Steigerung der Effizienz von Behörden mithilfe von KI-Agenten
Senkung der Kosten und Erfüllung der Effizienzvorgaben
Auf Behörden und Organisationen des öffentlichen Sektors lastet heute ein enormer Druck, die Effizienz zu steigern und die Kosten zu senken. Gleichzeitig müssen sie Wege finden, um ein breites Spektrum wichtiger Aufgaben zu erfüllen – von der Bearbeitung von Passanträgen und der Auszahlung von Sozialversicherungsleistungen bis hin zur Übersetzung von diplomatischen Dokumenten und der Erkennung von verdächtigem Verhalten im öffentlichen Raum.
Alle Bürger erwarten von Behörden und Organisationen des öffentlichen Sektors schnelle und bequeme Nutzererfahrungen. Wir wollen rund um die Uhr und über unterschiedlichste digitale Geräte auf Informationen zugreifen und Anfragen stellen können.
In Gesprächen mit Führungskräften aus dem öffentlichen Sektor höre ich oft, dass sie gern KI-Agenten – bzw. „agentenbasierte KI“ – einsetzen, um Effizienzvorgaben schnell zu erfüllen und gleichzeitig das Dienstleistungsangebot zu verbessern. Auch in anderen Branchen wird das Potenzial von KI-Agenten erkannt. In einer kürzlich von der Boston Consulting Group durchgeführten Umfrage haben 58 Prozent der IT-Einkäufer in Handelsunternehmen angegeben, dass sie bereits KI-Agenten einsetzen. Weitere 35 Prozent erwägen dies nach eigener Aussage ernsthaft. Diese Käufer versprechen sich von KI-Agenten eine Investitionsrendite von 13,7 Prozent – das ist mehr, als von nicht-agentenbasierten generativen KI-Anwendungen erwartet wird. Was Organisationen des öffentlichen Sektors angeht, könnten diese erhebliche Kosteneinsparungen erzielen.
KI-Agenten sind aber auch mit Risiken verbunden. Denn wenn sie ungenaue Informationen oder falsche Ergebnisse liefern, macht das die Effizienzvorteile und die Kosteneinsparungen unter Umständen schnell zunichte. Bei der Planung der Implementierung werden die Integration von Leitplanken und Schleifen für kontinuierliche Verbesserungen der Schlüssel sein, um den größtmöglichen Nutzen aus KI-Agenten zu ziehen.
Anwendungsfälle für den Einsatz von KI-Agenten im öffentlichen Sektor
Es gibt zahlreiche potenzielle Anwendungsfälle für KI-Agenten im öffentlichen Sektor. In jeder davon können Agenten den dringenden Bedarf erfüllen, manuelles menschliches Eingreifen zu verringern oder ganz zu beseitigen. Es folgen vier Beispiele für einfache Anwendungsfälle:
Telefonischer und webbasierter Support: Ein KI-Agent könnte als erster telefonischer oder internetbasierter Ansprechpartner von Behörden wie Sozial- oder Finanzämtern eingesetzt werden, Informationen bereitstellen und Bürgern Maßnahmen empfehlen. Benötigt jemand weitere Hilfe, kann der KI-Agent den Anruf oder die Online-Anfrage an einen Menschen weiterleiten.
Videoüberwachung zur Gewährleistung der öffentlichen Sicherheit: Ein Betreiber öffentlicher Nahverkehrsmittel kann mit einem KI-Agenten außergewöhnliche Ereignisse in Echtzeit-Videofeeds von Bussen oder Bahnstationen ausfindig machen. Der KI-Agent wäre in diesem Fall ständig aktiv. Er könnte ungewöhnliches Verhalten erkennen und das richtige Personal alarmieren, damit eine gründlichere Analyse durch einen Menschen durchgeführt wird.
Dokumentenverarbeitung: Bei Behörden, die mit verschiedenen Sprachen und unterschiedlichen Arten von Dokumenten zu tun haben, können KI-Agenten Unterlagen übersetzen, Inhalte klassifizieren und dann Informationen an bestimmte Personen senden oder sie an einem geeigneten Ort speichern. Sie könnten dem Menschen damit die mühsame Verwaltungsarbeit erheblich erleichtern.
Interne Suche in Behörden: Mitarbeitende einer Behörde können mithilfe eines agentenbasierten Chatbots schnell die für ihre Verwaltung oder Behörde relevanten Richtlinien finden. Ein solches Tool würde dabei helfen, die kostspielige und zeitaufwendige manuelle Suche in elektronischen oder gedruckten Richtliniendokumenten überflüssig zu machen.
Die Herausforderungen bei der Implementierung von KI-Agenten
KI-Agenten bieten zwar viele vielversprechende Anwendungsbereiche für alle Organisationen des öffentlichen Sektors, doch ihre Implementierung bringt auch einige Herausforderungen mit sich.
In erster Linie sind die Large Language Models (LLM), die den KI-Agenten als Gehirne dienen, nichtdeterministisch. Macht man bei einem LLM fünfmal die gleiche Eingabe, erhält man unter Umständen also jedes Mal eine geringfügig andere Antwort – wobei das Modell nicht verrät, warum die Antworten voneinander abweichen. Diese Inkonsistenz kann erhebliche Probleme verursachen, insbesondere wenn man sich darauf verlässt, dass der KI-Agent Entscheidungen über die öffentliche Sicherheit oder den Umgang mit personenbezogenen Informationen von Bürgern trifft.
Eine zweite, damit verbundene Herausforderung ist das Fehlen von Leitplanken. Um uneinheitliche oder fehlerhafte Ergebnisse zu erkennen, bevor sie Schaden anrichten, muss man den Datenfluss der KI-Agenten im Blick haben und im Griff haben. Gleichzeitig muss man die Kontrolle über die Daten behalten, mit denen LLM trainiert werden. Ob die ausgegebenen Ergebnisse am Ende richtig sind, hängt weitgehend davon ab, ob die Modelle mit korrekten, einheitlichen und qualitativ hochwertigen Daten gespeist werden.
Gerade kommen Tools auf den Markt, die einige der Bedenken hinsichtlich fehlender Leitplanken ausräumen. Deshalb ist es unerlässlich, sich regelmäßig über die Angebote im Bereich KI-Sicherheit zu informieren.
Fünf Überlegungen hinsichtlich der Entwicklung von KI-Agenten-Workflows
Die erfolgreiche Implementierung von KI-Agenten erfordert sorgfältige Planung, technische Arbeit und Prozessanpassungen. Zunächst müssen die gewünschten Funktionen eines Agenten definiert werden. Anschließend müssen das System und der Workflow geschaffen werden. Außerdem sollten von Anfang an Leitplanken eingezogen und Möglichkeiten für eine kontinuierliche Verbesserung der Ergebnisse entwickelt werden.
Legen Sie fest, was der Agent tun soll. Das klingt erst einmal leicht. Doch ein wichtiger erster Schritt ist eine klare Definition des Ziels, denn dann können Sie feststellen, ob Sie auch tatsächlich einen KI-Agenten brauchen, um es zu erreichen. Manche Unternehmen wetteifern darum, KI-Agenten zu implementieren, wenn ein einfaches Workflow-Tool ausreichen würde. KI ist nur erforderlich, wenn der Workflow dynamischer ist. Wenn man eine Aufgabe ohne KI-Agenten automatisieren kann, spart man unter Umständen viel Zeit und Mühe.
Wählen Sie das richtige LLM. Kommt man zu dem Schluss, dass ein KI-Agent für die Automatisierung einer bestimmten Aufgabe notwendig ist, müssen dessen Struktur und Planungsmechanismen festgelegt werden. In den meisten Fällen gehört dazu die Wahl eines quelloffenen oder kommerziellen LLM. Anschließend können mit Retrieval-Augmented Generation (RAG) agentenspezifische Daten abgerufen werden, was zur Gewährleistung korrekter und personalisierter Antworten beiträgt.
Bereiten Sie technische Integrationen vor. Ein KI-Agent dient dazu, mithilfe eines LLM eine Aufgabe oder ein Ziel zu verstehen und dann diese Aufgabe auszuführen oder dieses Ziel zu erreichen. Dazu ist Zugang zu Tools erforderlich, mit denen etwa ein Browser geöffnet oder Dinge in einer Datenbank gespeichert werden können. Um diese Interaktion zwischen LLM und Tool zu ermöglichen, werden die richtigen Kommunikationsprotokolle benötigt.
Bis vor kurzem haben Entwickler zur Integration von Tools und LLM vornehmlich API verwendet. Ein neueres Model Control Protocol (MCP) wird jedoch gerade zum De-facto-Standard für die Verbindung von KI-Systemen mit externen Anwendungen. MCP findet breite Akzeptanz und wird Innovationen fördern, da dieses Protokoll eine einfache Integration für eine Zusammenarbeit aller KI-Modelle und -Tools bietet.Ziehen Sie Leitplanken ein. KI-Agenten verheißen die autonome Erledigung von Aufgaben, aber für ihre Kontrolle ist oft ein gewisses Maß an menschlichem Eingreifen erforderlich. Genauer gesagt muss möglicherweise ein Menschen in den betreffenden Ablauf eingebunden sein, der bestimmte Aktionen überprüft und dem Agenten für ihre Ausführung grünes Licht gibt.
Nehmen wir zum Beispiel KI-Agenten, die bei von vielen Behörden genutzten telefonischen Vermittlungsstellen zum Einsatz kommen. Hier könnte man die Antworten des Agenten von einem Menschen auf ihre Richtigkeit hin überprüfen lassen. Wenn jemand die Zentrale beispielsweise wegen einer nicht erhaltenen Zahlung kontaktiert, kann der KI-Agent das Problem untersuchen und eine Antwort vorschlagen, z. B. „Die Zahlung wurde aufgrund eines Systemfehlers nicht durchgeführt.“ Der Mitarbeiter würde dann diese KI-generierte Antwort kontrollieren und sicherstellen, dass sie korrekt ist, bevor er dem Bürger antwortet und die Zahlung veranlasst.
Sicherheitsfunktionen und Data Governance-Richtlinien sind nicht nur sorgen nicht nur dafür, dass ein Mensch in die Abläufe eingebunden wird – sie sind auch wichtig, um die mit KI-Agenten verbundenen Risiken zu minimieren.Schaffen Sie einen geschlossenen Kreislauf. Zusätzlich zur Überwachung von Ein- und Ausgaben benötigen Sie auch eine Möglichkeit, die Genauigkeit der Ergebnisse kontinuierlich zu verbessern, damit der Agent mit der Zeit smarter und effektiver wird. Dazu muss ein geschlossener Kreislauf geschaffen werden. So können Anpassungen an den Prompts, dem Informationsfluss oder dem Datensatz im RAG-System vorgenommen werden.
Zusätzliche Verfahren können helfen, die Genauigkeit weiter zu verbessern. Vor allem durch die Einbindung von zusätzlichen Daten in die Modelle und das Hinzufügen von weiterem Kontext zu den Prompts lässt sich die Genauigkeit der Ergebnisse erhöhen.
Beginnen Sie jetzt mit der Entwicklung und dem Einsatz von KI-Agenten
Einige kommerzielle Unternehmen (wie Salesforce und Microsoft) implementieren bereits KI-Agenten in Arbeitsabläufe. Sie beginnen mit geschlossenen Umgebungen und nutzen KI-Agenten, um ihren Nutzern neue oder bessere Erfahrungen zu bieten. Zum Beispiel kann ein Microsoft-Nutzer einen KI-Agenten bitten, die E-Mails einer bestimmten Person zusammenzufassen, alle Einladungen seines Vorgesetzten anzunehmen und Anfragen, die sich mit den Anfragen seines Vorgesetzten überschneiden, neu zu planen.
Organisationen des öffentlichen Sektors, die unter extremem Druck stehen, ihre Effizienz zu steigern und Kosten zu senken, stehen in bei der Einführung von KI-Agenten in den Startlöchern. Ihr Unternehmen könnte damit beginnen, Agenten für einfache Arbeitsabläufe zu implementieren, um Zeit zu sparen und den manuellen Aufwand zu verringern.
In naher Zukunft können Sie KI-Agenten dann vielleicht auch in komplizierteren, offenen Umgebungen einsetzen. Die Kombination von KI-Agenten mit IoT beispielsweise wird wichtige neue Möglichkeiten schaffen, etwa den Einsatz von KI-Agenten mit autonomen Werk- oder Fahrzeugen. Diese Anwendungsfälle können die Qualität der Dienstleistungen für die Bürger weiter verbessern und gleichzeitig die betriebliche Effizienz deutlich steigern, was für Behörden auch in Zukunft ein wichtiges Ziel sein wird.
Cloudflare kann Ihrem Unternehmen helfen, KI-Agenten zu entwickeln und die notwendigen Leitplanken einzuführen. Die Cloudflare Workers AI-Plattform ermöglicht es Unternehmen, KI-gestützte Agenten und Anwendungen im globalen Netzwerk von Cloudflare zu erstellen und auszuführen. Das trägt dazu bei, die Performance zu maximieren, die Skalierbarkeit von Modellen zu verbessern und gleichzeitig die Entwicklung zu optimieren und die Kosten zu senken. In der Zwischenzeit kann mit Cloudflare die Implementierung eines Zero Trust-Sicherheitsmodells beschleunigt werden, das die Korrektheit der Ausgaben von KI-Agenten erhöht, indem es den Zugriff auf die von den Agenten verwendeten Daten und Modelle kontrolliert. Mit Cloudflare können sich Behörden und andere Organisationen des öffentlichen Sektors die Leistungsfähigkeit von KI-Agenten zunutze machen, um ihre Dienste zu verbessern, die Kosten zu senken und gleichzeitig die Leitplanken für ihren Einsatz zu verstärken.
Dieser Beitrag ist Teil einer Serie zu den neuesten Trends und Themen, die für Entscheidungsträgerinnen und -träger aus der Tech-Branche heute von Bedeutung sind.
Vertiefung des Themas:
In dem CISO-Leitfaden „Sicherer Umgang mit KI“ erfahren Sie mehr über die Implementierung von Leitplanken für den Einsatz von KI-Agenten in Ihrem Unternehmen.
Autor
Dan Kent – @danielkent1
Field CTO for Public Sector, Cloudflare
Wichtigste Eckpunkte
Folgende Informationen werden in diesem Artikel vermittelt:
Vier wichtige Anwendungsfälle für KI-Agenten im öffentlichen Sektor
Die wichtigsten Herausforderungen für Unternehmen bei der Implementierung
Fünf Überlegungen für Unternehmen zur Entwicklung eines Wireframe-Plans zum Einstieg