Automatische Protokollierung in der Verwaltung

Das echte Ausmaß des Problems

In einer kommunalen Verwaltung mit Gemeinderat, mehreren Fachausschüssen und regelmäßigen Dienstbesprechungen kommen im Jahr leicht 150 bis 300 Sitzungen zusammen, die protokolliert werden müssen. Hinzu kommen Beratungsgespräche, Behörden-Telefonate und interne Abstimmungen.

Protokollführung ist die unbeliebteste Nebenaufgabe in der Verwaltung. Wer protokolliert, kann nicht vollständig teilnehmen. Wer vollständig teilnimmt, protokolliert lückenhaft. Das Ergebnis sind Protokolle, die Tage nach einer Sitzung fertiggestellt werden, oft aus dem Gedächtnis ergänzt, mit Auslassungen an genau den Stellen, die für die Nachverfolgung wichtig gewesen wären: Wer hat was zugesagt? Welche Bedingung war an einen Beschluss geknüpft? Wann war die vereinbarte Deadline?

Laut einer Befragung des Deutschen Instituts für Urbanistik (Difu, 2022) verbringen kommunale Führungskräfte und Sachbearbeitende im Schnitt 2,5 bis 4 Stunden pro Woche mit Protokollführung und der Nachbereitung von Sitzungen. In einer mittelgroßen Verwaltung mit 50 Führungskräften und Sachbearbeitenden bedeutet das bis zu 10.000 Stunden jährlich — nur für Protokollarbeit.

Das strukturelle Problem hinter der Protokollarbeit ist der Wissensverlust. Beschlüsse, die nicht vollständig dokumentiert sind, werden falsch umgesetzt. Absprachen, die nur im Gedächtnis der Beteiligten existieren, verschwinden mit deren Ausscheiden. Streitigkeiten darüber, was in einer Sitzung besprochen wurde, enden mit zeitaufwendigem Klären von Missverständnissen, die ein vollständiges Protokoll verhindert hätte.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Der stärkste Zeiteffekt in dieser Kategorie: Protokollarbeit sinkt von 2–4 Stunden auf 20–45 Minuten pro Sitzung. Für eine Verwaltung mit 20 Sitzungen monatlich entspricht das 30–70 eingesparten Stunden monatlich — allein bei einer Person. Bei mehreren Protokollführenden multipliziert sich das.

Kosteneinsparung — niedrig (2/5) Die Einrichtungskosten sind moderat (2.000–8.000 Euro), aber auch der Nutzen ist am Ende nicht riesig — Protokollarbeit kostet Sachbearbeitungszeit, aber keine großen Geldsummen. Im Vergleich zur Bescheidgenerierung oder Antragsprüfung ist das der schwächste Kostenhebel.

Schnelle Umsetzung — sehr hoch (5/5) Schnellster Einstieg in dieser Kategorie: Ein Pilot für Online-Meetings ist in vier bis acht Wochen realisierbar, ohne DMS-Integration oder komplexe Systemanbindung. Whisper lokal installiert + einfache LLM-Strukturierung = funktionierender Workflow.

ROI-Sicherheit — hoch (4/5) Der Zeitgewinn ist bei jeder Sitzung sofort messbar. Kein anderes KI-Projekt in der Verwaltung liefert so unmittelbar sichtbare Ergebnisse. Das macht es politisch und intern einfach, den Nutzen zu demonstrieren.

Skalierbarkeit — mittel (3/5) Mehr Sitzungstypen (Gemeinderatssitzungen, Fachausschüsse, externe Besprechungen) erfordern jeweils Anpassungen der Strukturierungsanweisung — Format, Pflichtbestandteile, Terminologie unterscheiden sich. Kein Selbstläufer, aber gut handhabbar.

Richtwerte — stark abhängig von Sitzungsvolumen, Sitzungstypen und vorhandener Konferenzinfrastruktur.

Was die KI-Protokollierung konkret macht

Schritt 1 — Aufnahme der Sitzung Die Sitzung wird mit einem Mikrofon oder dem integrierten Mikrofon eines Laptops aufgenommen — bei hybriden oder Online-Meetings direkt über die Konferenzsoftware. Vor Beginn informiert die Sitzungsleitung die Teilnehmenden und holt die erforderliche Einwilligung ein. Für behördeninterne Dienstbesprechungen ist die Rechtsgrundlage nach Art. 6 Abs. 1 lit. e DSGVO (öffentliche Aufgabe) in der Regel tragfähig, wenn die Aufnahme ausschließlich zur Protokollerstellung genutzt und danach gelöscht wird.

Schritt 2 — Transkription durch Sprach-KI Die Audiodatei wird durch ein Spracherkennungsmodell in Text umgewandelt. Moderne Modelle erreichen bei klarer Aufnahme Genauigkeiten von 90–97 Prozent. Bei mehreren Sprechenden und Dialekten etwas weniger. Das Transkript ist die Rohdatenbasis für den nächsten Schritt.

Schritt 3 — LLM strukturiert das Protokoll Ein Sprachmodell verarbeitet das Transkript und erstellt ein strukturiertes Protokoll nach dem behördlichen Format: Tagesordnungspunkte, Kurzzusammenfassung je TOP, Beschlüsse mit genauen Formulierungen, Aufgabenliste mit Verantwortlichen und Fristen, nächste Schritte. Inhalte ohne Protokollierwert (Small Talk, technische Störungen) werden herausgefiltert.

Schritt 4 — Prüfung und Freigabe Das KI-generierte Protokoll wird dem zuständigen Protokollführenden zur Prüfung vorgelegt. Korrekturen, Ergänzungen und Streichungen werden direkt im Entwurf vorgenommen. Das Protokoll wird dann nach behördeninternem Verfahren zur Genehmigung weitergeleitet.

Konkrete Werkzeuge — was wann passt

Whisper — das Open-Source-Spracherkennungsmodell von OpenAI ist die datenschutzfreundlichste Option: Es kann vollständig lokal betrieben werden, ohne dass Audiodaten einen Server verlassen. Für Kommunen mit höchsten Datenschutzanforderungen ist das der richtige Ansatz. Kostenlos für Self-Hosting, Betriebskosten je nach Serverinfrastruktur.

Microsoft 365 Copilot — für Behörden, die Teams für Online-Meetings nutzen: Teams-Meetings können direkt transkribiert werden, Copilot erstellt auf Anfrage eine strukturierte Zusammenfassung mit Entscheidungen und Aufgaben. EU-Hosting möglich. M365 E3 + Copilot-Lizenz ab ca. 66 Euro/Nutzer/Monat.

Otter.ai — spezialisiertes Meeting-Transkriptions-Tool mit guter Sprechertrennung. Einfache Integration in Zoom, Teams und Google Meet. Für deutsche Behörden: Datenschutzprüfung erforderlich (US-Server). Enterprise-Plan bietet AVV und erweiterten Datenschutz. Ab ca. 17 Dollar/Nutzer/Monat.

Fireflies.ai — ähnlich wie Otter.ai, mit besonders guter Aufgabenextraktion aus Meetings. Erkennt automatisch Aktionspunkte und Verantwortlichkeiten. Gleiche Datenschutzvorbehalte wie Otter.ai. Ab ca. 19 Dollar/Nutzer/Monat, Enterprise auf Anfrage.

Claude — als Backend für die Strukturierung von Transkripten: Claude verarbeitet lange Texte besonders gut und folgt strukturierten Anweisungen zuverlässig. Wenn Whisper lokal transkribiert und das Transkript dann über die Claude API strukturiert wird, entsteht ein vollständig souveräner Workflow. Ab ca. 3 Dollar pro 1 Million Tokens.

govdigital — für Behörden, die eine vollständig souveräne Lösung ohne US-Cloud-Abhängigkeit benötigen. govdigital baut zunehmend KI-Komponenten für den öffentlichen Sektor. Preise projektspezifisch.

Datenschutz und Datenhaltung

Rechtliche Grundlage für Aufnahmen. Die Aufzeichnung einer Sitzung ist keine selbstverständliche Maßnahme. Für behördeninterne Dienstgespräche ist Art. 6 Abs. 1 lit. e DSGVO in der Regel ausreichend, wenn der Verarbeitungszweck (Protokollerstellung), die Löschfrist für die Aufnahme und die Zugriffsbeschränkung vorab dokumentiert sind. Die Datenschutzkonferenz (DSK) empfiehlt in ihrer 2024er Orientierungshilfe, diese Punkte vorab schriftlich festzuhalten.

Sitzungen mit besonders sensiblen Inhalten. Für Sitzungen, die besonders schutzbedürftige Informationen enthalten (Personalangelegenheiten, Beschwerden gegen Mitarbeitende, vertrauliche politische Beratungen), ist lokale Verarbeitung zwingend — Audiodaten dürfen diese Behördengrenzen nicht verlassen. Whisper on-premise ist hier die einzige akzeptable Option.

AVV. Jede Cloud-basierte Transkriptionslösung ist Auftragsverarbeiter nach Art. 28 DSGVO. Der AVV muss vor dem ersten produktiven Einsatz abgeschlossen sein.

Transparenz gegenüber Teilnehmenden. Die Teilnehmenden müssen wissen, dass die Sitzung aufgezeichnet wird — vor Beginn, nicht nach der Tatsache. Eine kurze Ankündigung der Sitzungsleitung und ein entsprechender Eintrag in der Tagesordnung genügen.

Was es kostet — realistisch gerechnet

Einstieg (Online-Meetings, eine Abteilung)

• Setup und Konfiguration: 2.000–8.000 Euro (einmalig)
• Laufende Kosten: 200–800 Euro/Monat je nach Tool und Sitzungsvolumen
• Zeithorizont bis zum produktiven Einsatz: 4–8 Wochen

Skaliert (alle Sitzungstypen, behördenweite Einführung)

• Gesamtinvestition: 15.000–50.000 Euro je nach IT-Integration
• Laufende Betriebskosten: 3.000–8.000 Euro/Jahr
• Amortisation: unter einem Jahr bei mittlerem Sitzungsvolumen

Was du dagegenrechnen kannst Kommunalverwaltung mit 30 Führungskräften und Sachbearbeitenden, je 3 Stunden/Woche Protokollarbeit: 90 Stunden/Woche, 4.500 Stunden/Jahr. Bei 55 Euro/Stunde: 247.500 Euro/Jahr nur für Protokollierung. Wenn KI den Aufwand auf 45 Minuten/Sitzung reduziert, spart das 200.000 Euro/Jahr bei Tool- und Betriebskosten von 10.000–20.000 Euro.

Typische Einstiegsfehler

1. Aufnahmequalität nicht vorab testen. Ein KI-Transkript ist nur so gut wie die Aufnahme. Hintergrundgeräusche, echoige Räume, mehrere Personen, die gleichzeitig sprechen — all das reduziert die Erkennungsrate erheblich. Lösung: Vor dem ersten Produktiv-Einsatz Testaufnahme machen, transkribieren und Qualität beurteilen. Bei schlechter Raumakustik in ein dediziertes Mikrofon investieren.

2. Das Transkript direkt als Protokoll verschicken. Das Transkript ist der Rohmaterialtext, nicht das Protokoll. Es enthält alle Wiederholungen, Unterbrechungen, Füllwörter und irrelevante Nebenkommentare. Das LLM strukturiert daraus das Protokoll — aber auch das muss geprüft werden. Lösung: Den Prüfschritt als festen Bestandteil des Prozesses einplanen und nicht überspringen.

3. Kein Einwilligungsverfahren definieren. Wenn die Teilnehmenden erst nach der Aufnahme gefragt werden, ist das rechtlich problematisch. Lösung: Vor dem ersten Einsatz ein einfaches Einwilligungsprotokoll etablieren — ein Satz der Sitzungsleitung am Anfang, dokumentiert in der Tagesordnung.

4. Vertrauliche Sitzungen in die Cloud hochladen. Politisch sensible Beratungen, Personalangelegenheiten, vertrauliche Bürgerangelegenheiten — diese Aufnahmen dürfen keinen US-Cloud-Server erreichen. Wenn das Einrichtungsteam das nicht von Anfang an unterscheidet, entsteht ein Datenschutzrisiko. Lösung: Sitzungstypen kategorisieren und für jede Kategorie festlegen, welche Infrastruktur zulässig ist.

Was mit der Einführung wirklich passiert — und was nicht

Das Überwachungsgefühl ist real und muss ernst genommen werden. Auch wenn die Aufnahme nur zur Protokollerstellung genutzt wird — manche Teilnehmenden fühlen sich unwohl. Das ist kein irrationales Bedenken. Die konstruktive Antwort ist nicht Überzeugungsarbeit, sondern Transparenz: wer Zugang hat, wann die Aufnahme gelöscht wird, was mit dem Transkript passiert.

Bei Vor-Ort-Sitzungen ist die Qualität anfangs schlechter als bei Online-Meetings. Teams-Transkription in einem strukturierten Online-Meeting funktioniert sehr gut. Eine Sitzung im schlecht akustischen Besprechungszimmer mit sechs Personen, die manchmal durcheinanderreden, ist anspruchsvoller. Lösung: Mit Online-Meetings starten, dann schrittweise auf Vor-Ort-Sitzungen ausweiten.

Was konkret hilft:

• Mit einer freiwilligen Pilotgruppe beginnen, die den Nutzen selbst erfahren will
• Erstes Protokoll dem manuellen Protokoll gegenüberstellen — der Unterschied überzeugt
• Klares Kommunikationskonzept für die Einwilligungspraxis
• Monatlicher Vergleich: Protokollerstellungszeit vorher vs. nachher

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Sitzungsteilnehmende werden nicht aufgenommen werden wollen.” Das Unbehagen ist meist kleiner als erwartet, wenn der Zweck klar ist: Aufnahme nur zur Protokollerstellung, danach gelöscht, Zugang nur für Protokollführende. Bei internen Dienstgesprächen — nicht bei Bürgeranfragen oder politisch sensiblen Beratungen — ist die Akzeptanz typischerweise hoch.

„Unsere Sitzungen sind vertraulich — das kann nicht in eine Cloud.” Für vertrauliche Inhalte ist lokale Verarbeitung die richtige Antwort. Whisper läuft vollständig on-premise: Die Audiodatei verlässt niemals den Behördenserver. Das erfordert technisches Setup — ist aber für Behörden mit BSI-Anforderungen die einzig akzeptable Option.

„Was bringt mir ein KI-Protokoll, wenn ich es trotzdem nochmal lesen muss?” Ein Entwurf prüfen dauert 15–30 Minuten. Ein Protokoll von Null schreiben dauert 2–4 Stunden. Die Einsparung liegt nicht im Wegfallen der Überprüfung, sondern im Wegfallen der Entstehungsarbeit. Dazu kommt: Ein KI-Protokoll ist vollständiger — es lässt nichts weg, was im Transkript steht.

Woran du merkst, dass das zu dir passt

• Protokollerstellung bindet in deiner Verwaltung regelmäßig Sachbearbeitungszeit von mehreren Stunden pro Woche.
• Beschlüsse werden gelegentlich unterschiedlich erinnert und führen zu Rückfragen oder Konflikten.
• Protokolle entstehen typischerweise ein bis drei Tage nach der Sitzung — mit bekannten Lücken.
• Online-Meetings (Teams, Zoom) sind in deiner Behörde bereits verbreitet — das ist der technisch einfachste Einstiegspunkt.

Du solltest es noch nicht tun, wenn:

• Kein Datenschutzkonzept für Aufnahmen vorhanden ist und keine Kapazität besteht, das kurzfristig zu entwickeln.
• Die Mehrheit der Sitzungen vertrauliche Inhalte hat und keine IT-Infrastruktur für lokale Transkription vorhanden ist.
• Sitzungen in deiner Behörde seltener als einmal pro Woche stattfinden — der Einrichtungsaufwand lohnt sich dann kaum.

Das kannst du heute noch tun

Nimm die Aufzeichnung des letzten Online-Meetings und lade sie in NotebookLM oder direkt in ChatGPT hoch. Frag: „Erstelle ein strukturiertes Ergebnisprotokoll mit Beschlüssen, Aufgaben und Fristen.” Zeig das Ergebnis einer Kollegin. Die Reaktion sagt dir, ob das in deiner Behörde akzeptiert werden würde.

Quellen & Methodik

• Difu — Deutsches Institut für Urbanistik (2022): Befragung kommunaler Verwaltungsmitarbeitender zu Zeitaufwand für Protokollführung und Sitzungsnachbereitung
• Datenschutzkonferenz (DSK, 2024): Orientierungshilfe zur Verarbeitung von Aufnahmen in behördlichen Sitzungen
• DSGVO Art. 6 Abs. 1 lit. e: Verarbeitung zur Wahrnehmung öffentlicher Aufgaben
• Whisper (OpenAI, 2024): Technische Dokumentation zu Erkennungsraten bei mehrsprachigen und dialektbehafteten Aufnahmen
• Eigene Erfahrungswerte: Protokollierungs-Implementierungen bei kommunalen Verwaltungen 2023–2025