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 15.000–30.000 gewerbliche Betriebe. Eine turnusmäßige Kontrolle aller Betriebe alle 3 Jahre wäre vorgeschrieben, ist aber praktisch unmöglich. Die Folge: Man prüft, was zufällig auffällt, was Beschwerden auslöst oder was im Rotationsplan drankam — unabhängig davon, wo das tatsächliche Risiko liegt.

Die Bundesnetzagentur und BaFin zeigen, wie es anders geht: Risikobasierte Prüfkonzepte, die gezielt dort kontrollieren, wo Verstöße 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

BaFin-Praxisbericht (2022): Risikobasierte Aufsicht — Trefferquoten-Verbesserung durch datenbasierte Priorisierung. Ähnliche Befunde aus EU-Behörden-Studien.

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 — hoch (4/5) Wenn dieselbe Anzahl Inspektoren 40–60 % mehr Verstöße findet (Schätzwert aus Praxisberichten), steigt die Wirksamkeit des Vollzugs ohne Mehrinvestition. In Behörden, die zu Vollkostenstellen kalkulieren, bedeutet das: mehr Wirkung je Euro Personalkosten. Das ist politisch und haushaltstechnisch stark.

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 kann 6–12 Monate dauern. Kein Quick-Win.

ROI-Sicherheit — hoch (4/5) Die Trefferquote (Verstöße je durchgeführte Prüfung) ist direkt messbar und vor/nach-vergleichbar. Behörden, die das Modell eingeführt haben, können nach 12 Monaten einen klaren Benchmark-Vergleich ziehen. Das macht den Business Case relativ sicher — 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 oder Gradient Boosting — beide liefern erklärbare Faktoren. 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 (Gov-Cloud) arbeiten. DSGVO-konform in europäischen Rechenzentren.

ChatGPT oder Claude (kostenlos für explorative Analyse): Prüfprotokolle als anonymisierten CSV-Export hochladen, nach Mustern fragen. “Welche Merkmale dieser Betriebe korrelieren mit der Spalte ‘Verstoß gefunden’?” Kein automatisches Scoring-System, aber erste Erkenntnisse für das Prüf-Konzept ohne IT-Projekt.

Datenschutz und rechtliche Anforderungen

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

• Keine automatisierte Entscheidung: Das Modell priorisiert — der Inspektor entscheidet. Kein Unternehmen wird automatisch ohne menschliche Prüfung als Verstoß behandelt (Art. 22 DSGVO)
• 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: Betroffene Unternehmen haben keine Einsicht in den Risiko-Score, aber die Behörde muss nachvollziehbar erklären können, warum ein Betrieb geprüft wurde
• Datenschutz-Folgenabschätzung (DSFA): Verpflichtend, bevor das System produktiv geht

Was es kostet — realistisch gerechnet

Pilotprojekt mit bestehenden Ressourcen:

• Datenvorbereitung: 3–6 Monate, ca. 0,5 FTE intern
• Modellentwicklung: Externer Data-Science-Dienstleister, 20.000–60.000 Euro einmalig oder IT-Bund/IT-Landesebene-Kooperation
• Datenschutz-Prüfung: 5.000–15.000 Euro (DSFA und Rechtsprüfung)
• Gesamtinvestition Pilot: 30.000–80.000 Euro

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

ROI: Wenn 3 Inspektoren statt 20 % Trefferquote 40 % erreichen (Schätzwert aus Praxisberichten): Doppelte Effektivität ohne Mehrpersonal. Bei 400.000 Euro Jahresgehalt für 3 Inspektoren: Wirkungsäquivalent von 400.000 Euro durch verbesserte Ressourcenausrichtung.

Häufige Einstiegsfehler

Datenbasis überschätzt: Viele Behörden glauben, ausreichend historische Daten zu haben — und stellen fest, dass 60 % der Protokolle unstrukturiert oder fehlerhaft sind (Schätzwert aus Praxisberichten). 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: Ausschließlich interpretierbare Algorithmen einsetzen (Logistische Regression, Gradient Boosting mit SHAP-Werten) — 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.

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

Quellen und Grundlagen

• BaFin: „Risikobasierte Aufsicht — Konzept und Praxis” (2022)
• Bertelsmann Stiftung: „KI in der öffentlichen Verwaltung” (2023) — Risikoprofilierung in Prüfbehörden
• EU-Kommission: „Ethics Guidelines for Trustworthy AI in Public Sector” (2021)
• Bundesdatenschutzbeauftragter: Hinweise zur Verarbeitung behördlicher Prüfdaten (2022)