Deutschland – Forschungsdienste – Iterative KI-Entwicklung für effiziente Textbearbeitung im HMWVW

Das Forschungs- und Entwicklungsvorhaben zielt darauf ab, die Potenziale und Einschränkungen von Large Language Models (LLMs) für die Unterstützung bei textbasierten und verwaltungstechnischen Aufgaben zu erforschen. Das Vorhaben wird durch das Hessische Ministerium für Wirtschaft, Energie, Verkehr, Wohnen und ländlichen Raum (HMWVW) finanziert und mit diesem in der Rolle eines Endnutzers validiert. Der Auftrag fällt gemäß § 116 Abs. 1 Nr. 2 GWB nicht in den Anwendungsbereich des Vergaberechts. Der Einsatz von KI-basierten Sprachmodellen, sogenannten Large Language Models (LLMs), kann wertvolle Unterstützung bei der Modernisierung von Staat und Verwaltung bieten. So können diese Modelle etwa zur Textgenerierung, Textumformulierung und als Texterstellungshilfen eingesetzt werden. Andererseits weisen alle vorhandenen Modelle signifikante Schwächen auf, die eine 1:1 Übernahme der Resultate solcher Sprachmodelle im Produktivbetrieb nicht ohne weiteres zulassen. Die erforderliche Ausgestaltung der Systeme und die Auswahl der Komponenten lassen sich nicht ohne praktische Validierungen realisieren. Insbesondere ist vorab nicht klar, welche technischen Funktionalitäten sich verlässlich umsetzen lassen und welche nicht. Daher verfolgt das Vorhaben einen explorativen Ansatz und erfolgt in einem iterativen Prozess, bei dem verschiedene Anwendungen von LLMs getestet werden. Ziel ist es, die tatsächliche Eignung von LLMs für diese Aufgaben zu evaluieren. Ergebnisoffen wird systematisch untersucht, ob LLMs die erwarteten Funktionen erfüllen können und in welchem Umfang sie für die Anforderungen in der Verwaltungspraxis geeignet sind. Die methodische Vorgehensweise umfasst kontinuierliches Testen der entwickelten Applikationen in realen Arbeitsumgebungen. Hierbei ist das HMWVW als möglicher Nutzer eingebunden und liefert wertvolle Rückmeldungen. Dabei werden die Applikationen auf ihre Nützlichkeit und Effektivität geprüft, wobei regelmäßiges Benutzerfeedback zur kontinuierlichen V