Kontext entscheidet, nicht das Modell KI in der Fachverfahrensmodernisierung

Anbieter zum Thema

EXXETA AG

Ceyoniq Technology GmbH

Fabasoft Deutschland GmbH

mgm technology partners GmbH

Viele Behörden wollen künstliche Intelligenz in der Fachverfahrensmodernisierung einsetzen – und scheitern nicht an der Technologie, sondern an einer falsch gesetzten Reihenfolge. Entscheidend ist nicht, welches KI-Modell gewählt wird, sondern welche Art von Modernisierung überhaupt vorliegt.

Es gibt eine Beobachtung, die sich in nahezu jedem Gespräch mit IT-Verantwortlichen in Bundesbehörden wiederholt: Der Wunsch, künstliche Intelligenz produktiv einzusetzen. KI wird als Hebel gesehen, der das Tempo der Modernisierung erheblich erhöht. Und dieser Gedanke ist nicht falsch. Aber er ist unvollständig. Denn KI ist kein Beschleuniger im luftleeren Raum. Sie arbeitet mit dem, was bereits vorhanden ist. Und wenn das Vorhandene eine gewachsene, spärlich dokumentierte, kaum testbare IT-Landschaft ist, dann beschleunigt KI vor allem eines: das Sichtbarwerden struktureller Probleme, die vorher langsamer eskaliert wären.

Die OECD hat 2025 rund reale 200 KI-Anwendungsfälle in staatlichen Kernfunktionen analysiert. 67 Prozent der untersuchten Länder nutzen KI bereits, um öffentliche Dienstleistungen zu verbessern. Aber der Einsatz bleibt fragmentiert, ungleich verteilt und selten skaliert. Das liegt meist nicht am fehlenden politischen Willen, sondern an fehlenden Fundamenten.

Wer KI in der Fachverfahrensmodernisierung nutzen will, muss zuerst eine entscheidende Frage beantworten, die wichtiger ist als das richtige Modell: Was modernisiert man eigentlich, und auf welchem Fundament soll die KI dabei operieren? Auf diese Frage fehlt vielen eine belastbare Antwort. Genau deshalb produzieren so viele Pilotprojekte eindrucksvolle Demos und stagnieren anschließend. Um diese Frage beantworten zu können, braucht es jedoch einen Schritt zurück. Denn eine Annahme hält sich hartnäckig und ist zugleich falsch: dass es „das Fachverfahren” überhaupt gibt.

Fachverfahren sind keine einheitliche Kategorie

Die Schwierigkeit der Fachverfahrensmodernisierung liegt nicht zuletzt darin, dass es in der öffentlichen Verwaltung eben kein einheitliches Fachverfahren gibt. Stattdessen existiert eine bemerkenswerte Vielfalt an IT-Software, die zur Abwicklung strukturierter, spezifischer Fachaufgaben eingesetzt wird. Diese reicht von gewachsenen Monolithen, die seit Jahrzehnten laufen und deren ursprüngliche Entwicklerinnen und Entwickler längst im Ruhestand sind, über zahlreiche kleinere Fachanwendungen, die strukturell ähnlich, aber historisch isoliert entstanden sind, bis hin zu moderneren Systemen, die kontinuierlich weiterentwickelt werden – und dabei zunehmend unter technischen Schulden leiden.

Was diese technischen Schulden konkret bedeuten, lässt sich quantifizieren: Laut einer Studie unter 500 IT-Führungskräften fließt rund ein Drittel des gesamten IT-Budgets in den Umgang mit technischen Schulden. Dazu kommt, dass bei Behörden, die seit 40 Jahren dieselbe Kernsoftware betreiben, technische Schulden eine andere Qualität haben als bei Unternehmen, die vor zehn Jahren ihren ersten Microservice gebaut haben. Sie sind nicht bloß akkumuliert, sondern strukturell eingebettet. Die Logik eines Beihilfeverfahrens, das 1987 als COBOL-Programm implementiert wurde, ist nicht dokumentiert, weil sie zur Zeit der Entwicklung nicht dokumentiert werden musste – jeder kannte sie. Heute kennt sie niemand mehr vollständig.

Wer unter diesen Voraussetzungen KI in der Modernisierung einsetzen will, muss zunächst verstehen, mit welcher Art von System er es überhaupt zu tun hat. Denn davon hängt ab, welche Strategie sinnvoll ist – und welche nicht.

Drei Modernisierungstypen – und warum sie unterschiedliches Vorgehen verlangen

In der Praxis lassen sich die unterschiedlichen Ausgangslagen auf drei grundlegende Konstellationen verdichten:

Bei der Re-Architektur soll ein monolithisches System in eigenständige Komponenten überführt werden. Die größte Herausforderung liegt hier selten im Code selbst, sondern im fehlenden Systemverständnis. Abhängigkeiten sind implizit, historisch gewachsen und kaum dokumentiert. Wird in diesem Kontext ein Code-Agent eingesetzt, kann er lokal korrekte Änderungen vornehmen – ohne deren systemische Auswirkungen zu erkennen. Fehler zeigen sich dann nicht sofort, sondern oft erst Wochen später in anderen Prozessen.

Beim Re-Build ist die Ausgangslage eine andere. Hier existieren viele ähnliche Anwendungen, die unabhängig voneinander entwickelt wurden. In solchen Fällen kann KI tatsächlich zum Beschleuniger werden – vorausgesetzt, dass das zugrunde liegende Muster explizit beschrieben ist. Dann lassen sich Strukturen erkennen, übertragen und für neue Anwendungen nutzen. Bleibt dieses Muster jedoch implizit, etwa im Erfahrungswissen einzelner Mitarbeitender, bleibt auch das Potenzial der KI begrenzt.

Beim Re-Factoring schließlich laufen Systeme weiter, werden kontinuierlich erweitert, verlieren aber schrittweise an technischer Qualität. Neue Anforderungen lassen sich nur noch mit wachsendem Aufwand umsetzen, Fehler nehmen zu, Releasezyklen werden länger. KI kann hier sinnvoll unterstützen – allerdings nur unter einer Voraussetzung: Das System muss verstanden sein. Ohne belastbare Tests und nachvollziehbare Strukturen wird zusätzliche Geschwindigkeit schnell zum Risiko.

So unterschiedlich die Konstellationen sind, verbindet sie doch eine gemeinsame Voraussetzung: Sie lassen sich nur mit KI-Unterstützung modernisieren, wenn das Systemwissen vorhanden ist.

Der strategische Hebel liegt im Systemkontext

Wer den richtigen Modernisierungstyp identifiziert hat, steht vor einer zweiten Erkenntnis, die mindestens ebenso unbequem ist: Die eigentliche Herausforderung ist nicht die Technologie oder die Komplexität der Systeme – es ist das fehlende operative Systemwissen. Gemeint ist nicht Dokumentation im klassischen Sinne wie Architekturdokumente, Confluence-Seiten oder Schnittstellenbeschreibungen. Gemeint ist ein anderes, tieferes Verständnis:

• Welche Abhängigkeiten bestehen zwischen Modulen, und welche davon sind nirgendwo explizit beschrieben?

• Welche fachlichen Regeln sind implizit im Code eingebettet, weil sie zur Zeit der Implementierung als selbstverständlich galten?

Dieses Wissen – das operative Systemmodell – ist in vielen Behörden selten vollständig vorhanden. Ein Code-Agent ohne belastbares Systemmodell ist allerdings kein belastbares Modernisierungswerkzeug. Er kann Syntax und Muster erkennen, sauberen Code schreiben. Aber er kann nicht wissen, dass eine bestimmte Variable nicht den technischen Wert „0” bedeutet, sondern den fachlichen Zustand „Verfahren ruhend, nicht löschen”. Die Frage ist also nicht, ob dieses Wissen aufgebaut werden muss, sondern wie.

Eine rein dokumentationsbasierte Lösung greift zu kurz. Dokumentation, die manuell gepflegt wird, veraltet zwangsläufig. Was benötigt wird, ist eine Form der Wissensrepräsentation, die näher am tatsächlichen Zustand des Systems bleibt, maschinenlesbar ist und kontinuierlich aktualisiert werden kann. Hier gewinnen Knowledge Graphen als ein Baustein an Bedeutung.

Sie machen explizit, was sonst implizit bleibt, und bilden Systeme als Netz von Komponenten, Beziehungen und fachlichen Bedeutungen ab. Damit schaffen sie die Grundlage, auf der KI-Systeme nicht nur Code generieren, sondern auch im Kontext bewerten können.

Fazit: Nicht das Modell entscheidet, sondern das Fundament

KI wird die Fachverfahrensmodernisierung verändern. Aber die Behörden, die davon profitieren werden, sind nicht zwangsweise die mit dem größten KI-Budget oder dem leistungsstärksten Modell. Viel entscheidender ist die Qualität des Systemkontexts, den eine Organisation aufgebaut hat. Der Weg dorthin beginnt mit der Differenzierung nach Modernisierungstyp, führt über den ehrlichen Blick auf das vorhandene Systemwissen und endet bei einer Infrastruktur, die dieses Wissen maschinenlesbar, aktuell und agentenkompatibel hält. Wer diesen Kontext heute als wertvolle Ressource behandelt, legt das Fundament, auf dem jede weitere Automatisierungsstufe aufsetzt. Und genau daraus entsteht der Vorsprung – nicht im nächsten Tool, sondern im besseren Verständnis der eigenen Systeme.

Künstliche Intelligenz in der Verwaltung

KI-gestützte Fachverfahren

Psychologie der Automation

Verwaltungs-KI braucht Menschen

(ID:50862178)