Künstliche Intelligenz: Was hinter der autonomen Verwaltung steckt

Wenn Maschinen anfangen zu lernen, ist das nicht nur Stoff für Science-Fiction-Fans, sondern auch für die öffentliche Verwaltung. Dank künstlicher Intelligenz lassen sich viele Prozesse automatisieren. Das bringt Vorteile für Bürger und Mitarbeiter. Aber wie funktionieren solche Technologien und wie werden sie angewendet?

Lange Wartezeiten, unzählige Formulare und langsame Bearbeitungsprozesse – Behördengänge gehören nicht unbedingt zu den beliebtesten Unternehmungen. Intelligente und automatisierte Lösungen sollen zukünftig den persönlichen Besuch beim Amt angenehmer gestalten und gleichzeitig die Prozesse in der Verwaltung optimieren. Doch wie genau wird das technisch umgesetzt?

Damit E-Government funktioniert, braucht es autonome Verwaltungsverfahren, also digitale Dienste zur Arbeitsunterstützung. Ermöglicht wird das unter anderem durch künstliche Intelligenz (KI). Ein Begriff, der viel komplexe Technologie umfasst, mit deren Hilfe zukünftig Bürger und Verwaltungsangestellte unterstützt werden.

Das künstliche Gehirn

Im Zentrum stehen intelligente Algorithmen mit der Fähigkeit, aus Erfahrungen zu lernen und mit dem Menschen zu interagieren. Der Einsatz solcher künstlichen Intelligenzen ist in den letzten Jahren rasant angestiegen. Die wichtigsten Einsatzgebiete werden im Bereich der Automatisierungstechnologien und digitaler Assistenten wie Chatbots gesehen. Die KI-Paradedisziplin ist es, eine Vielzahl an Daten zu strukturieren und auszuwerten. Und von diesen Daten gibt es in der öffentlichen Verwaltung jede Menge.

Der Begriff der KI ist sehr allgemein. Die entscheidenden Treiber der Entwicklung heißen Machine Learning und neuronale Netze.

„Künstliche Intelligenz ist eine Schlüsseltechnologie, deren Bedeutung man gar nicht hoch genug einschätzen kann. (…) KI-Systeme zeichnen sich dadurch aus, dass sie lernen und sich selbst und andere programmieren und weiterentwickeln können. Uns Menschen können sie in einem breiten Spektrum auch anspruchsvoller Aufgaben unterstützen.“

Achim Berg, Präsident/Beiratsvorsitzender Flixbus Mobility GmbH (Bitkom)

Trainieren anstatt Programmieren

Künstliche neuronale Netze sind der Funktionsweise eines Gehirns nachempfunden, indem sie einen Input erhalten, diesen verarbeiten und als Output wieder ausgeben. Das klingt zunächst banal. Ähnlich wie ein Gehirn jedoch können die neuronalen Netze neue Verbindungen knüpfen, also sinnvolles Verhalten verstärken. Entspricht der Output nicht dem gewünschten Ergebnis, werden die internen Algorithmen angepasst – so lange bis das Ergebnis zum entsprechenden Input passt. Es entstehen neue Knotenpunkte innerhalb des Programms, die es immer weiter ausbaut und so zunehmend komplexere Aufgaben bewältigen kann, für die es ursprünglich gar nicht vorgesehen war.

Dadurch können Programme beispielsweise lernen, Bilder nach bestimmten Kriterien zu analysieren, Sprachen zu identifizieren oder Texte zu übersetzen. Das Bundesamt für Migration und Flüchtlinge hat auf dieser Basis eine Software getestet, um arabische Dialekte zu erkennen. Dies hilft dabei, die Herkunft von Asylbewerbern einfacher und sicherer zu bestimmen.

Möglich wird dies durch Maschinelles Lernen: die Fähigkeit von Systemen, sich selbstständig Wissen aus Erfahrung anzueignen. Klassische Software funktioniert nach klar definierten Regeln, um Aufgaben zu bewältigen. Ein Ausbrechen aus dieser „starren“ Programmierung ist nicht möglich. Maschinelles Lernen nutzt hingegen Algorithmen und Codes, um aus zahlreichen gesammelten Daten zu lernen und anschließend eine Entscheidung zu fällen. Früher wurden Schachcomputer mit immensen Daten über Spielzüge und Strategien gefüttert. Dem Computer wurde also Wissen eingespeichert, auf das er zurückgreifen konnte, um damit mögliche Spielentwicklungen vorauszuberechnen. Eine künstliche Intelligenz muss zuerst anhand von Daten das Schachspiel lernen und das Wissen eigenständig aufbauen. Daraufhin kann das System Schachzüge erkennen, Strategien entwickeln und vor allem beurteilen. Ihm wird also nicht vorgegeben, welcher Zug in welcher Situation am besten ist, sondern es entwickelt sein Vorgehen selbstständig.

Zunehmende Datenflut im Blick

Mittlerweile werden sogar mehrere neuronale Netze kombiniert, um damit immer komplexere Sachverhalte zu strukturieren. Die Netzwerke werden also übereinandergeschichtet und mit neuen Knotenpunkten verbunden. Das nennt man dann „Deep Learning“. Die Technologie beruht nicht mehr auf vordefinierten Algorithmen, sondern auf statistischer Datenanalyse. Das System arbeitet sich dabei durch riesige Datenmassen.

Deep Learning ist also ein wichtiger Schritt zur Automation von Prozessen und Grundlage für virtuelle Assistenten wie Chatbots oder für fortschrittliche Bildanalysen. Einem solchen System fällt es leicht, anhand von spezifischen Bildern zu lernen, woran es beispielsweise eine Katze erkennt. Dieses Wissen kann das System anschließend auf weitere unbekannte Bilder anwenden. Doch was bringt das? Vor allem Effizienz, denn das System kann in kürzester Zeit tausende von Bilddaten analysieren und nicht nur ganz allgemein nach Katzen, sondern nach ganz spezifischen Rassen sortieren. Eine solche Bildklassifizierung hat zum Beispiel im Schadensmanagement viel Potenzial: Der Algorithmus wird auf Kfz-Fotos trainiert und kann anschließend anhand von Schadensbildern abschätzen, wo und in welchem Umfang ein Auto beschädigt wurde – und wer die Schuld trägt.

„Statt Zeichenketten und Pixelmengen werden Textbedeutungen und Bildinhalte klassifiziert und für die Entscheidungsunterstützung genutzt.“

Prof. Dr. Dr. h.c. mult. Wolfgang Wahlster – CEO Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

Künstliche Intelligenz ist also ein Baustein der digitalen Transformation von Behörden. Damit lassen sich Geschäftsprozesse beschleunigen und Verwaltungskosten reduzieren, da zahlreiche manuelle Tätigkeiten entfallen können. Besonders bei Routinearbeiten unterstützen automatisierte Systeme die Mitarbeiter. Mit der Berechnung des Arbeitslosengeldes ist beispielsweise rund die Hälfte der Mitarbeiter in Jobcentern regelmäßig beschäftigt. Künstliche Intelligenzen könnten lernen, diese Routineberechnungen durchzuführen, wodurch die Mitarbeiter freie Kapazitäten für andere Aufgaben hätten.

Theoretisch offenbart die digitale Transformation von Behörden ein riesiges Potenzial: Automatisierte Meldungen über Straßenschäden, datenbasierte Unterstützung von Entscheidungen oder vorausschauende Systeme zur Erinnerung an abgelaufene Ausweisdokumente sind nur ein Bruchteil der möglichen Einsatzgebiete der neuen Technologien. Welche weiteren Szenarien denkbar sind und wo die Hürden liegen, lesen Sie übrigens in diesem Beitrag.

Foto Achim Berg: © Bitkom
Titelbild: © Danor_a/iStock

Folgen Sie uns auf Facebook und​ Twitter und​ Sie bleiben immer up to date über die wichtigsten Entwicklungen im E-Government und der IT des Bundes.