Case Studies / Polnische öffentliche Institution
BEHÖRDEN & ÖFFENTLICHE VERWALTUNG · BÜRGERSERVICES
Multi-Agenten-Chatbot ersetzt manuelle Bürgeranfragen in 11 Wissensbereichen
Eine führende polnische technische Überwachungsbehörde erhält tausende Bürgeranfragen zu Genehmigungen, Sicherheitsanforderungen für Anlagen und Zertifizierungsverfahren. Bürger fragen in Alltagssprache, doch die Antworten stecken in dichter, technischer Dokumentation, die sich auf mehrere Abteilungen verteilt. Der frühere Chatbot der Institution konnte diese Lücke nicht schließen – er verlangte von den Bürgern, vorab eine Kategorie auszuwählen (was die meisten nicht konnten), und scheiterte an Aufgaben wie Datumsberechnungen. Wir haben eine neue Multi-Agenten-Architektur entworfen und einen funktionierenden Prototyp entwickelt, der Fragen intelligent über 11 spezialisierte Wissensbereiche hinweg leitet – ohne dass Bürger wissen müssen, welche Abteilung zuständig ist.
Kunde: Führende polnische technische Überwachungsbehörde (unter NDA) – zuständig für Anlagensicherheit, Bedienergenehmigungen und technische Konformität in industrieller und öffentlicher Infrastruktur.
WICHTIGSTE ERGEBNISSE
11
Spezialisierte Wissensbereiche, abgedeckt durch domänenspezifische Agenten
Auto
Intelligentes Routing – Bürger fragen frei, ohne Kategorieauswahl
Alltag→Technik
Alltagssprache der Bürger wird der technischen Dokumentation zugeordnet
BRANCHE
Behörden / Technische Überwachung
USE CASE
Bürgerorientierter Multi-Agenten-Chatbot
KI-ANSATZ
Multi-Agenten-Architektur + RAG
WISSENSUMFANG
11 spezialisierte Domänen
PLATTFORM
Azure, OpenAI, Qdrant, Langfuse
PROJEKTUMFANG
Architekturdesign + funktionierender Prototyp
Die Herausforderung
Die Institution überwacht Sicherheit und Konformität technischer Anlagen in ganz Polen – von Industriemaschinen und Druckbehältern bis hin zu Aufzügen und Fahrgeschäften. Bürger und Unternehmen wenden sich mit Fragen an sie: Welche Genehmigungen werden benötigt? Welche Sicherheitsanforderungen gelten für ihre Anlagen? Wie beantragt man Inspektionen, und welche Fristen und Verfahren gibt es?
Die Antworten auf diese Fragen verteilen sich auf dichte technische und rechtliche Dokumente, die eine präzise, fachspezifische Sprache verwenden. Bürger sprechen aber nicht so. Sie beschreiben ihre Situation in einfachem, alltäglichem Polnisch – „Ich baue einen neuen Heizkessel in meinem Gebäude ein, was brauche ich?” – und erwarten, dass das System herausfindet, welche Vorschriften, Genehmigungen und Verfahren gelten.
Die Institution verfügte bereits über einen früheren Chatbot, der jedoch an grundlegende Grenzen stieß. Er verlangte von den Bürgern, vor jeder Frage eine Kategorie auszuwählen – aber die meisten wussten nicht, in welche Kategorie ihre Frage fiel. Datumsberechnungen (entscheidend für Genehmigungsfristen und Gültigkeitszeiträume) konnte er nicht durchführen. Und er hatte Schwierigkeiten, Wissen aus mehreren Bereichen zu kombinieren, wenn eine Frage die Kategoriegrenzen überschritt.
Das Kernproblem: Bürger stellten in Alltagssprache Fragen zu komplexen technischen Vorschriften. Der frühere Chatbot setzte voraus, dass sie die richtige Kategorie vorab kannten, konnte keine Daten berechnen und kein Wissen über verschiedene Bereiche hinweg verknüpfen. Das Ergebnis: Bürger gaben auf und riefen stattdessen im Amt an – die manuelle Anfragelast blieb hoch.
Was wir entwickelt haben
Wir haben eine neue Architektur von Grund auf entworfen – mit Fokus auf die spezifischen technischen Grenzen des Vorgängersystems – und einen funktionierenden Prototyp geliefert, der den Ansatz über alle 11 Wissensbereiche hinweg demonstrierte.
Multi-Agenten-Architektur mit intelligentem Routing. Statt eines monolithischen Chatbots haben wir ein System mit einem zentralen Orchestrierungs-Agenten entworfen, der Fragen an spezialisierte Agenten weiterleitet – jeder mit einer eigenen Wissensbasis für einen bestimmten Bereich (Genehmigungen, Anlagenkategorien, Sicherheitsanforderungen, Verfahren etc.). Der Bürger stellt seine Frage einfach in natürlicher Sprache. Der Hauptagent erkennt, welche Bereiche relevant sind, und delegiert entsprechend – ohne Kategorieauswahl.
Abgleich von Alltagssprache und Fachsprache. Die zentrale Herausforderung bestand darin, die Lücke zwischen der Art, wie Bürger ihre Situation beschreiben, und der Sprache der technischen Dokumentation zu schließen. Eine Frage zum „großen Metalltank in meiner Fabrik” muss mit Dokumenten über Druckbehälter, bestimmte Sicherheitsklassen und entsprechende Inspektionsverfahren verknüpft werden. Wir haben die Retrieval- und Prompting-Pipeline so entwickelt, dass sie diese semantische Lücke zuverlässig überbrückt.
Dynamische Anfragenverarbeitung. Die neue Architektur bewältigt Aufgaben, an denen das Vorgängersystem scheiterte: automatische Datumsberechnungen für Genehmigungsfristen und Gültigkeitszeiträume, Klärung mehrdeutiger Fragen durch Rückfragen sowie die Kombination von Wissen aus mehreren Bereichen, wenn eine Frage Kategorien übergreift.
Einfache Wissenspflege für nicht-technische Mitarbeiter. Die Wissensbasis wird über bearbeitbare SharePoint-Listen verwaltet – so können Fachexperten innerhalb der Institution Inhalte aktualisieren, ergänzen und pflegen, ohne auf Entwickler oder IT-Support angewiesen zu sein. Das war eine bewusste Designentscheidung: Die Genauigkeit des Systems hängt von aktuellen Inhalten ab, und die Menschen, die diese Inhalte am besten kennen, sollten zur Pflege keine technischen Kenntnisse brauchen.
Sichere Bereitstellung auf Azure. Der Prototyp wurde auf Microsoft Azure mit Entra-ID-Autorisierung und Langfuse-Monitoring umgesetzt – passend zu den Sicherheitsanforderungen der Institution und mit voller Transparenz über die Systemleistung.
Die Ergebnisse
VORHERIGES SYSTEM
Bürger mussten vorab eine Kategorie wählen. Keine Datumsberechnungen. Wissen über verschiedene Bereiche konnte nicht kombiniert werden. Viele Bürger gaben auf und riefen stattdessen im Amt an.
NEUE ARCHITEKTUR
Bürger fragen in Alltagssprache – das Routing erfolgt automatisch. Datumsberechnungen sind integriert. Bereichsübergreifende Fragen werden bewältigt. Die Wissenspflege übernehmen nicht-technische Mitarbeiter über SharePoint.
Der funktionierende Prototyp zeigte, dass die Multi-Agenten-Architektur genau die Probleme löst, die das Vorgängersystem nicht bewältigen konnte. Bürger können ihre Situation natürlich beschreiben und erhalten präzise Antworten aus dem passenden Wissensbereich – ohne die interne Struktur oder Terminologie der Institution kennen zu müssen.
Für jede öffentliche Institution oder jedes Unternehmen mit einer komplexen, bereichsübergreifenden Wissensbasis und nicht-fachkundigen Nutzern zeigt dieses Projekt einen skalierbaren Ansatz: Statt eines riesigen Chatbots, der alles wissen soll, wird das Problem in spezialisierte Agenten zerlegt, die jeweils ihren Bereich gut beherrschen – ergänzt durch eine intelligente Routing-Schicht, die zur richtigen Frage den passenden Experten bringt.
Eingesetzte Technologien
Mehr Case Studies
So haben wir anderen Unternehmen geholfen
MEDTECH · APOQLAR
Bearbeitungszeit für Sicherheitsfragebögen von einem Monat auf eine Woche reduziert
Jeder neue Krankenhauspartner benötigte einen ausgefüllten Fragebogen – 8–10 Beteiligte, rund einen Monat, Antworten aus Richtlinien verschiedener Abteilungen. Jetzt entwirft ein KI-Assistent die Antworten automatisch und spart dabei geschätzte 90.000 $ pro Jahr.
-75%
Bearbeitungszeit
90.000 $
Jährliche Einsparungen
POLITIK · POLICY-INSIDER.AI
Stundenlange manuelle Lektüre von Richtliniendokumenten durch KI-generierte Zusammenfassungen ersetzt
Analysten verbrachten Stunden damit, lange EU-Richtliniendokumente zu lesen und Kernpunkte herauszuarbeiten. Wir haben eine KI entwickelt, die Dokumente liest, zusammenfasst und Nutzer automatisch über relevante Änderungen informiert – in mehreren Sprachen.
Auto
Zusammenfassung
Mehrsprachige
EU-Dokumente
MEDTECH · APOQLAR
GenAI-Assistent ersetzt manuelle Dokumentensuche
Mitarbeiter verbrachten Stunden damit, hunderte von Produktdokumenten zu durchsuchen, um Kunden- und Compliance-Fragen zu beantworten. Jetzt stellen sie Fragen in natürlicher Sprache und erhalten in Sekunden quellenbasierte Antworten.
RAG
Integriert
Kontextverwaltung
Optimiert