Verwaltungen verfügen über riesige Datenmengen – aber oft fehlt die Zeit, sie systematisch auszuwerten. KI kann dabei helfen, Strukturen zu erkennen, Muster zu identifizieren und Entscheidungen zu unterstützen.
KI findet Korrelationen, aber keine Kausalitäten. Wenn die KI feststellt, dass "Mehr Bürgeranfragen am Montag eingehen", heißt das nicht, dass Montag die Ursache ist – vielleicht liegen einfach die Wochenend-Anfragen auf. Immer kritisch hinterfragen!
Die einfachste Anwendung: Sie geben der KI eine Tabelle (als Text oder CSV) und stellen Fragen.
Eine Verwaltung hat 5.000 Bürgeranfragen aus dem letzten Jahr. Statt alles manuell zu zählen, gibt der Sachbearbeiter der KI eine anonymisierte Liste: "Kategorisieren Sie diese Anfragen in Themen (Bauen, Steuern, Soziales, Umwelt) und erstellen Sie eine Statistik mit Häufigkeiten und Trend im Jahresverlauf." Ergebnis in 30 Sekunden: Übersicht mit Diagramm, das zeigt, dass Sozialanfragen im Winter um 40% steigen. Anomalie-Erkennung: Die KI markiert außerdem einen Ausreißer – ein einzelner Bezirk hat 300% mehr Anfragen als im Vorjahr. Das kann ein Datenerfassungsfehler sein oder auf ein lokales Ereignis hinweisen. Der Sachbearbeiter prüft und klärt auf.
Gute Visualisierung ist entscheidend, um Daten für Entscheidungsträger zugänglich zu machen. KI kann als Ideen-Generator dienen – die Umsetzung erfolgt dann mit richtigen Tools.
KI kann Daten analysieren und visualisieren – aber nur der Mensch entscheidet, welche Erkenntnisse handlungsrelevant sind. Lassen Sie sich nicht von beeindruckenden Diagrammen blenden. Fragen Sie immer: Was bedeutet das für die Bürger:innen?
Datenschutz ist bei jeder Analyse zentral. Besonders wichtige Regeln:
Wenn die KI-Analyse zu automatisierten Entscheidungen führt (z.B. automatische Bewilligungsprüfung), ist das eine hochriskante Anwendung im Sinne des EU AI Acts. Voraussetzungen: DSFA, menschliche Aufsicht, Widerspruchsrecht, Transparenz.
Sie haben einem Modell eine anonymisierte Liste mit 3.200 Anträgen auf Elterngeld aus dem Jahr 2025 gegeben und um eine Auswertung gebeten. Die Antwort:
In Bezirk C liegt die Ablehnungsquote bei 23 %, im Landesdurchschnitt bei 9 %. Die Bearbeitungsdauer ist dort mit 47 Tagen ebenfalls überdurchschnittlich (Landesdurchschnitt 31 Tage). Die Daten zeigen, dass die längere Bearbeitungsdauer in Bezirk C zu mehr Ablehnungen führt. Empfehlung: Personalaufstockung in Bezirk C.
Formulieren Sie die Rückmeldung an den Kollegen, der Ihnen dieses Ergebnis weitergereicht hat. Sagen Sie, was Sie übernehmen, was Sie zurückweisen und welche eine Prüfung Sie als Nächstes machen würden.
Ihre Eingaben bleiben in diesem Browserfenster. Sie werden nicht gespeichert und nicht übertragen, ein Neuladen der Seite verwirft sie.
Die beiden Zahlenpaare, sofern sie sich nachrechnen lassen. 23 % gegen 9 % und 47 Tage gegen 31 Tage sind beschreibende Werte aus der Liste. Bevor sie in eine Vorlage gehen, zähle ich beides in der Ausgangstabelle nach, weil Sprachmodelle beim Aggregieren über größere Datenmengen Rechenfehler machen, ohne sie zu bemerken.
Den Satz über die Ursache. Aus zwei gleichzeitig auffälligen Werten folgt kein Wirkungszusammenhang. Der Zusammenhang kann genauso gut umgekehrt laufen, wenn schwierige Fälle länger dauern und häufiger abgelehnt werden. Oder ein dritter Umstand wirkt auf beides, etwa eine abweichende Prüfpraxis, eine andere Bevölkerungsstruktur oder eine Softwareumstellung im Bezirk.
Mit der Ursachenbehauptung fällt auch die Empfehlung. Aus den vorliegenden Daten lässt sich ein Personalbedarf nicht ableiten.
Die Ablehnungsgründe in Bezirk C, aufgeschlüsselt nach Grund und Eingangsmonat. Dominiert dort ein einzelner Grund, etwa fehlende Nachweise, liegt die Erklärung eher in der Prüfpraxis oder im Antragsformular als in der Personaldecke. Verteilen sich die Gründe wie im Landesdurchschnitt, ist die nächste Frage eine andere.
Anonymisiert heißt nicht harmlos. In einer kleinen Gruppe lässt sich eine Person über wenige Merkmale wieder zuordnen, etwa Bezirk, Altersgruppe und Antragsmonat. Ein Bezirk mit vierzig Anträgen im Jahr ist eine kleine Gruppe.
Eine Empfehlung ist kein Analyseergebnis. Das Modell hat sie angehängt, weil Auswertungstexte üblicherweise so enden. Eine Empfehlung setzt eine Abwägung voraus, die in den Daten nicht steckt.
Wie nutzen Sie KI in Ihrer Behörde zu diesem Thema? Teilen Sie Erfahrungen, stellen Sie Fragen — anonym oder mit E-Mail. Kommentare liegen auf eigenen Servern (DSGVO-konform).