Automatische Dokumentenklassifizierung in der Verwaltung

Das echte Ausmaß des Problems

In einer Stadtverwaltung gehen täglich Hunderte Schreiben, Anträge und Dokumente ein, in größeren Häusern weit über tausend, per Post, per Fax, per E-Mail, über Online-Portale und zunehmend über OZG-Antragsplattformen. Jedes einzelne Dokument muss jemand lesen, verstehen, einem Themenbereich zuordnen, der richtigen Abteilung zuweisen und dem richtigen Vorgang zuordnen. Eine bundesweite Zahl dazu gibt es nicht, deine eigene hast du nach einer Woche Strichliste.

An genau diesem Punkt entstehen Fehlweiterleitungen: Ein Schreiben landet in der falschen Abteilung, liegt dort Tage unbeachtet und wird erst weitergeleitet, wenn eine Bürgerin nachfragt. Wie oft das passiert, zählt kaum eine Behörde, und eine belastbare Quote für Deutschland haben wir nicht gefunden. Wo die Behörde selbst an Fristen gebunden ist, etwa an eine Genehmigungsfiktion nach § 42a VwVfG, soweit das Landesbaurecht sie vorsieht, oder an eine vom Gericht gesetzte Frist, kann eine Fehlweiterleitung direkte Rechtswirkung haben.

Posteingang und Weiterleitung binden in mittelgroßen Kommunen oft mehrere Vollzeitkräfte. Wie viel davon sich automatisieren lässt, hängt vor allem daran, wie viel des Eingangs schon strukturiert ankommt, etwa als OZG-Antrag mit bekanntem Typ, und wie viel als Papier, Fax oder Freitext-Mail.

Hinzu kommt ein strukturelles Problem: Viele Dokumente kommen nicht als saubere digitale Dateien, sondern als eingescannte Papierdokumente, handschriftlich ergänzte Formulare oder Faxe in niedriger Bildqualität. Diese müssen zuerst durch OCR lesbar gemacht werden, bevor sie überhaupt klassifiziert werden können. Der Medienbruch zwischen analogem Eingang und digitalem Workflow ist in vielen Verwaltungen noch nicht geschlossen.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Durchlaufzeiten sind Erfahrungswerte ohne veröffentlichte Studie. Deine Behörde kann abweichen, Volumen und DMS-Infrastruktur sind die stärksten Einflussfaktoren.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Der Zeitgewinn im Posteingang ist erheblich, das Sortieren entfällt für alle sicher erkannten Dokumente. Aber: Der Gesamtaufwand der Verwaltung sinkt nicht so stark wie bei direkt entlastenden Use Cases wie der Antragsprüfung. Klassifizierung ist eine Voraussetzung für schnellere Bearbeitung, nicht die Bearbeitung selbst.

Kosteneinsparung, mittel (3/5) Die Klassifizierung entlastet den Posteingang spürbar, aber Geld spart die Behörde erst, wenn im Stellenplan eine Stelle wegfällt oder bei einem Altersabgang nicht nachbesetzt wird. Das entscheidet der Haushalt, nicht das Tool. Solange die Poststelle ihre Rolle wechselt statt zu schrumpfen, wie es der Abschnitt zur Einführung weiter unten beschreibt, stehen den laufenden Kosten schnellere Durchlaufzeiten und weniger Fehlweiterleitungen gegenüber, aber kein frei werdender Haushaltsbetrag.

Schnelle Umsetzung, mittel (3/5) Die DMS-Integration ist technisch anspruchsvoller als beim Chatbot. OCR-Einrichtung, Kategoriendefinition, Trainingsphase und Pilotbetrieb brauchen realistisch 12 bis 18 Wochen. Vergleichbar mit der Antragsprüfung, aber einfacher als das LLM-Verwaltungsassistent mit On-Premise-Infrastruktur.

ROI-Sicherheit, hoch (4/5) Volumen, Fehlweiterleitungen und Durchlaufzeit lassen sich direkt messen, vor und nach Einführung. Der Nutzennachweis in Stunden und Tagen ist gegenüber der Behördenleitung gut handhabbar. Unsicherheit besteht bei der tatsächlichen Erkennungsrate für ungewöhnliche Dokumente.

Skalierbarkeit, hoch (4/5) Neue Dokumentkategorien können schrittweise ergänzt werden, ohne das Gesamtsystem neu aufzubauen. Mehr digitaler Eingang heißt mehr Nutzen, soweit er unstrukturiert ankommt (E-Mail, PDF-Anhänge). Strukturierte OZG-Anträge bringen ihren Typ bereits mit und brauchen keine Klassifizierung.

Richtwerte, stark abhängig von Behördengröße, DMS-Infrastruktur und Digitalisierungsgrad der Eingangskanäle.

Was die Klassifizierungs-KI konkret macht

Das System besteht aus vier aufeinanderfolgenden Schritten, die automatisch ablaufen.

Schritt 1, Digitalisierung und OCR Eingehende Papierdokumente werden gescannt. Eine OCR-Software wandelt das Bild in maschinenlesbaren Text um. Wie gut das bei handschriftlichen Ergänzungen und blassen Faxen gelingt, schwankt stark mit der Vorlage. Eine belastbare Erkennungsrate für Verwaltungspost haben wir nicht gefunden, teste es deshalb mit 100 echten, geschwärzten Eingängen, bevor du dich auf ein Produkt festlegst. Dokumente, die bereits digital eingehen (E-Mail, PDF, OZG-Formular), überspringen diesen Schritt.

Schritt 2, Klassifizierung nach Dokumenttyp Das KI-System analysiert den Textinhalt und ordnet das Dokument einer Kategorie zu: Bauantrag, Widerspruch, Gewerbean­meldung, Wohngeldantrag, allgemeine Anfrage, Beschwerde, Kündigung. Die Kategorien werden einmalig mit der Behörde definiert und anhand historischer Dokumente trainiert. Das System lernt die behördenspezifische Sprache und erkennt Dokumente auch dann richtig, wenn sie ungewöhnlich formuliert sind.

Schritt 3, Zuordnung zu Vorgang und Abteilung Auf Basis der Klassifizierung und zusätzlicher Merkmale (Aktenzeichen im Dokument, Absender, Betreff) ordnet das System das Dokument automatisch dem richtigen Vorgang im DMS zu und leitet es an die zuständige Abteilung weiter. Dokumente ohne klare Zuordnung werden mit einem Konfidenzhinweis für manuelle Prüfung markiert.

Schritt 4, Fristen- und Prioritätserkennung Dokumente, die Fristen enthalten oder auf laufende Widerspruchs- oder Klageverfahren hinweisen, werden automatisch mit einem Prioritätslabel versehen. Die Sachbearbeiterin sieht auf ihrem Dashboard sofort, welche Dokumente zeitkritisch sind.

Konkrete Werkzeuge, was wann passt

govdigital , die Genossenschaft öffentlich-rechtlicher IT-Dienstleister, betreibt die Deutsche Verwaltungscloud in deutschen Rechenzentren und baut mit der gd.KI-Werkstatt ein KI-Angebot für Behörden auf. Ein fertiges Klassifizierungsprodukt gibt es dort nicht, die KI-Dienste sind noch im Aufbau. Relevant ist govdigital als Betriebsort ohne US-Cloud-Abhängigkeit, auf dem dein IT-Dienstleister eine Lösung aufsetzt. Zugang nur über Mitgliedsorganisationen oder Ausschreibung, keine öffentlichen Preise.

Azure AI Document Intelligence mit Power Automate , für Behörden, die bereits in der Microsoft-Cloud arbeiten. Azure AI Document Intelligence extrahiert strukturierte Daten aus Formularen, Power Automate steuert die Weiterleitung. EU-Cloud-Konfiguration möglich. Power Automate Premium kostet laut unserer Toolseite 13 Euro je Nutzer und Monat zzgl. MwSt. bei Jahreszahlung, Azure-Dienste werden nach Verbrauch abgerechnet. Microsoft 365 Copilot ist dafür nicht nötig, er ist ein Assistent für Office-Anwendungen, keine Klassifizierungsstrecke.

Whisper , für Behörden, die auch Sprachaufnahmen (Telefonprotokolle, Diktate) transkribieren und klassifizieren wollen. Whisper ist ein Open-Source-Modell von OpenAI, das lokal betrieben werden kann. Kostenlos für Self-Hosting, Betriebskosten je nach Infrastruktur. Die OpenAI-API dagegen verarbeitet in den USA.

Claude , als Klassifizierungs- und Extraktions-Backend für Entwicklerteams, die eigene Lösungen bauen. Claude verarbeitet Dokumente nach strukturierten Anweisungen zuverlässig, extrahiert Schlüsselfelder und klassifiziert auch komplexe Schreiben mit Mischinhalt. Anthropics eigene API hat keine EU-Datenregion, verarbeitet wird global oder in den USA. Für Behördendaten kommt Claude deshalb nur über AWS Bedrock oder Microsoft Foundry mit regionaler Verarbeitung in Frage, mit dem AVV des Cloud-Anbieters. Für reine Klassifizierung reicht das kleinste Modell Haiku 4.5, laut unserer Toolseite 1/5 US-Dollar je Million Input-/Output-Tokens.

DeepL , relevant für Verwaltungen in Grenzregionen oder mit hohem Migrationsanteil: DeepL kann vor der Klassifizierung ausländische Dokumente ins Deutsche übersetzen. DeepL ist ein deutsches Unternehmen (Köln) mit EU-Datenschutzrahmen. Die API ist bis 1 Million Zeichen einmalig kostenlos, Growth kostet 29,75 Euro/Monat inklusive 1 Million Zeichen (23,80 Euro bei Jahreszahlung), jeweils inkl. MwSt.; Enterprise auf Anfrage.

Zusammenfassung: Wann welcher Ansatz

• Behörde ohne US-Cloud-Toleranz, IT-Dienstleister ist govdigital-Mitglied → Lösung des Dienstleisters auf govdigital-Infrastruktur
• Microsoft-Cloud vorhanden → Azure AI Document Intelligence + Power Automate
• Team mit Entwicklerkompetenz, eigene Lösung → Claude über Bedrock oder Foundry in einer EU-Region, Whisper lokal für Audio
• Mehrsprachige Dokumente → DeepL als vorgelagerter Übersetzungsschritt

Datenschutz und Datenhaltung

Die Klassifizierung des Posteingangs verarbeitet personenbezogene Daten, Briefe, Anträge, Bescheide, Widersprüche enthalten Namen, Adressen, Steuernummern, in Einzelfällen auch besondere Kategorien nach Art. 9 DSGVO.

Die Rechtsgrundlage ist dieselbe wie für die Bearbeitung selbst: Art. 6 Abs. 1 lit. e DSGVO, die Wahrnehmung einer öffentlichen Aufgabe, in Verbindung mit dem Fachrecht und dem Landesdatenschutzgesetz. Einwilligung trägt hier nicht, und auf berechtigtes Interesse kann sich eine Behörde bei der Erfüllung ihrer Aufgaben nach Art. 6 Abs. 1 Unterabs. 2 DSGVO gar nicht berufen. Wer das Modell mit historischen Eingängen trainiert oder testet, nutzt diese Daten zu einem neuen Zweck und braucht dafür eine eigene Prüfung, oder arbeitet mit geschwärzten und synthetischen Beispielen.

Jeder externe Anbieter, der diese Daten verarbeitet, ist Auftragsverarbeiter nach Art. 28 DSGVO. Ein AVV ist vor dem Produktivbetrieb zwingend. Für Behörden mit hohem Datenschutzbedarf oder BSI-Grundschutz ist On-Premise-Betrieb oder ein ausschließlich europäischer Cloud-Anbieter erforderlich.

Die KI-Verordnung (EU) 2024/1689 führt die Klassifizierung des Posteingangs nicht in Anhang III, sie ist also kein Hochrisiko-System. Es gilt die Pflicht aus Art. 4, die KI-Kompetenz der Beschäftigten zu fördern, die mit dem System arbeiten.

Fristgebundene Dokumente (Widersprüche, Klagen) haben besondere Relevanz: Das System muss so konfiguriert sein, dass Fehlklassifizierungen dieser Dokumenttypen minimiert werden. Eine Konfidenz-Schwelle mit manueller Rückfallebene ist keine optionale Ergänzung, sondern architektonische Pflicht.

Was es kostet, realistisch gerechnet

Einstieg (ein Kanal, ein Dokumenttyp)

• Konzeption und Kategoriendefinition: 8.000–20.000 Euro (einmalig)
• Technische Implementierung mit Standardlösung: 15.000–40.000 Euro
• Laufende Betriebskosten: 1.500–5.000 Euro/Monat
• Zeithorizont bis zu messbaren Ergebnissen: 3–5 Monate

Skaliert (vollständiger Posteingang, mehrere Kanäle, DMS-Integration)

• Gesamtinvestition: 60.000–250.000 Euro je nach Behördengröße
• Laufende Kosten: nicht niedriger als im Einstieg, also 18.000–60.000 Euro/Jahr (1.500–5.000 Euro mal 12 Monate), mit Kanälen und Volumen eher darüber
• Amortisation: nur zu rechnen, wenn Stellen tatsächlich wegfallen, siehe unten

Alle Beträge sind Planungsannahmen ohne veröffentlichte Vergleichszahlen. Hol vor der Entscheidung zwei Angebote ein, auch über deinen kommunalen IT-Dienstleister.

Was du dagegenrechnen kannst Eine Stadtverwaltung mit täglich 1.200 eingehenden Dokumenten und vier Vollzeitkräften in der manuellen Klassifizierung. Übernimmt die KI 70 Prozent dieser Arbeit, werden rechnerisch 2,8 Vollzeitstellen Kapazität frei. Für eine Stelle in Entgeltgruppe 6 setzt das Bundesfinanzministerium für nachgeordnete Bundesbehörden rund 60.000 Euro Personalkosten im Jahr an (Bruttogehalt, Arbeitgeberanteile und sonstige Personalnebenkosten, ohne Sach- und Gemeinkosten). Kommunen rechnen mit den Personalkostenpauschalen der KGSt, die nur Mitgliedern zugänglich sind, nimm die Werte deines Hauses.

2,8 mal rund 60.000 Euro wären rund 169.000 Euro im Jahr, aber nur, wenn diese Stellen im Stellenplan tatsächlich wegfallen oder bei Altersabgängen nicht nachbesetzt werden. Der Normalfall sieht anders aus, der Abschnitt zur Einführung beschreibt ihn: Die Poststelle wechselt zur Qualitätskontrolle, die Stellen bleiben. Dann ist der Gewinn Durchlaufzeit und Entlastung, kein Haushaltsbetrag, und die laufenden Kosten sind zusätzliche Ausgaben. Beides ist legitim, nur nicht dasselbe. Rechne mit der Behördenleitung in Stunden und Tagen, nicht in Euro.

Fallen im skalierten Ausbau zwei Stellen durch Altersabgang weg (2 mal rund 60.000 Euro), bleiben nach laufenden Kosten von 18.000 bis 60.000 Euro im Jahr etwa 60.000 bis 102.000 Euro übrig. Eine Investition von 60.000 bis 250.000 Euro ist dann nach gut einem halben bis gut vier Jahren zurückverdient.

Wie du den Nutzen tatsächlich misst. Volumen pro Kanal vor und nach Einführung. Fehlweiterleitungsquote (aus Rückfragen der Fachabteilungen). Zeitdauer von Dokumenteingang bis Sachbearbeiterin-Eingang. Diese drei Werte lassen sich ohne großen Aufwand erheben und machen den Effekt sichtbar.

Typische Einstiegsfehler

1. Alle Dokumenttypen auf einmal modellieren. Die Versuchung ist groß, wenn schon, dann richtig. Aber jeder Dokumenttyp hat seine eigene Sprache, seine eigenen Ausnahmen. Wer alles auf einmal trainiert, erhält ein System mit mittelmäßiger Erkennungsrate überall. Lösung: Mit den fünf häufigsten Typen beginnen. Sie machen in den meisten Behörden den Großteil des Volumens aus, wie viel genau, zeigt deine Strichliste.

2. OCR-Qualität unterschätzen. Gescannte Papierdokumente mit schlechter Bildqualität, handschriftliche Ergänzungen, verblassende Faxe, das sind reale Eingangsformate vieler Verwaltungen. Wenn die OCR-Qualität schlecht ist, kann die Klassifizierung nicht funktionieren. Lösung: OCR-Qualität als eigenständigen Evaluationsschritt vor der Klassifizierungsauswahl einplanen.

3. Kein menschliches Rückfallsystem für kritische Dokumenttypen. Fehlklassifizierte Widerspruchsschreiben oder fristgebundene Klagen können direkte Rechtsfolgen haben. Ein System ohne manuelle Prüf-Route für niedrige Konfidenz-Scores ist für Verwaltungen mit Fristenpflichten gefährlich. Lösung: Dokumente unter einer definierten Konfidenz-Schwelle gehen immer in eine manuelle Prüf-Queue. Wie groß dieser Anteil ist, hängt an der Schwelle und an deinem Eingang, im Pilot misst du ihn.

4. Das System nach Einführung nicht kalibrieren. Die Kategorien und Texte der Behörde ändern sich über die Zeit. Neue Formulare, neue Verfahren, neue Gesetzgebung bringt neue Dokumenttypen. Wenn das Modell nicht regelmäßig nachtrainiert wird, sinkt die Erkennungsrate schleichend. Lösung: Quartalsmäßige Auswertung der Fehlerquoten und gezieltes Nachtraining bei neuen Mustern.

Was mit der Einführung wirklich passiert, und was nicht

Die Poststelle verändert ihre Rolle, sie verschwindet nicht. Mitarbeitende im Poststellenbetrieb werden nicht überflüssig, sie wechseln von der mechanischen Klassifizierungsarbeit zur Qualitätskontrolle: Plausibilitätsprüfung der KI-Entscheidungen, manuelle Klärung von Grenzfällen, Eskalationsmanagement für fristgebundene Dokumente. Das ist qualitativ anspruchsvollere Arbeit, und das sollte in der Kommunikation so benannt werden.

Fachabteilungen werden anfangs skeptisch sein. Eine Fehlweiterleitung, die bei einer erfahrenen Mitarbeiterin in der Poststelle nicht passiert wäre, löst unmittelbar Kritik aus. Wichtig: Die Fehlerquote des Systems mit der tatsächlichen Fehlerquote des manuellen Prozesses vergleichen, die manuellen Fehlweiterleitungen werden selten gezählt, die maschinellen immer.

Was konkret hilft:

• Pilotbetrieb für einen einzigen Kanal (z.B. nur E-Mail), parallel zum manuellen Prozess
• Wöchentliche Auswertung der Konfidenz-Verteilung und der manuell korrigierten Fälle
• Fehlerprotokoll führen und in Kategorien einteilen: Systemfehler vs. Datenfehler (schlechte OCR)
• Monatsbericht an Fachabteilungen mit Fehlweiterleitungsrate als messbarer Kennzahl

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„Wir haben zu viele verschiedene Dokumenttypen.” Das stimmt für eine vollständige Einführung, aber für den Piloten musst du nicht alle Typen abdecken. Starte mit den fünf häufigsten Dokumentkategorien, die den Großteil des Posteingangs ausmachen. In fast jeder Behörde sind das dieselben Typen, die immer wieder kommen.

„Was passiert mit fehlklassifizierten Dokumenten, die können Fristen gefährden.” Das ist der richtige Einwand. Deshalb unterscheiden gute Implementierungen zwischen hochkonfidenten Klassifizierungen (automatische Weiterleitung) und niedrigkonfidenten Fällen (manuelle Prüf-Queue). Wie hoch die Quote der manuell zu prüfenden Fälle liegt, stellst du über die Schwelle ein und misst sie im Pilot. Fristenkritische Dokumenttypen bekommen eine gesonderte Regel: immer menschliche Kontrolle, keine automatische Weiterleitung ohne Bestätigung.

„Unsere IT-Infrastruktur ist zu veraltet für KI-Integration.” Für einfache Klassifizierung reicht ein stabiler Internetzugang und ein modernes DMS. Die meisten Verwaltungs-DMS (VISKompakt, Fabasoft, d.3ecm) bieten API-Schnittstellen. Wo das nicht möglich ist, kann ein vorgelagerter KI-Layer die Dokumente klassifizieren und manuell übergeben.

Woran du merkst, dass das zu dir passt

• Deine Poststelle oder deine Sachbearbeitenden verbringen täglich mehrere Stunden damit, eingehende Dokumente zu sichten und zuzuordnen.
• Fehlweiterleitungen sind in deiner Behörde bekannt und wiederkehrend, auch wenn sie nicht systematisch erfasst werden.
• Fristgebundene Vorgänge kommen gelegentlich zu spät bei den zuständigen Sachbearbeitenden an.
• Der Digitalisierungsgrad eures Posteingangs wächst, OZG-Plattformen, E-Mail, digitale Formulare, ohne dass die Klassifizierung entsprechend automatisiert ist.

Du solltest es noch nicht tun, wenn:

• Der Posteingang eurer Behörde hauptsächlich aus Papier besteht und noch keine Scan-Infrastruktur vorhanden ist, ohne OCR gibt es keine Grundlage für die Klassifizierung.
• Euer DMS keine API-Schnittstellen bietet und ihr keine Ressourcen habt, das zu ändern.
• Das Dokumentvolumen zu gering ist, um den Einrichtungsaufwand zu rechtfertigen, unter 200 Dokumenten täglich lohnt der Aufbau selten.

Das kannst du heute noch tun

Erstelle eine Liste der zehn häufigsten Dokumenttypen, die täglich eingehen. Schätze für jeden Typ das Tagesvolumen. Das sind die ersten Kategorien für dein Klassifizierungssystem, und die Grundlage für jedes Gespräch mit einem Anbieter.

Den Prompt unten testest du nur mit erfundenen oder vollständig geschwärzten Schreiben. Echte Bürgerpost gehört erst in ein System mit AVV, EU-Verarbeitung und Freigabe durch euren Datenschutzbeauftragten, nicht in ein privates Chat-Konto.

Quellen & Methodik

• DSGVO Art. 6 Abs. 1 lit. e und Unterabs. 2, Art. 28: Rechtsgrundlage für Behörden und Auftragsverarbeitung bei Dokumentenverarbeitung
• KI-Verordnung (EU) 2024/1689, Anhang III und Art. 4: Posteingangsklassifizierung ist dort nicht als Hochrisiko-Bereich aufgeführt (eur-lex.europa.eu, abgerufen am 18.09.2026)
• § 70 Abs. 1 VwGO und § 37 Abs. 2 SGB X: Widerspruchsfrist ab Bekanntgabe, Bekanntgabe am vierten Tag nach Aufgabe zur Post (gesetze-im-internet.de, abgerufen am 18.09.2026)
• Personalkosten: Bundesministerium der Finanzen, Personal- und Sachkosten in der Bundesverwaltung für Wirtschaftlichkeitsuntersuchungen und Kostenberechnungen 2026 (Ist 2025), Rundschreiben vom 8. Juni 2026, Werte für nachgeordnete Bundesbehörden (bundesfinanzministerium.de, abgerufen am 18.09.2026)
• BSI IT-Grundschutz-Kompendium: IT-Sicherheitsanforderungen für IT-Systeme in Behörden
• Kosten, Zeitplan und Durchlaufzeiten: Planungsannahmen der Redaktion ohne veröffentlichte Vergleichsstudie, zum Gegenprüfen mit Angeboten und einer eigenen Strichliste