Haben Sie Fragen zu unserem Artikel oder interkommunaler Zusammenarbeit? Wir freuen uns auf Ihre Nachricht über unser Kontaktformular!
Drei KI-Anwendungsfälle, getestet unter realen Bedingungen: Sprintgruppen aus mehreren hessischen Jobcentern haben Unterlagenprüfung, Fachchatbot und Übergabeassistenz im KI-Reallabor erprobt. Die Bilanz der ersten Sprints zeigt, wo KI heute schon Zeit spart und woran der Transfer in die Fläche noch hängt.
Im KI-Reallabor testen interkommunale Sprintgruppen aus den beteiligten Jobcentern, was Künstliche Intelligenz im Arbeitsalltag wirklich leisten kann. Dafür erproben sie priorisierte Anwendungsfälle aus der KI-Potenzialanalyse in kurzen, iterativen Sprints und dokumentieren ihre Erfahrungen in Laborberichten. Dieser Bericht fasst zusammen, was die ersten Sprints über mehrere Handlungsfelder hinweg gezeigt haben.
Dabei geht es um explorative Praxiserprobungen, nicht um Produktbewertungen. Wir beschreiben die eingesetzten Werkzeuge deshalb bewusst anbieterneutral, als Werkzeugkategorien. Aus den ersten Sprints ist noch kein Use Case hervorgegangen, der bereits bis zur Transferreife erprobt ist. Das ist in dieser frühen Phase auch nicht das Ziel: Der Wert liegt darin, Potenziale sichtbar zu machen und die Bedingungen zu benennen, unter denen ein Transfer in die Fläche gelingen kann.
Ausgangspunkt ist das priorisierte Use-Case-Backlog aus der KI-Potenzialanalyse (Arbeitspaket 1). Interkommunale Sprintgruppen wählen daraus einzelne Use Cases aus und erproben sie in Sprints von zwei bis vier Wochen: von der Sprintplanung über die Erprobung und Bewertung bis zur Dokumentation im Laborbericht und der abschließenden Retrospektive. So entsteht Schritt für Schritt ein belastbares Bild davon, welche KI-Ansätze im Jobcenter-Alltag tragen und welche nicht.
Ausgangsproblem. Die Erstantragsbearbeitung ist stark regelbasiert und mit viel manueller Vorarbeit verbunden: Unterlagen sichten, Vollständigkeit prüfen, Eingangs- und Nachforderungsschreiben erstellen.
Was wurde erprobt. Die Sprintgruppe hat ein allgemeines KI-Sprachmodell und eine auf Datenschutzkonformität ausgelegte KI-Plattform genutzt, um aus den Antragsdokumenten die Bedarfsgemeinschaft und fehlende Unterlagen zu ermitteln, eine Plausibilitäts- und Qualitätsprüfung vorzunehmen und Entwürfe für Eingangsbestätigung und Nachforderung zu erstellen.
Zentrale Erkenntnisse. Das leistungsstarke Modell erreichte die Testziele innerhalb der gesetzten Grenzen: ein strukturierter Vermerk mit Grunddaten, eine vollständige Auflistung vorhandener und fehlender Unterlagen, eine überzeugende Plausibilitätsprüfung und brauchbare Schreibentwürfe. Die datenschutzkonforme Plattform stieß dagegen an ihre Leistungsgrenzen, etwa bei der Erkennung unstrukturierter Formulare, bei Fehlinterpretationen und durch die Begrenzung der Anlagenzahl. Je nach Umfang liegt die Zeitersparnis im Minutenbereich, hinzu kommt mehr Sicherheit durch das Vier-Augen-Prinzip.
Voraussetzungen für eine Nachnutzung. Verfügbarkeit eines Werkzeugs, das zugleich leistungsfähig und datenschutzkonform ist; strukturierte, maschinenlesbare Formulare; eine abschließende fachliche Kontrolle durch die Sachbearbeitung.
Reifegrad. Explorativ erprobt, noch nicht transferreif. Der Transfer ist derzeit an die Verfügbarkeit leistungsfähiger und zugleich datenschutzkonformer Werkzeuge gebunden.
Ausgangsproblem. Fachwissen zu SGB II und SGB III liegt stark fragmentiert vor. Die Recherche kostet Zeit und Konzentration, besonders bei komplexen Einzelfragen und für neue Mitarbeitende.
Was wurde erprobt. Die Sprintgruppe hat eine dokumentenbasierte (RAG-)Chatbot-Plattform erprobt, die ihre Antworten ausschließlich aus hinterlegten Fachquellen und freigegebenen Websites zieht, nicht aus allgemeinem Modellwissen.
Zentrale Erkenntnisse. Die Plattform erwies sich als flexibel konfigurierbar und hielt sich strikt an die Vorgaben des Prompts: Sie wies fachfremde Fragen ab, beantwortete Fachfragen belegbar und referenzierte Fundstellen korrekt. Auch die Einbindung einer eigenen Website oder bestehender FAQ war möglich. An ihre Grenzen stieß sie bei der Konfiguration, die eine gründliche Einarbeitung braucht, bei Präzedenz- und Einzelfallentscheidungen, für die sie nicht geeignet ist, und beim laufenden Aufwand, die hinterlegte Wissensbasis aktuell zu halten.
Voraussetzungen für eine Nachnutzung. Datenschutzfreigabe; sorgfältige Konfiguration und Schulung der verantwortlichen Personen; eine gepflegte, freigegebene Wissensbasis; sowie Akzeptanz bei den Mitarbeitenden.
Reifegrad. Explorativ erprobt, noch nicht transferreif. Funktional tragfähig; der Fachchatbot wird im nächsten Sprint gezielt bis zur Transferreife weiterentwickelt, inklusive Transfermaterialien für andere Jobcenter.
Ausgangsproblem. Fallrelevante Informationen liegen über Fachverfahren und Fallakte verteilt vor. Bei Fallübergaben und in Vertretungssituationen ist das Zusammentragen zeitaufwendig.
Was wurde erprobt. Die Sprintgruppe hat eine lokal ausgeführte, im Jobcenter selbst entwickelte Fallbericht-Anwendung erprobt, die aus dem Fachverfahren einen strukturierten Fallbericht erzeugt, wahlweise mit Klardaten oder pseudonymisiert. Eine KI-Anwendung bereitet den Bericht anschließend fachbereichsspezifisch für Leistung oder Vermittlung auf.
Zentrale Erkenntnisse. Ein strukturierter Fallbericht entsteht in kurzer Zeit, und die Integration in die Fachsoftware sowie die Anbindung an die e-Akte sind möglich. Je nach Fallgröße reicht die Zeitersparnis von einigen Minuten bis zu mehreren Stunden, spürbar vor allem bei Vertretung und Übergabe. Dem stehen jedoch Grenzen gegenüber: Die Pseudonymisierung ersetzt keine inhaltliche Sichtprüfung, die Ergebnisqualität hängt von gepflegten Fachdaten ab, und es sind sowohl eine Datenschutz- als auch eine Softwarefreigabe nötig.
Voraussetzungen für eine Nachnutzung. Eine datenschutzkonforme, freigegebene KI-Anwendung; Programmier- und Infrastruktur-Know-how für die Erzeugung des Fallberichts; eine menschliche Sichtprüfung vor jeder Weitergabe.
Reifegrad. Explorativ erprobt, noch nicht transferreif. Die Erprobung hat wichtige Praxiserfahrungen geliefert; parallel zur weiteren Ausarbeitung werden auch Datenschutz- und Freigabefragen relevant.
1. Leistungsfähigkeit und Datenschutzkonformität müssen zusammenkommen. Bei der Unterlagenprüfung zeigte sich das besonders deutlich: Das leistungsstärkere Werkzeug war nicht freigegeben, das freigegebene Werkzeug reichte an die Leistung (noch) nicht heran. Beim Fachchatbot und bei der Übergabeassistenz steht zunächst die inhaltliche Weiterentwicklung im Vordergrund. Die Freigabefragen stellen sich hier mit wachsender Reife und lassen sich in den Laborgruppen bereits über gemeinsame Anforderungen vorbereiten.
2. Der Mensch bleibt in der Verantwortung. Alle Use Cases funktionieren als Assistenz mit menschlicher Endkontrolle (Vier-Augen-Prinzip und Sichtprüfung), nicht als autonome Entscheidung.
3. Ergebnisqualität hängt an Datenqualität. Strukturierte, gepflegte und maschinenlesbare Grundlagen (Formulare, Fachdaten, Wissensbasis) sind Voraussetzung für belastbare Resultate.
4. Befähigung entscheidet über Wirkung. Konfiguration, Einarbeitung, Schulung und die Akzeptanz der Mitarbeitenden sind ebenso wichtig wie das Werkzeug selbst.
5. Realistische Erwartungen. Die Zeiteffekte sind real, aber use-case- und fallabhängig (Minuten bis Stunden). Der Nutzen entsteht in der Breite und in der Wiederholung.
Die ersten Sprints zeigen: KI-Assistenz kann in mehreren Handlungsfeldern der kommunalen Jobcenter praktisch funktionieren. Gleichzeitig wird deutlich, welche Bedingungen erfüllt sein müssen, bevor ein Use Case in die Fläche getragen werden kann: Werkzeuge, die leistungsfähig und datenschutzkonform zugleich sind, gepflegte Datengrundlagen und eine gute Einarbeitung. Als Nächstes bringen wir den Fachchatbot gezielt bis zur Transferreife, inklusive Transfermaterialien für andere Jobcenter. Wir setzen die Erprobung in weiteren Sprints fort. Sobald ein weiterer Use Case bis zur Transferreife erprobt und empfohlen ist, bereiten wir ihn im KI-Kompass mit konkreten Handlungsempfehlungen auf.
Das Vorhaben „KI_Hub Kommunal“ wird im Rahmen des Programms „Starke Heimat Hessen“ – „Förderung smarter Kommunen und Regionen“ durch das Hessische Ministerium für Digitalisierung und Innovation gefördert.
