KI-gestützte risikobasierte Prüfplanung

Das echte Ausmaß des Problems

Gewerbeaufsichtsämter, Gesundheitsämter, Bau- und Umweltbehörden, Veterinärämter, alle teilen das gleiche Grundproblem: Zu viele Objekte, zu wenig Personal. Ein Gewerbeaufsichtsamt mit 20 Inspektoren betreut leicht zehntausende gewerbliche Betriebe. Für den Arbeitsschutz setzt § 21 Abs. 1a ArbSchG seit dem Kalenderjahr 2026 eine Mindestbesichtigungsquote: Jedes Land muss im Jahr mindestens 5 Prozent seiner Betriebe besichtigen. Das heißt umgekehrt, dass ein Betrieb im Schnitt nur alle zwanzig Jahre an der Reihe ist. Welche 5 Prozent es sind, ist damit die eigentliche Steuerungsfrage. Die Folge heute: Man prüft, was zufällig auffällt, was Beschwerden auslöst oder was im Rotationsplan drankam, unabhängig davon, wo das tatsächliche Risiko liegt.

Die Finanzaufsicht zeigt seit Langem, wie es anders geht: risikoorientierte Aufsicht, die gezielt dort kontrolliert, wo Probleme wahrscheinlicher sind. Nur fehlt dafür in vielen Behörden die analytische Infrastruktur. Deutschland hat dabei einen systembedingten Nachteil: Prüfbehörden operieren häufig auf Länderebene mit historisch gewachsenen IT-Systemen, die Daten nicht strukturiert speichern.

Dabei liegt in historischen Prüfprotokollen ein wertvoller Datenschatz: Welche Betriebsmerkmale korrelieren mit häufigeren Verstößen? Welche Branchen, Betriebsgrößen, Unternehmensalter oder Standortmerkmale sind Risikoprädiktoren? Diese Fragen lassen sich mit Machine-Learning-Methoden systematisch beantworten.

Mit vs. ohne KI, ein ehrlicher Vergleich

Eine veröffentlichte Auswertung, um wie viel risikobasierte Auswahl die Trefferquote einer deutschen Gewerbeaufsicht hebt, haben wir nicht gefunden. Die Tabelle beschreibt deshalb die Richtung, nicht die Größe des Effekts.

Einschätzung auf einen Blick

Zeitersparnis, gering (2/5) Risikobasierte Prüfplanung spart kaum operative Arbeitszeit, Inspektoren prüfen weiterhin genauso viele Betriebe. Die Effizienzsteigerung liegt in der Wirkungsqualität der Prüfungen, nicht ihrer Anzahl. Im Verwaltungs-Vergleich ein nachrangiger Zeitgewinn.

Kosteneinsparung, niedrig (2/5) Findet dieselbe Zahl Inspektoren mehr Verstöße, steigt die Wirksamkeit des Vollzugs. Gespart wird dabei kein Geld: Die Stellen bleiben, das Modell kostet Aufbau und Wartung, und jeder zusätzlich gefundene Verstoß löst Folgearbeit aus, Nachkontrolle, Anordnung, im Zweifel ein Bußgeldverfahren. Mehr Wirkung je Personalstunde ist ein starkes Argument, aber ein fachliches, kein haushaltstechnisches. Wie groß die Wirkung ist, ist zudem nicht belegt.

Schnelle Umsetzung, gering (2/5) Datenvorbereitung in Behörden ist der eigentliche Bottleneck. Historische Prüfprotokolle existieren meist als unstrukturierte Akten oder schlecht gepflegte Datenbanken. Bereinigung, Strukturierung und DSGVO-konforme Verarbeitung für das Modell-Training dauern drei bis sechs Monate, wenn die Protokolle brauchbar sind, und bis zu zwölf, wenn sie erst strukturiert werden müssen. Kein Quick-Win.

ROI-Sicherheit, mittel (3/5) Die Trefferquote (Verstöße je durchgeführte Prüfung) ist messbar, aber ein einfacher Vorher-Nachher-Vergleich täuscht: Wer gezielt verdächtige Betriebe prüft, findet dort zwangsläufig mehr, auch mit einem mittelmäßigen Modell. Belastbar wird der Nachweis erst, wenn ein Teil der Prüfungen weiter zufällig ausgewählt wird und die beiden Gruppen verglichen werden. Mit einer ausreichend großen Zufallsgruppe, etwa jeder fünften Prüfung, ist nach zwölf Monaten ein klarer Vergleich möglich, vorausgesetzt, die Datenbasis trägt.

Skalierbarkeit, mittel (3/5) Mehr historische Prüfdaten verbessern das Modell. Aber Datenschutzbeschränkungen und Behördengrenzen (andere Bundesländer) begrenzen den Datenaustausch. Das Modell kann für eine Behörde gut funktionieren, lässt sich aber nicht einfach auf eine andere übertragen.

Richtwerte, stark abhängig von Datenqualität historischer Prüfprotokolle und IT-Infrastruktur der Behörde.

So funktioniert KI-Risikopriorisierung

Datenaufbereitung: Grundlage sind historische Prüfprotokolle mit Ergebnis (Verstoß ja/nein, Schwere) und Merkmalen der geprüften Einheit (Branche, Betriebsgröße, Letzte-Prüfung-Datum, gemeldete Vorfälle, geografische Lage). Diese müssen strukturiert, bereinigt und pseudonymisiert werden.

Modelltraining: Ein Supervised-Learning-Modell lernt, welche Merkmalskombinationen historisch mit Verstößen korreliert haben. Bei kleinen Datensätzen empfiehlt sich Logistische Regression, deren Faktoren direkt ablesbar sind, oder Gradient Boosting mit nachträglichen Erklärungen über SHAP-Werte. Beachte dabei: Das Modell lernt nur aus Betrieben, die geprüft wurden, und die wurden bisher nicht zufällig ausgewählt. Deep Learning ist bei Behördendaten wegen Erklärbarkeits-Anforderungen selten geeignet.

Explainability (XAI): Für rechtssichere Verwendung muss die Prüfplanung begründbar sein. Das Modell muss erklären können: “Betrieb X hat Score 82 wegen: letzter Prüfung vor 6 Jahren (30 Punkte), Branche mit überdurchschnittlicher Verstoßrate (25 Punkte), gemeldete Unvollständigkeit Gefahrstoffliste (27 Punkte).” Das ist nicht nur Transparenz, es schützt die Behörde vor Willkür-Vorwürfen.

Workflow-Integration: Risikoscores werden in den Prüfplan-Workflow integriert. Inspektoren sehen priorisierte Liste, können überstimmen (mit Dokumentation) und ihr Feedback fließt ins Modell zurück.

Welche Tools passen hierzu

KNIME Analytics , kostenlose Open-Source-Datenanalyseplattform mit ML-Modulen. Gut für Behörden mit eigenem IT-Personal, die eine kostenlose Lösung ohne Cloud-Abhängigkeit suchen. Lernkurve vorhanden, aber machbar mit IT-Unterstützung.

Microsoft Azure Machine Learning , Cloud-Plattform mit automatisiertem ML (AutoML). Gut für Behörden, die bereits in der Microsoft-Cloud arbeiten. EU-Regionen sind verfügbar, ob die Verarbeitung datenschutzrechtlich trägt, entscheiden Vertrag, Region und Konfiguration, nicht der Anbietername.

ChatGPT oder Claude (für eine erste Musteranalyse): Nicht mit Einzelprotokollen. Prüfprotokolle enthalten Betriebs- und Geschäftsgeheimnisse, die eine Behörde nach § 30 VwVfG nicht unbefugt offenbaren darf, und bei Einzelunternehmern personenbezogene Daten. Ein Upload in ein privates oder kostenloses Chat-Konto scheidet deshalb aus, auch “anonymisiert”, denn Branche, Größe und Ort machen einen Betrieb schnell wiedererkennbar. Was geht: eine aggregierte Tabelle ohne einzelne Betriebe, etwa Verstoßquote je Branche und Größenklasse, oder ein behördlich freigegebener Zugang mit AVV. Die eigentliche Auswertung auf Betriebsebene gehört in ein lokales Werkzeug wie KNIME.

Datenschutz und rechtliche Anforderungen

Risikobasierte Prüfplanung auf Basis von ML ist in Deutschland rechtlich möglich, aber mit Anforderungen verbunden:

• Rechtsgrundlage: Die Verarbeitung stützt sich auf Art. 6 Abs. 1 lit. e DSGVO in Verbindung mit dem Fachrecht, etwa der Überwachungsaufgabe nach § 21 ArbSchG. Einwilligung trägt hier nicht, und auf berechtigtes Interesse kann sich eine Behörde bei ihren Aufgaben nach Art. 6 Abs. 1 Unterabs. 2 DSGVO gar nicht berufen. Die DSGVO schützt natürliche Personen: Einzelunternehmer, Geschäftsführer, in Protokollen genannte Beschäftigte. Für die Betriebe selbst gilt zusätzlich § 30 VwVfG, der Schutz von Betriebs- und Geschäftsgeheimnissen.
• Keine automatisierte Entscheidung: Das Modell priorisiert, der Inspektor entscheidet. Kein Betrieb wird ohne menschliche Prüfung als Verstoß behandelt, das entspricht auch Art. 22 DSGVO, soweit natürliche Personen betroffen sind.
• Diskriminierungsfreiheit: Das Modell darf nicht auf Merkmale trainiert werden, die indirekte Diskriminierung ermöglichen (Nationalität, Eigentümerstruktur ohne sachlichen Bezug)
• Pseudonymisierung: Personenbezogene Daten von Unternehmensinhaber/Geschäftsführer müssen für das Modelltraining pseudonymisiert werden
• Transparenz: Rechne damit, dass ein Score herausverlangt wird, über Art. 15 DSGVO bei Einzelunternehmern, über Akteneinsicht oder Informationsfreiheitsrecht. Die Behörde muss nachvollziehbar erklären können, warum ein Betrieb geprüft wurde, und die Begründung muss vorzeigbar sein.
• Datenschutz-Folgenabschätzung (DSFA): Für ein Scoring, das auch Einzelunternehmer bewertet, praktisch unausweichlich, und vor dem Produktivbetrieb abzuschließen.
• KI-Verordnung: Eine Risikobewertung von Betrieben für die Prüfplanung steht nicht ausdrücklich in Anhang III der Verordnung (EU) 2024/1689. Die Grenze liegt bei Nummer 6 Buchstabe d: Systeme, mit denen Strafverfolgungsbehörden das Risiko bewerten, dass eine natürliche Person eine Straftat begeht, sind hochriskant. Wer Straftatbestände verfolgt und Einzelunternehmer bewertet, muss das prüfen und die Einordnung schriftlich festhalten. Für Hochrisiko-Systeme gelten die Pflichten aus Kapitel III Abschnitte 1 bis 3 nach der Verordnung (EU) 2026/1744 ab dem 2. Dezember 2027, für Behörden als Betreiber einschließlich der Grundrechte-Folgenabschätzung nach Art. 27. Unabhängig von der Einstufung gilt seit dem 2. Februar 2025 Art. 4, die Förderung der KI-Kompetenz der Beschäftigten.

Was es kostet, realistisch gerechnet

Pilotprojekt mit bestehenden Ressourcen:

• Datenvorbereitung: 3–6 Monate bei brauchbaren Protokollen, bis zu 12 Monate, wenn erst strukturiert werden muss, ca. 0,5 Stellen intern
• Modellentwicklung: Externer Data-Science-Dienstleister, 20.000–60.000 Euro einmalig oder eine Kooperation mit dem IT-Dienstleister des Landes
• Datenschutz-Prüfung: 5.000–15.000 Euro (DSFA und Rechtsprüfung)
• Externe Kosten Pilot: 25.000–75.000 Euro, dazu die interne halbe Stelle

Laufende Kosten: 5.000–15.000 Euro/Jahr für Modellwartung und Anpassung

Alle Beträge sind Planungsannahmen ohne veröffentlichte Vergleichszahlen.

Was du dagegenrechnen kannst, und was nicht. Ein Rechenbeispiel, keine Prognose: Drei Inspektoren schaffen rund 600 Besichtigungen im Jahr. Angenommen, die Trefferquote steigt von 20 auf 40 Prozent, belegt ist das nicht. Dann finden sie 240 statt 120 Betriebe mit Verstößen (600 mal 40 statt 600 mal 20 Prozent). Das sind 120 zusätzliche Verfahren mit Nachkontrolle, Anordnung und im Zweifel Bußgeld, also mehr Arbeit, nicht weniger. Der Gewinn ist Wirkung: 120 Mängel mehr, die abgestellt werden, bevor etwas passiert, wenn die Behörde sie auch durchsetzt. In Euro lässt sich das nicht ehrlich fassen. Die drei Stellen, im gehobenen Dienst nach den Personalkostensätzen des Bundesfinanzministeriums rund 100.000 Euro je Beamtenstelle A 12 im Jahr einschließlich Versorgungszuschlag, bleiben dieselben.

Häufige Einstiegsfehler

Datenbasis überschätzt: Viele Behörden glauben, ausreichend historische Daten zu haben, und stellen dann fest, dass ein großer Teil der Protokolle unstrukturiert oder lückenhaft ist. Abhilfe: Vor jedem ML-Projekt eine Stichprobe von 100 Protokollen manuell auswerten, fehlen mehr als 20 % der Pflichtfelder, muss zuerst die Datenpflege-Infrastruktur verbessert werden, bevor mit dem Modell begonnen wird.

Black-Box-Modell ohne Erklärbarkeit: Ein Risikomodell, das Inspektoren nicht erklären können, wird intern nicht akzeptiert und ist rechtlich angreifbar. Abhilfe: Nur Modelle einsetzen, deren Scores sich erklären lassen (Logistische Regression, oder Gradient Boosting mit SHAP-Erklärungen), und für jeden Risikoscore einen Textbaustein generieren, der die drei stärksten Einflussfaktoren benennt.

Modell-Bias nicht geprüft: Wenn historische Prüfungen bestimmte Branchen oder Regionen bevorzugt haben, lernt das Modell diese Verzerrung. Abhilfe: Vor dem Produktivbetrieb die Trefferquote je Branche und Region getrennt auswerten, weicht eine Gruppe mehr als 15 Prozentpunkte vom Gesamtmittel ab, muss das Trainingsdesign angepasst oder die Gruppe temporär ausgeschlossen werden.

Erfolg ohne Vergleichsgruppe gemessen: Wer nur noch nach Score prüft, findet mehr Verstöße und hält das für den Beweis. Es ist aber auch die Folge der Auswahl selbst, und ohne zufällig ausgewählte Prüfungen lernt das Modell nie, was es übersieht. Abhilfe: Einen festen Anteil der Besichtigungen weiter zufällig auswählen und die Trefferquoten beider Gruppen getrennt ausweisen.

Ohne Beteiligung der Inspektoren entwickelt: Inspektoren, die das System nicht kennen und nicht vertrauen, werden es nicht nutzen. Abhilfe: Mindestens zwei erfahrene Inspektoren von Beginn an in die Auswahl der Merkmale einbeziehen, ihr Praxiswissen verhindert, dass das Modell auf statistisch korrelierende, aber fachlich unsinnige Faktoren trainiert wird.

Ist dieser Use Case der richtige für euch?

Das spricht dafür:

• Prüfbehörde mit nachweisbarer Kapazitätslücke und Rotationsplan als einzigem Auswahl-Mechanismus
• Historische Prüfprotokolle in ausreichender Qualität und Quantität (mindestens 500 dokumentierte Prüfungen mit Ergebnis)
• Politischer/fachlicher Wille für datenbasierte Prüfsteuerung und Bereitschaft für DSFA

Das spricht dagegen:

• Neue Behörde ohne historische Datenbasis, kein Trainingsmodell möglich
• Sehr kleine Fallzahlen (unter 100 Prüfungen jährlich), zu wenig Daten für verlässliches ML
• Keine IT-Unterstützung oder kein Budget für externe Data-Science-Kompetenz

Den Prompt unten probierst du zuerst mit einer Testtabelle aus erfundenen Betrieben aus. Echte Prüfdaten auf Betriebsebene gehören nur in ein behördlich freigegebenes System mit AVV und Verarbeitung in der EU, nie in ein privates oder kostenloses Chat-Konto.

Quellen und Grundlagen

• § 21 Abs. 1a ArbSchG: Mindestbesichtigungsquote von 5 Prozent der Betriebe je Kalenderjahr ab 2026 (gesetze-im-internet.de, abgerufen am 18.09.2026)
• § 30 VwVfG: Geheimhaltung von Betriebs- und Geschäftsgeheimnissen durch die Behörde (gesetze-im-internet.de, abgerufen am 18.09.2026)
• KI-Verordnung (EU) 2024/1689, Anhang III Nr. 6 Buchst. d, Art. 4 und Art. 27 (eur-lex.europa.eu, abgerufen am 18.09.2026), Geltungsbeginn nach der Verordnung (EU) 2026/1744
• Personalkosten: Bundesministerium der Finanzen, Personal- und Sachkosten in der Bundesverwaltung 2026 (Ist 2025), Werte für nachgeordnete Bundesbehörden, A 12 mit Versorgungszuschlag von 29,3 Prozent (bundesfinanzministerium.de, abgerufen am 18.09.2026)
• Trefferquoten und Kosten: Eine veröffentlichte Auswertung für deutsche Gewerbeaufsichten haben wir nicht gefunden. Die Beträge sind Planungsannahmen der Redaktion.