Agentische KI für die öffentliche Verwaltung

Die meisten Menschen kennen KI über eine minimale Chat-Oberfläche, oft in kostenlosen Angeboten von ChatGPT, Claude, Gemini oder Copilot. Sie nutzen diese Werkzeuge vor allem, um Absätze zusammenzufassen und E-Mails zu beantworten. Das ist bereits ein Fortschritt. Der Abstand zwischen kostenlosen, auf Engagement optimierten Consumer-Modellen und kostenpflichtigen Spitzenmodellen, die komplexe Arbeit von Anfang bis Ende erledigen können, wird jedoch immer grösser.

Wissensarbeit, die Daten aus verschiedenen Quellen oder Altsystemen analysieren und miteinander verbinden muss, ist unabhängig von Komplexität und Vielfalt ein natürliches Einsatzfeld. "Agentisch" beschreibt die wachsende Fähigkeit moderner Modelle, eine Anfrage aufzunehmen, eine Folge autonomer Aufrufe der passenden Werkzeuge zu planen, Kontext anzusammeln, Informationen abzugleichen und den nächsten Schritt zu bestimmen, bis die Aufgabe abgeschlossen ist.

Kurz gesagt bedeutet agentisch, dass ein Modell planen, orchestrieren und ausführen kann, während es seine Arbeit systematisch prüft und Fehler korrigiert. Nicht alle Modelle sind gleich. Spitzenmodelle sind besonders robust bei Randfällen, behalten bei langen Aufgaben den Faden und achten sehr genau auf Details und Mehrdeutigkeiten.

Eine Botschaft sollte klar sein. Wenn Sie die richtige Umgebung schaffen, damit KI Ihre Arbeit erledigen kann, entsteht daraus direkter Wert für Ihre Organisation, etwa durch Einsparungen, zusätzliche Kapazität oder Einnahmen. Das ist folgenreicher als der Wechsel von Papierdokumenten im Backoffice zu einem digitalen System aus dem Jahr 2015, das diese Dokumente lediglich speichert. Je genauer organisationsspezifische Abläufe beim Entwurf der KI-Umgebung analysiert werden, desto mehr Wert kann sie schaffen.

Ein richtig in die bestehenden Systeme integriertes KI-Modell ermöglicht bei kritischen Aufgaben, die bisher weitgehend von Menschen erledigt wurden, ein früher nicht verfügbares Mass an Delegation. Es geht nicht darum, Menschen zu ersetzen. Sie sollen im Entscheidungsprozess nach oben rücken. Statt eine Person an mehreren routinemässigen Punkten eines Ablaufs zwingend einzubeziehen, soll das System sie bei kritischen Fällen hinzuziehen, etwa bei unerwarteter Mehrdeutigkeit oder einer durch Organisationsregeln definierten Situation. Jede zusätzliche menschliche Übergabe bringt interne Kommunikation und Verzögerung mit sich. Bereits die Ferien oder Krankheit einer entscheidenden Person können einen ganzen Ablauf bis zu ihrer Rückkehr blockieren. Ein KI-System bündelt Intelligenz und Kontext, damit die Organisation weiterarbeiten und ihren Mitarbeitenden Zeit zurückgeben kann.

Was ermöglicht diese Autonomie unter Einhaltung der Sicherheitspraktiken einer Organisation? Robuste Modelle sind nur ein Teil der Antwort. Das KI-System braucht auch ein ausgeprägtes Kontextverständnis.

Backoffice-Arbeit ist mehrdeutig und vielschichtig. Komplexität entsteht aber auch durch die Unordnung der realen Welt. Kritisches Wissen befindet sich manchmal nur in den Köpfen von Mitarbeitenden und wurde nie dokumentiert oder organisationsweit geteilt.

Ein zuverlässiges KI-System braucht deshalb neben Modellen und Infrastruktur eine dritte Komponente. Es braucht Gedächtnis und Kontext rund um die Fachlogik Ihres Sektors, damit das Modell das interne Wissen Ihres Teams nutzen und im Lauf der Zeit zum Vorteil Ihrer Organisation erweitern kann.

Ein gut aufgebauter KI-Stack erlaubt Ihrem Team, in natürlicher Sprache zu erklären, wie Abläufe durchgeführt werden sollen. Dazu gehören Mehrdeutigkeiten und kritische Punkte, die geprüft werden müssen, noch bevor das Modell darauf trifft. Teams können gemeinsam nutzbare "Skills" erstellen: flexible Dateien mit den Anweisungen, die das Modell für Aufgaben und Randfälle benötigt. Sie erklären es einmal, das Modell behält es, verbindet es mit neuen Daten und stellt dasselbe Wissen bei Bedarf anderen Mitarbeitenden zur Verfügung. Internes Wissen wird schrittweise Teil des Systems. Dadurch sinkt die Routinebelastung und Menschen werden bei unerwarteten oder kritischen Fällen einbezogen.

Ein KI-System zu instruieren ist nicht technischen Fachpersonen vorbehalten. Entscheidend ist, das eigene Wissen ausdrücken zu können, ähnlich wie bei der Erklärung einer Aufgabe an eine kluge Kollegin oder einen klugen Kollegen, die oder der nicht am täglichen Ablauf beteiligt ist. KI kann sich an Ihre Sprache und Ihr Fachniveau anpassen. Sie können präzise Fachbegriffe verwenden oder informell sprechen und das System um Kontext bitten, wenn Ihnen dieser fehlt.

Agentische KI verändert Organisationen, indem steigende Modellfähigkeiten mit organisationsspezifischem Kontext und einem Gedächtnissystem verbunden werden, das sich laufend verbessert. Öffentliche Auftraggeber sollten keine Implementierung mit einem leistungsschwachen Modell wie Apertus akzeptieren und danach schliessen, die KI selbst habe die versprochene Veränderung nicht bewirkt. Modellqualität und Robustheit bei Randfällen sind entscheidend. Artificial Analysis ist eine nützliche unabhängige Quelle für den Vergleich von Open-Weight- und proprietären Modellen. Agentische KI sollte rasch greifbare Ergebnisse liefern. Ein glaubwürdiger Anbieter sollte seine Vergütung am geschaffenen Wert ausrichten, damit seine Anreize mit den Interessen der Kundenorganisation übereinstimmen.