ArKi

Das Projekt analysiert die Anforderungen, technischen Grundlagen und Umsetzungsoptionen eines modularen KI-Frameworks, das generative KI in Verwaltungsprozesse integriert. Ausgangspunkt ist die Beobachtung, dass große Sprachmodelle (z. B. Chat-Modelle, offene LLMs) ein hohes Potenzial besitzen, in der öffentlichen Verwaltung bislang jedoch nur fragmentarisch genutzt werden. 

Zwei prototypische Anwendungsfälle wurden von der Analyse bis zum Minimal Viable Product (Genauigkeit > 97 %) umgesetzt. Dabei erfolgte eine detaillierte Kosten-Nutzen-Bewertung, die die technische Machbarkeit, Halluzinationsrisiken generativer Modelle sowie den Aufwand für den Übergang vom Prototyp in den Produktivbetrieb berücksichtigte. 

Das Ergebnis ist ein Blueprint, der multimodale, multimodell- und multiagentenfähige Komponenten (Interaktion, Gedächtnis, Planung, Werkzeugausführung) sowie standardisierte Schnittstellen zu bestehenden Fachverfahren bereitstellt.

Der zentrale Beitrag ist die konzeptionelle und experimentelle Erarbeitung eines modularen, agentischen KI-Frameworks für die gesamte öffentliche Verwaltung. Die übergeordnete Forschungsfrage lautet: Welches KI-Framework ermöglicht einen fachübergreifenden, nutzenstiftenden, skalierbaren und souveränen Einsatz von KI-Technologien in der öffentlichen Verwaltung? 

Die methodische Vorgehensweise gliedert sich in drei Schritte: 

1. Problemzerlegung – Balance zwischen Unter- und Überspezifikation, Integration probabilistischer und symbolischer Komponenten, Modellierung von Unsicherheit sowie Priorisierung kontextabhängiger Ressourcen;
2. Evaluation – Definition von Robustheits-, Sicherheits- und Erklärbarkeitskriterien, Aufbau synthetischer und realitätsnaher Testszenarien sowie iterative Einbindung von menschlichem Feedback;
3. Funktionale Architektur – flexible Kommunikations- und API-Schichten, hybrider Speicher (episodisch, semantisch, prozedural), kombinierte Planungsmechanismen (probabilistisch + symbolisch) und kontrollierte Werkzeugausführungsebenen. 

Das Framework wird in einem agilen Forschungs- und Entwicklungszyklus umgesetzt, wobei Kosten-Nutzen-Analysen, Halluzinationskontrollen und Datenschutzaspekte systematisch berücksichtigt werden. Die Ergebnisse zeigen, dass ein modular aufgebautes, multiagentenfähiges Framework die Entwicklungs- und Betriebskosten signifikant reduziert, die technologische Souveränität stärkt und gleichzeitig die Einhaltung von Sicherheits- und Datenschutzstandards sicherstellt.