LLMs & KI-Agenten · Public Affairs
Wenn der Informationsdruck steigt, schafft ein KI-Agent Ordnung
Neue Gesetzesentwürfe, Stellungnahmen, Hintergrundpapiere und Stakeholder-Positionen entstehen täglich. Für Public-Affairs-Beratungen heißt das: große Informationsmengen, hoher Zeitdruck und wenig Raum für manuelle Routinen. Die RPP Group hat darauf mit einem eigenen KI-Agenten reagiert.
Julia Rose
Das Wichtigste in Kürze
- Ein großer Teil der Arbeitszeit der RPP Group floss in wiederkehrende Aufgaben: Dokumente sichten, zusammenfassen, Positionen vergleichen, Kernbotschaften formulieren.
- Gemeinsam mit Policy-Insider.AI haben wir ChatRPP gebaut, ein System aus fünf spezialisierten Agenten für die Arbeitsweise der Beratung.
- Der Zeitaufwand für manuelle Routinearbeit sank um rund 70 %, Antworten kommen in Echtzeit, erste Entwürfe in Sekunden.
- Bewertung und strategische Entscheidung bleiben beim Menschen, die Daten verlassen die eigene Infrastruktur nicht.
Die Ausgangslage: Routine verdrängt Strategie
In der täglichen Arbeit der RPP Group zeigte sich ein bekanntes Muster. Ein erheblicher Teil der Arbeitszeit floss in wiederkehrende Aufgaben: Dokumente sichten, Inhalte zusammenfassen, politische Positionen vergleichen, Kernbotschaften formulieren. Fachlich waren diese Aufgaben notwendig, strategisch banden sie Kapazität. Gerade in der Public-Affairs-Beratung, wo Einordnung, Erfahrung und Kontext entscheiden, blieb so weniger Zeit für die Arbeit nah am Kunden.
Gesucht war deshalb eine Lösung, welche die Arbeitsweise der Beratung versteht, den professionellen Tonfall trifft, die Compliance-Anforderungen einhält und sich in die bestehenden Abläufe einfügt. Ein Standardwerkzeug hätte das nicht geleistet.
Die Lösung: ChatRPP
Gemeinsam mit Policy-Insider.AI haben wir ChatRPP entwickelt, ein KI-System für Public Affairs. Agentic AI bezeichnet Systeme, die Aufgaben im Kontext bearbeiten, mehrere Schritte nacheinander ausführen und Ergebnisse strukturiert bereitstellen. ChatRPP besteht aus fünf spezialisierten Agenten: Ein Orchestrator leitet jede Anfrage an den passenden Spezialisten weiter, und eigene QA-Agenten prüfen die Ergebnisse gegen interne Standards. Das System unterstützt das Team bei
- der Analyse politischer Dokumente,
- der schnellen Zusammenfassung komplexer Inhalte,
- der Ableitung strategischer Optionen,
- der Entwicklung klarer Kernbotschaften
- und der Erstellung von Kommunikationsmaterial im Stil der Beratung.
Nutzerinnen und Nutzer können Folgefragen stellen, Dokumente hochladen und Ergebnisse schrittweise verfeinern. Wie die Architektur mit Orchestrator und Spezialisten im Detail aufgebaut ist, beschreibt unser Artikel Fünf Agenten, ein Orchestrator.
So sieht der Arbeitsalltag aus
Ein neues politisches Papier trifft ein. Statt es von Hand zu sichten, lädt ein Teammitglied das Dokument in ChatRPP hoch. Der Agent analysiert den Inhalt, markiert relevante Passagen, fasst die Kernaussagen zusammen und ordnet sie nach der internen Bewertungslogik der RPP Group ein. Auf Wunsch entstehen daraus Handlungsempfehlungen, Narrative oder Argumentationslinien für unterschiedliche Stakeholder.
| Aufgabe | Vorher | Mit ChatRPP |
|---|---|---|
| Dokumentenanalyse | stundenlanges manuelles Sichten | automatische Analyse, Antworten in Echtzeit |
| Erste Entwürfe | von Hand, oft unter Zeitdruck | in Sekunden, im Tonfall der Beratung |
| Qualitätssicherung | allein durch das Team | QA-Agenten prüfen gegen interne Standards |
| Fokus des Teams | Routine verdrängt Strategie | strategische und kundennahe Arbeit |
Verantwortung und Datenschutz
Ein zentraler Grundsatz des Projekts war der verantwortungsvolle Einsatz von KI. ChatRPP unterstützt politische Expertise gezielt: Es übernimmt vorbereitende Aufgaben, beschleunigt Abläufe und sorgt für Konsistenz. Die finale Bewertung, Einordnung und strategische Entscheidung trifft immer ein Mensch.
Politische Arbeit ist sensibel. Die gesamte Verarbeitung ist deshalb DSGVO-konform und läuft in der eigenen Infrastruktur der RPP Group, vertrauliche Informationen verlassen die kontrollierte Umgebung nicht.
Das Ergebnis
Aus der Praxis: RPP Group
Der Zeitaufwand für manuelle Routinearbeit sank um rund 70 %. Das Team beschreibt ChatRPP als zusätzliches Teammitglied, das den Fachbereich versteht und Ergebnisse liefert, die kaum Nachbearbeitung brauchen. Entscheidungen fallen schneller, weil relevante Informationen in Echtzeit bereitstehen.
Besonders in Phasen mit hoher Informationsdichte und Zeitdruck hat sich der Agent als fester Bestandteil des Arbeitsalltags etabliert.
Was andere Unternehmen daraus lernen können
Das Projekt zeigt, was KI-Agenten jenseits technischer Experimente leisten, wenn sie auf reale Arbeitsabläufe zugeschnitten sind. Vier Punkte lassen sich auf andere wissensintensive Branchen übertragen:
- Beim Engpass beginnen: Der Agent setzt dort an, wo erfahrene Leute Zeit an vorhersehbare Routine verlieren.
- Die Arbeitsweise abbilden: Bewertungslogik, Tonfall und Standards des Hauses gehören ins System.
- Qualität einbauen: Prüfende Agenten und menschliche Freigabe halten die Ergebnisse verlässlich.
- Daten im Haus behalten: Bei vertraulichen Inhalten läuft die Verarbeitung in der eigenen Infrastruktur.
Wie wir solche Systeme für andere Prozesse bauen, zeigt unsere Seite zur Multi-Agenten-Entwicklung.
Ein KI-Agent für Ihre Wissensarbeit?
In der Prozessanalyse finden wir mit Ihnen den Ablauf, in dem Ihr Team am meisten Zeit an Routine verliert, und zeigen, wie ein Agentensystem dafür aussehen kann.
Prozessanalyse anfragenHäufige Fragen
ChatRPP analysiert politische Dokumente, fasst sie zusammen, leitet strategische Optionen ab und erstellt Kernbotschaften und Kommunikationsentwürfe im Stil der RPP Group. Nutzer können Folgefragen stellen und Ergebnisse verfeinern.
Der Zeitaufwand für manuelle Routinearbeit sank um rund 70 %. Antworten stehen in Echtzeit bereit, erste Entwürfe entstehen in Sekunden.
Die finale Bewertung, Einordnung und strategische Entscheidung bleibt beim Menschen. Der Agent übernimmt vorbereitende Aufgaben.
In der eigenen Infrastruktur der RPP Group und DSGVO-konform. Vertrauliche Informationen verlassen die kontrollierte Umgebung nicht.
Julia ist seit 2019 Teil von theBlue.ai und begleitet die Entwicklung von KI-Anwendungen im Unternehmensumfeld seit den frühen Tagen des Unternehmens. In ihrer Rolle als Marketing Lead arbeitet sie eng mit den Engineering- und Consulting-Teams zusammen und macht komplexe technische Themen für Entscheider verständlich und zugänglich.
In ihren Artikeln schreibt sie über praktische Erfahrungen aus Enterprise-KI-Projekten sowie über die Herausforderungen und Chancen beim Einsatz von KI in Unternehmen.