Transformieren Sie den öffentlichen Sektor mit Daten und KI

Erschließen Sie mit KI bislang ungenutzte Daten des öffentlichen Sektors. Mit Computer Vision, maschinellem Lernen und Textanalyse extrahiert die intelligente Dokumentenverarbeitung aus gescannten Dokumentenbildern kontextrelevante Informationen für die spätere Entscheidungsfindung und Analyse.

Die Vorteile dieser Lösung:

• Höhere Produktivität.
• Kosteneinsparungen.
• Reduzierte Komplexität.

In dieser Lösung eingesetzte KI-Techniken:

• Computer-Vision-Modelle
• Modelle für maschinelles Lernen

So unterstützt Sie die KI:

• Modernisiert behördliche Ablage- und Informationssysteme.
• Reduziert den Zeitaufwand für die Suche nach Informationen erheblich.
• Macht mehr Informationen für Analysen nutzbar, um daraus Erkenntnisse zu gewinnen.
• Ermöglicht es Organisationen, ihre Aufgaben – ob Bürgerdienste, Ermittlungen oder Einsätze – vorausschauend zu bewältigen.

Die KI-Modelle bieten Folgendes:

• Automatisches Extrahieren der wichtigsten Informationen aus Bildern oder Dokumenten, sodass diese in einem strukturierten Format für die spätere Analyse und Entscheidungsfindung zur Verfügung stehen.
• Ergänzung von verschiedensten Prozessen, um die Genauigkeit und Qualität der extrahierten Informationen deutlich zu verbessern, insbesondere bei schwer lesbaren Dokumenten, Formularen mit Kästchen oder handschriftlichen Angaben.
• Danach ist es möglich, Daten für Ermittlungen zu nutzen, Warnmeldungen zu generieren, extrahierte Entitäten durchsuchbar zu machen oder die neu strukturierten Daten in bestehende Prozesse einzubinden.

Ein fachspezifischer Copilot durchforstet große Mengen an zuvor mittels Analytik und KI gefilterten Daten, um die besonders relevanten Informationen aufzuzeigen. Large Language Models (LLMs) ermöglichen es im Zusammenspiel mit investigativer Analytik, aus Daten wertvolle Informationen zu gewinnen – zielgerichtet, schneller und leichter.

Die Vorteile dieser Lösung:

• Höhere Produktivität.
• Verbesserung der öffentlichen Sicherheit.
• Vertrauenswürdige Erkenntnisse.

In dieser Lösung eingesetzte KI-Techniken:

Ein Copilot für generative KI nutzt über eine Analytics-Plattform vorgefilterte Informationen, um Elemente zu erkennen, die näher untersucht werden sollten, und um Gelegenheiten zur Erfassung oder Berücksichtigung weiterer Informationen aufzuzeigen.

So unterstützt Sie die KI:

• Verbessert den Ermittlungsprozess, indem Informationen nicht nur zusammengefasst, sondern auch die Informationen aufgezeigt werden, die für Ermittler auf der Suche nach fehlenden Daten oder dem Herstellen von Datenzusammenhängen von besonderem Interesse sein könnten.
• Erweitert die Möglichkeiten einer Analytics-Plattform, die Informationen abgleicht und Entitäten aus verschiedenen Datensätzen und -quellen zuordnet.
• Macht Lücken im Ermittlungsprozess ausfindig, indem gemäß den Best Practices der Organisation Erklärungen generiert und zentrale Details auf verständliche Weise beschrieben werden.
• Macht Informationen für Ermittler zugänglich, überlässt diesen aber die Interpretation der Fakten.

Die KI-Modelle bieten Folgendes:

Das LLM auf der Grundlage einer analytischen Plattform:

• Setzt auf einem Ermittlungssystem auf, um gesammelte, gelöste, zugeordnete und verknüpfte Informationen herauszufiltern.
• Koordiniert Fragen und Antworten zwischen der Suchmaschine und dem LLM, das dann anhand der neuen Kenntnisse und seiner Trainingsdaten zu besseren Antworten gelangt.
• Bietet erklärbare, überprüfbare und nachvollziehbare Antworten mit Angabe der zugrundeliegenden Zitate und Dokumentation.

Identifizieren Sie Sozialleistungsfälle mit hohem Fehlerrisiko, um die Qualität sicherzustellen, gemeldete Überzahlungen zu sichten und die Rückforderung zu automatisieren. SAS Lösungen unterstützen das Supplemental Nutrition Assistance Program (SNAP) und Temporary Assistance for Needy Families (TANF), US-spezifische Programme für einkommensschwache Familien.

Die Vorteile dieser Lösung:

• Schnellere Entscheidungsfindung.
• Bessere Ergebnisse.
• Betrugserkennung und -prävention oder schnellere Problemlösung.
• Verbesserter Service für Bürger.

In dieser Lösung eingesetzte KI-Techniken:

• Multivariate Regression mittels maschinellem Lernen zur Identifikation und Korrelation wichtiger Eingabevariablen, die sich auf Fehler in Bezug auf die SNAP-Anspruchsberechtigung auswirken.
• KI-Modellierung zur Identifikation von geeigneten Peer-Gruppen.
• Entscheidungsbäume im maschinellen Lernen für das Risiko-Scoring und die Einstufung von Fällen mit hohem Fehlerrisiko.
• KI-Modellierung für die Sichtung von Betrugsmeldungen mittels Risiko-Scoring in Bezug auf potenzielle Fehler, Überzahlung und Betrug bzw. Fallbearbeitungsfehler.

So unterstützt Sie die KI:

• Ermöglicht SNAP-Qualitätssicherungsteams die Bewertung aller Fälle ohne vorheriges Sampling, sodass sie sich abzeichnende Muster, die zu fehlerhaften Zahlungen führen, erkennen und den Fehler korrigieren können, bevor weitere Zahlungen freigegeben werden.
• Ermöglicht den für SNAP-Rückforderungen zuständigen Teams die effektive Sichtung gemeldeter Überzahlungen und steigert so Wirksamkeit und ROI.
• Ermöglicht den für SNAP-Rückforderungen zuständigen Teams die automatische Ermittlung von Überzahlungen und maximiert so die Effizienz.

Die KI-Modelle bieten Folgendes:

• Risiko-Scoring für alle aktiven SNAP-Fälle, um Fälle mit hohem Fehlerrisiko schneller ausfindig zu machen.
• Risiko-Scoring für gemeldete Überzahlungen, um effektiver die Fälle zu sichten, bei denen hohe Rückzahlungen zu erwarten sind.
• Peer-Gruppierung von SNAP-Fällen, und zwar mit Identifikation und Korrelation wichtiger Eingabevariablen.

Mit Natural Language Processing, Textanalyse und einem LLM können Sie große Mengen an schriftlichem Feedback kategorisieren, zusammenstellen und zusammenfassen. Hierbei werden Themen identifiziert, Feedback wird in Gruppen unterteilt und die wichtigsten Punkte werden kurz zusammengefasst, sodass sich schriftliches Feedback einfacher, schneller und präziser handhaben lässt.

Die Vorteile dieser Lösung:

• Höhere Produktivität.
• Vertrauenswürdige Erkenntnisse.
• Reduzierte Komplexität.

In dieser Lösung eingesetzte KI-Techniken:

• Natural Language Processing (NLP).
• LLMs.

So unterstützt Sie die KI:

NLP und Textanalyse mit einem LLM bieten folgende Vorteile:

• Keine Fehleinschätzungen: Relevante Daten werden herausgefiltert, was für präzise Ausgabedaten sorgt.
• Schnellere Amortisierung: Kleinere LLMs wie Llama2 werden zur Verarbeitung von kleineren Datenmengen eingesetzt.
• Geringere Kosten: An LLMs übergebene Datenmengen werden reduziert, was API-Aufrufe und Rechenressourcen minimiert.
• Datenschutz und -sicherheit: Zur Optimierung und zum Schutz sensibler Daten werden lokale Vektordatenbanken eingesetzt.
• Verifizierung: Die Nachverfolgbarkeit der LLM-Ausgaben stärkt Transparenz und Vertrauen.

Die KI-Modelle bieten Folgendes:

Mit NLP und LLM in Kombination können Sie:

• Tausende Feedback-Beiträge einlesen.
• Wiederkehrende Themen in den Kommentaren identifizieren.
• Die Tonalität identifizieren, also z. B. negative Reaktionen.
• Empfehlungen zusammenstellen.
• Kommentare nach wiederkehrenden, ähnlichen oder benutzerdefinierten Themen zusammenfassen.

Präzisieren Sie Hochwasservorhersage und -schutz mit Algorithmen für maschinelles Lernen und synthetischen Daten für digitale Zwillinge. Dieses KI-gestützte Modell wurde anhand historischer Daten entwickelt und kann auch dann bereitgestellt werden, wenn die ortsspezifische Datenlage unzureichend ist, denn Datenlücken werden effektiv aufgefüllt.

Die Vorteile dieser Lösung:

• Verbesserung der öffentlichen Sicherheit.
• Bessere Ergebnisse.
• Sehr genaue Prognosen.

In dieser Lösung eingesetzte KI-Techniken:

Modelle für maschinelles Lernen schaffen ein Frühwarnsystem und digitale Zwillinge mit synthetischen Daten ermöglichen die Prognose mittels eines Überflutungsmodells.

So unterstützt Sie die KI:

• Schutz: Verbessern Sie mit Echtzeitanzeige und Hochwasserprognosen die Sicherheit der Bürger und das Eingreifen der Notfalldienste.
• Reaktion: Reduzieren Sie durch Automatisierung und Optimierung der Einsatzplanung die Auswirkungen von Hochwasser auf Eigentum und Infrastruktur.
• Verbesserung: Verbessern Sie dank eines präziseren Lagebilds und historischer Informationen die Notfallplanung.

Die KI-Modelle bieten Folgendes:

• Echtzeitinformationen und Lagebild, einschließlich Überwachung der aktuellen Bedingungen mit automatisierter Alarmierung.
• Prognose künftiger Hochwasserereignisse mit automatischer Änderung.
• Historische und forensische Analyse.
• Modellierung künftiger Überflutungen.
• Simulationen für Notfallplanung mit verbesserter Modellierung verschiedener Naturkatastrophen.

Stärken Sie mit der NICE-Lösung (Non-Invasive Compliance and Enforcement) Transparenz und Vertrauen zwischen Steuerbehörden und Bürgern. Das kundenseitige System analysiert im Rahmen der Steuererklärung in Echtzeit Eingaben der Steuerzahler und vergleicht diese mit den Daten, die der Steuerbehörde vorliegen. Die Analyse identifiziert auf der Grundlage geltender Gesetze und Richtlinien potenziell informative Einblendungen, die den Steuerzahlern als Empfehlungen angezeigt werden. Dieses Echtzeit-Feedback stärkt die freiwillige Einhaltung von Steuervorschriften, denn es bewertet und berücksichtigt potenzielle Betrugsrisiken und gibt Steuerzahlern die Möglichkeit, ihre Steuererklärungen ohne zusätzliche Zwangsmaßnahmen zu korrigieren.

Die Vorteile dieser Lösung:

• Maximierte betriebliche Effizienz.
• Verbesserte Kundenansprache.
• Einhaltung von Vorschriften.

In dieser Lösung eingesetzte KI-Techniken:

• Überwachte und nicht überwachte Modelle für maschinelles Lernen.
• Segmentierung von Steuerzahlern.
• Auflösung der Entität.
• Predictive Analytics und Prescriptive Analytics.

So unterstützt Sie die KI:

• Gewinnen umfassender Informationen aus isoliert vorliegenden Daten zu Einkommensteuer, Umsatzsteuer und Zöllen sowie Daten von internationalen Partnern und Institutionen.
• Verbessern die Einhaltung von Steuervorschriften.
• Durchsetzen von Vorschriften.
• Optimieren von Ressourcen.
• Schaffen von Vertrauen zwischen Steuerzahlern und Steuerbehörden.

Die KI-Modelle bieten Folgendes:

• Ein vollständig integriertes Analysesystem, das eine umfassende, tiefgreifende Sicht auf die Einhaltung von Steuervorschriften bereitstellt und automatisch potenzielle Betrugsrisiken sowie mögliche Fehler in Steuererklärungen identifiziert.
• Umfassende Analyse der verfügbaren Daten, einschließlich Daten nationaler und internationaler Partner. Das System ist in der Lage, potenzielle Regelverstöße automatisch ausfindig zu machen und zu kennzeichnen.
• Eine ganzheitliche Sicht auf historische Daten der Steuerzahler und geeignete steuerrechtliche Ratschläge auf der Basis ihrer steuerpflichtigen Tätigkeiten, Predictive Analytics für eine Optimierung der Compliance-Bemühungen seitens der Behörde und umfassendes, kontinuierliches Betrugsrisiko-Scoring.

Der Wert von Wohnimmobilien kann anhand tagesaktueller Immobilien- und Verkaufsdaten schneller, leichter und genauer als mit dem herkömmlichen Verfahren neu bewertet werden. Das System liefert den wahren Wert aller bei einer Immobilie berücksichtigten Faktoren, abhängig davon, welche sonstigen Faktoren vorliegen.

Die Vorteile dieser Lösung:

• Vertrauenswürdige Erkenntnisse in Echtzeit.
• Höhere Einnahmen.
• Reduzierte Komplexität.

In dieser Lösung eingesetzte KI-Techniken:

• Fortschrittliche Regressionsbaumanalyse mithilfe von maschinellem Lernen.

So unterstützt Sie die KI:

• Verbesserung der behördlichen Entscheidungsfindung mit einer integrierten Echtzeit-Datenansicht.
• Optimierung von Ressourcen und höhere Effizienz in der öffentlichen Verwaltung.
• Stärkung des öffentlichen Vertrauens durch Datenschutz und Transparenz beim Einsatz von KI.
• Die Fähigkeit zur schnellen Reaktion in unsicheren Zeiten verbessern.

Die KI-Modelle bieten Folgendes:

• Tägliche Neubewertung eines jeden Verkaufs. Jeden Tag werden Tausende Entscheidungsbäume anhand der Daten aus Immobilienverkäufen ausgeführt. Aus diesen Entscheidungsbäumen extrahiert der Algorithmus den Wert jedes Faktors für jede Immobilie.
• Festlegung der Faktorenrangfolge anhand der Bedeutung. Der Algorithmus identifiziert die Faktoren, die sich besonders stark auf den Immobilienwert auswirken.
• Neubewertung aller Immobilien. Der Algorithmus für das maschinelle Lernen berechnet den Wert jeder Immobilie in der Gemeinde. Die Gutachter erhalten so Einblicke in Markttrends für einzelne Immobilien oder Viertel oder die gesamte Gemeinde.