Öffentlicher Sektor : Behörde beschleunigt Datenprozesse mit Large Language Models

Eine große öffentliche Fachbehörde stand vor einer typischen Herausforderung des digitalen Zeitalters: Immer größere Datenmengen aus Forschung, Monitoring und Verwaltung mussten verarbeitet, dokumentiert und verständlich aufbereitet werden. Die Datenbasis war heterogen, die Analyseprozesse komplex – und viele Arbeitsschritte erfolgten noch manuell. Besonders zeitaufwendig war die jährliche Prüfung zehntausender Projektbeschreibungen auf Relevanz in einer zentralen Forschungsdatenbank. Auch im Monitoring-Bereich fehlten automatisierte Analysen und Visualisierungen, wodurch wichtige Zusammenhänge zwischen Einflussfaktoren und Messwerten nur mit hohem Aufwand erkennbar waren. Das Ziel: Künstliche Intelligenz und Large Language Models (LLMs) sollten helfen, EffizienzPotenziale systematisch zu heben, Durchlaufzeiten deutlich zu verkürzen und die Entscheidungssicherheit zu erhöhen.

In einer breit angelegten Ideation-Phase wurden potenzielle KIAnwendungsfelder identifiziert, bewertet und nach Nutzen sowie Machbarkeit priorisiert. Priorisierte Vorhaben wurden anschließend in crossfunktionalen Workshops weiterentwickelt und agil als Pilotprojekte umgesetzt – mit dem klaren Fokus auf nutzerfreundliche Webanwendungen für die Mitarbeitenden. Für die Textklassifikation kamen überwachte Lernverfahren bis hin zum FineTuning von Large Language Models zum Einsatz. Die Modelle wurden systematisch gebenchmarkt und die besten in eine Anwendung überführt. Für die Analyse von MonitoringDaten setzten wir auf explorative Verfahren mit Benchmarking von Supervised und UnsupervisedMethoden. Ein begleitender Wissenstransfer zu StateoftheArtAlgorithmen und gemeinsame Reviews sorgten für Akzeptanz und nachhaltige Verankerung.

Mit feinabgestimmten Large Language Models erreichte die Behörde eine Klassifizierungsgenauigkeit von über 97 Prozent in der automatisierten Textklassifikation und verkürzte aufwendige Prüfprozesse von Monaten auf wenige Stunden. So bleibt die Datenbasis stets aktuell und Doppelarbeiten werden effektiv vermieden. Im Monitoring ermöglichen quantifizierte externe Einflussfaktoren, interaktive Analysen und intelligente Recommender-Systeme neue Einblicke in Zusammenhänge zwischen Messwerten und Einflussfaktoren. Die skalierbaren Webanwendungen sind produktionsnah implementiert und befähigen Mitarbeitende, weitere KI-Use-Cases eigenständig zu entwickeln – ein wichtiger Schritt hin zu einer effizienteren, datengetriebenen Verwaltung.