Die Nutzung maschineller Lernsysteme für den Erlass verwaltungsrechtlicher Ermessensentscheidungen

Abstract

Der vorliegende Artikel greift die aktuelle Thematik der "Künstlichen Intelligenz" in der öffentlichen Verwaltung auf und geht der Frage nach, ob maschinelle Lernsysteme (ML-Systeme) genutzt werden können, um beim Erlass verwaltungsrechtlicher Ermessensentscheidungen zu unterstützen. Ausgehend von einer synergetischen Betrachtung beider Gebiete sowie der theoretischen Herleitung der grundsätzlichen Modellierbarkeit von Ermessensentscheidungen durch ML-Systeme schließt sich die Frage an, in welcher Form eine Unterstützung vorliegend möglich ist. Im Anschluss wird eine Modellierung anhand zweier sozialrechtlicher Ermessensentscheidungen konstruiert und in einem Wizard-of-Oz-ähnlichen Praxisversuch geprüft, wie derartige Ausgaben von Mitarbeiterinnen und Mitarbeitern in der Verwaltung wahrgenommen werden und deren Entscheidungsprozess beeinflussen können. Im Ergebnis hat sich gezeigt, dass eine theoretische Modellierung entsprechender Ermessensentscheidungen in der Praxis mit einer Vielzahl an Herausforderungen verbunden ist. Kann diesen jedoch begegnet werden, können die Anwenderinnen und Anwender von einem intelligenten System profitieren.

The following article examines and discusses if and how machine learning systems can be applied to model successfully discretionary decision-processes in German administrative law. By analyzing both fields and showing their synergetic relation - the assumption can be derived that machine learning systems are suitable to model discretionary decision-making processes in administrative law. Subsequently, the article analyzes how and under which circumstances these systems can be applied to support decision-making. For this, a wizard-of-oz-experiment was developed that appeared to predict the likelihood of a request being lawful and expedient on a legal basis in social law. Test subjects using the system were more likely to make a decision instead of the ones not using it (1), spent more thought into their decision (2) and actively negated the cases that were wrongfully predicted (3). The article shows that using a machine learning system to model a discretionary decision-making process comes with a multitude of challenges that have to be dealt with. If the system bears these challenges, executive officers and customers can benefit from a machine learning system.