Latest / Forschungsimpuls – Der Wissenschaftspodcast / Mit Jan Büchel über Paleo-Digitalisierungsforschung und KI-Fachkräfte in der Verwaltung

Transcript

Mit Jan Büchel über Paleo-Digitalisierungsforschung und KI-Fachkräfte in der Verwaltung · Forschungsimpuls – Der Wissenschaftspodcast

• 0:02
  Speaker 1: Forschungsimpuls, der Wissenschaftspodcast.
• 0:24
  Speaker 1: Herzlich willkommen zu einer neuen Folge ForschungsImpuls.
• 0:27
  Speaker 1: und bei mir ist heute erneut muss man sagen Jan Büchel vom Institut der Deutschen Wirtschafts.
• 0:32
  Speaker 1: Hallo Jan!
• 0:33
  Speaker 0: Hallo Niklas freue mich sehr hier zusammen.
• 0:36
  Speaker 1: Vielen Dank dass du dir wieder die Zeit nimmst.
• 0:38
  Speaker 1: wir haben letztes Jahr Ich habe etwas richtig spannendes erlebt, muss ich sagen.
• 0:42
  Speaker 1: Wir haben dich kennengelernt, deine Themen kennen gelernt und dann hat sich während unserer Aufnahme so ein bisschen eine Idee entwickelt für ne neue Forschungsfrage um die soll es heute auch gehen.
• 0:52
  Speaker 1: aber erstmal noch mal n bisschen zu dir.
• 0:54
  Speaker 1: du bist Ökonom und ja schaust am Institut der deutschen Wirtschaft hauptsächlich auf die Themen Digitalisierung künstliche Intelligenz aus einer makroökonomischen Perspektive.
• 1:06
  Speaker 1: oder wie würdest Du Deine Rolle als Researcher beschreiben?
• 1:10
  Speaker 0: Ja, das trifft es schon sehr gut.
• 1:12
  Speaker 0: Mein Name ist Jan Wüchel.
• 1:13
  Speaker 0: ich bin seit mittlerweile sechs Jahren am Institut der deutschen Wirtschaft.
• 1:16
  Speaker 0: Bin der offizielle Economist für KI und Datenökonomie also exakt das worüber wir heute auch sprechen werden.
• 1:23
  Speaker 0: und generell am IW schauen wir wie du es schon richtig gesagt hast immer so aus der Vogelperspektive auf die gesamte deutsche Wirtschaft was die deutsche Wirtschaft umtreibt.
• 1:32
  Speaker 0: Und ja, besonders in meiner Rolle forsche ich wie gesagt viel zum Thema KI und Digitalisierung.
• 1:37
  Speaker 0: Wie sich das auf Wirtschaft aber auch Gesellschaft auswirkt?
• 1:41
  Speaker 0: Das ist es im Prinzip.
• 1:43
  Speaker 1: Ich finde so spannend am Institut der deutschen Wirtschaft, dass mir das gar nicht so sehr bewusst.
• 1:47
  Speaker 1: Aber ich sage mal, ich lese wahrscheinlich jeden Tag irgendwas von euch würde ich jetzt mal sagen könnte so faustformelmäßig hinkommen?
• 1:54
  Speaker 1: Ich glaube, das geht nicht allen so.
• 1:55
  Speaker 1: Jetzt sind wir hier in den Wissenschaftspotkast übrigens ja offiziell.
• 1:58
  Speaker 1: Das letzte Mal waren wir doch nicht offizieller Wissenschaftspottkast mit mit mit Adelung sozusagen von wissenschaftspotkas.de.
• 2:05
  Speaker 1: Sehr schön also.
• 2:06
  Speaker 1: mittlerweile sind wir da ist es ja bei euch so ihr forscht tatsächlich als eigenständiges Institut außer universitär, wie man das immer nennt.
• 2:15
  Speaker 1: Vielleicht kannst du noch ein bisschen was zu eurem Institut sagen?
• 2:18
  Speaker 1: Weil wenn man es nicht kennt ist einem vielleicht gar nichts so sehr bewusst welche ja doch sehr dominante Rolle ihr in der deutschen Forschungslandschaft einnimmt.
• 2:28
  Speaker 0: Ja, dass das auf jeden Fall sehr wichtig auch nochmal zu betonen wieder der Unterschiede ist.
• 2:32
  Speaker 0: also wir sind tatsächlich nicht öffentlich gefördert wie andere Forschungsinstitute in Deutschland.
• 2:38
  Speaker 0: Wir sind Ja, als Verein auch getragen von der Verbandslandschaft der deutschen Wirtschaft.
• 2:43
  Speaker 0: Also sowohl die großen Wirtschaftsverbände als auch die kleineren branchenspezifischen Verbände und sind aber auch gleichzeitig auch in drittem Mittelprojekten unterwegs.
• 2:54
  Speaker 0: also wir haben quasi so ein breites Portfolio uns.
• 2:58
  Speaker 0: unser Ziel ist eigentlich Forschungsleistung zu erbringen die besonders Themen betreffen, die für die deutsche Wirtschaft sehr interessant sind und diese deutsche Wirtschaft umtreibt.
• 3:11
  Speaker 0: Gerade in der derzeitigen Situation gibt es viele Krisen und es gibt viele Probleme, von denen die deutsche Herausforderung steht.
• 3:19
  Speaker 0: Und das sind Punkte, die wir dann mit der wissenschaftlichen Brille etwas beleuchten wollen und da Orientierung geben möchten.
• 3:26
  Speaker 1: Und so kamen wir dann letztlich auch zu, kann man ja sagen, nur zum kooperativen Projekt über das letzte Jahr hinaus.
• 3:33
  Speaker 1: Schauen wir nachher drauf.
• 3:34
  Speaker 1: aber man merkt schon ein bisschen Begeisterung auch bei mir weil man einfach die Chance hat, bei euch denke ich Dinge zu machen, die vielleicht in einem reinen Drittmittelprojekt oder durch den Haushalt getragene Forschung an der Hochschule jetzt erstmal nicht geht.
• 3:50
  Speaker 1: Ihr habt Zugang zu Daten setzen, ihr habt gewisse Möglichkeiten und natürlich Team aus Senior Research hat, die einfach wissen was zu tun ist sozusagen um so einem Ergebnis zu kommen.
• 4:01
  Speaker 1: Ja, du nix eifrig sieht man jetzt vielleicht ja gerade nicht wenn man nur zuhört aber das müsste ungefähr dann so ein bisschen hinkommende und es macht natürlich eure Schlagkraft zum Thema was kann man für Erkenntnisse gewinnen aus Daten?
• 4:14
  Speaker 1: natürlich relativ signifikant.
• 4:17
  Speaker 1: Also da bließt man so viel von euch.
• 4:18
  Speaker 1: eine Sache die man lesen konnte dieses Jahr war dein Behörden Digimeter beziehungsweise ihr wart ja auch ein ganzes Team aus Researchern wie das üblich ist bei euch.
• 4:28
  Speaker 1: Ihr habt euch was angeschaut, was jetzt gar nicht so viel mit der Wirtschaft an sich erstmal zu tun hatte.
• 4:32
  Speaker 1: Sondern mit dem bisschen diesen Ursprung hier dieses Podcastes oder von diesem Podcast hier nämlich das Thema E-Government Verlisierung.
• 4:41
  Speaker 1: und ihr habt eine Forschungsfrage aufgegriffen, von der man eigentlich sagen muss.
• 4:47
  Speaker 1: Weiß ja jeder also wie ist der Digitalisierung Stand von Staat und Verwaltung in Deutschland?
• 4:52
  Speaker 1: Ihr seid das aber ein bisschen anders eingedankt.
• 4:54
  Speaker 1: Nimm uns doch mal so ein bisschen einleiten mit was war der Impuls für euren Aufschlag mit diesem Paper?
• 5:01
  Speaker 0: Ja sehr gerne!
• 5:03
  Speaker 0: Das sogenannte Behörden-Digimet hat genau die Zielsetzung, die wir gerade beschrieben haben.
• 5:09
  Speaker 0: Und wir haben uns auch dieses Jahr genau in den beiden Papieren über die Deutsch sprechen werden, so ein bisschen das Thema Verwaltungs-Digitalisierung.
• 5:16
  Speaker 0: Auch KI in der öffentlichen Verwaltung zum Thema genommen.
• 5:20
  Speaker 0: und Bei dem Thema Verwaltungsdigitalisierung ist es natürlich etwas, was jetzt nicht neu ist.
• 5:26
  Speaker 0: Also das hat eine gewisse Historie und das ganze Thema und die Effizienzpotenziale, die mit Digitalisierung einhergehen und gerade auch für die Verwaltung der öffentlichen Verwältung sind nicht neu.
• 5:36
  Speaker 0: Vielleicht um das ein bisschen historisch einzuordnen.
• 5:42
  Speaker 0: Das online Zugangsgesetz oder ist in Kraft getreten und das hatte ein ambitioniertes Ziel bis zum Ende des Jahres.
• 5:51
  Speaker 0: Zweiche Verwaltungsleistungen, die dann im Rahmen dieses Gesetzes identifiziert wurden, die besonders wichtig für Privatpersonen und für Unternehmen sind.
• 5:58
  Speaker 0: also da kann man so Aspekte wie beispielsweise die klassischen Behördengänge, die man als Privat-Person durchführen muss, sei es Führerschein beantragen oder weitere Behördengänge im unternehmerischen Kontext bei der Unternehmensgründung oder andere Dienstleistungen, die man als Unternehmen von der öffentlichen Verwaltung benötigt.
• 6:18
  Speaker 0: Dass eben jene Verwaltungsleistungen nicht mehr analog durchgeführt werden sollten sondern digital durchführend werden also dass man quasi das Ganze auch ganz gemütlich, um es jetzt mal salopp zu sagen auf der Couch durchführen kann als Privatperson.
• 6:33
  Speaker 0: Wenn man beispielsweise eine Behördendienstleistung durchfüllen möchte und sich dann nicht quasi an die Öffnungszeiten der öffentlichen Verwaltung der jeweiligen Behörden richten muss.
• 6:42
  Speaker 0: Das war das Ziel.
• 6:43
  Speaker 0: Und das Ziel der Zielezeitung war Ende Jahrzehntezweiundzwanzig.
• 6:47
  Speaker 0: Und leider wurde dieses Ziel nicht erreicht.
• 6:49
  Speaker 0: Und mittlerweile sind wir schon relativ weit fortgeschritten im Jahr zum Jahrzehnzechzenzwanziger.
• 6:55
  Speaker 0: Und die Studie, die du erwähnt hast, die war im Januar, so unser Datenstand ist dann noch in Januar.
• 7:05
  Speaker 0: Mein Kollege Heiner Röll, mit dem das Papier zusammengeschrieben wurde.
• 7:08
  Speaker 0: Er hatte auch in der Vergangenheit immer mal wieder dieses Thema aufgegriffen und geschaut wo stehen wir denn jetzt eigentlich bei der OZG-Umsetzung?
• 7:15
  Speaker 0: Darum vielleicht das nochmal so ein bisschen zu bebildern.
• 7:17
  Speaker 0: dass OZ G umfasst mittlerweile fünfhundert siebenundsiebzig sogenannte Angebotsbündel Das ist quasi also einen Bündel besteht dann aus verschiedenen Verwaltungsleistungen die Thematik sehr sehr nah beinaheinander sind wenn man das Ganze irgendwie so ein bissel besser klassifizieren kann.
• 7:33
  Speaker 0: Ja, und man kann halt schauen wie sieht das der Umsetzung stand bei diesen fünfhundert siebenzig OZG-Bündeln aus.
• 7:39
  Speaker 0: Und da haben wir dann quasi im Januar zweitausend sechzehnundig also diesen Jahres ein Update zu gemacht und haben uns geschaut, wie viele dieser Bündel sind denn mittlerweile umgesetzt?
• 7:47
  Speaker 0: Und wie weit sind wir denn gerade bei der OZ G-Umsetzung die aber eigentlich von Ende zwölfundzwanzig also vor ja mittlerweile vier Jahren eigentlich fast vier Jahre abgeschlossen hätte sein soll.
• 8:00
  Speaker 0: Das ist so ein bisschen Motivation.
• 8:01
  Speaker 0: warum geht es in dem Papierkartner
• 8:04
  Speaker 1: So, und jetzt wissen alle die regelmäßig diesen Podcast hören oder vielleicht auch sonst von dir und mir irgendwelche Veröffentlichungen lesen.
• 8:12
  Speaker 1: Das ist vielleicht um die Verwaltungsdigitalisierung in Deutschland sowieso gerade viel Diskussion gibt.
• 8:18
  Speaker 1: wir haben aber auch ein neues Ministerium verkürzt gesprochen.
• 8:22
  Speaker 1: Und ja man könnte natürlich davon ausgehen dass man erst mal sagt okay das wird jetzt so das typische Pamphley wo ihr irgendwo feststellt dass man dort Ja noch ein paar to dos offen hat und wie das ganze aussieht.
• 8:34
  Speaker 1: ihr seid dann aber ich möchte schon fast sagen forensisch vorgegangen, um etwas zu tun was man im sogenannten ozg dashboard findet.
• 8:44
  Speaker 1: also für die die das nicht kennen es gibt im prinzip schon länger einen dashboard was.
• 8:50
  Speaker 1: Versucht, diese von dir benannten Leistungsbündel einmal aufzulisten und mittlerweile mit einer schönen Karte und ein bisschen Zeit rein usw.
• 8:59
  Speaker 1: Einfach zu zeigen wie ist denn der Abarbeitungsstand ja?
• 9:01
  Speaker 1: Und dazu muss man mehrere Dinge wissen.
• 9:03
  Speaker 1: zum einen gehört in dieses online Dashboard hinein dass die verschiedenen Datenquellen erstmal sehr spannend sind Wie die angebunden sind.
• 9:12
  Speaker 1: das wird wahrscheinlich gleich auch so ein bisschen das Thema sein wo ich gerade sagte forensik also was festgestellt habe.
• 9:17
  Speaker 1: Und das nächste ist natürlich, es ist eine A-Darstellung.
• 9:21
  Speaker 1: In dem Sinne von beruht auf den eigenen Datensatz was man eben zusammenträgt.
• 9:25
  Speaker 1: und wenn man sich da tiefer gehen mit beschäftigt mit diesen ganzen Meldewesen im öffentlichen Sektor und den technischen Dingen auf die wir gleich noch zu sprechen kommen dann fragt man sich schon klickt, ja gut ist die Welt jetzt so rosa rot wie das da vielleicht aussieht.
• 9:43
  Speaker 1: Und dann macht sich dann jeder vielleicht auch erstmal eine eigene Meinung zu.
• 9:45
  Speaker 1: aber jetzt mal ganz Daten getrieben.
• 9:48
  Speaker 1: ihr seid einfach mal reingegangen und wie muss man sich das jetzt vorstellen?
• 9:50
  Speaker 1: habt ihr dem dashboard nicht geglaubt oder gab es einen technischen eine technische Veränderung die euch stutzig gemacht hat?
• 9:57
  Speaker 1: Oder was hat euch dazu gebracht quasi eine Ebene tiefer zu gehen und in den in den Quelldaten anzufangen zu recherchieren?
• 10:05
  Speaker 0: Das ist ein wichtiger Punkt und das ist besonders wichtig zum Verstehen, auch inwieweit sich das Ergebnis dann später gezeigt hat.
• 10:13
  Speaker 0: Weil es gab tatsächlich im Deckboard eine methodische Umstellung.
• 10:17
  Speaker 0: Ich habe es jetzt eben schon mal erwähnt man hat die Ebene der fünfundundsiebenen OZG-Bündel Und vorher war's halt so dass man einen gewisses Monitoringtool hat auf der regionaler Ebene.
• 10:28
  Speaker 0: Man konnte die einzelnen Bundesländer miteinander vergleichen und hat dann gesehen wie weit sind denn die einzelne Bundeslände oder wie weit ist Deutschland als Gesamtes?
• 10:34
  Speaker 0: beim OZG-Fortschritt.
• 10:36
  Speaker 0: Und das war ein Monitoring Tool, was einfach zu bedienen war und das konnte man sich dann eigentlich auch als Livedaten immer gut anschauen.
• 10:43
  Speaker 0: Im Hintergrund sind da natürlich die Meldewesen der einzelnen öffentlichen Verwaltung auf der jeweiligen Ebene, sei es Bundes-, sei es Land-, seies Kommune, seies Kreis – und das wird dann in dieses Dashboard umgewünscht.
• 10:55
  Speaker 0: Zu dem Zeitpunkt, als wir hier einen Update durchführen wollten, kam es so, dass diese Dashboard geändert wurde.
• 11:00
  Speaker 0: Also es war nicht mehr auf der Ebene OZG-Bündel, wie man ich sage mal so leicht verdaulich.
• 11:06
  Speaker 0: Fünfhundert und siebzig kann man sich immer noch gut vorstellen aber es wurde dann auf die darunter liegende Ebene der einzelnen Leistungen umgestellt sondern das ist auch noch leicht verdaulich.
• 11:16
  Speaker 0: aber man kommt von fünfhundert siebenundsiebzig Bündel auf siebentausend fünfhundannein einzelne Leistung.
• 11:22
  Speaker 0: Dann hatte man aber auch keinen Anteil mehr.
• 11:24
  Speaker 0: also man wusste nicht mehr wie groß ist denn der Anteil des einzelnen Bundeslanden?
• 11:27
  Speaker 0: Wie weit ist das denn prozentual fortgeschritten bei den OZGs sondern man hat einfach nur eine absolute Zahl an Verwaltungsleistungen pro Bundesland gehabt, die jetzt digitalisiert sind.
• 11:37
  Speaker 0: Damit konnte man jetzt quasi als auf der ersten Perspektive auf den ersten Blick nicht besonders gut einschätzen wie weit ist denn das Bundesland und wie weit es dann vom Ziel eigentlich entfernt.
• 11:47
  Speaker 0: alles Digitalangeboten mit jeglicher Verwaltung.
• 11:51
  Speaker 0: Das Ganze, die Gemängelage haben wir dann als Anlass genommen tiefgehend mit den zugrunde liegenden Rohdaten zu beschäftigen.
• 11:57
  Speaker 0: Und wie wurde jetzt gesagt, das ist natürlich ein großer Datensatz.
• 12:00
  Speaker 0: Also jegliche einzelnen kommunalen Ebenen oder kommunalen Ämter können dann hier melden inwieweit bei ihnen gewisse Angebote Behörden-Dienstleistung digital angeboten werden und dass es dann einen Datensat der ja relativ komplex war also in unserem autoren Team war dann auch Fabian Ruben noch dabei, der bei uns eher so im Big Data Analytics Team angesiedelt ist am IW und der Data Engineer ist.
• 12:24
  Speaker 0: Also quasi ums Zweifelsort auszurücken die Datenleitungen legt.
• 12:28
  Speaker 0: und wir haben uns dann tiefer gehen damit auseinandergesetzt wie wir diesen sehr komplexen Rohdatensatz einmal in für uns wahre Anteile und Ergebnisse umgliedern können.
• 12:39
  Speaker 0: weil wenn man sich das vorstellt man konnte mal einen Volldatensatz runterladen kommunale Ebene angegeben, inwieweit oder wie viele oder weltwirtschaftsdienstweise denn angeboten werden.
• 12:51
  Speaker 0: Und das waren dann fast über neunhunderttausend Zeilen, die dann auf einmal in den Datensatz waren und da mussten wir erstmal so ein bisschen nicht ins Dunkel bringen.
• 12:59
  Speaker 0: Das konnten wir aber bringen und im Prinzip sind wir auch sehr froh darüber dass wir das so gemacht haben diesen Schritt weil man dadurch sehr viel Verzerrungen in der vorherigen Rechtsborddarstellung erst mal ans Licht gekommen ist das vielleicht mal gerade so in zwei Dimensionen darzustellen, was verzerrt werden könnte.
• 13:18
  Speaker 0: Also auf der einen Seite haben wir natürlich wie ich jetzt schon an ein paar Stellen beschrieben habe eine Art der Flächendeckung.
• 13:26
  Speaker 0: also um es jetzt mal zu sagen oder wenn wir uns jetzt mal ein Beispiel Bundesland rausnehmen würden Nordrhein-Westfalen zum Beispiel dann könnten wir sagen ja es gibt eine Verwaltungsleistung die kann jetzt entweder bundesweit digital verfügbar sein, beispielsweise wenn es in die Zuständigkeit des Bundes fällt diese Dienstleistung digital anzubieten.
• 13:46
  Speaker 0: Dann ist sie per se für den ganzen Bund auf einmal digital verfügt.
• 13:50
  Speaker 0: aber wir haben auch gesehen dass sehr viele Zuständigkeiten auf der tiefergehenden Ebene ist das beispielsweise das Land oder etwa einzelne Kommunen verantwortlich sind, dass diese Leistungen dann digital angeboten werden.
• 14:01
  Speaker 0: So kann es halt sein, wenn es zum Beispiel eine Zuständigkeit des Landes fällt, Nordrhein-Westfalen digital verfügbar ist.
• 14:09
  Speaker 0: Wenn sie aber beispielsweise auf der Kommunal Name ist, kann es sein dass die in einzelnen Kommunen digital verfiegbar ist, in anderen Kommunen aber nicht.
• 14:16
  Speaker 0: Das heißt man hat hier ein gewisse und das sehen wir auch in unserem Ergebnis.
• 14:20
  Speaker 0: ich möchte jetzt noch nichts vorgeißen Aber was man im Endeffekt sieht is einen regionaler Flickenteppich an einzelne digitalen Lösungen Die also eine Behördendienstleistung die digital verfügt da sind, die manchen Kommunen verfügbare sind.
• 14:32
  Speaker 0: In manchen Kreisen sind sie verfügbar, in manchen ganzen Bundesländern.
• 14:36
  Speaker 0: Dafür in anderen Bundesländer nicht und das ist so ein bisschen dem was man so im Endeffekt als Ergebnis sieht.
• 14:42
  Speaker 0: Das ist der erste Punkt wie das Ganze etwas verzerrt sein kann die Darstellung des Umsetzungsfortschritts.
• 14:49
  Speaker 0: Der zweite Punkt ist, der sehr wichtig ist dass man auch Unterschiede beim digitalen Reife gerade sehen kann.
• 14:56
  Speaker 0: also das heißt wenn man sagt okay eine Dienstleistung sollte jetzt digitalisiert sein dann gibt es natürlich Unterschiede, inwieweit der Digitale Reifegrad sein kann.
• 15:07
  Speaker 0: Also um uns jetzt mal die beiden Extreme zu zeigen, es gibt dann so verschiedene Stufen, die auch abgegrenzt werden und deren niedrigste Schufe ist das beispielsweise eine digitale Beschreibung der Dienstleistungen vorhanden ist im Internet und man beispielsweise einen Antrag als PDF downloaden kann.
• 15:23
  Speaker 0: diesen Antrag kann man dann Downloaden ausdrucken ausfüllen und damit zur Behörde gehen.
• 15:29
  Speaker 0: Das hat mit Digitalisierung so, wie wir es verstehen noch nicht viel zu tun.
• 15:32
  Speaker 0: Aber das ist doch der erste Schritt, dass man den digitalen Raum sich näher hat.
• 15:36
  Speaker 0: Daneben gibt's natürlich das andere Extreme.
• 15:38
  Speaker 0: Das andere Extreme ist, dass eine Dienstleistung vollständig durchdigitalisiert sein kann.
• 15:42
  Speaker 0: Das heißt die gesamte Abwicklung erfolgt digital auch wenn man beispielsweise nachweise hochladen muss oder bereitstellen muss, gerne das auch digital erfolgen und im besten Fall werden die Daten auch schon voraus gefüllt bereitgestellt aus verknüpften digitalen Registern.
• 15:58
  Speaker 0: Das heißt, meine Daten habe ich an einer anderen Stelle schon mal angegeben.
• 16:01
  Speaker 0: Und das Ganze ist die Registration so verknüpft, dass sie jetzt hier schon auftauchen.
• 16:04
  Speaker 0: Also das ist der Best Case und vorher was sich geschildert haben ist der Worst Case.
• 16:08
  Speaker 0: Und da gibt es auch...das ist ja nicht schwarz-weiß sondern da gibt's auch sehr viel dazwischen.
• 16:13
  Speaker 0: Eigentlich wurde im OZG damals gesagt man sollte schon relativ nah am Best Case dran sein also zumindest, dass die ganze Abwicklung digital erfolgen kann.
• 16:23
  Speaker 0: Was wir aber sehen ist da, dass es nicht nur auf der regionalen Ebene oder in der Flächendeckung so eine Art Flecken-Teppich gibt.
• 16:30
  Speaker 0: Sondern das Ganze auch beim digitalen Reifegrad.
• 16:32
  Speaker 0: man sieht also das ist relativ unterschiedlich inwieweit oder zu welchem Reifengrad die einzelnen Leistungen bereits digitalisiert sind.
• 16:39
  Speaker 1: Man merkt wie tief ihr auch dort in so einen Thema einsteigt.
• 16:43
  Speaker 1: Das finde ich richtig faszinierend.
• 16:44
  Speaker 1: Zwei Verzerrungen hast du jetzt schon genannt, die ihr aus diesen Daten herausgearbeitet habt.
• 16:49
  Speaker 1: Wenn man die so zuhört, dann kommt mich mal so zu einem Begriff der Digitalisierungsforschung.
• 16:55
  Speaker 1: So eine Art Digitalisierungsforschungen.
• 16:57
  Speaker 1: Es ist ja irgendwie das Rumschtochern in einem Bereich, den man eigentlich als Bürgerin und als Bürger schon abgehakt für sich abtun würde – nach dem Motto Das muss ja laufen!
• 17:08
  Speaker 1: Aber das ist natürlich auf der anderen Seite die Realität.
• 17:12
  Speaker 1: vielleicht ganz kurzer... Cliffhanger rüber, es gibt eine ganz aktuelle Studie vom BMDS.
• 17:17
  Speaker 1: Da gibt's diese Kampagne.
• 17:18
  Speaker 1: einfach machen manche Candy.
• 17:20
  Speaker 1: auf Social Media habe ich ein bisschen davon berichtet.
• 17:22
  Speaker 1: da liegen jetzt die Auswertungsdaten vor und da kommen tatsächlich aus der Gesamtbevölkerung aus Deutschland ganz klassische Themen.
• 17:29
  Speaker 1: was denn mit der Digitalisierung man sich wünschen würde um eben mehr Vertrauen in den Staat zu bekommen?
• 17:34
  Speaker 1: Und das sind wir nämlich wieder bei einem ganz insiemlem Punkt wie viel Vertrauen hab ich in den Rechtsstaat letztlich dass einfach ich sage mal Deutschland funktioniert ja auch gerade Jetzt in der Urlaubszeit kommen viele aus dem Urlaub zurück und sind dann doch so ein bisschen geflasht.
• 17:47
  Speaker 1: Das stand auch an den einen oder anderen Medien, dass ein bisschen die Erkenntnis jetzt da ist hoch.
• 17:51
  Speaker 1: wir müssen also wirklich was tun.
• 17:52
  Speaker 1: ja das ist sicherlich etwas was nicht nur damit zu tun hat ob das irgendwie ein Komfortgedanke ist sondern das sind Dinge die müssen da sein.
• 18:00
  Speaker 1: ihr habt da ziemlich drastische Worte für gefunden muss ich tatsächlich sagen ihr habt teilweise geschrieben es ist ein desolata Zustand es ungenügend.
• 18:10
  Speaker 1: Das ist ja gar nicht jetzt unbedingt, denke ich von eurer Seite als Sierungshäme, Verwaltungshäme gemeint sondern es beschreibt hier eigentlich den Zustand.
• 18:18
  Speaker 1: Ihr habt nachher so ein paar Ableitungen getroffen.
• 18:21
  Speaker 1: Warum für die Wirtschaft, für die Bevölkerung das einfach auch wichtig ist dass diese Leistungen hier einfach abgearbeitet sind?
• 18:29
  Speaker 1: Vielleicht können wir da mal kurz einen Schwenk drauf machen.
• 18:31
  Speaker 1: Es geht ja für euch nicht um das Thema, dass einfach nur anzuprangen.
• 18:35
  Speaker 1: Sondern ihr habt nachher ganz klare strategische Ziele daraus gezogen.
• 18:40
  Speaker 1: Vielleicht wollen wir darüber mal ganz kurz sprechen?
• 18:42
  Speaker 0: Ja sehr gerne!
• 18:44
  Speaker 0: Da muss man vielleicht auch noch einmal so ganz grob umreißen wie denn die Ergebnisse unserer Analyse sind.
• 18:48
  Speaker 0: Das ist tatsächlich, wie du schon sagst desolat.
• 18:52
  Speaker 0: also es ist deutlich schlechter auch, als beispielsweise in den Vorjahren über das breitgestellte Monitoring-Dashboard gezeigt wurde.
• 18:59
  Speaker 0: Und deswegen ist es das was jetzt eben so etwas neutral formuliert hat mit Verzerrung.
• 19:03
  Speaker 0: also man sieht halt dass auf dieser Ebene des Feuerwurz auf die Bündelebene, OZG-Bündeleben hochgerechnet, dass da halt beispielsweise sehr gut gemeinte Verzerron angewendet wurde.
• 19:14
  Speaker 0: Also beispielsweise man sieht auch in den Daten, damit zum Beispiel ein ein Bündel nehmen, das im Durchschnitt aus dreizehn Leistungen besteht.
• 19:21
  Speaker 0: Dass wenn jetzt einige der dreizehnten Leistungen erfüllt ist, dass man quasi dann sagen kann okay das ganze Bündeln ist zumindest teilweise digitalisiert und wird jetzt als digitalisiert gezählt.
• 19:31
  Speaker 0: Und deswegen entstanden in den Vorjahren auch relativ hohe Anteile die wir jetzt natürlich nach unten korrigiert haben, wenn wir auf die einzelne Ebene der Verwaltungsleistung gehen und wenn man dann einmal sich das am besten abschneidende Bundesland herausnimmt Nordrhein-Westfalen, dann sehen wir da gerade mal dreiundvierzig Prozent der Leistung in mindestens einer Kommune digital bereitstehen und das, wie gesagt, betonen auf den mindestens einer Kommune.
• 19:53
  Speaker 0: Das bedeutet keine Flächendeckung.
• 19:54
  Speaker 0: Auf der anderen Seite im Rückkehrschluss bedeutet es natürlich in siebenundfünfzig Prozent also mehr als die Hälfte der Verwaltungsleistungen, die noch keiner einzigen Kommune NRWs verfügbar sind.
• 20:06
  Speaker 0: NRW ist hier am besten unter den sechzehn Bundesländern.
• 20:09
  Speaker 0: Also das heißt schon ich habe sie immer nochmal betont Eigentlich hätte das ganze Thema Ende Jahrzehnte und zwei Jahrzehn nicht abgeschlossen sein sollen.
• 20:15
  Speaker 0: Also man ist weit vom Ziel Horizont entfernt, und es ist nicht absehbar dass es in der Zukunft erfüllt ist Und deswegen wählen wir das Wort desolat.
• 20:25
  Speaker 0: schlimm weil das Ganze hat natürlich Auswirkungen auf Unternehmen, die Wirtschaft und gleichzeitig auch Privatpersonen.
• 20:31
  Speaker 0: Das ist das Stichwort Effizienz.
• 20:33
  Speaker 0: Ich habe es eben so einmal ein bisschen beschrieben dass man quasi Behörden Leistungen in Anspruch nehmen kann im digitalen Raum.
• 20:40
  Speaker 0: aber das Ganze hat natürlich auch etwas mit Zeit Ersparnis und Effiziens auch gerade in der Wirtschaft zu tun.
• 20:44
  Speaker 0: also das und grade.
• 20:46
  Speaker 0: wenn wir über Themen wie Bürokratieabbaus sprechen dann ist das ein wichtiger Schlüssel oder ein wichtiges Potenzial das hier gehoben werden sollte.
• 20:53
  Speaker 0: Das sind so ein bisschen das Ergebnis der Befund unserer Studie.
• 20:57
  Speaker 0: Wenn man tiefer einschaut sieht man Wenn man auf die Zuständigkeiten schaut, sieht man das etwa drei Viertel der Zuständigkeit bei den Ländern und Kommunen liegen.
• 21:04
  Speaker 0: Also der jeweiligen Leistung, die digitalisiert werden sollen und ein Vierteln beim Bund.
• 21:08
  Speaker 0: Man sieht, dass der Bund schon im Vergleich dazu etwas besser abschneidet also bereits viele Leistungen auch auf dem höheren Digitalen Reifegrad digitalisiert hat und geradebei an den Länder und Kommunen besonders ausbauffähig ist.
• 21:24
  Speaker 0: Dazu muss man natürlich sagen generell wir natürlich bei dem ganzen Thema der Zuständigkeiten darüber sprechen müssen, dass es eine federale Verspitterung gibt.
• 21:32
  Speaker 0: Also quasi die Zuständigkeit wird dann delegiert auf einzelne Kommunen und da ist eigentlich das Problem in der Theorie eigentlich erkannt und es ist auch schon seit Jahren bekannt.
• 21:44
  Speaker 0: also es gibt dann beispielsweise einer für alle Prinzip, dass in der theorie vorgeschlagen wird, dass eine Leistung, die gut digitalisiert wird von einer Kommune, die irgendwo in Deutschland ist.
• 21:54
  Speaker 0: Dass das als Vorbild genommen wird und hochskaliert wird auf alle anderen Kommunen.
• 21:58
  Speaker 0: In der Praxis zeigt sich natürlich dass das nicht so gut funktioniert weil sonst würden wir das Ergebnis wie wir es sehen?
• 22:04
  Speaker 0: Nicht zu sehen!
• 22:05
  Speaker 0: Das kann natürlich einerseits an fehlenden Commitment liegen, das kann natürlich auch auf der anderen Seite im reinen technischen Grund haben, dass man sieht, dass die einzelnen Verwaltungstrukturen der einzelnen Kommunen etwa der kommunalen Ämter nicht miteinander kompatibel sind und dass alleine dann das ist ein technisch nicht funktioniert.
• 22:20
  Speaker 0: Das können alles Erklärungsgründe sein.
• 22:22
  Speaker 0: Das hilft aber nicht.
• 22:23
  Speaker 0: oder das sollte jetzt nicht darüber hinwegtäuschen, dass man sagt es sollte besser sein.
• 22:28
  Speaker 0: Weil es gibt auch interessante Vergleiche auf der europäischen Ebene.
• 22:31
  Speaker 0: wenn man mal Deutschland sich im Vergleich zu den anderen EU-Mitgliedsstaaten anschaut.
• 22:35
  Speaker 0: Da gibt's früher hieß es Daisy heute ist glaube ich State of the Digital Decade.
• 22:40
  Speaker 0: Es ist so jährliche Indikatoren sammeln der einzelnen EU in Mitgliedsländer und dann gibt es verschiedene Rubriken also beispielsweise die Digitalisierung der Wirtschaft der Gesellschaft.
• 22:48
  Speaker 0: da spielt Deutschland oben mit im oberen Mittelfeld damit.
• 22:51
  Speaker 0: Und dann gibt es einen Punkt, der betrifft halt den Public Sector.
• 22:55
  Speaker 0: Da sieht man, dass Deutschland bei einzelnen Indikatoren ganz unten ist.
• 22:58
  Speaker 0: Beispielsweise habe ich eben schon angeteasert die Verfügbarkeit von vorausgefüllten Formulaten.
• 23:05
  Speaker 0: Dass im Endeffekt eine Digitalisierung und Registremodernisierung voraussetzt.
• 23:09
  Speaker 0: Da liegt Deutschland auf dem vorletzten Platz seit Jahren.
• 23:12
  Speaker 0: nur Rumänien ist schlechter.
• 23:14
  Speaker 0: Da muss man sich doch die Frage stellen was der Anspruch Deutschlands ist.
• 23:19
  Speaker 0: Und gerade wenn man sieht, dass man den anderen Disziplin, also Digitalisierung der Wirtschaft, die Digitalisierung in der Gesellschaft oben mitspielt.
• 23:25
  Speaker 0: Da muss man sich fragen ob wir hier nicht auch deutlich am Tempo hinzugewienen sollten und deutlich mehr oder digitalere Dienstleistung anbieten sollen.
• 23:35
  Speaker 0: Wenn man das Ganze nochmal abrundet und sich vielleicht noch mal einen Schritt zurück geht und sagt was beziffert denn eigentlich?
• 23:41
  Speaker 0: Oder was bedeutet eigentlich das OZG?
• 23:44
  Speaker 0: Dann bedeutet das O Z G eigentlich nur eine Leistung digital zugänglich ist.
• 23:49
  Speaker 0: Also das heißt, wir wollen eigentlich nur dass wir eine Dienstleistung die wir bei den Behörden beantragen oder durchführen lassen wollen.
• 23:55
  Speaker 0: Die wollen wir einfach nur digital durchführt.
• 23:58
  Speaker 0: Das ist um es etwas drastisch auszudrücken.
• 24:00
  Speaker 0: Es ist eigentlich nur ein sehr wichtiger erster Schritt der ganzen Verwaltungsdigitalisierung.
• 24:05
  Speaker 0: und gerade bei diesem ersten Schritt scheitert die Öffentlich-Verwaltung schon sehr deutlich.
• 24:10
  Speaker 0: Das besonders traurig weil wenn man sich dann einmal weiter denkt was müsste noch alles getan werden, dann gibt es weitere Spitze.
• 24:17
  Speaker 0: Zum Beispiel Schritt zwei wäre das man die gesamten Prozesse, die dahinter liegen in den öffentlichen Verwaltungen digital aufstellt, dass man Digitalisierung hier als Werkzeug versteht um die ganzen Prozese dahinterliegen, die der hinterlinenden Prozess effizienter zu gestalten also uns vielleicht nochmal ein bisschen plakativ darzustellen wenn wir einen analogen sehr bio-brukkartischen Prozess haben oder eine Durchführung Und jetzt nur Digitalisierung drauf Münzen und sagen, das Ganze kann jetzt digital durchgeführt werden.
• 24:43
  Speaker 0: Also dass wir nur Aufwand darauf verwenden, dass das Ganze aus dem Analogen ins Digitale reicht.
• 24:48
  Speaker 0: dann haben wir einen digitalen bürokratischen Prozess.
• 24:50
  Speaker 0: also quasi in Schritt zwei muss das ganze nochmal über Digitalisierung umgedacht werden.
• 24:55
  Speaker 0: da geht es auch um KI und weitere digitale Technologien die hier mit rein hineinkommen.
• 24:59
  Speaker 0: aber soweit sind wir definitiv noch nicht, wenn wir bei dem ersten Schritt quasi nicht weiterkommen
• 25:04
  Speaker 1: Wenn man in der Materie drin ist, so wie du und wir beschäftigen uns bei uns beispielsweise an der Hochschule oder ich mich natürlich auch ganz intensiv damit.
• 25:14
  Speaker 1: dann muss man natürlich dem ganzen System auch zugute halten, dass es einfach unglaublich komplex ist.
• 25:21
  Speaker 1: Federal adjustiert hast du vorhin schon erklärt?
• 25:24
  Speaker 1: Es geht also gar nicht darum zu sagen, schaut mal hier da macht einer seinen Job nicht!
• 25:28
  Speaker 1: Das ist mir immer wichtig.
• 25:28
  Speaker 1: das nochmal zu erklären, das ist jetzt nicht irgendwie eine Einzelperson oder so ein Digitalisierungs Mindset, man liest immer ganz spannende Sachen auf LinkedIn.
• 25:36
  Speaker 1: Ist ganz gefährlich sozusagen, deshalb hier einfach mal Daten basiert In dieses OZG der Sport reingeschaut, das finde ich extrem spannend.
• 25:43
  Speaker 1: Weil man daran merkt es ist wirklich ja in der Informatik ist es Komplexitätstheorie.
• 25:48
  Speaker 1: Das ist nicht mal eben mit einem schönen Workshop gelöst und dann können wir da weiter machen und das Modell aus Estland kopieren oder sowas.
• 25:55
  Speaker 1: Es ist sehr viel schrittig.
• 25:57
  Speaker 1: gerade interessant fand ich den Aspekt auch nochmal zu sagen die Leistungen des Bundes sind in großen Teilen eben digitalisiert aber das sind eben viel weniger.
• 26:04
  Speaker 1: Und natürlich funktioniert dass das letztlich dann eine Bundesbehörde, jetzt in dem Fall zum Beispiel das BMDS.
• 26:10
  Speaker 1: Was ganz viel da drin verantwortet und dann kann das in Person Dr.
• 26:14
  Speaker 1: Karsten Wildberger quasi durchziehen in seiner Verantwortung, soweit das geht und die endet dann genau an dem Punkt wo es denn wieder in sechzehn Bundesländer rübergemünzt werden muss.
• 26:25
  Speaker 1: Da kann man ja selbst schon in der Modernisierungsagenda des Bundes und den Operationalisierungen da haben wir auch zu berichtet ausführlich dann der Ministerpräsident in den Konferenzen da reinschauen was das dann konkret heißt.
• 26:36
  Speaker 1: Dann wird's auf einmal so komplex.
• 26:38
  Speaker 1: Das kann man schon fast gar nicht mehr richtig nachvollziehen.
• 26:42
  Speaker 1: Und übrigens auch interessant, es gibt für die Modernisierungsagenda einen... ja nicht Dashboard sondern ist wirklich ein... ich nehme an.
• 26:49
  Speaker 1: Es war ein Word-Dokument wo jemand den Auftrag hatte alle Punkte aus der Modernisierung Agenda mal aufzumalen pro Punkt eine Tabelle in Word zu erzeugen und dann die Farben gelb grün oder rot auszuwählen und dazu ein bisschen Text zu schreiben.
• 27:04
  Speaker 1: Also wenn man will, ich sage die Komplexität selbst.
• 27:06
  Speaker 1: Wenn man jetzt sagt wir wollen das jetzt wirklich haben ein Bundes-Digitalministerium auch zum Thema Staatsmodernisierung und Verschlankung der Prozesse es ist unglaublich vielschichtig Und man kann nicht einfach hier in einem föderalen System sagen, wir legen jetzt den Hebel um.
• 27:20
  Speaker 1: Aber es wäre ein bisschen positiver.
• 27:21
  Speaker 1: was kann man oder im Sinne von Was könnte man denn tun dass man noch eine Sache vielleicht kurz mitnimmt?
• 27:26
  Speaker 1: Ihr habt ja ganz wichtige Begriff hier drin auch genannt nämlich zum Beispiel Portal verbunden online Gateway PVOG.
• 27:31
  Speaker 1: das war auch wichtig wenn ich das technisch kurz einfliessen lassen darf damit überhaupt Zugang zu diesen Daten nachher bekommen habe.
• 27:37
  Speaker 1: Das ist quasi da so ne Art Schnittstelle Ist nicht ganz einfach also Es wirklich nicht mal eben drauf klicken und sich eine CSV runterladen klar geworden, dadurch dass ihr halt beim Riesenteam letztlich darauf Data Science betrieben habt.
• 27:48
  Speaker 1: Aber wenn jetzt so eine Deutschland App käme wie die ja angedacht ist wäre es dann nicht auch schon heilsam dieses ich nenne das mal Frontend zu Bürgerinnen und Bürgern da ein Stück weit zu bündeln und zu schauen ob wir nicht über genau diesen Katalog vielleicht über diese Daten wenigstens mal die zugänge richtig bereitstellen können.
• 28:12
  Speaker 1: Wir hatten ja in der vergangenheit verwaltung.bundde, das war auch so einen versuch wo man eigentlich die gleiche datenquelle genutzt hat und da hat man halt gesehen es scheitert dann letztlich auch an der federalen barriere.
• 28:24
  Speaker 1: ich könnte mir vorstellen wenn man jetzt so drauf schaut mit eurem finding mit euren datensatz nochmal dass man einfach besser versteht dass wir hier Einfach in zwei Streams unterwegs sind.
• 28:33
  Speaker 1: Das eine ist das, was Bürgerinnen und Bürger vielleicht ausfüllen, was sie angezeigt bekommen, was ihnen eine App nutzen können.
• 28:39
  Speaker 1: Und das andere ist hinten heraus die Digitalisierung.
• 28:42
  Speaker 1: Ich möchte gleich mit dem zweiten Paper da nochmal die Brücke schlagen, was das mit KI zu tun hat.
• 28:47
  Speaker 1: Aber vielleicht so ein bisschen.
• 28:49
  Speaker 1: hast du noch abschließende Gedanken zu dieser ersten Studie von euch?
• 28:53
  Speaker 1: Es darf auch positiv sein aber ja es sind natürlich schon harte Findings, die ihr letztlich getroffen habt.
• 28:59
  Speaker 0: Ja, das ist sehr gut.
• 29:01
  Speaker 0: Dass du das noch mal angesprochen hast, dass mir auch sehr wichtig anliegen, dass ich da auf jeden Fall keinen auf die Füße treten will und sagen wir schauen aus der Vogelperspektive auf die Daten und schauen wo wir stehen.
• 29:12
  Speaker 0: Wir lesen in den Daten aber nicht heraus was sind denn Hemmnisse?
• 29:15
  Speaker 0: Warum funktioniert es vielleicht auch nicht so gut?
• 29:17
  Speaker 0: Deswegen versuchen wir natürlich auch besser zu verstehen warum funktioniert es nicht so Gut Und wofür es auch sicherlich plausible Gründe gibt.
• 29:26
  Speaker 0: Aber wir wollen jetzt versuchen ein bisschen Licht ins Dunkel zu bringen und uns da irgendwie in der Debatte mit reinbringen, und das vielleicht irgendwie Daten basiert unseren Beitrag.
• 29:36
  Speaker 0: Das ist natürlich ein valider Punkt.
• 29:37
  Speaker 0: Und ich finde es auch gut, dass man sieht auch, dass da Bewegung drin ist, also die Daten über das von dir angesprochene Portal so transparent zur Verfügung gestellt werden – das sind wichtige Schritte!
• 29:47
  Speaker 0: Dass man quasi einen digitaleren Raum, auch digitaler Austauschraum zwischen Bürgerwirtschaft und öffentliche Erwartungen kommt, das sind wichtig Schritte.
• 29:56
  Speaker 0: Allerdings muss man sagen, dass man da immer noch in der Welt von Excel und CSV unterwegs ist.
• 30:00
  Speaker 0: Und was wir dann teilweise auch das Thema Datenqualität uns anschauen sehen, dass da teilweise auch Angaben waren die unplausibel waren.
• 30:10
  Speaker 0: Dass da noch einiges zu tun ist aber man sieht sich etwas in die richtige Richtung bewegt.
• 30:17
  Speaker 0: Ein Punkt wie du sagtest, dass es vielleicht noch ein bisschen positiver frame kann Wenn wir jetzt konkret darüber überlegen, was kann man denn jetzt tun?
• 30:24
  Speaker 0: Also das war auch so eine Ableitung in der Studie.
• 30:26
  Speaker 0: Aber wenn man sieht, dass es jetzt absehbar nicht in den nächsten Monaten oder im nächsten Jahr geschafft wird, das ganze OZG oder alle Bündel und alle zugrunde liegenden Leistungen zu digitalisieren, dann sollte man auf jeden Fall darauf fokussieren, was sind denn die besonders frequentierten, also besonders häufig genutzten Leistung von Wirtschaft und Gesellschaft?
• 30:43
  Speaker 0: Aber genau solche Aspekte, und das muss man auch zu guter heißen, werden auch schon erkannt.
• 30:48
  Speaker 0: Es gab das sogenannte OZG-Änderungsgesetz.
• 30:50
  Speaker 0: da wird genauso was gemacht also ein Fokus auf die besonders wichtigen Leistungen.
• 30:54
  Speaker 0: Also man erkennt das Problem Und man geht auch in die Richtung dass man da quasi das genau angeht Das vielleicht noch ein Hebel sein kann.
• 31:04
  Speaker 0: ist das was ich angesprochen habe einer für alle gesetzt Dass man das vielleicht noch etwas stärker fassiert?
• 31:09
  Speaker 0: Okay, gewisse gute Leistungen, die gut digitalisiert sind müssen jetzt verpflichtend skaliert werden auf andere Kommunen und dass man da vielleicht irgendwie noch mit mehr Nachdruck rangeht.
• 31:18
  Speaker 0: Ich glaube das wäre ein großer Hebel, dass man gerade diese in die Skalierung besonders viel Geschwindigkeit hineinbekommt.
• 31:25
  Speaker 0: aber wie gesagt, die Probleme werden auch erkannt und ich hoffe, dass es dann in Zukunft hier mehr Geschwindigkeiten reinkommt und zumindest in den besonders frequentierten Leistung, was man da ja die Effizienzpotenziale hebt.
• 31:39
  Speaker 0: Ich
• 31:40
  Speaker 1: nehme nochmal gerade die aktuellen Studien vom BMDS, die ich auch noch hier in die Schronos reinpacken muss.
• 31:46
  Speaker 1: Genauso das was du von der Europäischen Kommission gerade zitiert hast übrigens den damaligen DESI-Index.
• 31:52
  Speaker 1: Auch sehr gute Datenquellen möchte ich gerade nochmal ganz kurz als Überleitung mit reinnehmen denn man sieht eigentlich bei diesen ganzen Initiativen die gerade laufen Du sagtest es schon Es ist kein Erkenntnisproblem aber die Umsetzung Die ist wirklich nicht trivial und die hängt an enorm vielen Faktoren ab.
• 32:09
  Speaker 1: Ich bin allerdings kein Freund davon immer nur neu quasi umfragen zu machen, Befragungen zu machen und solche Themen die wir gerade sehr stark aus Berlin kommen sehen muss ich ganz ehrlich sagen wo man einfach merkt okay man möchte jetzt auch zeigen dass man dran arbeitet aber dieses daran arbeiten das hat sich für mich noch nicht manifestiert.
• 32:28
  Speaker 1: also ich sehe ganz viel wie versucht wird zum Beispiel Stimmung aufzufangen aus der Bevölkerung etc.
• 32:32
  Speaker 1: Das ist auch sicherlich gut erstmal.
• 32:34
  Speaker 1: Aber was passiert denn dann?
• 32:36
  Speaker 1: Und dann passiert es ja im Augenblick viel zum Thema künstliche Intelligenz.
• 32:40
  Speaker 1: Gerade das Thema KI-Agenten wird also rauf und runter diskutiert auf Social Media in der Fachpresse, natürlich auch an den akademischen Publikationen dort noch mit einer gewissen Nüchternheit muss ich sagen.
• 32:52
  Speaker 1: Also ich würde schon fast sagen sehr realistisch während wir in der Social Media Debatte wenn ich da mal so ein bisschen drauf leuchten kann kurz Da haben wir wirklich zwei Pole mittlerweile nämlich den einen Bereich der sagt KI Das ist wirklich der Heilsbringer ganz kurz zusammengefasst und die Skeptiker auf der anderen Seite, die sagen wir müssen aber erstmal die Ausaufgaben der Digitalisierung machen.
• 33:16
  Speaker 1: Du kannst ja gleich mal sagen, wo du da stehst.
• 33:17
  Speaker 1: Ich positioniere mich das ein bisschen in der Mitte.
• 33:19
  Speaker 1: Wir brauchen die... nur du sagst ja vorhin auch wir müssen die Prozesse aufräumen.
• 33:23
  Speaker 1: In der Informatik sprechen wir von technischen Schulden also muss ich natürlich irgendwann aufräumt was dann nicht gemacht wurde in den letzten Jahrzehnten.
• 33:30
  Speaker 1: Auf der anderen Seite gibt es auch einfach quick wins wie der Klassiker Chatbot auf dem Bürgerportal der mir halt einen richtigen Antrag erstmal bei meiner Kommune raus sucht.
• 33:38
  Speaker 1: Das kann doch helfen dass sich schonmal wenigstens zu dem richtigen PDF komme.
• 33:41
  Speaker 1: das löst das Problem nicht hinten raus.
• 33:42
  Speaker 1: aber da kann ich mit kleinem Geld und Also ganz geringer Kritikalität kann ich da einfach in der Technologie hinstellen, die was löst.
• 33:50
  Speaker 1: So damit ich damit arbeiten kann brauche ich aber KI-Kompetenz und damit sind wir in unserer zweiten Studie KI.
• 33:56
  Speaker 1: Fachkräfte in der öffentlichen Verwaltung haben sie getauft.
• 33:58
  Speaker 1: Bedarf und Handlungsoptionen.
• 33:59
  Speaker 1: Da haben wir noch gemeinsam mit Jan Felix Engler wie gesagt die Idee gehabt in Stellen Ausschreibungen nach Kompetenz zu suchen Die im öffentlichen Sektor Erkennbar ist eben in diesen Stellen Ausschreibungen.
• 34:13
  Speaker 1: und jetzt kommt das Geniale.
• 34:14
  Speaker 1: Vielleicht kannst du ja ganz kurz einmal darauf eingehen, dass macht man jetzt nicht indem man einfach auf irgendeinen Stellenportal geht oder auf irgendwelchen Suchmaschinen und da was eingibt sondern ihr habt dann so ein spezielles Asset wie man sich so einer Forschungsfrage nähern kann.
• 34:28
  Speaker 1: also vielleicht schauen wir erstmal ganz kurz methodisch ein denn das war schon einen Stunt der auch ein bisschen Zeit den Anspruch genommen hat kann ich aber sagen
• 34:36
  Speaker 0: Ja, sehr gerne.
• 34:37
  Speaker 0: Also die Methodik ist tatsächlich auch zweigeteilt, muss man an der Stelle sagen und ich kann gerne was zu dem eigentlichen Schritt zwei sagen?
• 34:44
  Speaker 0: Zu dem Schritt zwei kannst du vielleicht nochmal so ein bisschen umreißen, was wir da gemacht haben.
• 34:49
  Speaker 0: Und zwar, wir haben zwei Herausforderungen.
• 34:51
  Speaker 0: also das Ziel hast du genannt.
• 34:52
  Speaker 0: Wir wollen uns mal anschauen in den Stellenanzeigen der öffentliche Verwaltung, dass wir uns anschauen wie groß es denn die Relevanz des Thema KI's.
• 35:00
  Speaker 0: Also das ist schon, Stellenanzeit eignet sich da eigentlich sehr gut weil sie sind eine eine, ich sag mal so dynamische Daten-Base.
• 35:06
  Speaker 0: Zum Beispiel haben wir jetzt die aktuellen Daten des abgelaufenen Jahreswetter um zwanzig genommen und können dann mal hineinschauen generell nicht nur in öffentlichem Verwaltung sondern was fordern denn Arbeitgeber?
• 35:18
  Speaker 0: Also das ist ein schönes Signal für was es am aktuellen Rand relevant für Arbeitgebers ist.
• 35:22
  Speaker 0: Das ist so ein Zeichen aus dem veröffentlichen und da können gute Informationen rausziehen.
• 35:26
  Speaker 0: Und also wir haben eigentlich zwei Fragen.
• 35:28
  Speaker 0: Die erste Frage ist wie grenzen wir den großen Datensatz an?
• 35:32
  Speaker 0: Das muss vielleicht noch sagen, der Datenarzt hat den Anspruch das alle Online-Stellenanzeigen die im Jahr zwölfundzwanzig ausgeschrieben wurden hier gesammelt sind.
• 35:41
  Speaker 0: Die Duplikate bereinigt.
• 35:42
  Speaker 0: aber wir haben dann eine Anzahl von ungefähr zehn Millionen Datentrunken Stellenanzeichen, die in Deutschland im Jahr zweitagum zwanzig aufgeschrieben worden.
• 35:48
  Speaker 0: unser erster Schritt unsere erste Herausforderung war Wir wollen einmal filtern darauf nur auf die Stellen anzeigen, die tatsächlich die öffentliche Verwaltung ausgeschrieben hat.
• 35:55
  Speaker 0: Und da müssen wir auch differenzieren nicht der öffentlichen Dienst sondern tatsächlich die Öffentlicheverwaltung.
• 35:59
  Speaker 0: Also uns genau die tatsächlich in Verwaltungsstellen anschauen sollen.
• 36:02
  Speaker 0: Wir wollen jetzt nicht zum Beispiel in den öffentlichen Kindergärten oder die Polizei reinschauen, sondern wir wollen tatsächlich in die recht belieften Finanzämter einschauen und sagen wie sieht es denn hier aus?
• 36:12
  Speaker 0: Wie wird denn hier KI beziehungsweise kann ich das auch noch was zu sagen zur Effizienzpotenzial für KI genauso für die Öffnlichverwaltung in ein Auge schauen.
• 36:20
  Speaker 0: Das ist Schritt Eins.
• 36:21
  Speaker 0: würde ich gleich ja nicht übergeben.
• 36:22
  Speaker 0: Zwei ist dann, dass wir uns einmal anschauen, inhaltlich geht es denn in den Sternenzeichen die wir sehen um KI oder nicht?
• 36:28
  Speaker 0: Und da haben wir wie du es schon angeteasert hast jetzt über die Jahre auch etwas Erfahrungen gesammelt weil wir das nicht nur im KI, das wir uns am IW nicht nur in KI-Kontext sondern auch in anderen Kontexten wie Green Economy
• 36:38
  Speaker 0: usw.,
• 36:39
  Speaker 0: so ein Skillset aufgebaut haben diese denn so große Mengen an Daten klassifizieren können, dass man beispielsweise innertlich nur die Sterne zeigen mit KI-Bezug vorliegen, herausfiltern können.
• 36:51
  Speaker 0: Und da gibt es eigentlich zwei Wege.
• 36:53
  Speaker 0: Der eine Weg ist dass man eine gute Wortliste beziehungsweise eine Liste an relevanten Wörtern bildet und die quasi mit den Volltexten der Sterne zeigen abgleicht.
• 37:03
  Speaker 0: und wenn man einen Treffer hat oder beispielsweise mindestens zwei Treffer als Schwelle hat dann sagt man okay geht's um KI.
• 37:09
  Speaker 0: Das haben wir aber in dem Kontext nicht gemacht sondern man kann das auch ein bisschen dekateter gestalten und zwar kann man auch quasi KI trainieren diese Aufgabe für sich durchführen zu lassen.
• 37:20
  Speaker 0: Also konkret nimmt man ein Test Set und labelt einmal tausend Stellen an, zeigen selber und sagt wie ließt sich den Volltex durch?
• 37:27
  Speaker 0: Und sagt hier geht es um KI oder hier gibt's nicht im KI?
• 37:30
  Speaker 0: Man kann auch einzelne Passagen oder einzelne Wörter oder Sätze unterstreichen und sagen der KI quasi sagen Hier ist besonders ein besonderes gutes Zeichen dafür dass es hier tatsächlich einen inhaltlichen KI Bezug gibt.
• 37:41
  Speaker 0: das macht man dann mal Tausend und kreiert quasi ein Trainingskartensatz.
• 37:47
  Speaker 0: fast zehn Millionen Sterner zeigen, die KI quasi diese Aufgabe durchführen.
• 37:51
  Speaker 0: Das machen wir natürlich nicht unkontrolliert sondern man gibt es an gewisse Evaluationsmetriken.
• 37:55
  Speaker 0: das nennt sich dann in dem Kontext Precision also Präzision und Recall.
• 37:59
  Speaker 0: Also wir schauen uns einen Ansatz an da nehmen uns mal beispielhaft ein gewisses Set an durch die KI anotierte Sternerzeigenhaus und schauen uns an wie gut ist denn die Präcision oder die Trefferwahrscheinlichkeit?
• 38:09
  Speaker 0: Und auf der anderen Seite wollen wir uns natürlich auch fragen, findet denn die KI alles was sie finden sollte?
• 38:13
  Speaker 0: Oder bleiben gewisse Sternen zeigen verborgen wo es eigentlich um KI geht.
• 38:17
  Speaker 0: Aber wie haben Sie nicht unseren Machine Learning Algorithmen jetzt nicht so gut trainiert dass diese nicht gefunden werden?
• 38:23
  Speaker 0: und da gibt's dann auch Testmetriken für das eigentlich einmal so umrissen was wir damit todisch gemacht haben.
• 38:29
  Speaker 0: Wie gesagt das haben in der Vergangenheit schon öfters auch zum Thema KI gemacht und ja das haben wir quasi hier ein bisschen weiterentwickelt weil ein Punkt noch den du schon erwähnt hattest ist ein sehr sehr dynamisches Thema mit großen Innovationszügel.
• 38:40
  Speaker 0: Das heißt, man muss gewisse neu hinzugekommene Aspekte, das heißt jetzt kürzlich KI-Agenten und so weiter natürlich immer wieder in dieses Mindset mit aufnimmt also dass quasi die KI diese Punkte innerlich auch mit hineingeht.
• 38:54
  Speaker 1: Ja genau wir haben ja Also nicht nach Stellen an Zeigen gesucht, wo irgendwie drinsteht sie können gut prompten.
• 39:00
  Speaker 1: Sondern es sind ja vielleicht ganz verdeckte Dinge, wo man auch gar nicht so sehr drüber spricht oder wo man vielleicht eine tiefe Technologie oder Erkenntnis irgendwo haben möchte und das ist ein bisschen nur antiesert weil vielleicht das auch im Finanzamt, vielleicht finanz- ermittlungstechnisch den man das gar nicht so sehr sagen möchte.
• 39:18
  Speaker 1: Ich fasse das was du gesagt hast immer so zusammen dass wir eigentlich drei Classifier gebaut hätten.
• 39:22
  Speaker 1: einen hast du gerade beschrieben das war quasi der Classifier wo dir ja auch ein eigenes Paper zugeschrieben hat das vorher der in der Lage ist eben KI Merkmale in Stellen zu identifizieren.
• 39:32
  Speaker 1: und dann um überhaupt dahin zu kommen Das war quasi das Learning in der Forschungsimpulsfolge von vor etwa einem Jahr.
• 39:39
  Speaker 1: Du hattest erklärt, was ihr da für Ressourcen habt datentechnisch und dann kam uns ja hier die Idee können wir das nicht runterbrechen auf die öffentliche Verwaltung, was du gerade ausgeführt hast.
• 39:48
  Speaker 1: Ja es waren ein bisschen meine Aufgabe hier erstmal so ganz klassisch mit RagEx Methoden und anderen also Rollen und regelbasierten Engines ein bisschen zu arbeiten.
• 39:59
  Speaker 1: Ewig gedauert muss ich sagen, weil das überhaupt nicht einfach war.
• 40:01
  Speaker 1: Wir haben gelernt es sind in Summe, glaube ich, siebenhunderttausendens Namen... Und das spannende natürlich auch im Sinne von Geheimhaltung.
• 40:09
  Speaker 1: Ich habe das dann in größten Teilen blind gemacht, die Daten lagen bei euch und auf euren Servern
• 40:14
  Speaker 1: etc.,
• 40:14
  Speaker 1: d.h.
• 40:15
  Speaker 1: ich hab diese Classify gebaut, das muss man sagen ist in der Forschung überhaupt gar nicht unüblich dass man das so macht.
• 40:20
  Speaker 1: Das heißt es ist schon der Normalfall, man muss nicht irgendwie Volldatenzugriff haben oder sowas.
• 40:24
  Speaker 1: Das macht's aber natürlich sehr spannend.
• 40:26
  Speaker 1: Das heisst also auch bei mir ist da eine lange Regelliste erst mal entstanden, das waren quasi ja Python Skripte, die versucht haben rauszufinden passt das?
• 40:35
  Speaker 1: Da war aber das Learning.
• 40:37
  Speaker 1: tatsächlich geht das nur für die ganz eindeutigen Fällen.
• 40:40
  Speaker 1: Also da funktioniert es dann gut und alles wo's dann so ein bisschen fasi wird, also mein Lieblingsbeispiel ist sowas wie Kindertagesstätte der Bundeswehr für das Marine her oder so etwas?
• 40:51
  Speaker 1: Wie soll das jetzt eine Regel-Engine irgendwie auseinanderhalten?
• 40:53
  Speaker 1: Das funktioniert überhaupt nicht!
• 40:55
  Speaker 1: Da haben wir versucht und das finde ich ganz gut.
• 40:57
  Speaker 1: übrigens dass sich das in der Forschung gerade ein bisschen lichtet.
• 41:00
  Speaker 1: Dass man jetzt sagen kann, Mensch wir leben doch im KI Zeitalter.
• 41:02
  Speaker 1: Man dürfte auch Latch-Language-Modelle nutzen ist noch nicht überall angekommen muss man auch mal dazu sagen.
• 41:08
  Speaker 1: aber du hast gerade ja schon gesagt es gibt Metriken wie man dann auch versuchen kann tatsächlich das ganze zu erhärten und das haben wir auch gemacht.
• 41:14
  Speaker 1: das heißt wir haben erstmal angefangen mit einem kleinen KI Modell versucht diese Filter zu verbessern also quasi immer diesen zweiten Filterschritt.
• 41:22
  Speaker 1: Ja und das haben wir dann auch wirklich immer wieder etariiert, stichprobenartig wieder reingeschaut.
• 41:27
  Speaker 1: Und versucht es ist ja also da finde ich nicht so vorstellen als wäre das nur ein prompt sondern das ist ein ganz programmierter workflow der immer wieder prompt anstößt und versucht dann eine accuracy rate also eine genauigkeit zu erreichen die zudem passt was wir durch das manuelle scoring dann gesagt haben was denn die wahrheit is.
• 41:45
  Speaker 1: und dann hatten quasi dann immer Werte, die aber noch nicht so zufriedenstellend waren.
• 41:48
  Speaker 1: Wir haben uns ein bisschen vorgetastet.
• 41:50
  Speaker 1: das dauerte auch einige Zeit bis wir eine Entscheidung trafen welches Modell wir denn nehmen.
• 41:54
  Speaker 1: Das ist dann auch wieder eine Budgetfrage.
• 41:57
  Speaker 1: also wir konnten kein absolutes Frontier-Modell nehmen und dass einfach auf diese ich glaube in Summe waren es sogar dreizehn Millionen Stellenanzeigen in diesem Datensatz.
• 42:05
  Speaker 1: utopisch teuer gewesen und natürlich auch völlig unnötig, weil die eindeutigen Fälle, die konnten wir ja anders raussortieren.
• 42:11
  Speaker 1: Das heißt irgendwann haben wir uns dann auf ein Modell geeinigt was eben schon ziemlich gut war und dann haben wir gesagt für die dann immer noch offenen Härtefalle nehmen wir nochmal ein wirkliches Frontiermodell und dann hatten wir es eigentlich.
• 42:22
  Speaker 1: Dann konnten wir sagen okay das ist jetzt der Datensatz auf dem dann die Data Science für die eigentlichen Stellenanalyse so richtig los ging.
• 42:29
  Speaker 1: ich weiß nicht habe ich noch etwas vergessen oder steigen wir einen in die Ergebnisse?
• 42:32
  Speaker 0: Ja, du hast alles ganz vollkommen beschrieben.
• 42:36
  Speaker 0: Das passt.
• 42:36
  Speaker 0: Wir können gerne in den Ergebnis einsteigen.
• 42:39
  Speaker 0: Was wir sehen ist... Wir haben nicht einen Ergebnis, sondern viele Ergebnisse.
• 42:43
  Speaker 0: Wir haben uns das auch noch aus verschiedenen Blickwicklen angeschaut.
• 42:46
  Speaker 0: Also das erste, das kernegebnis ist, dass wir im Null, sieben Prozent der Stellen der öffentlichen Verwaltung einen KI-Bezug erkennen.
• 42:55
  Speaker 0: Jetzt klingt erst mal gering.
• 42:57
  Speaker 0: Man muss sagen, die Privatwirtschaft da auch nicht sehr weit von entfernt ist.
• 43:02
  Speaker 0: Aber immerhin, wenn man die vorjahreswerte der Privatwirtschaft sieht, dann sind sie bei ca.
• 43:07
  Speaker 0: ¼-½ Prozent.
• 43:09
  Speaker 0: Der Anteil der Öffentlichverwaltung ist doppelt so niedrig.
• 43:12
  Speaker 0: Das ist schon eine Erkenntnis, dass die Privat Wirtschaft hier vielleicht weiter ist.
• 43:17
  Speaker 0: Immer allerdings etwas stärker in die Ergebnisse der öffentlichen Verwaltung reinsumt.
• 43:23
  Speaker 0: Da sehen wir das der Anteil beim Bund am höchsten ist.
• 43:27
  Speaker 0: Danach kommt es... die Ebene Land und am Ende die Ebne Kommune.
• 43:33
  Speaker 0: Das heißt, obwohl wir – das ist dann auch interessant wenn wir uns einmal den Anzahl der Stellenanzeigen auf dem jeweiligen Ebenen anschauen sehen wir dass mit Abstand am meisten Stellen auf der kommunalen Ebene ausgeschrieben werden.
• 43:45
  Speaker 0: also circa zwei Drittel der gesamten Stellen der Öffentlich-Mehrwaltung werden auf der Kommunalebene ausgeschrien aber der Anteil ist da deutlich niedriger.
• 43:52
  Speaker 0: ich glaube da sind wir bei Nullkommand drei Prozent Und auf der Bundes- und Landesebene sind wir da schon etwas weiter, also beziehungsweise wenn wir uns anschauen wie viele Stellen einen konkreten KI Bezug haben.
• 44:04
  Speaker 0: Zweites gerne Ergebnis ist, dass das Schöne an Stellen der öffentliche Verwaltung ist, es meistens eine tarifliche Eingruppierung gibt.
• 44:12
  Speaker 0: Wir können sehen wo sind die Stellen ungefähr eingruppiert?
• 44:16
  Speaker 0: Das gibt uns wertvolle Hinweise darauf, wie hoch ist beispielsweise das Qualifikationsmewurks.
• 44:25
  Speaker 0: zwischen KI Stellen und Nicht-KI Stellen vergleichen.
• 44:27
  Speaker 0: Wir sehen, dass die KI Stellen überwiegend auch für den höheren Dienst ausgeschrieben sind.
• 44:33
  Speaker 0: Auch viele im gehobenen Dienst.
• 44:34
  Speaker 0: aber besonders interessant ist für den höheren Dienst also es sind fast die Hälfte der Stellen wie auf diesen Levels sind.
• 44:40
  Speaker 0: Und gerade das diese Charakteristik ist bei nicht KI Stellen erzeugend öffentliche Verwaltung nicht erkennbar.
• 44:45
  Speaker 0: Das heißt eine hohe Expertengruppe, die wir hier ansprechen.
• 44:48
  Speaker 0: Wir können gleich noch gerne darüber reden was das so bedeutet in den Ableitungen.
• 44:52
  Speaker 0: Was wir allerdings auch sehen, wenn wir uns einmal anschauen sind das der meistens Fachkräfte oder eher Führungspositionen hier gesucht werden.
• 44:58
  Speaker 0: Sehen wir dass gerade im Verkauf relevant auf Führungsposition in der öffentlichen Verwaltung erkennbar ist.
• 45:04
  Speaker 0: Das hat auch ziemlich interessante Ableitung also dass KI beispielsweise weniger stark als Management Aufgabe begriffen wird in der Öffentliche Verwaltungen im Vergleich zur Privatwirtschaft wo es dann doch stärker ist.
• 45:16
  Speaker 0: und letztlich haben wir uns das Ganze natürlich original angeschaut Ähnlich wie es zum Beispiel in der OTG-Analyse der Fall ist, und hier ist ein Ergebnis.
• 45:23
  Speaker 0: In dreiundvierzig Prozent der Kreise Deutschlands sehen wir im Jahrzehntelten zwanzig noch keine einzige KI Stellanzeige.
• 45:31
  Speaker 0: also es gibt sowohl regionale Unterschiede und es gibt viele Kreise wo KI gar keine Rolle spielt andere Kreise den KI schon angekommen ist aber nicht auf der Ebene wie man sich vielleicht erwarten würde, wenn man beispielsweise – und das hatte ich eben kurz angeteasert – sagen kann was denn tatsächlich KI für Riesenpotenziale gerade für die öffentlichen Verwaltung hat.
• 45:58
  Speaker 0: Ich mach's kurz.
• 45:59
  Speaker 0: Es sind eigentlich zwei sehr große Motivatorien.
• 46:02
  Speaker 0: Der erste ist eher exogen gegeben.
• 46:04
  Speaker 0: Das ist quasi der Fachkräftemangel, der auch bei der öffentlichen Arbeitslose auf hundert offene Stellen in der öffentlichen Verwaltung kommen.
• 46:20
  Speaker 0: Und das ganze Problem wird nicht besser über die Zeit, sondern es wird im Gegensatz dazu schlechter.
• 46:26
  Speaker 0: Also das demografische Problem verschärft sich noch.
• 46:28
  Speaker 0: Das heißt, es gibt hier ein absehbar großes Problem für die Öffentlich-Verwaltung und gleichzeitig über KI eine Lösung, denn KI kann Effizienzpotenziale in den öffentlichen Verwaltung auslösen.
• 46:40
  Speaker 0: Es kann sehr, sehr wirksam und es ist besonders wirksam bei der Unterstützung von gerade Routineaufgaben oder Aufgaben die kognitiv sind und sich wiederholen im ähnlichen Umfang müssen nicht exakt gleich sein.
• 46:51
  Speaker 0: also wenn jetzt beispielsweise um Planungs- und Genehmigungsverfahren sprechen dann kann KI hier als wirksames Hilfsinstrument herangezogen werden.
• 46:58
  Speaker 0: ich spreche jetzt nicht davon dass man einen Antrag der KI gibt und den Ausführen lässt und dann ist vorbei sondern das man sagt Man schaut vielleicht, oder lässt die Aufgaben normal KI-basiert durchführen.
• 47:10
  Speaker 0: Vielleicht lässt sich auch einen Vorschlag geben zu achtzig Prozent und schaut dann aber menschlich.
• 47:14
  Speaker 0: also man spricht oft von den Prozessen Human Insolute vor allem dass man tatsächlich am Ende als Mensch nochmal verwaltungsbeschäftigte noch mal kritisch draufschaut.
• 47:26
  Speaker 0: sind die Einschätzung denn jetzt sehr gut?
• 47:28
  Speaker 0: durch die KI kann man das nochmal spiegeln und wird man das unterstützen?
• 47:32
  Speaker 0: da würde man es anders machen.
• 47:33
  Speaker 0: Kernpunkt ist, es wird nicht hundert Prozent übernommen die Aufgabe aber vielleicht achtzig Prozent oder neunzig Prozent.
• 47:38
  Speaker 0: Das wäre schon mal ein Riesengewinn und das könnte sich dann beispielsweise um Münzen in geringere kürzere Bearbeitungszeiten für Anträge Dienstleistungen und vielleicht auch personalisierte Dienstleistung sendender Kapazitäten unter den Verwaltungsbeschäftigten frei werden.
• 47:54
  Speaker 0: Vielleicht
• 47:55
  Speaker 1: lassen wir mal an der Stelle einfließen.
• 47:56
  Speaker 1: also uns ist ganz sicher bewusst dass es Forschung dazu gibt Bin ich auch mit aktiv.
• 48:03
  Speaker 1: Was hat denn das für eine Auswirkung auf die Demokratie?
• 48:07
  Speaker 1: Und kann das denn jetzt sein, dass hier künstliche Intelligenz unterstützt?
• 48:10
  Speaker 1: Ist das wünschenswert oder er nicht.
• 48:12
  Speaker 1: Das ist natürlich klar.
• 48:14
  Speaker 1: aber das war hier nicht der Punkt sondern hier war der Punkt drauf zu schauen wie es die KI-Kompetenz auf den verschiedenen Ebenen.
• 48:20
  Speaker 1: und jetzt sind wir wieder da wie unser Gespräch vorhin auch anfing.
• 48:23
  Speaker 1: man sieht ja auf der Ebene des Bundes der natürlich auch eine ganz andere Finanzstärke hat um da loszulegen.
• 48:30
  Speaker 1: und auch solche Initiativen Sparks haben einige wahrscheinlich mitbekommen, das KI-bersähte Workflow System vom BMDS wo sogar ein eigener Hackathon jetzt wirklich versucht hat echten Code hervorzubringen.
• 48:43
  Speaker 1: Also damit einfach mal eine Idee nochmal weiter ausgerollt wird.
• 48:46
  Speaker 1: also hätte ich wahrscheinlich nicht anders ausgedacht super einen Hackathon Event und dann versucht man Menschen zu motivieren daran mitzuarbeiten etc.
• 48:54
  Speaker 1: so dass kann der Bund natürlich.
• 48:55
  Speaker 1: jetzt hast du ausgeführt sieht man in den nachgelagerten Ebenen im föderalen System eher weniger.
• 49:01
  Speaker 1: Und jetzt haben wir natürlich auch schon ganz viel, nachdem erscheinender Studie dazu diskutiert.
• 49:06
  Speaker 1: also unser Punkt ist ja oder zumindest mein Blick darauf ist ich müsste irgendwo auch sehen dass in der Qualifizierung von Nachwuchskräften oder neuen Jobprofilen und ganz wichtig auch dem Leadership Gedanken irgendwo künstliche Intelligenz eine Rolle spielt.
• 49:23
  Speaker 1: Denn in der Privatwirtschaft funktioniert es ja eben auch sehr gut, dass wir dort sehen.
• 49:27
  Speaker 1: aha ich muss mir also die Frage stellen welche Implikation hat das vorhandensein von KI herauf etc.
• 49:33
  Speaker 1: und da ist natürlich so ein bisschen hier vielleicht das ganze auch vielleicht extrem juristisch geprägt durch die er ja eben aus Verwaltungsrecht oder Klasse Staatsrecht angehauchten stellen könnte ich mir vorstellen haben wir in den Daten glaube ich gar nicht so gesehen.
• 49:46
  Speaker 1: ich interpretiere das jetzt mal so ein bißchen für mich.
• 49:49
  Speaker 1: Und auch die Frage, wie viel Commitment übernehme ich denn jetzt als Führungskraft?
• 49:54
  Speaker 1: Also beispielsweise wenn ich in einem Rathaus vorsitze.
• 49:58
  Speaker 1: Dafür, wie das Thema künstliche Intelligenz hier gespielt wird.
• 50:01
  Speaker 1: Jetzt ist uns natürlich völlig klar, dass die Haushaltslage in einer einzelnen Kommune nicht hergebt, dass der jetzt plötzlichen Team von fünf Leuten sitzt und mal so ein bisschen AI Discovery macht.
• 50:11
  Speaker 1: Aber Interessantes – in den Niederland geht es zum Teil schon!
• 50:15
  Speaker 1: Das kann man auch googeln.
• 50:16
  Speaker 1: Vielleicht packen wir noch was in die Shownots dazu, da wird nämlich genau das gemacht einzeln mal zu schauen Was haben wir hier für Potenziale?
• 50:23
  Speaker 1: Wie kommen wir da weiter?
• 50:24
  Speaker 1: Ja der ist es natürlich überhaupt nicht vergleichbar wieder von der Größe aber dass man halt eben so gut wie gar nichts sieht das ist dann doch zu wenig würde ich sagen.
• 50:32
  Speaker 1: also da müsste deutlich mehr erkennbar sein und Es gibt ja eben die Ausreißer.
• 50:36
  Speaker 1: Wir haben da zwei große Behörden gefunden die Agentur für Arbeit und die Deutsche Bundesbank im besonderen.
• 50:42
  Speaker 1: Wir haben es auch hier angeführt in der Studie.
• 50:44
  Speaker 1: Da sieht man tatsächlich, die haben wirklich, ich nenne das mal Deep Tech Stellen.
• 50:47
  Speaker 1: Also sie wissen was die mit KI machen wollen und die stellen nicht eine Frage so nach dem Motto können Sie mal hier ausprobieren wie man da irgendwas rein prompten kann?
• 50:54
  Speaker 1: Sondern ist ne ganz konkrete Frage hier dass es zu tun Und wir wollen bitte nachher, dass sie in folgende Programmiersprache folgende Probleme mathematisch oder aus Data Science Sicht KI basiert lösen.
• 51:05
  Speaker 1: also Es geht schon Ist natürlich wieder ein anderes.
• 51:08
  Speaker 1: Skalierung ist uns auch völlig klar.
• 51:10
  Speaker 1: aber das hat verschiedene Implikation.
• 51:12
  Speaker 1: Nämlich einer hast du gerade angeführt und das ist natürlich für mich auch so ein bisschen eine echte Herzenssache.
• 51:17
  Speaker 1: Wir haben das überschrieben hier mit laufbahnrechtliche Reformen.
• 51:21
  Speaker 1: Du hast gerade rausgearbeitet, dass hier viele Stellen die mit KI zu tun haben dann doch richtig harte Expertinnen und Expertenstellen sind also höherer Dienst.
• 51:31
  Speaker 1: Und jetzt müsste man sich natürlich fragen wo kommen diese Menschen denn her?
• 51:35
  Speaker 1: Das erlebe ich natürlich auch quasi ständig auf den Veranstaltungen wo man mit dem BMDS der Hochschullandschaft, der Forschungslandschaft unterwegs ist.
• 51:44
  Speaker 1: Da geht natürlich der erste Blick irgendwie an die klassischen Universitäten wo man halt gerade sich auch selbstverständlich mit KI beschäftigt.
• 51:52
  Speaker 1: und wir haben jetzt mal hier die Frage gestellt inwieweit ist das überhaupt die Zielgruppe?
• 51:55
  Speaker 1: denn wenn ich jetzt also diese Stellen Ausschreibungen habe auch wenn sie sicherlich schon wie du erklärt hast höher eingruppiert sind ja sowas wie auf einer vierzehn nach Stufe oder so was ja dass es schon nicht unattraktiv aber das ist doch etwas anderes als die Privatwirtschaft da quasi als Arbeitgebermarke anbietet.
• 52:13
  Speaker 1: So dass wir jetzt ja mal ein bisschen raus gearbeitet haben, wie ist denn das überhaupt in dem eigenen Bericht der Hochschullandschaft von Bund und Land- und den anderen Verwaltungsinstituten?
• 52:23
  Speaker 1: Die haben ja typischerweise eben auch die Hochschulen des öffentlichen Dienstes und die haben ihren Schwerpunkt tatsächlich eher auf Bachelorniveau.
• 52:30
  Speaker 1: gerade wenn wir jetzt natürlich über technische Themen sprechen also technische Studiengänge Ja, mich hat das ein bisschen erstaunt muss ich sagen.
• 52:38
  Speaker 1: Also für mich ist vielleicht der Finest die mich am meisten auch irgendwie tangiert hat direkt weil eigentlich müsste man jetzt sagen entweder macht man das Ganze auf und versucht ja also als Arbeitgebermarke einfach deutlich mehr Attraktivität hinzubekommen für den Gesamtmarkt oder was natürlich auch sehr schön wäre.
• 52:56
  Speaker 1: Man stärkt vielleicht noch mal ein bisschen mehr die eigene Hochschullandschaft oder Studiengänge etc.
• 53:01
  Speaker 1: um hier den internen Nachwuchs zu gewinnen, denn ich weiß nicht wie du das empfindest aber für mich ist dass die Chance überhaupt so sagen wir können jetzt vielleicht in den jetzigen Strukturen nicht immer alles umwerfen, Generation tatsächlich darauf setzen, dass wir eine top ausgebildete Digitalisierungszukunft für Deutschland hätten.
• 53:22
  Speaker 1: Das wäre eigentlich der Wunsch und das habe ich hier so aus den Daten ein bisschen als Reformabhält tatsächlich für mich raus mitgenommen.
• 53:29
  Speaker 0: Ja definitiv da gehe ich argumentativ vollkommen mit.
• 53:32
  Speaker 0: also das war auch für mich sehr interessant, dass Wir hier sind zu einer Art Missmatch finden.
• 53:37
  Speaker 0: Ich glaube ich bin auch der Meinung Dass man nicht unnötige Hürden schaffen sollte wenn dann tatsächlich man weiß, was die Behörden denn tatsächlich suchen.
• 53:46
  Speaker 0: Auf welchem Niveau?
• 53:47
  Speaker 0: Dass sie gerade ihr Experten suchen und die einfach aus historisch gewachsenen Strukturen nicht diese Position besetzen können.
• 53:55
  Speaker 0: Man muss natürlich auf der anderen Seite auch sagen es kann auch immer sehr erfrichend sein, wenn man ja vielleicht auch Studierende, die vielleicht gerade ihre Studien beendet haben, aus anderen Einrichtungen rekrutieren kann, die beispielsweise nicht den klassischen Weg der Gewaltungsstudiengänge gegangen sind.
• 54:11
  Speaker 0: aber Gerade auch im Hinblick auf den Fachkräftemangel ist es doch schon bedenklich, dass man quasi sich diese Tür jetzt ganz hart ausgedrückt zu macht.
• 54:20
  Speaker 0: Dass die nur aufgrund der formellen Qualifizierung nicht in diese Stellen hineingraten können.
• 54:27
  Speaker 0: Da sollte man sich denke ich mal flexibler zeigen um gerade hier angesichts der niedrigen Anteilen, die wir sehen und der niederigen Intensität des KI-Einsatzes in öffentlicher Verwaltung das man da doch deutlich sich öffnen sollte.
• 54:43
  Speaker 0: Bin ich vollkommen bei dir.
• 54:45
  Speaker 0: Auf der anderen Seite ist natürlich ein wichtiges Thema, das du auch schon umrissen hast, die Öffentlich-Verwaltung konkurriert dann tatsächlich mit der Privatwirtschaft um die KI Experten und dass es ja kein Geheimnis ist, dass gerade die KI-Experten sehr begehrt sind.
• 54:59
  Speaker 0: also es gibt da auch weitere Studien, die beispielsweise mal für Europa, für die einzelne europäischen Länder zeigen Wie hoch ist denn die Internationalisierung der KI-Fahrkräfte in den einzelnen Ländern in der EU?
• 55:13
  Speaker 0: Und da sieht man, dass der KI Beschäftigten einen internationalen Background hat.
• 55:17
  Speaker 0: Also gerade vielleicht ein bisschen erwartbar auch relativ viele Beschäftigte aus Indien aber ansonsten auch ein internationaler Mix an Beschäftigen und das ist für mich auch immer etwas Art des Ausdrucks, was die Fachkräfte sehr, sehr begehrt sind dass die quasi aus vielen verschiedenen eckenden Weg in die deutschen Unternehmen oder auch in die deutsche Verwaltung finden.
• 55:40
  Speaker 0: Und das ist für mich auch ein Aspekt, dass man darüber sprechen muss was zahlt denn quasi die Privatwirtschaft für KI-Experten und kann die öffentliche Verwaltung dann da überhaupt mithalten?
• 55:52
  Speaker 0: Das ist ein wichtiger Punkt.
• 55:54
  Speaker 0: Da haben wir jetzt schon drüber gesprochen.
• 55:55
  Speaker 0: es gibt relativ feste Strukturen nicht nur wie eingestellt wird, sondern was auch für Vermütungsmöglichkeiten gibt.
• 56:03
  Speaker 0: Auf der anderen Seite muss man auch sagen es gibt andere Aspekte die ja potenzielle Kandidaten zu bewegen welchen Arbeitgeber sie wählen.
• 56:11
  Speaker 0: Stichwort Arbeitgebernmarke.
• 56:13
  Speaker 0: also da gibt's auch andere Aspekte und umfragen die zeigen dass gerade die öffentlich Verwaltung oder öffentliche Dienst Hier auch besser abschneiden, als die Privatwirtschaft in Deutschland.
• 56:20
  Speaker 0: Also da geht es um Aspekte wie Arbeitnehmer-Schutz durch tarifflexible Arbeitszeitregelungen und betriebliche Mitbestimmung.
• 56:25
  Speaker 0: Das sind auch so Aspefte wo gerade auch die öffentliche Verwaltung gepruten kann.
• 56:30
  Speaker 0: Und da geht's natürlich auch weiter diese Aspechte zu schärfen und quasi im Wettbewerb mit der Privatverschaft, um die KI Experten hier gute Karten zu haben.
• 56:40
  Speaker 1: Ich komme noch mal ganz kurz auf den Punkt zu sprechen, mit wo rekrutiert man jetzt also quasi Hochschulen des öffentlichen Dienstes oder quasi aus ja sogar international aus dem Hochschulumfeld und Universitätsumfeld.
• 56:53
  Speaker 1: Nicht dass das falsch ankommt aber ich finde es extrem spannend weil wir wurden hier auch mehrfach jetzt schon auf die Studie wie gesagt angesprochen und wir haben in dem letzten Thema strategische Arbeitsteilung auch so ein bisschen Bezug genommen noch auf die IT-Dienstleister.
• 57:05
  Speaker 1: Das muss man vielleicht ganz kurz ja auch dann nochmal zusammenbringen.
• 57:08
  Speaker 1: Und zwar gibt es im öffentlichen Sektor das Phänomen, dass die Zungskette also quasi die Fertigungstiefe könnte man sagen.
• 57:16
  Speaker 1: Relativ gering ist.
• 57:17
  Speaker 1: aber es kommt drauf an ja?
• 57:19
  Speaker 1: Also es kommen wirklich darauf an und das macht das hier so diffus.
• 57:22
  Speaker 1: Es gibt natürlich in vielen Teilen Deutschlands Regionen, die sich zusammengetan haben und eine Entweder einer Tochtergesellschaft oder eine Art Verband gegründet haben Oder dass ich dort einfach ein vielleicht ein oligopol oder sogar monopolt struktur in einer region darauf spezialisiert hat die kommunen die ministerien in einer region eben zu bedienen.
• 57:42
  Speaker 1: jetzt könnte man auf die idee kommen ja gut vielleicht ist das ja das geschickte modell um zu sagen dort kann man vielleicht mit einer etwas inneren gehaltsstruktur oder anderen erset irgendwie versuchen arbeitgeber marke aufzubauen und man ist vielleicht auch ein bisschen freier indem wie man denkt und handelt.
• 57:58
  Speaker 1: ich sehe dass allerdings ziemlich kritisch denn zum einen kann uns keiner so richtig sagt Das wäre vielleicht schon wieder die nächste Forschungsfrage, der wir nachgehen können.
• 58:06
  Speaker 1: Wer sind all diese Dienstleister?
• 58:08
  Speaker 1: Wie sieht die Struktur aus?
• 58:09
  Speaker 1: Ist sie vergleichbar?
• 58:10
  Speaker 1: und es ist auch aus meiner Sicht ein gewisses Verantwortung von sich schieben weil ich habe tatsächlich dann schon den Satz gehört Wir müssen halt warten was uns dieser Dienstleiste anbietet.
• 58:19
  Speaker 1: also das finde ich ganz ganz traurig wenn man sich jetzt vorstellt wir hätten in der Wirtschaft Diese Einstellung und würden quasi sagen wir warten einfach darauf Was unsere IT-Dienstleister uns anbieten.
• 58:28
  Speaker 1: Also das ist tatsächlich falsch herum.
• 58:30
  Speaker 1: mehr als Ich muss schon irgendwie eine Idee entwickeln entwickeln.
• 58:33
  Speaker 1: Wie kann ich das für uns irgendwie operationalisieren und dann damit losmarschieren, versuchen das zu implementieren und einzusetzen?
• 58:41
  Speaker 1: Das ist mein einer Punkt!
• 58:43
  Speaker 1: Der andere Punkt ist dass wir auch sehen bei diesen ganzen wirklich schönen Ideen die gerade an Initiativen entstehen in Nordrhein-Westfalen mit New Garve auf BMDS Ebende mit dem Sparks Hackathon oder dem Agentic AI Hub Da wird ja wirklich versucht, ganz gezielt aus der öffentlichen Verwaltung Menschen zu bekommen.
• 59:02
  Speaker 1: Die sagen ich gehe jetzt hier eine extra Meile Ich lass mich vielleicht mal für ein paar Monate dort hinversetzen und arbeite da an einem Innovationsprojekt mit.
• 59:10
  Speaker 1: insofern lasse ich das Argument nicht gelten Neni wir implementieren es ihr gar nicht selber.
• 59:13
  Speaker 1: also Es wäre eigentlich gerade Das richtige Moment um zu sagen man holt sich Jetzt einfach auch mit den menschen die schon da sind.
• 59:20
  Speaker 1: du sagst ist ja dann müssen Nicht nur auf den nachfugsschauern sondern auch auf die eben schon da sein.
• 59:24
  Speaker 1: jetzt ist die zeit.
• 59:24
  Speaker 1: also jetzt kann ich tatsächlich bei BMDS und bei anderen Initiativen mir die Möglichkeit erschaffen, nochmal so ein Side Step zu machen beruflich oder mal kurzfristig in den Thema reinzuschauen vielleicht mal zwei Tage oder sowas.
• 59:38
  Speaker 1: Und mir hier Kompetenz drauf zu schaffen.
• 59:39
  Speaker 1: und da wird dann aber tacheles geregelt muss man sagen.
• 59:43
  Speaker 1: also da muss ich schon teilweise in so manchen Programmiersprachen und Frameworks richtig gut drauf sein damit ich damit machen kann ja das heißt dass es eigentlich total entgegen gesetzt zu dem, was die Debatte in der Öffentlichkeit zum Teil da diskutiert und was wir dann eigentlich sehen.
• 1:00:00
  Speaker 1: Wo gerade der ja Deutschland-Stack müssen wir jetzt nicht noch drauf eingehen aber wir haben das tatsächlich auch in eurem Paper ein paar technische Deep Dive Themen.
• 1:00:09
  Speaker 1: Aber man sieht eigentlich ist es gefordert dass die Kompetenz da ist.
• 1:00:13
  Speaker 1: Gut Jan ich würde sagen Wir haben das ganz gut umrissen.
• 1:00:17
  Speaker 1: oder fehlt uns nach.
• 1:00:18
  Speaker 1: Was zu unserer Fachkräftestudie?
• 1:00:20
  Speaker 1: Zu unserer KI Studie hast du noch einen Abschließenden gelangen.
• 1:00:24
  Speaker 0: Ich würde auch sagen, wir haben eigentlich alles thematisiert vielleicht noch abschließend.
• 1:00:30
  Speaker 0: Wir sehen auch Hinweise.
• 1:00:32
  Speaker 0: Das ist tatsächlich ein Mindset-Thema sein kann.
• 1:00:38
  Speaker 0: Was man mit dem Blick in die Zukunft sagen kann gerade der Befund dass wir mega KI Stellen im Führungspositionen sehen und vielleicht zur Privatwirtschaft das ist für mich dann schon auch ein Hinweis, dass man sagt okay KI müsste stärker als eine Schuldaufgabe begriffen werden, also wenn wir über Themen wie KI-Govern entsprechen.
• 1:00:54
  Speaker 0: Beispielsweise auch Restor oder behördenübergreifende Steuerung, KI-Strategie und beispielsweise auch wenn man sich überlegt die KI in Unternehmen jetzt tagtäglich eingeführt wird, dann ist es immer ein strukturelles Thema.
• 1:01:05
  Speaker 0: Also dass man sagt, man schaut sich das mit dem Ingenze an, schaut sich an wo sind die Potenziale und wie können wir KI auf den einzelnen Ebenen einführen?
• 1:01:13
  Speaker 0: Wie kann wir KI-Kompetenz unter den Beschäftigten gewährleisten?
• 1:01:17
  Speaker 0: Wie können wir vermeiden, dass beispielsweise das Thema ShoppenKI groß wird, dass Einzelne Beschäftigte privat andere KI Anwendungen nutzen, die sie vielleicht gar nicht nutzen sollten oder nicht konform in ihrer Arbeitsweise sind?
• 1:01:29
  Speaker 0: Das sind alles so Themen die sorgen, also die setzen voraus dass KI als auf der Management-Ebene ankommt und das sehen wir halt nicht so.
• 1:01:37
  Speaker 0: Das wäre ein Hebel wo man kurzfristig dann auch sagen kann okay hier kann man mehr machen.
• 1:01:41
  Speaker 0: abhängigkeit von Dienstleistern ist ein wichtiger Punkt den hast du genannt.
• 1:01:44
  Speaker 0: da kann man es für mich auch kein Argument dass man sagt ok man entbindet sich jetzt jeglicher Verantwortung.
• 1:01:49
  Speaker 0: entschließlich muss man natürlich auch die Ergebnisse des Dienstleisters sinnvoll einordnen können vielleicht weiterarbeiten können anwenden können wegen Also ich nenne es mal Kompetenzausdäte, dass man da keine eigene KI-Kompetenz braucht.
• 1:02:01
  Speaker 0: Und das sind eigentlich so kurzfristige Sachen die man schnell angehen kann.
• 1:02:06
  Speaker 0: ja vielleicht auch ein bisschen positiv geframed was man jetzt noch ändern könnte.
• 1:02:09
  Speaker 0: in der kurzen Frust
• 1:02:10
  Speaker 1: Ja jetzt muss ich es doch mal runterziehen, weil mir kam gerade noch eine Anekdote.
• 1:02:13
  Speaker 1: Ich hatte schon überlegt ob ich das nochmal erzähle hier.
• 1:02:16
  Speaker 1: Ich muss es nochmal loswerden.
• 1:02:17
  Speaker 1: mich hat nach einem Vortrag einen Landrat ziemlich scharf angegangen und sagte ich soll ihm doch bitte die Top Studierenden dann schicken die ihm hier Probleme lösen.
• 1:02:25
  Speaker 1: Das wäre aus meinem Science Fiction-Vortrag ja alles ganz interessant.
• 1:02:28
  Speaker 1: aber er muss halt Akten von links nach rechts bewegen.
• 1:02:31
  Speaker 1: Und meine Replik darauf war halt dass er halt keine top Studierende finden wird Die für ihn heute Digitalisierungsaufgaben aus den Neunzigern erledigt.
• 1:02:40
  Speaker 1: Das hätte er.
• 1:02:41
  Speaker 1: quasi vor etlichen Jahren halt angehen müssen und das wird jetzt kein Absolvent oder Top-Talent, du sprachst gerade sogar von internationalen Top- Talenten die wir hier vielleicht als Arbeitgebermarke finden wollen.
• 1:02:52
  Speaker 1: Das wird schwierig.
• 1:02:53
  Speaker 1: also man muss jetzt wirklich so ein bisschen schauen wie gestaltet man das?
• 1:02:57
  Speaker 1: Und wie bietet man auch als Employer Brand interessante Arbeitsfelder, die zum einen die technischen Schulden der Vergangenheit aufholen und abarbeiten und aber auch in die Zukunft gerichtet die Potenziale nutzen was da ist.
• 1:03:11
  Speaker 1: Wir haben so viel, wir haben F-III und wir haben NRW Genius hier in Nordrhein-Westfalen.
• 1:03:15
  Speaker 1: Das merkt ja beim Studierenden, das zündet die total an.
• 1:03:18
  Speaker 1: Genau das ist was sie sehen wollen.
• 1:03:19
  Speaker 1: es geht nicht hier um besser Prompten oder sowas sondern es geht schon darum Enterprise Architecture Grade also wirklich hoch komplexe IT Verfahren irgendwie in ein KI-Umfeld zu übertragen mit allen Chancen und Risiken.
• 1:03:32
  Speaker 1: da kann man unendlich tief reingehen.
• 1:03:34
  Speaker 1: aber es hat eben nichts mehr zu tun mit diesem Kanchett GPT uns hier helfen.
• 1:03:38
  Speaker 1: Also da ist glaube ich der Reifegrad doch eigentlich in Wahrheit viel viel höher Und das würde ich mir wünschen dass man das dann vielleicht auch Kompetenzprofilen sieht.
• 1:03:46
  Speaker 0: Ja, absolut!
• 1:03:47
  Speaker 1: Okay Jan wir haben unsere Zeit hier glaube ich sehr gut gefüllt mit Content und auch jede Menge Material für die Show Notes.
• 1:03:56
  Speaker 1: es sind wieder ja wirklich viele Daten.
• 1:03:59
  Speaker 1: also zum einen unsere zwei Paper.
• 1:04:01
  Speaker 1: mal gucken ob uns noch oder also ein gemeinsames zwei jetzt von euch zu diesem Thema gesprochen haben.
• 1:04:06
  Speaker 1: vielleicht fällt uns ja Ein weiteres ein, ich würde mich sehr freuen.
• 1:04:10
  Speaker 1: und dann haben wir noch weitere Quellen hier heute mit reingebaut.
• 1:04:13
  Speaker 1: Die packe ich alle in die Show Notes mit rein denn es ist tatsächlich ein Thema wo die Datenlage die Evidenz eigentlich sehr gut ist und man sich da Forschung seidlich dran austoben kann.
• 1:04:23
  Speaker 1: Jan, ich hoffe, ich darf dich bald wieder im Forschungsimpuls begrüßen.
• 1:04:26
  Speaker 1: Ich danke dir für die Zeit und ich bin sehr glücklich dass dieses Projekt hier aus dem Forschungs Impuls von letztem Jahr mittlerweile eine eigene ISSN-Nummer hat und publiziert ist.
• 1:04:36
  Speaker 1: Super toll!
• 1:04:37
  Speaker 1: Vielen Dank dafür und ich wünsche ihr einen wunderschönen Restwoche.
• 1:04:41
  Speaker 0: Vielen Dank immer wieder gerne.