Behörden und Verwaltung · Bürgerservice

Bürger fragen in eigenen Worten, elf Agenten klären, wer antwortet

Eine führende polnische technische Überwachungsbehörde bekommt Tausende Bürgeranfragen zu Genehmigungen, Anlagensicherheit und Zertifizierung. Die Bürger fragen in Alltagssprache, die Antworten stehen in dichter technischer Dokumentation mehrerer Abteilungen. Der bisherige Chatbot verlangte, vor der Frage eine Kategorie zu wählen, und das konnten die meisten nicht. Wir haben eine Multi-Agenten-Architektur entworfen, die die Frage selbst über 11 Wissensbereiche verteilt.

Ergebnisse

11

Wissensbereiche, jeder mit eigenem Fachagenten

Auto

Die Weiterleitung geschieht von selbst, ohne Kategorieauswahl

Alltag → Fach

Alltagssprache wird der technischen Dokumentation zugeordnet

Kunde: Polnische technische Überwachungsbehörde (unter NDA)
Eine nationale Behörde, zuständig für Anlagensicherheit, Bedienergenehmigungen und technische Konformität in Industrie und öffentlicher Infrastruktur. Die Behörde steht unter NDA und wird deshalb hier nicht genannt.

Branche: Behörden und technische Überwachung
Anwendungsfall: Multi-Agenten-Chatbot für Bürger
KI-Ansatz: Multi-Agenten-Architektur mit RAG
Wissen: 11 spezialisierte Bereiche
Plattform: Azure, OpenAI, Qdrant, Langfuse
Projektumfang: Architekturentwurf und funktionierender Prototyp

Kurz gefasst

Warum die Leute aufgaben und lieber anriefen

Die Behörde überwacht Sicherheit und Konformität technischer Anlagen in ganz Polen, von Industriemaschinen und Druckbehältern bis zu Aufzügen und Fahrgeschäften.
Bürger beschreiben ihre Lage in einfachem Polnisch, „Ich baue einen neuen Heizkessel in meinem Gebäude ein, was brauche ich?“, während die Antworten in präziser, fachspezifischer Rechtsdokumentation stehen.
Der alte Chatbot verlangte vorab eine Kategorie, konnte keine Fristen berechnen und kein Wissen verknüpfen, wenn eine Frage mehrere Bereiche berührte.
Heute liest ein Hauptagent die Frage und verteilt sie an die zuständigen Fachagenten, sodass niemand die interne Struktur der Behörde kennen muss, um eine Antwort zu bekommen.

Die Ausgangslage

Die Aufgabe

Bürger fragten in Alltagssprache nach komplexen technischen Vorschriften. Der bisherige Chatbot setzte voraus, dass sie die richtige Kategorie kennen, konnte keine Daten berechnen und kein Wissen über Bereiche hinweg verknüpfen, also gaben die Leute auf und riefen im Amt an.

Die Behörde überwacht Sicherheit und Konformität technischer Anlagen in ganz Polen, von Industriemaschinen und Druckbehältern bis zu Aufzügen und Fahrgeschäften. Bürger und Unternehmen fragen, welche Genehmigungen sie brauchen, welche Sicherheitsanforderungen gelten, wie sie eine Prüfung beantragen und welche Fristen es gibt.

Die Antworten stehen in dichten technischen und rechtlichen Dokumenten mit präziser Fachsprache. So sprechen Bürger nicht. Sie beschreiben ihre Situation im Gesprächston und erwarten, dass das System herausfindet, welche Vorschriften gelten.

Der frühere Chatbot stieß an drei harte Grenzen. Er verlangte vor jeder Frage eine Kategorie, und die meisten wussten nicht, wohin ihre Frage gehört. Er konnte keine Datumsberechnungen, obwohl davon Genehmigungsfristen und Gültigkeitszeiträume abhängen. Und er konnte kein Wissen aus mehreren Bereichen verbinden, wenn eine Frage über eine Grenze ging.

Der Bau

Was wir gebaut haben

Wir haben eine neue Architektur von Grund auf entworfen, gezielt gegen diese Grenzen, und einen funktionierenden Prototyp geliefert, der alle 11 Wissensbereiche abdeckt.

01

Ein Orchestrator, elf Spezialisten

Statt eines Chatbots, der alles wissen soll, leitet ein Hauptagent die Frage an spezialisierte Agenten weiter, jeder mit eigener Wissensbasis für einen Bereich: Genehmigungen, Anlagenkategorien, Sicherheitsanforderungen, Verfahren. Der Bürger fragt einfach. Der Hauptagent entscheidet, welche Bereiche betroffen sind, und delegiert.

02

Alltagssprache trifft Fachsprache

Die eigentliche Schwierigkeit ist die Lücke zwischen der Beschreibung des Bürgers und der Sprache der Dokumentation. Wer nach dem „großen Metalltank in meiner Fabrik“ fragt, muss bei den Unterlagen zu Druckbehältern, Sicherheitsklassen und Prüfverfahren landen. Die Retrieval- und Prompting-Pipeline ist darauf gebaut, diese Lücke zuverlässig zu schließen.

03

Was das alte System nicht konnte

Die neue Architektur berechnet Fristen und Gültigkeitszeiträume automatisch, stellt bei einer mehrdeutigen Anfrage eine Rückfrage und verbindet Wissen aus mehreren Bereichen, wenn eine Frage sie berührt.

04

Fachleute pflegen es, nicht Entwickler

Die Wissensbasis wird über bearbeitbare SharePoint-Listen gepflegt, sodass Fachleute in der Behörde Inhalte ohne Entwickler aktualisieren und ergänzen. Das war Absicht: Die Genauigkeit hängt an aktuellen Inhalten, und wer die Inhalte am besten kennt, sollte dafür keine technischen Kenntnisse brauchen.

05

Betrieben nach den Sicherheitsvorgaben der Behörde

Der Prototyp läuft auf Microsoft Azure mit Entra-ID-Autorisierung und Langfuse-Monitoring. Das entspricht den Vorgaben der Behörde und zeigt genau, wie das System arbeitet.

Bürger fragen in eigenen Worten, elf Agenten klären, wer antwortet

Was sich geändert hat

Das Ergebnis

Vorher

Bürger mussten vor der Frage eine Kategorie wählen. Keine Datumsberechnung, kein Wissen über Bereiche hinweg, und viele gaben auf und riefen im Amt an.

Nachher

Bürger fragen in Alltagssprache, die Weiterleitung geschieht von selbst. Fristen werden berechnet, bereichsübergreifende Fragen funktionieren, und Fachleute ohne IT-Kenntnisse pflegen das Wissen über SharePoint.

Der Prototyp hat gezeigt, dass die Multi-Agenten-Architektur genau die Probleme löst, an denen das alte System scheiterte: Weiterleitung, Fristberechnung und Fragen über Bereichsgrenzen hinweg.

Bürger beschreiben ihre Lage in eigenen Worten und landen im richtigen Wissensbereich, ohne die interne Struktur oder Fachsprache der Behörde zu kennen.

Für jede Institution mit einer komplexen, bereichsübergreifenden Wissensbasis und fachfremden Nutzern skaliert der Ansatz: statt eines Chatbots, der alles wissen soll, spezialisierte Agenten und eine Weiterleitungsschicht, die zur richtigen Frage den richtigen Fachmann bringt.

Fragen zu diesem Projekt

Was hat Polnische technische Überwachungsbehörde (unter NDA) mit KI automatisiert?

Multi-Agenten-Chatbot für Bürger. Bürger fragten in Alltagssprache nach komplexen technischen Vorschriften. Der bisherige Chatbot setzte voraus, dass sie die richtige Kategorie kennen, konnte keine Daten berechnen und kein Wissen über Bereiche hinweg verknüpfen, also gaben die Leute auf und riefen im Amt an.

Was hat das Projekt gebracht?

Wissensbereiche, jeder mit eigenem Fachagenten: 11. Die Weiterleitung geschieht von selbst, ohne Kategorieauswahl: Auto. Alltagssprache wird der technischen Dokumentation zugeordnet: Alltag → Fach.

Welche Technik steckt dahinter?

Multi-Agenten-Architektur mit RAG. Eingesetzte Technik: Multi-Agenten-Architektur, OpenAI, Qdrant, RAG, Microsoft Azure, Entra ID, Langfuse, SharePoint-Listen, Python.