Willkommen auf den Seiten des Auswärtigen Amts
Synthetische Daten in der Bundesverwaltung – Potenziale für evidenzbasierte Entscheidungen mit PLAIN
PLAIN Ökosystem © PLAIN
Die zunehmende Digitalisierung von Verwaltungsdaten sowie der Aufbau datengetriebener Anwendungen ermöglichen es Bundesbehörden, immer häufiger komplexe Situationen datengestützt zu analysieren. Moderne Machine-Learning-Algorithmen sind längst Alltag – vorausgesetzt, die Datenlage ist belastbar und nachvollziehbar. Mit PLAIN-Plattform, der Daten- und KI-Plattform der Auslands-IT des Auswärtigen Amts, steht der Bundesverwaltung eine zentral entwickelte und sicherheitsgeprüfte Infrastruktur zur Verfügung, die datenbasierte Analysen ressortübergreifend ermöglicht.
Um jedoch das volle Potenzial datengetriebener Anwendungen wie PLAIN auszuschöpfen, sind neben belastbaren Originaldaten auch innovative Ansätze erforderlich, um bestehende Datenlücken zu schließen und die Datenqualität weiter zu erhöhen. Hier kommen synthetische Daten ins Spiel.
Synthetische Daten eröffnen für PLAIN zwei strategische Perspektiven: Erstens schließen sie Datenlücken durch generierte Realdaten-Äquivalente, was besonders bei Prognosen in datenarmen Bereichen entscheidende Vorteile bringt. Zweitens erzeugen sie einen strukturellen Druck zugunsten einer konsequenten Data Governance, da die Generierung und Nutzung synthetischer Daten nur auf Basis transparenter Datensätze und hoher Datenqualität sinnvoll sind.
Dieser Beitrag zeigt, wie synthetische Daten in der Bundesverwaltung zielführend eingesetzt werden können – und warum es jetzt an der Zeit ist, damit anzufangen.
Die Bundesverwaltung im Wandel – PLAIN
Die Bundesverwaltung steht mitten in einem tiefgreifenden digitalen Wandel, der nicht nur Prozesse, sondern auch Entscheidungslogiken neu definiert. Mit dem zunehmenden Bedarf an vernetzten Analysen und evidenzbasierten Steuerungsmechanismen wächst der Druck, Daten strategisch nutzbar zu machen.
Die PLAIN-Plattform bietet hierfür einen modularen Werkzeugkoffer, der KI-basierte Auswertungen, Textanalysen und Prognosen auf sicherer, verwaltungsübergreifender Infrastruktur ermöglicht.
Herausforderungen: Daten in der Bundesverwaltung
Die Bundesverwaltung verfügt über enorme Datenmengen – doch ihr Potenzial bleibt oft ungenutzt. Eine zentrale Herausforderung liegt in der fragmentierten Datenlandschaft: Informationen sind über Ressorts, Fachverfahren und föderale Ebenen verteilt, oft in inkompatiblen Formaten.
Hinzu kommen Zugangsbeschränkungen durch Datenschutzvorgaben sowie komplexe Zuständigkeiten, die selbst innerhalb der Verwaltung den berechtigten Datenzugriff erschweren. Ohne einheitliche Datenstandards und skalierfähige Modelle wird es herausfordernd, verwaltungsübergreifende Analysen effizient umzusetzen. Gerade in Krisensituationen, wie Naturkatastrophen, fehlt es daher oft an zeitnah generierbarer, belastbarer Evidenz. Diese Lücken erschweren faktenbasierte Entscheidungen und können das Vertrauen in datengetriebene Politikentscheidung schwächen. Um die evidenzbasierte Entscheidungsfindung zur gelebten Praxis zu machen, braucht es systemische Ansätze, die die Datennutzung vereinfachen, absichern und standardisieren.
Synthetische Daten – was können sie leisten?
Synthetische Daten sind künstlich erzeugte Datensätze, die auf realen oder designten Strukturen und Zusammenhängen beruhen, aber keine personenbezogenen Informationen enthalten. Sie simulieren echte Daten, ohne diese direkt zu kopieren, und ermöglichen so Analysen, Modellierungen und Tests auch dann, wenn reale Daten nicht verfügbar, unvollständig oder aus Datenschutzgründen nicht nutzbar sind. In der öffentlichen Verwaltung können sie insbesondere zur Prognose, Simulation, Schulung von KI-Modellen oder zur Entscheidungsunterstützung in komplexen Szenarien eingesetzt werden – etwa bei Krisenmanagement, Klimafolgenabschätzungen oder Gesetzesfolgenanalysen.
Anwendungsszenarien
Krisenerfassung und Klimafolgenplanung
In der Krisenerfassung und Klimafolgenplanung ermöglichen synthetische Daten die Entwicklung realistischer Risikomodelle und hypothetischer Schadensszenarien, selbst wenn reale Daten fragmentiert oder unvollständig sind. Mithilfe der PLAIN-Plattform können synthetische Daten in föderierten Entscheidungsprozessen eingebunden und übergreifend nutzbar gemacht werden – etwa für ressortübergreifende Lagebilder oder Frühwarnsysteme. So lassen sich bei der Krisenerfassung beispielsweise hypothetische Evakuierungsmuster, Versorgungsausfälle oder Infrastrukturschäden simulieren, um Notfallpläne datenbasiert abzustimmen und Lücken in der Vorsorge zu identifizieren.
In der Klimafolgenplanung können auf Basis extremer Wetterereignisse synthetische Schadensszenarien modelliert werden, um potenzielle Auswirkungen auf kritische Infrastrukturen oder regional unterschiedliche Belastungen frühzeitig zu analysieren. Synthetische Daten können hierbei eine Schlüsselkomponente für die Erstellung quantitativer Prognosen bilden. Die dadurch gewonnene Fähigkeit, alternative Entwicklungen durchzuspielen, erhöht nicht nur die Reaktionsgeschwindigkeit, sondern verbessert auch die Qualität und Nachvollziehbarkeit von Entscheidungen.
Entscheidungsvorlagen und Wirkungsschätzungen
Auch über den Bereich der Krisenerfassung hinaus eröffnen synthetische Daten neue Möglichkeiten für eine vorausschauende, evidenzbasierte Verwaltung – insbesondere bei der Erstellung von Entscheidungsvorlagen und Gesetzesfolgenabschätzungen. In diesem Kontext lassen sich synthetische Prognosemodelle entwickeln, die die Wirkung politischer Maßnahmen unter verschiedenen Annahmen simulieren und so mögliche Folgewirkungen vorab sichtbar machen. Durch die gezielte Kombination von synthetischen und realen Daten entstehen belastbare Szenarien, die etwa sozioökonomische Effekte, regionale Unterschiede oder das Verhalten von Zielgruppen realitätsnah abbilden. Dies wird besonders relevant, wenn quantifizierbare Wahrscheinlichkeiten – etwa zu Kostenentwicklungen oder Akzeptanzrisiken – in Entscheidungsvorlagen eingebettet werden können.
Konsequentes Datenmanagement und Governance
Die Nutzung synthetischer Daten ist weit mehr als ein technisches Hilfsmittel: Sie wirkt als Katalysator für strukturiertes, nachvollziehbares und qualitätsgesichertes Datenmanagement in der öffentlichen Verwaltung. Denn um synthetische Daten valide und wirkungsvoll einzusetzen, müssen Datenmodelle präzise definiert, ihre Herkunft transparent dokumentiert und die zugrundeliegenden Annahmen systematisch überprüfbar gemacht werden. Dies fördert die Entwicklung und Anwendung von Standards für Metadaten, Audit-Trails und das Management von Trainingsdaten, welche essenzielle Bausteine einer modernen Data Governance sind und somit evidenzbasierte Analysen ermöglichen. PLAIN bietet mit seiner sicherheitsgeprüften Infrastruktur den passenden Rahmen, um solche Prozesse professionell zu etablieren und synthetische Datenprojekte in der Bundesverwaltung strategisch umzusetzen.
Jetzt ist der Zeitpunkt für synthetische Daten in der Verwaltung
Synthetische Daten ermöglichen es der Verwaltung, auch bei unvollständiger oder eingeschränkter Datenlage belastbare Analysen durchzuführen und Entscheidungsgrundlagen zu verbessern. Plattformen wie PLAIN schaffen dafür die notwendige Infrastruktur, um solche Projekte strukturiert, sicher und nachvollziehbar umzusetzen. Der frühzeitige Einstieg in konkrete Anwendungsfelder, beispielsweise in der Klimafolgenplanung oder Gesetzesfolgenabschätzung, ist sinnvoll, um methodische Standards zu entwickeln und datenbasierte Entscheidungsprozesse gezielt weiterzuentwickeln.
Quellen:
https://www.youtube.com/watch?v=tKGOlN3Ug64
https://www.bundesdruckerei.de/de/innovation-hub/plain
https://www.move-online.de/k21-meldungen/werkzeugkoffer-fuer-big-data-und-ki/
https://www.oeffentliche-it.de/blog/synthetische-daten
https://www.msg.group/de/news/mehr-praezision-fuer-evidenzbasierte-politikgestaltung
Björn May ist Bereichsleiter im Public Sector bei msg und verantwortet Projekte für Bundesbehörden mit Schwerpunkt auf Innerer Sicherheit und Digitalisierung. Mit über zehn Jahren Erfahrung in der IT-Beratung begleitet er strategische Vorhaben rund um Fachverfahrensentwicklung und -modernisierung. Björn May ist Verwaltungswissenschaftler und verfügt über umfassende Praxiserfahrung an der Schnittstelle von Verwaltung und Technologie.
Franz Böhmann ist Senior Business Consultant für künstliche Intelligenz im Public Sector bei msg. Er berät mit langjähriger Erfahrung KI- und Datenprojekte bei Landes- und Bundesbehörden im Bereich des Anforderungs- und Produktmanagements. Franz Böhmann ist Master of Engineering für Informations- und Kommunikationstechnologie und studierter Wirtschaftspsychologie.