischen diesen Ansätzen haben wir in unserem Artikel zu IT-Kooperationsmodellen dargelegt.
Womit beginnen Sie bei Automatisierung und AI im öffentlichen Sektor?
Beginnen Sie mit dem einen Prozess, der am meisten schmerzt, nicht mit einer großen Strategie. Der beste Kandidat hat hohes Volumen, einen wiederholbaren Ablauf und geringes Fehlerrisiko, zum Beispiel die erste Klassifizierung von Anträgen oder die Beantwortung typischer Anfragen. Das definiert den Umfang des Piloten, die nötigen Daten und die Rollen im Team.
Legen Sie auch die Regeln zu Mensch in der Schleife und Compliance vorab fest, denn in der Verwaltung entscheiden sie über den Erfolg, nicht die Technologie selbst. Alles andere fügt sich um diese beiden Entscheidungen.
Denken Sie über Automatisierung und AI in der Bearbeitung von Bürgeranliegen nach? Sprechen wir darüber - wir wählen den ersten Prozess und stellen ein Team passend zu Ihrer Einrichtung zusammen.