Während in Tech-Blogs KI als Allheilmittel gefeiert wird, herrscht in vielen bayerischen Behörden zu Recht Zurückhaltung. Zu oft wurden digitale „Revolutionen“ angekündigt, die schließlich an der Realität historisch gewachsener Fachverfahren, fehlender Schnittstellen oder unklarer Zuständigkeiten gescheitert sind. Skepsis ist daher kein Fortschrittshemmnis, sondern Ausdruck professioneller Verantwortung.
Auch die Denkfabrik Digitale Arbeitsgesellschaft weist in ihren Analysen darauf hin: Künstliche Intelligenz ist kein Selbstläufer. Sie trifft auf etablierte Verwaltungsstrukturen und auf Mitarbeitende, deren Fachwissen über Jahre aufgebaut wurde. Die Sorge, dass Expertise durch Algorithmen entwertet oder Arbeitsbelastung weiter erhöht wird, ist nicht unbegründet – und muss ernst genommen werden.
Technologischer Trend 2026: Spezialisten für Behörden statt Generalisten
Technisch zeichnet sich für 2026 ein klarer Paradigmenwechsel ab. Der Ansatz „ein grosses Modell für alles“ verliert an Bedeutung. Große, kommerzielle KI-Modelle sind für den Verwaltungsalltag häufig zu teuer, zu intransparent und zu ressourcenintensiv. Stattdessen setzt sich der Einsatz sogenannter Small Language Models (SLMs) durch. Darunter verstehen wir kompakte, auf klar umrissene Verwaltungsaufgaben trainierte Sprachmodelle – etwa für das strukturierte Auslesen von Bauanträgen, die Klassifizierung von Posteingängen oder die Unterstützung bei standardisierten Prüfschritten.
Sie arbeiten effizienter, sind besser kontrollierbar und lassen sich einfacher in bestehende IT-Landschaften integrieren.
Das Leitprinzip lautet: So viel KI wie nötig, so wenig Komplexität wie möglich.
Datenschutz und digitale Souveränität: Die Daten bleiben hier
Für bayerische Behörden ist digitale Souveränität kein Schlagwort, sondern eine zwingende Voraussetzung. Der bayerische KI-Leitfaden macht deutlich: Beim Umgang mit sensiblen personenbezogenen Daten – insbesondere nach Art. 9 DSGVO – gelten besonders hohe Anforderungen.
Eine tragfähige Lösung liegt zunehmend im Einsatz Self-Hosted Large Language Models. Auf Open-Source-Basis (z. B. Kimi K2, DeepSeek, Llama oder Mistral) können diese Modelle im eigenen Rechenzentrum oder bei staatlichen IT-Dienstleistern betrieben werden. Der Vorteil ist klar: kein Datenabfluss in Drittstaaten, volle Kontrolle über Trainings- und Eingabedaten sowie Konformität mit Datenschutz- und Geheimschutzanforderungen. Dies erfordert mehr technisches Know-how im Haus – ist jedoch die Voraussetzung für rechtssichere Innovation jenseits kurzfristiger Pilot- oder Marketingprojekte.
Einsatzfelder: Assistenz statt Automatisierung
Die Vorstellung eines „Roboter-Beamten“ hält einer rechtlichen Prüfung nicht stand. Vollautomatisierte Entscheidungen sind rechtlich eng begrenzt (Art. 22 DSGVO, § 35a VwVfG). Der realistische und zulässige Einsatz von KI liegt daher in Assistenzsystemen, nicht in der Ersetzung menschlicher Entscheidungshoheit.
Bewährte Anwendungsfelder sind unter anderem:
Wissensmanagement: KI-gestützte Assistenzsysteme, die interne Verwaltungsvorschriften durchsuchen, relevante Passagen identifizieren und verbindlich zitieren. Durch RAG-gestützte Architekturen mit klar definierten Quellen lässt sich das Risiko von Halluzinationen systematisch reduzieren. Barrierefreiheit: Unterstützung bei der Übersetzung komplexer Verwaltungsbescheide in Leichte Sprache oder verständlichere Formulierungen. IT-Unterstützung: Code-Assistenz für die Wartung und Weiterentwicklung von Legacy-Systemen, deren Wissen häufig nur noch bei wenigen Mitarbeitenden vorhanden ist.
Regulierung trifft Realität: KI-Act, Führung und Change Management
Mit dem Inkrafttreten des EU AI Act ist KI-Kompetenz („AI Literacy“) für Betreiber und Anwender verpflichtend. Doch Technik ist selten das eigentliche Problem.
Erfahrungen aus der Praxis zeigen: KI-Projekte scheitern meist nicht an der Software, sondern an fehlender Führung und unklarem Change Management. Wenn nicht transparent kommuniziert wird, warum eine KI eingeführt wird, wie Qualitätssicherung erfolgt („Human-in-the-Loop“) und wo Verantwortung verbleibt, entsteht Widerstand.
Hinzu kommt ein unbequemer Effekt: KI wirkt wie ein Verstärker bestehender Prozessqualitäten – im Guten wie im Schlechten. Schlechte Daten bleiben schlechte Daten, auch mit KI.
Fazit: Kompetenz aufbauen statt Risiken verdrängen
KI zu ignorieren ist keine Option. Angesichts des Fachkräftemangels und steigender Anforderungen sind die Effizienzpotenziale zu groß. Gleichzeitig wäre ein unkritischer Einsatz fahrlässig.
Der richtige Weg liegt in einem Ansatz nach bayerischen Maßstäben: gründlich, sicher und menschenzentriert. Weg von abstrakten Debatten, hin zum praktischen Handwerk – rechtlich fundiert, technisch sauber und organisatorisch begleitet.
Genau hier setzen unsere Schulungen für 2026 an. Wir bieten keine Werbeveranstaltungen, sondern praxisnahe Schulungen zu rechtlichen Rahmenbedingungen, zur technischen Implementierung von Open-Source-KI in behördlichen Umgebungen sowie zu Führungsstrategien, die Skepsis ernst nehmen und Teams professionell durch den Wandel begleiten.