Künstliche Intelligenz kann öffentliche Projekte effizienter machen - doch nur mit klaren Zielen, Standards und Messbarkeit. Wo KI sinnvoll eingesetzt werden kann, wie Potenziale messbar werden und warum ein strategischer Ansatz notwendig ist.
Die Entwicklungen im Bereich der Künstlichen Intelligenz (KI) sind rasant, und die Systeme werden immer leistungsfähiger. KI wird als Schlüsseltechnologie gehandelt, die Verwaltungsprozesse effizienter gestalten, Arbeitslasten reduzieren und Interaktionen verbessern kann. Doch ist immer klar, was genau gemeint ist? KI bietet zweifellos Möglichkeiten, doch welche konkreten Ziele werden mit ihrem Einsatz verfolgt? Geht es um vollständige Automatisierung oder gezielte Unterstützung? Sollen Entscheidungen delegiert oder nur datenbasiert fundierter getroffen werden? Insbesondere bei der Automatisierung stellt sich die Frage, wo Effizienzsteigerung aufhört und der Erhalt menschlicher Entscheidungsqualität beginnt. Ein Beispiel ist die Automatisierung von Verwaltungsdienstleistungen durch regelbasierte KI. Solche Systeme können gebundene Entscheidungen beschleunigen und Ressourcen für komplexere Verfahren oder Beratungen freisetzen.
Anzeige
Überall in der öffentlichen Verwaltung entstehen sinnvolle KI-Initiativen. Auf Bundesebene vernetzt der Marktplatz der KI-Möglichkeiten (MaKI) Ministerien und Behörden mit passenden Anwendungen und erfüllt bereits Transparenzpflichten der KI-Verordnung ab 2026. Das Beratungszentrum für Künstliche Intelligenz (BeKI) bietet praxisnahe Beratung und fördert eine gemeinsame KI-Infrastruktur für die Verwaltung.
Doch nicht nur auf Bundesebene, sondern auch in Ländern und Kommunen gibt es zahlreiche Initiativen. Die Bundesagentur für Arbeit nutzt KI zur automatisierten Dokumentenprüfung und beschleunigt so die Bearbeitung von Kindergeldanträgen. Das Surveillance Outbreak Response Management and Analysis System (SORMAS) unterstützte Gesundheitsämter bei der Identifizierung und Überwachung von Kontaktpersonen in der Corona-Pandemie. In Baden-Württemberg entwickelt das KI-Start-up Aleph Alpha mit Unterstützung des Landes die Verwaltungs-KI F13, die die Digitalisierung der Verwaltung vorantreiben soll. Die Justizbehörde Hamburg testet am Landgericht ein KI-Assistenzsystem, das eingehende Dokumente in Zivilsachen erkennt und kategorisiert. Zudem nutzt die Stadt KI für eine effizientere Müllentsorgung und Straßenreinigung. Das Panorama-Bad in Freudenstadt setzt KI zur Badeaufsicht ein: Kameras identifizieren gefährliche Situationen im Becken und melden sie an das Aufsichtspersonal. In Stuttgart wird KI genutzt, um Verkehrsprobleme zu analysieren und Lösungen zu entwickeln. In der Stadtplanung setzt Nürnberg auf Predictive Analytics, um Baulücken und Nachverdichtungsflächen effizienter zu erfassen. Mehrere Kommunen, darunter Bad Oeynhausen, Hannover, Osnabrück, Gelsenkirchen und Braunschweig, haben KI-gestützte Chatbots eingeführt, die Anfragen von Bürgerinnen und Bürgern automatisiert bearbeiten und Verwaltungsbeschäftigte entlasten.
Dem KI-Einsatz in der öffentlichen Verwaltung wird zu Recht viel Potenzial beigemessen. Potenzial beschreibt eine noch nicht ausgeschöpfte Möglichkeit zur Entwicklung oder Verbesserung, die unter den richtigen Bedingungen realisiert und zur Effizienzsteigerung führen kann. Es geht also um unausgeschöpftes oder noch nicht realisiertes Leistungsvermögen. Doch was genau wird als Potenzial betrachtet, und woran ist es festzumachen? Dabei stellen sich mehrere Fragen:
Welches Potenzial besteht konkret für öffentliche Projekte?
Was ist erforderlich, um es tatsächlich zu heben?
Wie kann es messbar und quantifizierbar gemacht werden?
Hier kommt die Verbindung zwischen Messbarkeit und Existenz ins Spiel - ein Prinzip, das in der Wissenschaftsphilosophie und modernen Physik verwurzelt ist. Der Physiker Wolfgang Pauli brachte es auf den Punkt: „Was sich nicht messen lässt, existiert nicht.“
Anzeige
Wo die Stärken von KI bei öffentlichen Projekten liegen
Projekte im öffentlichen Sektor sind durch einmalige Rahmenbedingungen und hohe Komplexität geprägt, da sie von politischen, rechtlichen, sozialen und infrastrukturellen Faktoren abhängen. Beispiele sind der Bau neuer Verkehrsinfrastruktur, Gesetzgebungsverfahren, Stadtentwicklungsprojekte oder groß angelegte Digitalisierungsinitiativen. Neben ihrer Einmaligkeit sind diese Projekte von schwer vorhersehbaren, dynamischen Einflussfaktoren bestimmt.
KI entfaltet ihre Stärken vor allem dort, wo regelbasierte, repetitive Abläufe automatisiert werden können. In einmaligen Projektsituationen fehlen jedoch oft ausreichende Vergleichsdaten, um verlässliche Muster zu erkennen und fundierte KI-gestützte Entscheidungen zu treffen. Zudem erfordern solche Vorhaben Flexibilität, Kreativität und strategische Weitsicht, die über reine Datenanalysen hinausgehen. Neuere KI-Entwicklungen zeigen jedoch, dass sie auch bei der Analyse von Zukunftsszenarien hilfreiche Unterstützung bieten können. Konkret ist der KI-Einsatz bei öffentlichen Projekten in zwei Bereichen sinnvoll:
Automation - Effizienz durch Übernahme von Routinen: Auch einmalige Projekte enthalten zahlreiche repetitive Abläufe, die sich standardisieren lassen - etwa Kommunikation, Stakeholdermanagement, Planung, Budgetierung, Risikomanagement, Genehmigungsprozesse, Ausschreibungen, Berichtswesen und Dokumentation. Selbst in einzigartigen Großprojekten wiederholen sich Arbeitsschritte wie die Bearbeitung von Förderanträgen, Abstimmungen mit Behörden oder die systematische Dokumentation von Fortschritten. Hier spielt KI ihre Stärken aus: Prozessautomation entlastet Verwaltungsmitarbeitende, reduziert Fehleranfälligkeit und beschleunigt Abläufe.
KI in vier Schritten in öffentliche Projekte integrieren
Quelle: Eigene Darstellung der Autorin und des Autors
×
Augmentation - KI als Unterstützung bei komplexen Aufgaben: Aktuell wird KI mehrheitlich augmentativ eingesetzt. Das heißt, sie unterstützt Fachkräfte, anstatt sie zu ersetzen. Insbesondere bei Planungen, Datenanalysen, dem Entwurf von Personas und Stakeholderjourneys kann KI wertvolle Erkenntnisse liefern. Hier zeigt sich, dass KI zwar die Qualität und Geschwindigkeit von Entscheidungsprozessen verbessern kann, die endgültige Entscheidung jedoch in menschlicher Hand bleibt.
Wo die KI den Menschen nicht ersetzen kann
Trotz ihrer Möglichkeiten gibt es Bereiche, in denen KI den Menschen nicht ersetzen kann - insbesondere Tätigkeiten, die ethisches Verständnis, persönliche Interaktion, situatives Handeln in komplexen Situationen und strategische Intuition erfordern. So setzt der Dialog mit Bürgerinnen und Bürgern, politischen Entscheidungsträgerinnen und -trägern oder Projektbeteiligten Empathie, diplomatisches Geschick und spontane Reaktionen voraus. Die Einbindung sozialer, emotionaler und politischer Faktoren macht es schwierig, Verhandlungen oder Gesetzgebungsverfahren KI-gesteuert abzuwickeln. Ebenso erfordern unvorhersehbare Entwicklungen, komplexe Konflikte und ethische Dilemmata schnelle, kontextabhängige Entscheidungen, die nur durch Erfahrung, Reflexion und interdisziplinäre Abstimmung getroffen werden können.
KI in öffentlichen Projekten bietet vielversprechende Möglichkeiten - doch wie lässt sich ihr Nutzen objektiv messen? Statt nur theoretisch über Potenziale zu diskutieren, werden klare Kriterien und Kennzahlen benötigt, um Effizienzsteigerungen, Kostenreduktionen oder qualitative Verbesserungen nachweisbar zu machen:
Zeitersparnis und Effizienzsteigerung: Wie stark verkürzt KI Bearbeitungszeiten? Ein Vergleich der Prozessdauer vor und nach dem KI-Einsatz kann hier Klarheit schaffen - etwa bei Genehmigungsverfahren, Dokumentenprüfung oder Erstellung von Ausschreibungsunterlagen. Der Automatisierungsgrad ist ein weiterer Indikator: Wie viele Aufgaben werden durch KI unterstützt, und wie viel menschlicher Input bleibt erforderlich?
Kostenreduktion: Senkt der KI-Einsatz tatsächlich die (externen) Personalkosten oder den Verwaltungsaufwand? Auch indirekte Einsparungen, etwa durch weniger Fehler und deren aufwendige Behebung, spielen eine Rolle.
Qualitätsverbesserung: Ein Vergleich der Fehlerraten kann ebenfalls zeigen, ob KI zu mehr Präzision beiträgt. Bei der Frage, wie gut KI-gestützte Prognosen sind, hilft der Abgleich mit, sofern vorhanden, bisherigen vergleichbaren menschlichen Einschätzungen.
Zufriedenheit und Akzeptanz von Bürgerinnen und Bürgern: KI verändert den Kontakt zwischen Verwaltung sowie Bürgerinnen und Bürgern. Wird dies positiv wahrgenommen? Umfragen und Feedbackanalysen helfen, die Akzeptanz zu messen. Ebenso kann die Anzahl an Beschwerden oder positiven Rückmeldungen nach Einführung KI-basierter Services als Indikator dienen.
Wo die Grenzen der Messbarkeit liegen
Doch so wichtig Messbarkeit ist - sie bleibt komplex. Viele Einflussfaktoren lassen sich nur schwer isolieren. Effizienzsteigerungen oder Kostenreduktionen sind selten allein auf KI zurückzuführen, da oft parallel Prozessveränderungen oder organisatorische Anpassungen erfolgen. Hinzu kommt, dass nicht alle Faktoren in klaren Zahlen erfasst werden können. Aspekte wie Akzeptanz, Vertrauen oder Beziehungsqualität sind schwer messbar, obwohl sie entscheidend für den Erfolg von KI-Anwendungen sind. Zudem entfalten manche Effekte ihre Wirkung erst über Jahre - etwa die nachhaltige Verbesserung der Verwaltungsleistung oder ein gesteigerter Innovationsgrad.
Generell und gerade wegen der Grenzen der Technologie und der Messbarkeit ihres Potenzials gilt: Der KI-Einsatz sollte nicht dem Zufall überlassen werden, sondern strategisch erfolgen. Ein systematisches, organisationsweites Portfoliomanagement sorgt dafür, dass Projekte strategiekonform ausgewählt und effizient umgesetzt werden. Ohne gezielte Steuerung bleibt die Bewertung von Optimierung und Potenzialen oft vage - denn ohne klare Ziele lassen sich Erfolge nur schwer quantifizieren. Insbesondere beim Einsatz von KI in öffentlichen Projekten zeigt sich, dass ihr Nutzen davon abhängt, wie systematisch Projekte verwaltet werden. Eine zentrale Steuerung durch ein Project Management Office (PMO), einheitliche Bewertungskriterien und eine klare Strategie maximieren den Mehrwert der KI-Nutzung. Ein einheitlicher Projektmanagement-Standard ist entscheidend für die übergreifende Nutzung von KI. Bereits eine standardisierte Dokumentenablage schafft Mehrwert, da Automatisierung - eine grundlegende Leistung der KI - erst mit vorhergehender Standardisierung ihr volles Potenzial entfalten kann. Strategisches Portfoliomanagement stellt sicher, dass KI nicht isoliert, sondern gezielt und nachhaltig in öffentlichen Projekten genutzt wird.
Der erfolgreiche Einsatz von KI in öffentlichen Projekten erfordert eine strukturierte, aber flexible Herangehensweise. Anstatt direkt auf groß angelegte Veränderungen zu setzen und sich dabei zu überfordern, ist es sinnvoll, iterativ, also schrittweise, vorzugehen. Agile Methoden ermöglichen es, neue Technologien zunächst zu testen, ihre Wirksamkeit zu evaluieren und sie anschließend gezielt zu skalieren. Pilotprojekte helfen dabei, Vertrauen innerhalb der Organisation aufzubauen, erste Erkenntnisse über den praktischen Nutzen von KI zu gewinnen und Herausforderungen frühzeitig zu identifizieren. So können Fehlerquellen minimiert und Erfolgsfaktoren für die breitere Einführung herausgearbeitet werden. Die erfolgreiche Implementierung von KI erfordert zudem interdisziplinäre Teams, die unterschiedliche Perspektiven einbringen. Die enge Zusammenarbeit zwischen Fachbereichen, IT-Spezialistinnen und -Spezialisten, Datenschutzbeauftragten sowie Juristinnen und Juristen stellt sicher, dass technische, organisatorische, rechtliche und ethische Fragestellungen umfassend berücksichtigt werden. Last, but not least ist die Skalierbarkeit entscheidend: Erkenntnisse aus erfolgreichen Pilotprojekten und deren KI-Nutzung sollten verwendet werden, um KI-Anwendungen gezielt auf weitere Projekte und Bereiche auszuweiten. Dadurch entsteht ein Mehrwert, der über Einzelprojekte hinausgeht und langfristig die Effizienz und Qualität öffentlicher Vorhaben steigert.
In vier Schritten entfaltet KI ihr Potenzial
Damit KI in öffentlichen Projekten ihr Potenzial entfalten kann, wird eine strukturierte Herangehensweise benötigt. Die Technologie sollte nicht als Selbstzweck, sondern gezielt dort eingesetzt werden, wo sie einen konkreten Mehrwert für die Projektarbeit schafft. Dafür sind folgende vier Schritte zielführend (siehe Grafik Seite 22):
Schritt 1: Klare Ziele und Gesamtstrategie - Projektportfoliomanagement: Der KI-Einsatz in Projekten muss in eine übergeordnete Projektportfolio-Strategie eingebettet sein. Nur mit klar definierten Zielen lässt sich bewerten, ob und wie KI sinnvoll unterstützt und Potenzial entfaltet.
Schritt 2: Systematische Untersuchung der Anwendbarkeit von KI für Projektprozesse: Nicht jeder Projektschritt eignet sich für den Einsatz von KI. Daher müssen Prozesse und Use Cases innerhalb eines Projekts analysiert werden, um herauszufinden, an welchen Stellen KI-gestützte Automatisierung oder Entscheidungsunterstützung einen echten Mehrwert bringt. Gerade repetitive, datenintensive oder regelbasierte Tätigkeiten bieten sich an und sollten dementsprechend priorisiert werden.
Schritt 3: Bewertung der Machbarkeit und des zielgerichteten Nutzens: Nach der Identifikation relevanter Einsatzbereiche folgt die Machbarkeitsprüfung. Dabei müssen rechtliche Vorgaben, Datenverfügbarkeit, geeignete KI-Tools und vorhandenes Know-how berücksichtigt werden. Zugleich sollte der konkrete Nutzen für Projekte messbar formuliert werden:
Zeitersparnis: Wie viele Stunden an manuellen Tätigkeiten können durch KI reduziert werden?
Qualitätsgewinn: Kann die Fehlerrate gesenkt oder die Analysegenauigkeit verbessert werden?
Projekterfolg: Wird die Planung präziser oder die Steuerung effizienter?
Finanzieller Impact: Lässt sich durch KI eine wirtschaftlichere Ressourcennutzung im Projekt erzielen?
Schritt 4: Agile Umsetzung - Schrittweise Integration von KI in Projektprozesse: Statt KI in Projekten sofort flächendeckend zu etablieren, sollte ihr Einsatz schrittweise und agil erfolgen. Erste Anwendungen sollten im kleinen Maßstab getestet und optimiert werden, bevor sie breiter ausgerollt werden. So kann KI iterativ weiterentwickelt werden, während das Projektteam sukzessive Know-how aufbaut.
Das Ganze ist mehr als die Summe seiner Teile
Und das Fazit? Wann immer von Potenzial die Rede ist, lohnt es sich, genau hinzuschauen: Welches unausgeschöpfte oder noch nicht realisierte Leistungsvermögen ist eigentlich gemeint und an welchen Zielen wird es gemessen? Denn ungesteuerte Einzelinitiativen werden nicht automatisch dazu führen, dass sich ein echter Mehrwert entfaltet. Wie schon Aristoteles sagte: „Das Ganze ist mehr als die Summe seiner Teile.“ Erst wenn der Einsatz von KI in Projekten strategisch gesteuert und anhand eines klaren Projektportfolios ausgerichtet wird, kann ihr volles Potenzial gehoben werden. Nicht isolierte Ansätze, sondern ein gezieltes Zusammenspiel aus Strategie, Standardisierung und agiler Umsetzung führt zu echtem Mehrwert und realisiertem Leistungsvermögen - aka Potenzial.
Wie KI in der Praxis beispielsweise beim Herunterbrechen von Gesetzen des Bundes bis auf die kommunale Ebene helfen kann, erfahren Sie online unter: https://sn.pub/1ffmbd
Kompakt
Die Nutzung Künstlicher Intelligenz in Projekten setzt Prozessanalyse und idealerweise Standardisierung voraus.
Um die Chancen des Technologieeinsatzes zu realisieren, braucht es klare Ziele und Messkriterien.
Über agile Projekte können KI-Potenziale schrittweise ausgeschöpft und am Projektportfolio ausgerichtet werden.
Handlungsempfehlungen
1.
Der Einsatz Künstlicher Intelligenz in Projekten sollte an klaren Zielen einer übergeordneten Projektportfolio-Strategie ausgerichtet sein.
2.
Geeignete datenintensive, repetitive oder regelbasierte Prozesse müssen zunächst für den KI-Einsatz identifiziert werden.
3.
Vor der Implementierung müssen rechtliche, technische und organisatorische Rahmenbedingungen, sprich die Machbarkeit, geprüft und der erwartete Mehrwert anhand von messbaren Kriterien definiert werden.
4.
KI sollte iterativ und in kleinen Pilotprojekten getestet werden, um Erfahrungen zu sammeln, Risiken zu minimieren und das Know-how der Projektteams kontinuierlich auszubauen.
Springer Professional
Künstliche Intelligenz
Wessel, D. (2023): Gebrauchstaugliche Entwicklung von KI-Anwendungen, in: Heine, M. et al.: Künstliche Intelligenz in öffentlichen Verwaltungen, https://sn.pub/ed0vgw (Open Access)
Rupp, C. (2023): Wie der öffentliche Sektor KI schon einsetzt, in: innovative Verwaltung 11, https://sn.pub/be2jtf
Heinemann, M. (2024): Gewachsen, aber noch nicht ausgewachsen, in: innovative Verwaltung 3, https://sn.pub/iimd44
Hörmeyer, M. (2024): Verzerrte Datensätze - ein Dilemma für den wirksamen KI-Einsatz in Verwaltungen?, in: innovative Verwaltung 10, https://sn.pub/vujm30