Page - 135 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 135 KI liegen inzwischen ausgereift vor. Packzettel, Lieferscheine, Faxunterlagen, telefo- nische oder Online-Bestellungen, Rechnungen sowie Mahnungen liefern dann Infor- mationen, die sich als „smarte Daten“ nutzen lassen – so z. B. als Trainingsdaten, die automatisierte, sprachgesteuerte Systeme befähigen, an der Schnittstelle zu Kunden oder Lieferanten kommunikative Aufgaben zu übernehmen: „[…] Sprachgesteuerte Bots können Rechnungen oder Bestellungen annehmen oder fehlerhafte Liefermen- gen eigenständig korrigieren. Mithilfe von maschinellem Lernen (ML) und tiefem Lernen (Deep Learning, DL) passt sich das System immer besser an die unterneh- mensinternen Richtlinien an und lernt von der kontinuierlichen Interaktion mit Anwendern und Lieferanten. Mit je mehr Daten das System gefüttert wird, umso intelligenter wird es und kann die angelernte Wissensbasis nutzen, um alle Prozesse im Beschaffungsmanagement zu optimieren […]“ (Industry of Things 2018). Finanz- ämter, Ausländerbehörden oder das Bundesamt für Migration und Flüchtlinge könn- ten aktuell dankbare Anwender dieser Technologien werden. Die Identifikation und das Management von Engpässen im Verwaltungshandeln kann durch prädiktive Ver- fahren verbessert und dynamisch angepasst werden. Methoden des ML können das Sortieren von Datensätzen, beispielsweise also die Zuordnung unterschiedlich notierter oder in Varianten auftretender Rechnungen und Lieferscheinen sein, die sich aufgrund von fehlerhaften oder uneinheitlichen Schreib- weisen unterscheiden, obwohl sie eindeutig zu einer Institution oder Person gehö- ren. Die intelligente Vereinheitlichung geschieht dabei nach Regeln. Darüber hinaus ist es von hohem Interesse, auch eine inhaltliche Identifizierung und Klassifizierung zu erreichen. Hier kommt DL zum Zuge. „[…]. DL anhand von Wort- vektoren würde im Beschaffungsmanagement beispielsweise bedeuten, dass eine Rechnung mit der Betreffzeile ‚Plastik, 500ml, Evian‘ automatisch als abgefülltes Wasser erkannt wird. Die richtige Zuordnung erfolgt rein auf Basis des Kontexts und durch die wachsende Erfahrung des lernenden Systems. Eine manuell dafür aufge- setzte Regel ist nicht notwendig[…]“ (Industry of Things 2018). Fazit und Ausblick Die angeführten Beispiele geben einen Eindruck davon, wie die KI im Sinne der Bür- gerinnen und Bürger die öffentlichen Verwaltungsabläufe verbessern kann. Wenn sich auch KI-Technologien und -Methoden noch in der Entwicklung befinden, ist es dennoch notwendig, erste Schritte einzuleiten, um sie in der öffentlichen Verwaltung einzuführen. Dies betrifft insbesondere die intelligente Vernetzung der Kommunika- tionssysteme und die Datenarchitektur. Ein dynamisches Stufenmodell (siehe Abbil- dung  6.7) zeigt auf, wie die Digitalisierung in der öffentlichen Verwaltung weiter vorangetrieben und die Interaktion zwischen Bürgern und Verwaltung verbessert werden kann.