Der Lkw für den Weg zum Bäcker: Warum das Amt nicht für jede Aufgabe einen Chatbot braucht
Eingehende E-Mails lesen, Themen erkennen und an das richtige Fachamt weiterleiten: Viele Anfragen müssen gesichtet und gegebenenfalls weitergeleitet werden. Wenn es um die Automatisierung geht, ist der erste Reflex oft der Ruf nach großen Sprachmodellen. Für häufige, klar begrenzte Sortieraufgaben könnten spezialisierte Modelle jedoch mit weniger Rechenaufwand auskommen. Ob das in einer kommunalen Poststelle zutrifft, muss ein Vergleich zeigen.
Das Nadelöhr im Posteingang
Egal ob im zentralen Info-Postfach der Kommune oder in den Sammeladressen der einzelnen Fachbereiche: Jeden Tag gehen unzählige Anfragen ein. Viele Anfragen müssen gesichtet und gegebenenfalls weitergeleitet werden. Das kann Zeit binden.
Eine naheliegende technische Lösung für die Automatisierung solcher Prozesse sind große Sprachmodelle. Diese Systeme können Mails lesen und eine Zuordnung vorschlagen. Aber ist der Einsatz eines großen Textgenerators für eine simple Auswahlaufgabe immer der beste Weg? Es ist ein bisschen so, als würde man mit einem großen Lastwagen zum Brötchenholen fahren. Für wiederkehrende, eng begrenzte Sortieraufgaben könnten spezialisierte Modelle mit deutlich weniger Rechenaufwand auskommen.
💡 Erklär-Box: Textgenerator vs. Weichensteller
Warum ist nicht jede KI gleich gut für Sortieraufgaben geeignet? Der Unterschied liegt in der Art, wie die Systeme arbeiten.
- Große Sprachmodelle (Generative KI): Das sind die klassischen Chatbots. Sie sind wie talentierte Redenschreiber. Sie erzeugen eine Antwort Stück für Stück, indem sie jeweils das nächste Textstück berechnen. Das macht sie extrem gut darin, komplexe Zusammenfassungen oder neue Texte zu schreiben.
- System-One-Modelle (Klassifizierung): Diese Modelle sind wie Weichensteller. Sie generieren keine freien Antworttexte. Solche Modelle geben eine vorgegebene Auswahl, eine Bewertung oder eine Ja-Nein-Antwort zurück. Das kann bei passenden Aufgaben Rechenaufwand sparen.
Auswählen statt formulieren
Für wiederkehrende, eng begrenzte Sortieraufgaben in der Verwaltung zeigen sogenannte System-One-Modelle einen anderen Ansatz. Bekannte Beispiele dafür sind das kommerzielle Modell Jev oder die quelloffene Variante Laya.
Auf dem Papier klingt dieser Fokus auf strukturierte Entscheidungen nach einer smarten Lösung. Die mehrsprachige Version von Laya hat rund 322 Millionen Parameter und lässt sich technisch selbst betreiben. Das eröffnet einer Kommune die Möglichkeit, Anfragen lokal zu verarbeiten. Ob das gegenüber anderen lokalen oder externen Lösungen Vorteile bringt, müsste sie prüfen. Auch kleine generative Sprachmodelle können schließlich lokal laufen.
Die harte Realität der Praxistests
Trotz der theoretischen Vorteile müssen Verwaltungen die Kirche im Dorf lassen. Ein Modell lokal auf dem eigenen Server zu betreiben, löst nicht automatisch alle rechtlichen Fragen. Eine saubere Prüfung des Datenschutzes und der Rechtsgrundlage für die Verarbeitung der Bürgeranfragen bleibt absolute Pflicht.
Hinzu kommt die technische Zuverlässigkeit. Auch wenn diese Modelle keine freien Texte schreiben, können sie Anfragen natürlich völlig falsch zuordnen. In veröffentlichten Tests schneiden die nicht spezialisierten Laya-Basisversionen bei der Verarbeitung strukturierter Entscheidungen teilweise noch schwach ab. Ob solche Modelle deutschsprachige Bürgeranfragen im Alltag verlässlich zuordnen und ab wann sich der Betrieb rechnet, muss eine Verwaltung in Pilotprojekten erst intensiv testen.
Fazit: Effizienz statt Alleskönner
Die wichtigste Erkenntnis für die nächste IT-Strategierunde bleibt aber bestehen: Die öffentliche Verwaltung muss weg von der Idee, dass für jeden digitalen Handgriff ein riesiger Textgenerator benötigt wird. Bei klar begrenzten Aufgaben lohnt es sich, einfache regelbasierte Systeme, spezialisierte Modelle und große Sprachmodelle kritisch gegeneinander zu testen. Wer nur eine Weiche stellen will, braucht dafür nicht zwingend einen Redenschreiber.
