Analytics im öffentlichen Sektor: besserer Bürgerservice in drei Schritten

0
756
Robert Ruf, Artifical Intelligence Experte bei SAS (Foto: SAS)

Die Digitalisierung der Wirtschaft und Gesellschaft setzt öffentliche Einrichtungen immer stärker unter Druck. Bürger fragen sich zunehmend: Warum ist ein 24/7-Kundenservice bei Unternehmen mittlerweile gang und gäbe, während man für einen Behördengang viel Zeit investieren und komplizierte Bürokratiehürden überwinden muss? Der Schlüssel zum individuellen Service bei Behörden sind zweifellos: Daten. Sie sind vorhanden – aber noch zu oft in unstrukturierter Form. Sie in automatisiert nutzbare Information zu verwandeln, ist eine der Herausforderungen auf dem Weg zum digitalen Bürgerservice. Aber bei Weitem nicht die einzige. Wie können analytische Technologien hier helfen?

Eine effiziente und schnelle Bearbeitung von Bürgeranliegen erfordert die enge Zusammenarbeit zweier Disziplinen der Datenverarbeitung: Data Analytics und Data Science. Analytics nehmen erhobene Daten unter die Lupe und identifizieren mittels Algorithmen Trends und Muster. Auch Data Science nutzt Algorithmen, allerdings steht hier nicht die retrospektive Datenanalyse im Mittelpunkt, sondern die präzise Prognose künftiger Ereignisse, immer häufiger mithilfe von künstlicher Intelligenz und Machine Learning. Je größer der vorhandene Datenpool ist, umso aufschlussreicher sind die Erkenntnisse, die beide Teams zusammen gewinnen können – und in öffentlichen Behörden werden jeden Tag enorme Mengen an Daten erhoben.

Teamwork ist Trumpf

Dagegen stehen heute aber noch vielerorts ungeeignete, wenig flexible Strukturen. Wer dem Bürger einen zeitgemäßen Service bieten möchte, muss das volle Potenzial seiner Daten auszuschöpfen und dafür sorgen, dass Data-Analytics-Experten mit ihren Data-Science-Kollegen an einem Strang ziehen. Um das zu realisieren, kann die öffentliche Verwaltung vor allem an drei Punkten ansetzen:

Schritt 1: Ergebnisse vor Technologie stellen. Bei Analytics spielen technische Gesichtspunkte wie Algorithmen, Datenbanken oder APIs eine wichtige Rolle, während sich Data Science stärker am Dienstleistungsgedanken orientiert. Für eine fruchtbare Zusammenarbeit braucht es ein umsetzbares Konzept, die Stärken beider Teams vereint und vor allem die positiven Ergebnisse für den Bürger in den Mittelpunkt stellt.

Schritt 2: Lösungen wiederverwenden – ohne den Code anzupassen. Teams programmieren oft speziell auf ihre Bedürfnisse zugeschnittene Software, was eine Wiederverwendung in anderen Bereichen schwierig macht. Hier hilft die Einführung einer zentral verwalteten Softwareumgebung, die eine verstärkte Zusammenarbeit fördert und gleichzeitig dafür sorgt, dass beide Teams trotzdem weiter in der von ihnen bevorzugten Sprache programmieren können.

Schritt 3: Abteilungseigene Datensilos abschaffen. Eingefahrene Strukturen und striktes Abteilungsdenken spiegeln sich auch in der IT wider. Im Ergebnis entstehen viele unterschiedliche Datensätze, gespeichert an verschiedenen Orten. Das erschwert eine Zusammenführung und den Aufbau eines ganzheitlichen Konzepts, das den digitalen Behördengang individuell abbildet. Abhilfe schafft eine Data-Science-Plattform, die allen Datensilos übergeordnet ist. Sie ermöglicht einen schnellen Zugriff auf sämtliche Daten und erleichtert so die Zusammenarbeit und den Austausch zwischen den Teams.

Künftige Herausforderungen lösen – gemeinsam

Data Analytics und Data Science spielen nicht nur in der freien Wirtschaft, sondern auch bei der Arbeit in öffentlichen Behörden eine zunehmend größere Rolle. Damit für den Bürger durch einen verbesserten Service ein tatsächlicher Mehrwert entsteht, müssen sich beide Abteilungen mit ihrer Expertise und Kompetenz ergänzen, enger zusammenarbeiten – und alte, ineffiziente Strukturen überwinden.

Robert Robert Ruf, Artifical Intelligence Experte bei SAS, hat den Gastbeitrag verfasst.

Kommentieren Sie den Artikel

Please enter your comment!
Please enter your name here