Vordenker

Warum die Regierungsrevolution von künstlicher Intelligenz mit besseren Tools beginnt, nicht nur mit besseren Daten

mm
Veröffentlicht am
Aktualisiert am
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Für Jahrzehnte basierten Entscheidungen im öffentlichen Sektor auf brüchigen, fragmentierten Systemen. In einer Ära des schnellen Politikwandels und der Echtzeitinformation ist der Engpass nicht länger der Zugang zu Daten, sondern das Fehlen von entscheidungsreifen Tools, die Kontext, Herkunft und Sicherheit in die Workflows einbringen, in denen Beamte tatsächlich handeln. Die Benutzerfreundlichkeit ist jetzt wichtiger als die reine Datensammlung, und die Frage ist, wie Regierungen sich anpassen können, indem sie AI-gestützte Tools bauen oder kaufen, die die Politikumsetzung schneller, sicherer und rechenschaftspflichtiger machen.

Der Engpass: Benutzerfreundlichkeit, nicht Datenzugang

Regierungen verfügen bereits über Ozeane an Informationen wie Gesetzesverfolgungen, Registrierungsanträgen, Wirtschaftsindikatoren, Satellitenbildern, Open-Source-Medien und internen Berichten. Das Kernproblem ist, wie diese Informationen Entscheidungsträgern erreichen, was langsam, stückweise und oft ohne den notwendigen Kontext oder die notwendige Herkunft für eine Entscheidung geschieht. Die US-Überwachungsbehörden haben betont, dass ohne starke Governance, Integration und Rückverfolgbarkeit künstliche Intelligenz und Analytik Schwierigkeiten haben, sich in operative Entscheidungen in missionskritischen Umgebungen umzusetzen.

Dashboards und Data Lakes allein beheben dieses Problem selten. Managementforschung zeigt, dass Dashboards, so nützlich sie sind, Benutzer täuschen oder überwältigen können und nicht unbedingt bessere Entscheidungen verbessern, es sei denn, sie sind eng mit konkreten Entscheidungen und Aktionen verbunden. Studien deuten auch darauf hin, dass der wahre Wert von Analytics erst dann entsteht, wenn Daten im Entscheidungsprozess neu ausgerichtet werden und nicht nur für sich selbst gesammelt werden.

Warum der Status Quo jetzt für eine AI-Transformation bereit ist

Regierungen auf der ganzen Welt kämpfen mit veralteten Systemen, schwindendem institutionellem Gedächtnis und einer Flut zunehmend komplexer politischer Anforderungen. Diese langfristigen strukturellen Probleme treffen sich genau in dem Moment, in dem AI-Tools in der Lage sind, sie zu bewältigen, was den Status Quo unhaltbar und den Fall für eine Transformation dringend macht.

1) Patchwork-Systeme bestehen fort. Kritische Regierungs-IT bleibt ein Mosaik aus Legacy-Anwendungen, E-Mail-Workflows und siloartigen Datenbanken, die nicht interoperieren. Das US-Regierungsprüfungsamt (GAO) weist regelmäßig auf jahrzehntealte, missionskritische Systeme hin, die teuer zu warten und schwer zu modernisieren sind, mit Updates bis 2025, die die am stärksten gefährdeten Plattformen aufzeigen. Weltweit streben Regierungen nach Plattformfähigkeiten, aber der Fortschritt ist ungleichmäßig; der GovTech-Reifegradindex der Weltbank ist ein nützliches Instrument, um zu sehen, wo die digitalen Regierungsbausteine sind und wo sie noch nicht vorhanden sind. Währenddessen macht der Interoperable-Europe-Akt der EU Interoperabilität (gemeinsame Lösungen, Standards, Wiederverwendung) zu einer gesetzlichen Anforderung im öffentlichen Sektor, ein Ansatz, der über Europa hinaus beobachtet werden sollte.

2) Institutionelles Gedächtnis verschwindet. Fluktuation und Personalwechsel untergraben den Kontext – wer entscheidet was, warum und unter welchen Einschränkungen. In den USA berichtet die Partnership for Public Service über eine 5,9-prozentige Fluktuationsrate im gesamten Bundeshaushalt im Fiskaljahr 2023, niedriger als 2022, aber immer noch folgenreich für die Kontinuität des Wissens. Forschungen zu hochrangigen Personalstellen zeigen auch, wie Fluktuation Expertise und Beziehungen untergräbt, die für die Koordination über die Exekutive hinweg entscheidend sind.

3) Politische Komplexität beschleunigt sich. Die reine Menge an Rechtsvorschriften und Richtlinien schafft Blindstellen für Organisationen ohne automatische Änderungserkennung. Das US- Bundesregister veröffentlicht jährliche Statistiken zu Regeln, vorgeschlagenen Regeln und Gesamtdokumentenseiten, die das Ausmaß und die Variabilität veranschaulichen, die Agenturen (und regulierte Einheiten) verfolgen müssen. Text-als-Daten-Projekte wie RegData quantifizieren das Wachstum und die Verteilung von regulatorischen Einschränkungen im Laufe der Zeit und bieten maschinenlesbare Beweise, dass die Überwachungsbelastung real ist.

Von Analyse zu Operationen: Zweckgebundene AI-Agenten für die Politik

Die nächste Welle geht über die Analyse hinaus und operationalisiert. Zweckgebundene Agenten für den öffentlichen Sektor sollten:

  • Ständig relevante Quellen überwachen über Gerichtsbarkeiten und Sprachen hinweg (z. B. können Mediensignale im großen Maßstab überwacht werden).
  • Änderungen mit Kontext und Herkunft kennzeichnen, indem angezeigt wird, welche Satzung, Regel oder Richtlinie geändert wurde und warum es wichtig ist.
  • Erste Entwürfe von Kurzberichten und Auswirkungshinweisen erstellen, die mit dem autoritativen Quelldokument und dem verantwortlichen Politikbesitzer verknüpft sind.
  • Lebende Stakeholder-Karten aufrechterhalten, die die sich ändernde Autorität und den Einfluss widerspiegeln, anstatt statische Organigramme.
  • Direkt in Handlungsmaßnahmen integrieren wie Aufgaben, Kommentarportale, Docketing-Systeme und Freigabeketten, sodass Erkenntnisse in derselben Sitzung zu Handlungen werden können.

Öffentliche Richtlinien unterstützen diesen Wandel. Der NIST-AI-Risikomanagementrahmen (AI-RMF 1.0) legt Praktiken für die Erstellung von AI fest, die gültig, zuverlässig, sicher, resilient, rechenschaftspflichtig, transparent, erklärbar und datenschutzfreundlich sind. Im Jahr 2024 wies das US-Büro für Management und Budget die Agenturen an, Inventare von AI-Anwendungsfällen aufrechtzuerhalten und Mindestrisikopraktiken für Anwendungen umzusetzen, die die Rechte oder die Sicherheit der Öffentlichkeit beeinträchtigen.

Was “gut” für Regierungs-AI-Tools aussieht

Nicht jede AI-Lösung ist für den öffentlichen Sektor geeignet. Um Vertrauen und Zuverlässigkeit aufrechtzuerhalten, müssen Tools einen höheren Standard erfüllen und auf Transparenz, Sicherheit und Interoperabilität ausgerichtet sein, während sie sicherstellen, dass Beschaffungsrahmen die Rechenschaftspflicht stärken.

1) Entscheidungsorientiert durch Design. Beginnen Sie mit den hochriskanten Entscheidungen (z. B. ob eine Notfallbefreiung erteilt werden soll, wie auf eine vorgeschlagene Regel reagiert werden soll, wann ein zwischenbehördlicher Konsultationsprozess ausgelöst werden soll). Arbeiten Sie rückwärts zum Mindestbeweis und zur Herkunft, die zum Handeln erforderlich sind. Präsentieren Sie Optionen, nicht nur Erkenntnisse, und machen Sie die “nächste Aktion” offensichtlich. Dies entspricht dem Schwerpunkt des AI-RMF auf Kontextverständnis, Risikomessung und Kontrollmanagement über den gesamten Lebenszyklus.

2) Erklärbarkeit und Quellenverknüpfung standardmäßig. Jeder Anspruch sollte auf ein Quelldokument mit Inline-Zitaten und Zeitstempeln zurückverfolgbar sein. Dies ist sowohl eine UX-Anforderung als auch eine Governance-Anforderung. Der Rechenschaftsrahmen des GAO betont die Dokumentation und Prüfbarkeit, sodass AI nachverfolgbar und regierbar in öffentlichen Missionen sein kann.

3) Sicherheit und Compliance sind eingebaut. Operationale Tools müssen mit Zero-Trust-Architekturen und den Realitäten von Multi-Cloud- und, wo anwendbar, klassifizierten Netzwerken übereinstimmen. In den USA bedeutet dies, dass Cloud-Dienste auf FedRAMP-Zertifizierungen und die Umsetzung der Zero-Trust-Strategie des OMB sowie des Zero-Trust-Maturity-Modells 2.0 von CISA ausgerichtet werden müssen.

4) Interoperabel ab Tag eins. Die Politikumsetzung überschreitet Agenturen, Regierungsebenen und Grenzen. APIs, gemeinsame Vokabulare und Metadatenstandards sind Voraussetzungen für nützliche AI-Tooling. Der Interoperable-Europe-Akt der EU ist ein vorwärtsgerichteter Ansatz, der Wiederverwendung und grenzüberschreitende Interoperabilität von Beginn an fördert; er trat im Juli 2024 in Kraft und führt weitere Verpflichtungen im Jahr 2025 ein. Der GTMI-Nachweis der Weltbank zeigt ebenfalls, dass plattformübergreifende Fähigkeiten mit besserer Dienstleistung und Widerstandsfähigkeit korrelieren.

5) Beschaffung, die Ergebnisse belohnt. Agenturen berichten regelmäßig, dass Beschaffungsregeln und Compliance-Komplexität die AI-Adoption verlangsamen. Aktuelle Bewertungen heben die Notwendigkeit hervor, AI-Risikanforderungen in Verträge aufzunehmen und die Beschaffung als Hebel für vertrauenswürdige AI zu nutzen. Der AI-RMF des GAO 2025-Überprüfung der Verwendung von generativer AI in Bundesagenturen hat Herausforderungen aufgedeckt, darunter die Einhaltung bestehender Richtlinien, technische Ressourcenbeschränkungen und die Aufrechterhaltung geeigneter Verwendungspolitiken.

Die Einsätze und die Chance

Die Einsätze und die Chance sind klar. In der nationalen Sicherheit und der Wirtschaftspolitik wird das Zeitfenster für Maßnahmen von Wochen auf Tage auf Stunden komprimiert. Der Nationale Sicherheitsausschuss für künstliche Intelligenz endgültiger Bericht warnte, dass Regierungen, die sich nicht an AI-gestützte Workflows anpassen, den Entscheidungsvorteil abgeben werden; Tools, die Informationen in Optionen mit integrierter Governance umwandeln, können den Unterschied zwischen rechtzeitiger Maßnahme und vermeidbarer Verzögerung ausmachen. Die wahre Revolution wird nicht ein weiteres Data-Warehouse sein, sondern operative AI-Tools, die Kontext, Herkunft und Rechenschaftspflicht am Entscheidungspunkt einbetten. Wenn sie richtig umgesetzt werden, stärkt AI das menschliche Urteilsvermögen im Herzen der demokratischen Regierungsführung, anstatt es zu ersetzen.

mm

Joe Scheidler ist der Co-Founder und CEO von Helios, einer AI-nativen Plattform, die das Betriebssystem für die Interaktion zwischen öffentlichen und privaten Sektoren aufbaut, beginnend mit legislativer Intelligenz, regulatorischer Compliance-Prognose und Automatisierung von Regierungsangelegenheiten. Bevor er Helios gründete, arbeitete Joe als Politik- und Strategieberater im Büro des US-Außenministers, wo er die Kongressarbeit für die Koordinierung der US-Regierung bei der Partnership for Global Infrastructure and Investment (PGI) leitete. Zuvor verbrachte er zwei Jahre im Weißen Haus, einschließlich als Sonderberater im Büro des Nationalen Cyber-Direktors (ONCD) und als Associate Director für Nationale Sicherheit und Außenpolitik.

Früher in seiner Karriere hatte Joe Rollen im Büro des USAID-Administrators, im Senat von Virginia und in mehreren politischen Kampagnen auf lokaler, Kongress- und Präsidentenebene inne. Er begann seine Karriere bei einer Non-Profit-Organisation, die sich auf Veteranen und Militärfamilien konzentrierte.

Joe hält einen B.A. von der University of New Hampshire, absolvierte Graduate-Kurse an der Harvard University und erwarb einen M.A. am U.S. Naval War College, wo er sich auf Informationsoperationen und militärische Aufklärung konzentrierte. Er ist Mitglied der Young Professionals Briefing Series des Council on Foreign Relations und der Foreign Policy for America Next Gen Initiative. Ursprünglich aus New Hampshire stammend, lebt Joe jetzt in New York City. Er genießt Wandern, Meeresfrüchte, Basketball und Zeit mit seinem Hund, Scout.