Die Herausforderung: Bürokratie als Wachstumshemmnis
Die überbordende Bürokratie ist für viele Unternehmen das Top-Ärgernis derzeit, das vor allem Zeit, Geld und Ressourcen kostet. Schon vor Jahren hatte das Statistische Bundesamt berechnet, dass durch rund 9000 Informationspflichten des Bundesgesetzgebers die Kosten für die deutsche Wirtschaft bei rund 47,6 Milliarden Euro liegen. Nach Berechnungen des Statistischen Bundesamts aus dem Jahr 2009 betrugen die Kosten der deutschen Wirtschaft allein durch ca. 9.200 Informationspflichten des Bundesgesetzgebers ca. 47,6 Milliarden Euro.
Die Industrie- und Handelskammer (IHK) Region Stuttgart hat es sich daher zur Aufgabe gemacht, den Bürokratieabbau aktiv zu unterstützen. Sie fordert die Unternehmen auf, per E-Mail auf bürokratische Hindernisse sowie auf mögliche Lösungsansätze aufmerksam zu machen. Ziel ist es, Strategien zu entwickeln, die über die Bearbeitung einzelner Fälle hinausgehen und eine spürbare Entlastung für die Unternehmen bewirken.
Die Lösung: KI-Technologie als Prozessoptimierer
Um den gestiegenen Auswertungsaufwand zu bewältigen und die Qualität der Auswertungen zu verbessern, hat die IHK Region Stuttgart ein innovatives KI-Tool entwickelt, das auf dem Prinzip der Retrieval Augmented Generation (RAG ) basiert.
Limitierungen alleinstehender Large Language Models (LLM)
Sogenannte Large Language Models (LLM), wie sie auch auf der bekannten Website ChatGPT verwendet werden, weisen folgende Probleme auf:
Da die gesammelten Daten nicht im Trainingsdatensatz des LLM vorliegen, ist dieses nicht in der Lage eine passende Antwort zu generieren. Schlimmstenfalls generiert das LLM sogar eine plausible, aber fehlerhafte Antwort – eine Halluzination.
Ein möglicher Weg diesem Problem entgegenzuwirken ist es, den relevanten Inhalt direkt mit der Anfrage zu übergeben. Da LLMs allerdings nur ein begrenztes Kontextfenster besitzen, ist die Verarbeitung der gewünschten Datenmenge eingeschränkt. Somit wäre das LLM nicht in der Lage alle relevanten Informationen zu erfassen.
Retrieval Augmented Generation (RAG)
Die Retrieval Augmented Generation ist eine neuartige Methode, die das Potenzial von LLM-basierten KI-Systemen zur Textgenerierung erweitert. Der Vorteil dieser Methode ist, dass sie das KI-System mit zusätzlichem Wissen aus verschiedenen Quellen versorgt, das für die Beantwortung der Anfrage relevant sein kann.
Es gibt zwei Schritte in dem Verfahren: die Datenvoraufbereitung und den eigentlichen Abfrageprozess. In der Datenvoraufbereitung werden die eingereichten Vorschläge zum Abbau von Bürokratie in kleinere Textstücke – sogenannte Chunks – zerlegt und in einer Datenbank abgelegt. Durch ein Pseudonymisierungsverfahren ist zudem ein hohes Maß an Datenschutz gewährleistet, welches personenbezogene Daten in den Dokumenten schützt.
Im Abfrageprozess wird mit Hilfe einer Elasticsearch Suchmaschine und einem Ranking-Algorithmus (BM25) die Datenbank nach den passendsten Textstücken durchsucht. Der Algorithmus bewertet hierbei, wie oft und wie verteilt bestimmte Begriffe in Dokumenten auftreten, um die Ähnlichkeit zwischen Abfragen und Dokumenten zu bestimmen. So werden die relevantesten Chunks für eine Abfrage gefunden. Diese Auswahl an Chunks wird gemeinsam mit der Abfrage in einem sogenannten Systemprompt strukturiert zusammengefasst. Der Systemprompt enthält auch Anweisungen für das LLM, die beispielsweise festlegen, dass es seine Antwort ausschließlich auf Basis der bereitgestellten Chunks erstellen soll. Wenn das LLM aus den gegebenen Chunks keine klare Antwort ableiten kann, antwortet es mit „Keine Informationen verfügbar“.
Dieser Ansatz stellt sicher, dass das KI-System nur die relevanten Informationen berücksichtigt und dadurch die Güte der Auswertungen erhöht wird.
Die Anwendung: leichte Handhabung durch übersichtliches Interface
Die Entwicklung einer Web-Anwendung erfolgte in Zusammenarbeit mit dem Anbieter „Embraceble AI“ – eine Gruppe von Software-Entwicklerinnen und Entwicklern, die auf die Erstellung von KI-Produkten fokussiert sind.
Abbildung 2 zeigt das zugehörige ChatBot-Interface. Hier kann der Nutzer eine Frage zu möglichen Maßnahmen zur Bürokratieentlastung stellen. Das KI-System gibt dann eine angepasste Antwort basierend auf den passendsten Bürokratieentlastungsvorschlägen.
Für mehr Transparenz bei den Antworten des KI-Systems kann man die Quellen einsehen, die das System zur Beantwortung herangezogen hat.
Um das KI-Tool kontinuierlich zu verbessern, wurde ein Feedback-System implementiert, das dem Benutzer erlaubt die erzeugten Antworten zu beurteilen. Damit kann das Entwickler-Team die Qualität des Tools leicht überwachen und vorhandene Fehler korrigieren.
Die Erfolge: Mehr Effizienz und Qualität im Bürokratieabbau
Die Einführung des KI-Tools hat zu einer signifikanten Verbesserung in der Bearbeitung von Vorschlägen zum Bürokratieabbau geführt. Die Verarbeitung von etwa 1000 Dokumenten zeigt eine erhebliche Steigerung der Effizienz gegenüber traditionellen Methoden. Dies trägt maßgeblich zur Interessenvertretung der Unternehmen bei und unterstützt den übergeordneten Erfolg des Projektes.
Die IHK Region Stuttgart demonstriert mit diesem innovativen Ansatz, wie der Einsatz von KI-Technologien den Bürokratieabbau effektiv unterstützen und somit einen Beitrag zum Wirtschaftswachstum leisten kann. Die kontinuierliche Weiterentwicklung und Anpassung der eingesetzten Technologien werden auch in Zukunft eine zentrale Rolle spielen, um den Herausforderungen im Bürokratieabbau erfolgreich zu begegnen.
