Einführung
Fünf Prioritäten zur Automatisierung von Dokumentenworkflows, zur Verbesserung der Datenqualität und zum Einsatz erklärbarer, souveräner und überwachter KI.
Formulare, Briefe, Belege, behördliche Unterlagen und Verwaltungsentscheidungen fließen täglich in die öffentlichen Dienste ein. Deren Bearbeitung umfasst nach wie vor Lese-, Dateneingabe-, Prüf- und Weiterleitungsvorgänge, die die Abläufe verlangsamen und die Mitarbeiter auf sich wiederholende Aufgaben konzentrieren.
KI im öffentlichen Sektor kann diesen Prozess beschleunigen, vorausgesetzt, sie setzt nicht bereits beim Modell an. Die Qualität der Dokumente, die Datenverwaltung, die Zugänglichkeit des Prozesses und die menschliche Überprüfung bestimmen den wahren Wert der Dienstleistung.
Ziel ist es nicht, jede Entscheidung zu automatisieren. Vielmehr geht es darum, heterogene Datenströme in verlässliche Daten umzuwandeln, nachvollziehbare Kontrollen anzuwenden und menschliches Fachwissen für Fälle aufzubewahren, die es erfordern.
1. Stellen Sie die Zuverlässigkeit der Dokumente sicher, bevor Sie mit der Automatisierung beginnen.
Eine Behörde erhält keine sauberen Daten: Sie erhält Fotos, Scans, PDFs, Formulare, Briefe und mitunter sogar Papierdokumente. Vor jeder Analyse müssen diese Elemente identifiziert, lesbar gemacht und der richtigen Datei zugeordnet werden.
Intelligente Dokumentenverarbeitung (IDP) kombiniert mehrere Komponenten: Qualitätsanalyse, OCR, Klassifizierung, Extraktion, Normalisierung, Geschäftslogik-Kontrollen und Ausnahmebehandlung. Das erwartete Ergebnis ist kein transkribierter Text, sondern dokumentierte und nutzbare Daten.
Eine robuste Kette kann acht Schritte umfassen:
- Dokumente aus physischen und digitalen Kanälen erfassen
- Prüfen Sie die Bildqualität und fordern Sie gegebenenfalls eine neue Aufnahme an.
- Die Dokumententypologie erkennen
- Extrahieren Sie die relevanten Felder zusammen mit ihrem Konfidenzniveau.
- Standardisieren Sie Formate, Datumsangaben, Adressen und Kennungen.
- Beachten Sie die Regeln der Vollständigkeit und Konsistenz.
- Datenübertragung an das Geschäftssystem
- Unsicherheiten in Richtung einer menschlichen Genesungswarteschlange lenken
Die Fehler testen, die wirklich zählen
Eine durchschnittliche OCR-Rate allein reicht nicht aus, um die Einsatzbereitschaft eines Dienstes zu beurteilen. Die Bewertung muss sich auf die Klassifizierung, die Genauigkeit der extrahierten Daten sowie falsch positive und falsch negative Ergebnisse konzentrieren und deren geschäftliche Auswirkungen bewerten.
Zu Testzwecken müssen falsch positive und falsch negative Ergebnisse mit ihren Konsequenzen verknüpft werden :
- Ungerechtfertigte Ablehnung
- Unvollständige Bewerbung akzeptiert
- Verzögerung oder manuelles Eingreifen
Der Testkorpus muss vom Trainingskorpus getrennt, versioniert und repräsentativ für die reale Nutzung sein. Im Produktivbetrieb ermöglicht die Überwachung von Abweichungen und Wiederholungsmustern die Erkennung von Änderungen an Formularen oder Kanälen, bevor diese die Servicequalität beeinträchtigen.
Das Projekt MonIdenum veranschaulicht diese industrielle Logik.
Für Infogreffe , den Herausgeber der MonIdenum -Plattform , automatisiert Luminess das Lesen, Analysieren und die Konformitätsprüfungen von Ausweisdokumenten, die für die Erstellung und Sicherung digitaler Identitäten erforderlich sind.
Dieser Ansatz ermöglicht die Industrialisierung der Dokumentenverarbeitung bei gleichzeitiger Verbesserung der Servicequalität und der Zuverlässigkeit der Kontrollen:
- Verbesserung von 10% Lesequalität
- Anwendungsverfügbarkeit von 99%
- Supportanfragen werden in weniger als 24 Stunden
Entdecken Sie das MonIdenum-Projekt
Erfahren Sie mehr über digitales Vertrauen und Sicherheit.
Entdecken Sie unsere Lösungen zur Dokumentenverwaltung
2. Anwendungsfälle nach ihrer öffentlichen Wirkung priorisieren.
KI ist dann nützlich, wenn sie ein klar definiertes Serviceproblem löst. Ein Anwendungsfall sollte daher auf Basis der Nutzerreise, der Zielgruppe und des erwarteten Ergebnisses formuliert werden, nicht auf Basis der verfügbaren Technologie.
Fünf Fragen helfen bei der Festlegung der Prioritäten:
- Welche unnötige Verzögerung oder welchen unnötigen Projektschritt sollte reduziert werden?
- Welchen Fehler oder welches Risiko muss er besser managen lernen?
- Um welchen Umfang und welche Variabilität handelt es sich bei den Dokumenten?
- Sind die Geschäftsregeln explizit und ausreichend stabil?
- Wie werden unklare Fälle von einem Agenten behandelt?
Ein erster relevanter Einsatz ist so weit abgegrenzt, dass er kontrollierbar ist, deckt aber den Prozess bis zum Geschäftsergebnis ab.
Die Ausgangssituation muss vor dem Pilotprojekt analysiert werden: mittlere Bearbeitungszeit, Abschlussquote der Akten, Anzahl der erforderlichen Kontakte, Anteil der manuellen Nachbearbeitung, Kosten pro Akte und Gründe für den Abbruch. Vorher-/Nachher-Vergleiche müssen über vergleichbare Zeiträume und mit vergleichbaren Populationen durchgeführt werden.
Ein fünfachsiges Bewertungsraster erleichtert die Entscheidungsfindung: Nutzen für den Anwender, Vorteil für die Agenten, Risikomanagement, Datenreife und industrielle Machbarkeit. Ein wirkungsvoller Anwendungsfall, der auf instabilen Daten basiert, erfordert zunächst einen qualitativ hochwertigen Entwicklungsprozess.
4. Daten und Modelle steuern
Modelle können schlecht definierte Daten nicht kompensieren. Öffentliche Daten müssen eine gemeinsame Bedeutung, eine verlässliche Datenquelle, einen Verantwortlichen, Qualitätsregeln und einen Lebenszyklus aufweisen.
Vor der breiten Einführung von KI muss die Organisation Folgendes dokumentieren:
- Zwecke der Datenverarbeitung und unbedingt notwendige Daten
- Herkunft, Qualität und Nutzungsrechte des Korpus
- Standardisierungs- und Harmonisierungsregeln
- Versionen der Modelle, Regeln und Bewertungsspiele
- Annahmekriterien und Rücknahmebedingungen
Diese Rückverfolgbarkeit verknüpft das empfangene Dokument mit dem erzielten Ergebnis. Sie ermöglicht die Rekonstruktion der verwendeten Version, der angewandten Kontrollmaßnahmen und aller getroffenen Entscheidungen. Sie erleichtert die Prüfung, Korrektur und Bearbeitung von Beschwerden.
Das von Luminess für das GIE SESAM-Vitale betriebene Carte Vitale-System veranschaulicht diese Industrialisierung.
Jährlich werden fast vier Millionen Akten mit insgesamt rund acht Millionen Seiten digitalisiert. Die Datenströme, die zu 60 % digital und zu 40 % in Papierform vorliegen , werden extrahiert, geprüft und über ein sicheres Portal mit Nachverfolgbarkeit bereitgestellt.
Die Governance muss auch Abweichungen vorbeugen, mit Warnschwellenwerten, regelmäßigen Stichproben und einem Verfahren zur Rückkehr zu einer früheren Version.
5. Erklärbare und souveräne KI industrialisieren.
Die Behandlungen verständlich gestalten
Öffentliche Automatisierungssysteme müssen ihre Funktionsweise nachvollziehbar machen, einschließlich ihrer Grenzen und der Umstände, unter denen ein Mensch eingreift. Die Erklärbarkeit hängt von den berücksichtigten Daten, den angewandten Regeln und der Begründung für das Ergebnis ab.
Dimensionierung der menschlichen Aufsicht
Definieren Sie Vertrauensschwellenwerte, Verarbeitungsprioritäten, Wiederherstellungszeiten und Entscheidungsbefugnisse. Eine unkontrollierte Ausnahmewarteschlange wird schnell zu einem neuen Engpass.
Sicherheit und Souveränität meistern
Zugriff, Verschlüsselung, Rückverfolgbarkeit und die Aufrechterhaltung des Dienstes müssen kontrolliert werden. Souveränität umfasst auch den Ort der Datenverarbeitung, die anwendbare Gerichtsbarkeit und die Rückgängigmachungsfähigkeit.
Antizipation des regulatorischen Rahmens
Seit dem 2. August 2026 gelten die neuen Bestimmungen des KI-Gesetzes stufenweise. Regelungen für bestimmte Hochrisikosysteme treten je nach Kategorie nacheinander in Kraft.
Anmerkung – In Frankreich sieht das Gesetz über die Beziehungen zwischen der Öffentlichkeit und der Verwaltung eine ausdrückliche Benachrichtigung der betroffenen Person vor, wenn eine individuelle Verwaltungsentscheidung auf algorithmischer Verarbeitung beruht.
Eine Servicearchitektur, kein isoliertes Modell
Diese Architektur trennt effektiv drei Ebenen. Das Modell erstellt eine Vorhersage oder extrahiert Daten. Geschäftsregeln legen Kontrollen und Richtlinien fest. Der Agent führt eine Bewertung durch, wenn Unsicherheit oder Auswirkungen dies erfordern. Diese Trennung erleichtert die Überprüfung und begrenzt die implizite Automatisierung sensibler Entscheidungen.
Der Luminess-Ansatz für den öffentlichen Sektor
Luminess vereint drei Geschäftsbereiche: Softwarehersteller, IT-Dienstleistungsunternehmen und BPO-Betreiber.
Diese Organisation ermöglicht die Koordination von Anwendungsentwicklung, Integration, Hosting, Backoffice-Betrieb und menschlicher Überwachung von Ausnahmefällen.
IDP von Lumia kann auf einer OUTSCALE-Cloud-Infrastruktur bereitgestellt werden, die für SecNumCloud 3.2 qualifiziert ist. Die Bausteine können über eine API in bestehende Anwendungen integriert werden.
Öffentliche Veröffentlichungen decken verschiedene Dimensionen der Industrialisierung ab:
- MyIdenum : Wiederherstellung, Wartung, Identitätsprüfungen und Support von Anwendungen;
- Vitalkarte : massive Verarbeitung von Papier- und digitalen Datenströmen, Kontrollen und Rückverfolgbarkeit;
- QPC-Portal des Verfassungsrats : Indizierung, Metadaten, Suche, Integrität und Anonymisierung in einer SecNumCloud-Umgebung.
Möchten Sie ein Dokumentenautomatisierungsprojekt im öffentlichen Sektor qualifizieren?
Die Experten von Luminess können Ihnen dabei helfen, Prioritäten für die Anwendungsbereiche festzulegen, den Evaluierungskorpus aufzubauen und die technischen, personellen und regulatorischen Rahmenbedingungen für eine Skalierung zu definieren.
Quellen
- Europäische Kommission – Europäischer Rechtsrahmen für KI
- CNIL — Einsatz eines KI-Systems in der Produktion
- Legifrance – Kodex der Beziehungen zwischen der Öffentlichkeit und der Verwaltung, Artikel L311-3-1
- DINUM – Allgemeiner Rahmen zur Verbesserung der Barrierefreiheit
- NIST – Rahmenwerk für das Risikomanagement künstlicher Intelligenz
- Luminess – Intelligente Dokumentenverarbeitungslösung
- Luminess – Relaunch der MonIdenum-App
- Luminess – Digitalisierung von Krankenversicherungskartendaten
- Luminess — Verfassungsrat QPC-Portal