Kunstmatige intelligentie in het stadhuis van Haltern am See: Schaduw-AI of toekomstig gezag? Hoe steden hun bestuur nu transformeren

Weg van experimenteren: hoe kunstmatige intelligentie een gemeentelijke openbare dienst wordt

Waarom niets doen de duurste optie is: Hoe gemeenten AI strategisch succesvol kunnen inzetten

Lokale overheden in Duitsland staan ​​onder enorme druk: toenemende verantwoordelijkheden, een hoge mate van regelgeving en groeiende verwachtingen van burgers botsen met krappe budgetten en een steeds nijpender wordend tekort aan geschoolde arbeidskrachten. In de gemeente Haltern am See wordt daarom intensief gedebatteerd over het gebruik van kunstmatige intelligentie (AI). Wie echter alleen denkt aan snelle chatbots, geïsoleerde softwaretests of incidentele tekstverwerking, mist de strategische kern van de zaak. AI is veel meer dan een digitaal prestigeproject – het is de cruciale sleuteltechnologie om de continuïteit van essentiële diensten en dienstverlening in de toekomst te waarborgen.

Dit artikel onderzoekt waarom ongecontroleerde AI-experimenten en zogenaamde schaduw-AI een enorm risico vormen voor overheidsinstanties en hoe een planmatige aanpak wel succesvol kan zijn. De oplossing ligt in het concept van 'beheerde AI': een continu beheerde, gegevensbeschermingsconforme en technisch rigoureuze omgeving die goedgekeurde taalmodellen koppelt aan de specifieke regelgevingskennis van de overheid. Of het nu gaat om de intelligente automatisering van binnenkomende e-mail, de verwerking van complexe bestanden of het behoud van waardevolle ervaring van gepensioneerde professionals – het grootste economische voordeel ontstaat diep in de machinekamer van de organisatie.

Ontdek waarom niets doen verreweg de duurste optie is voor steden en gemeenten, hoe gegevensbescherming en informatiebeveiliging als een architectonische uitdaging kunnen worden aangepakt, en hoe een eenvoudig beoordelingsverzoek een haalbare, intergemeentelijke werkstrategie kan worden voor het digitale bestuur van de toekomst.

Van AI-experiment tot digitale publieke diensten

Degenen die voor het testen uitsluitend op AI vertrouwen, zullen binnenkort voornamelijk hun eigen achterstand moeten beheren

Het debat over kunstmatige intelligentie in het gemeentehuis van Haltern am See komt op het juiste moment. Het zou echter niet moeten blijven bij de vraag of individuele medewerkers sneller teksten kunnen formuleren, documenten kunnen samenvatten of informatie gemakkelijker kunnen vinden. Een grotere, economisch cruciale vraag is: hoe kan een gemeente haar efficiëntie waarborgen wanneer de taken, de complexiteit van de regelgeving en de verwachtingen toenemen, terwijl personeel, tijd en budget schaars blijven? In deze context is AI geen digitaal prestigeproject en ook geen vervangingsprogramma voor medewerkers. Correct toegepast is het een nieuwe operationele infrastructuur die bestaande specialisten in staat stelt productiever te werken, kennis gemakkelijker toegankelijk maakt en zorgt voor een betrouwbaardere dienstverlening.

Voor Haltern am See zijn er veel redenen om de implementatie niet te laten verlopen op basis van geïsoleerde softwaretests. In plaats daarvan zou de gemeente een gecontroleerd operationeel model moeten opzetten dat technologie, gegevensbescherming, informatiebeveiliging, specialistische procedures, training, kwaliteitsborging en continue ontwikkeling integreert. Managed AI is hiervoor uitermate geschikt. Dit betekent niet zomaar een cloudapplicatie met een chatvenster, maar een continu beheerde, duidelijk gereguleerde en technisch veilige AI-omgeving. Het combineert goedgekeurde taalmodellen met gemeentelijke expertise, gedefinieerde processen, toegangsrechten, logging en menselijke verantwoording. Alleen deze combinatie transformeert een fascinerend instrument in een robuuste administratieve hulpbron.

De druk om actie te ondernemen is niet abstract. Het personeelsplan van de gemeente Haltern am See voor 2026 omvat in totaal 467 functies, waaronder 107 ambtenarenfuncties en 360 functies voor werknemers. De personeels- en pensioenkosten bedragen circa € 37,7 miljoen. Tegelijkertijd gaat de begroting uit van inkomsten van bijna € 130 miljoen en uitgaven van iets meer dan € 137 miljoen; na algemene kostenbesparingen blijft er een tekort van circa € 5,2 miljoen over. Deze schaal illustreert waarom efficiëntie niet verward moet worden met algemene personeelsreducties. Elk permanent bespaard verwerkingsuur kan waardevol zijn, maar de gemeente kan zich geen dure AI-experimenten of ongecontroleerd schaduwgebruik van openbare online diensten veroorloven.

Het werkelijke knelpunt zit hem in de capaciteit van de gemeenten

Lokale overheden opereren in een complex economisch landschap. Enerzijds groeit de vraag naar diensten: bouwprojecten moeten sneller worden afgehandeld, beslissingen over sociale voorzieningen moeten juridisch onderbouwd zijn, klimaatadaptatie moet worden georganiseerd, infrastructuur moet worden onderhouden, crises moeten worden beheerd en de zorgen van burgers moeten via meerdere kanalen worden aangepakt. Anderzijds beperken budgettaire beperkingen, een tekort aan geschoolde arbeidskrachten en demografische veranderingen de personeelsuitbreiding. De publieke sector in Duitsland telt meer dan vijf miljoen werknemers; zonder tegenmaatregelen zou het tekort aan geschoolde arbeidskrachten tegen 2030 kunnen oplopen tot minstens één miljoen. Hoewel dergelijke projecties geen exacte voorspelling zijn voor Haltern, geven ze wel een indicatie van de concurrentie om administratief personeel, IT-medewerkers, ingenieurs, maatschappelijk werkers en managers.

Dit leidt tot een productiviteitsprobleem. Een gemeente kan de stijgende werklast niet permanent opvangen door meer personeel aan te nemen als er geen geschikte kandidaten zijn of als het budget de benodigde financiering niet toelaat. Evenmin kan de gemeente willekeurig diensten inkrimpen, omdat veel taken wettelijk verplicht zijn. Dit laat een betere werkorganisatie als enige strategische optie over. Processen moeten worden vereenvoudigd, mediapauzes moeten worden geëlimineerd, data moeten herbruikbaar worden gemaakt en routinetaken moeten worden geautomatiseerd. AI breidt deze mogelijkheden uit, omdat het niet alleen gestructureerde data kan verwerken, maar ook ongestructureerd materiaal zoals brieven, mededelingen, notulen, richtlijnen, e-mails en gescande documenten.

Het grootste economische voordeel schuilt daarom niet in spectaculaire chatbots voor burgers. Het zit hem in de motor van de overheidsadministratie: het sorteren en verwerken van binnenkomende post, het opzoeken van relevante regelgeving, het opstellen van standaardbrieven, het samenstellen van omvangrijke dossiers en het overdragen van informatie tussen verschillende afdelingen. Dergelijke taken kosten veel tijd. In totaal vormen ze een aanzienlijk deel van de administratieve kosten. Wie alleen de zichtbare toepassingen van AI in ogenschouw neemt, onderschat daarom de waarde van interne ondersteuningssystemen.

Waarom een ​​chatbot nog geen strategie is

Een vrij toegankelijke AI-dienst kan binnen enkele seconden overtuigende teksten genereren. Voor een overheidsinstantie is dit echter slechts de zichtbare laag. Achter elk antwoord schuilen vragen over gegevensoverdracht, leveranciers van modellen, bewaartermijnen, trainingsgebruik, toegangsrechten, technische nauwkeurigheid en verantwoording. Zonder een bindende omgeving verplaatst de gemeente haar risico's van het archief naar een digitaal systeem dat moeilijk te controleren is. Schaduw-AI is met name problematisch: medewerkers gebruiken privéaccounts of accounts zonder toestemming omdat de tools handig zijn en er geen officieel alternatief is. Dit leidt tot inconsistente werkmethoden en mogelijk ongeautoriseerde gegevensstromen.

Een gemeentelijke AI-strategie moet daarom onderscheid maken tussen experimenteren, ondersteuning en automatisering. Bij experimenteren worden functies getest met niet-kritieke gegevens. Bij ondersteuning genereert het systeem suggesties die door een verantwoordelijke persoon worden beoordeeld. Bij automatisering worden gedefinieerde werkstappen volgens regels uitgevoerd en op een controleerbare manier gedocumenteerd. Hoe dichter een toepassing bij juridische gevolgen, uitkeringen of belastende beslissingen staat, hoe hoger het niveau van controle, traceerbaarheid en menselijk toezicht moet zijn. De loutere technische mogelijkheden van een model zijn onvoldoende reden om het een taak toe te wijzen.

Precies hier komt de zwakte van veel pilotprojecten aan het licht. Ze meten enthousiasme, het aantal gebruikersaccounts of de hoeveelheid gegenereerde tekst, maar niet de algehele impact op het proces. Als een concept sneller wordt gemaakt, maar vervolgens meer tijd nodig heeft voor de revisie, blijft het netto-effect gering. Als verschillende afdelingen dezelfde sjablonen meerdere keren bijwerken, neemt de coördinatie-inspanning toe. Als AI werkt zonder een actuele kennisbasis, produceert het taalkundig correcte, maar technisch verouderde resultaten. Daarom begint een strategie niet met het selecteren van een model, maar met het selecteren van geschikte problemen.

Managed AI transformeert technologie in een betrouwbaar bedrijfsmodel

Managed AI verwijst naar een operationeel model waarbij de gemeente de doelstellingen, regels en verantwoordelijkheden behoudt, terwijl gespecialiseerde interne of externe eenheden het technische platform beheren, beveiligen, bewaken en verder ontwikkelen. Dit omvat modelimplementatie, identiteits- en toegangsbeheer, encryptie, logging, interfaces, kennisbanken, kwaliteitsmeting, updates, probleemoplossing en gebruikersondersteuning. Het model kan worden geïmplementeerd in een openbaar datacenter, een soevereine cloud, een hybride architectuur of een combinatie hiervan. Het gaat niet om het label, maar om de beheersbare waardeketen.

Voor een middelgrote gemeente is dit model economisch aantrekkelijker dan het ontwikkelen van een volledig interne oplossing. Het inzetten van generatieve AI vereist expertise die continu moet worden onderhouden: cloud- en datacenterbeheer, informatiebeveiliging, gegevensbescherming, modelvalidatie, data-engineering, interface-ontwikkeling en specialistische proceskennis. Een enkele gemeente kan al deze rollen economisch gezien nauwelijks vervullen. Een gemeentelijke IT-dienstverlener daarentegen kan infrastructuur, standaarden en specialistische kennis over meerdere gemeenten verdelen. Het Gezamenlijk Gemeentelijk Datacenter Recklinghausen werkt voor het district en acht steden en beschikt daardoor al over een geschikte schaal voor gedeelde oplossingen.

Beheerde AI betekent echter niet dat de verantwoordelijkheid wordt overgedragen aan een dienstverlener. De gemeente moet bepalen welke datacategorieën verwerkt mogen worden, welke gebruiksscenario's zijn toegestaan, hoe de resultaten worden geverifieerd en wanneer een systeem wordt uitgeschakeld. De technische beheerder zorgt voor beschikbaarheid en beveiliging; de operationele verantwoordelijkheid blijft bij de relevante organisatie-eenheden. Een degelijk operationeel model scheidt deze rollen duidelijk en verbindt ze door middel van bindende servicedoelstellingen, auditprocedures en escalatiekanalen.

Haltern hoeft niet helemaal opnieuw te beginnen

Noordrijn-Westfalen heeft al een administratiespecifieke AI-assistent genaamd NRW.Genius in gebruik genomen. De webapplicatie ondersteunt tekstgerelateerde taken zoals samenvattingen maken, teksten opstellen, documentverzamelingen doorzoeken, vragen over persoonlijke bestanden beantwoorden en rechtstreeks met taalmodellen communiceren. De architectuur is model- en platformonafhankelijk en ontworpen voor hybride verwerking. IT.NRW meldt dat de applicatie al door bijna 27.000 medewerkers wordt gebruikt; Essen, Solingen en Bergheim testen het hergebruik ervan op gemeentelijk niveau. Dit is relevant voor Haltern omdat het de mogelijkheid biedt om ontwikkelingsrisico's, leercurves en kosten te delen.

Een gestandaardiseerde oplossing voor de hele staat is niet automatisch het complete antwoord op de behoeften van gemeenten. Staatsautoriteiten en steden verschillen in hun specifieke procedures, bestandsstructuren, gegevensbestanden, taken en verantwoordelijkheden. De economische waarde ontstaat pas wanneer het ondersteuningssysteem is geïntegreerd in de dagelijkse werkprocessen. Een algemeen chatvenster kan weliswaar een notitie genereren, maar bespaart aanzienlijk minder tijd dan een geïntegreerde oplossing die het juiste proces identificeert, geautoriseerde informatie opzoekt, een geschikt sjabloon gebruikt, bronnen identificeert en het resultaat ter beoordeling terugstuurt naar de betreffende afdeling.

Daarom zou Haltern bestaande oplossingen niet moeten afzetten tegen zijn eigen concept voor beheerde AI. Een modulaire aanpak is logisch. Generieke functies kunnen worden verkregen via een landelijk of intergemeentelijk platform. Gemeentespecifieke kennisbanken, interfaces en procesmodules worden daar vervolgens bovenop geplaatst. Bijzonder gevoelige applicaties kunnen in gecontroleerde omgevingen worden gebruikt. Dit voorkomt zowel een kostbare, geïsoleerde oplossing als volledige afhankelijkheid van één enkel product.

Economische efficiëntie begint met proceskostenberekening

AI is niet winstgevend simpelweg omdat het snel antwoorden geeft. Het is winstgevend wanneer de totale verwerkingstijd afneemt, fouten worden voorkomen, vervolgvragen worden verminderd of de prestaties stabiel blijven ondanks beperkte capaciteit. Daarom moet voor elk gebruiksscenario eerst een basislijn worden vastgesteld. Deze omvat het aantal gevallen, de gemiddelde verwerkingstijd, de wachttijd, het aantal media-onderbrekingen, het herwerkpercentage, de vervolgvragen, de kosten van fouten en het percentage werk dat kan worden gestandaardiseerd. Pas dan kan worden beoordeeld of AI-ondersteuning economisch haalbaar is.

Een eenvoudige modelberekening illustreert de logica. Als een systeem gemiddeld vijf minuten bespaart per 20.000 identieke processen, resulteert dit theoretisch in ongeveer 1.667 uur bruto tijdsbesparing per jaar. Hiervan moeten de testtijd, training, ondersteuning, downtime en kwaliteitscontrole worden afgetrokken. Als er bijvoorbeeld 1.000 uur netto overblijft, kan dit voordeel worden afgewogen tegen de totale kosten van de geïnvesteerde tijd. Kwalitatieve effecten zoals snellere reactietijden of consistentere communicatie spelen ook een rol. Deze berekening is bewust conservatief: het voorkomt dat theoretisch gewonnen minuten worden aangeprezen als gegarandeerde budgetbesparingen.

De economische impact kan drie vormen aannemen. Ten eerste kan de gemeente meer zaken afhandelen met hetzelfde aantal medewerkers. Ten tweede kan zij achterstanden en externe kosten verminderen. Ten derde kan zij de vrijgekomen tijd herbesteden aan overleg, monitoring en complexe individuele zaken. Slechts zelden leidt een tijdsbesparing direct tot een overeenkomstige lagere budgettoewijzing, omdat het personeelsbestand niet oneindig deelbaar is. De meest realistische voordelen bestaan ​​doorgaans uit het vermijden van nieuwe aanwervingen, een lagere werkdruk, een consistentere kwaliteit en een verbeterde responsiviteit.

Documentatie is het krachtigste eerste middel

De publieke sector is een kennis- en documentintensieve organisatie. Een belangrijk deel van het werk bestaat uit het verzamelen, verifiëren, samenvatten en omzetten van informatie naar juridisch of organisatorisch geschikte formaten. Generatieve AI is uitermate geschikt voor precies deze taken, mits het als assistent fungeert en toegang heeft tot betrouwbare bronnen. Een gecontroleerde omgeving kan lange documenten samenvatten, verschillen tussen versies markeren, concepten maken van opsommingstekens en relevante passages in bestanden lokaliseren.

Empirische resultaten tonen ook aan waarom algemene beloftes niet gepast zijn. In een veldexperiment met 143 medewerkers van de Centrale Bank van Ierland verbeterde generatieve AI de kwaliteit van een taak voor documentbegrip met 17 procent en de verwerkingstijd met 34 procent. Bij een taak voor data-analyse daalde de kwaliteit echter met 12 procent, zonder noemenswaardige tijdsbesparing. De technologie is daarom niet universeel productief, maar alleen wanneer de taak, de data, de gebruikersinterface en het besturingsmechanisme goed op elkaar zijn afgestemd.

Voor Haltern resulteert dit in een duidelijke prioriteit. In eerste instantie zijn interne taken met een hoog tekstgehalte, een groot volume en een beperkte juridische impact geschikt: het samenstellen van vergaderdocumenten, het verbeteren van de interne kennisopvraging, het opstellen van conceptnotulen, het evalueren van openbaar beschikbare regelgeving of het vooraf sorteren van vragen van burgers op onderwerp. Beslissingen over claims, sancties of individuele juridische standpunten zijn in een vroeg stadium minder geschikt. De eerste stappen moeten worden gezet waar fouten gemakkelijk kunnen worden opgespoord en gecorrigeerd.

De postkamer wordt een slimme voordeur

Een bijzonder concreet toepassingsvoorbeeld is de verwerking van binnenkomende documenten. Brieven, formulieren, e-mails en bijlagen moeten worden herkend, aan een dossier worden toegewezen, gecontroleerd op volledigheid en doorgestuurd. Traditionele documentherkenning loopt al snel tegen zijn grenzen aan bij inconsistente lay-outs, vrije tekst en handschrift. Moderne AI kan de inhoud classificeren, relevante informatie extraheren en een samenvatting genereren voor verdere verwerking.

GKD Recklinghausen maakt al gebruik van een speciaal daarvoor bestemde, onafhankelijke AI-omgeving voor het scannen van binnenkomende post. Daar ondersteunt het systeem inhoudsclassificatie, handschriftherkenning en samenvatting, waardoor het validatieproces en de overdracht naar het elektronische bestand worden verkort. Dit biedt Haltern een regionaal toepasbaar gebied. De stad hoeft niet eerst aan te tonen dat de technologie in principe werkt, maar kan in plaats daarvan onderzoeken welke documenttypen, volumes en specialistische procedures het grootste lokale voordeel opleveren.

De toepassing wordt economisch aantrekkelijk vanwege de impact op meerdere afdelingen. Een beter voorbereid systeem voor inkomende post vermindert niet alleen de werkdruk in de postkamer, maar ook de zoektijden, foutieve doorverwijzingen en vragen binnen de specialistische afdelingen. Tegelijkertijd creëert het een gestructureerdere databasis voor volgende processtappen. Hierdoor kan één AI-module meerdere knelpunten in de verwerkingsketen verhelpen. De voordelen nemen toe bij hergebruik, daarom zouden gecentraliseerde componenten over het algemeen de voorkeur moeten krijgen boven talloze kleine, afzonderlijke oplossingen.

Een robuust foutafhandelingssysteem blijft een vereiste. De AI mag documenten niet per ongeluk verkeerd classificeren of essentiële inhoud weglaten. Daarom vereist elke documentcategorie gedefinieerde minimumkwaliteitsnormen, steekproefprocedures, correctieprocessen en een betrouwbaar terugvalmechanisme. Kritieke of slecht geïdentificeerde gegevens worden automatisch doorgestuurd voor menselijke beoordeling. Een dergelijk model met menselijke tussenkomst is geen teken van technische zwakte, maar eerder een economisch en juridisch verantwoorde taakverdeling tussen machine en menselijke expert.

Hier leert u hoe uw bedrijf snel, veilig en zonder hoge drempels AI-oplossingen op maat kan implementeren.

Een beheerd AI-platform is uw allesomvattende, zorgeloze oplossing voor kunstmatige intelligentie. In plaats van te worstelen met complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u een kant-en-klare oplossing op maat van een gespecialiseerde partner – vaak al binnen enkele dagen.

De belangrijkste voordelen in één oogopslag:

⚡ Snelle implementatie: Van idee tot gebruiksklare applicatie in dagen, niet maanden. Wij leveren praktische oplossingen die direct toegevoegde waarde creëren.

🔒 Maximale gegevensbeveiliging: Uw gevoelige gegevens blijven bij u. Wij garanderen een veilige en conforme verwerking zonder gegevens met derden te delen.

💸 Geen financieel risico: u betaalt alleen voor de resultaten. Hoge investeringen vooraf in hardware, software of personeel zijn volledig uitgesloten.

🎯 Focus op uw kernactiviteiten: concentreer u op waar u het beste in bent. Wij zorgen voor de volledige technische implementatie, werking en het onderhoud van uw AI-oplossing.

📈 Toekomstbestendig en schaalbaar: Uw AI groeit met u mee. Wij garanderen continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.

Meer informatie vindt u hier:

• De Managed AI Solution - Industriële AI-diensten: De sleutel tot concurrentievermogen in de dienstensector, de industrie en de machinebouw

Administratieve kennis mag niet met het vertrek van werknemers verloren gaan

Demografische veranderingen bedreigen gemeenten niet alleen door een tekort aan personeel, maar ook door het verlies van ervaringskennis. Veel processen zijn afhankelijk van de lokale context: welke documenten zijn in een specifiek geval nodig? Welke verantwoordelijkheden zijn veranderd? Welke formuleringen zijn effectief gebleken? Waar bevinden zich eerdere beslissingen en vergelijkbare processen? Wanneer ervaren medewerkers vertrekken, verdwijnt een deel van deze kennis of moet deze moeizaam opnieuw worden opgebouwd.

Een beheerd AI-platform kan dit probleem verhelpen wanneer het is gekoppeld aan een goed onderhouden gemeentelijke kennisbank. Dit houdt niet in dat er willekeurige antwoorden van internet worden gegenereerd. Het systeem doorzoekt goedgekeurde service-instructies, verordeningen, handleidingen, sjablonen en procesbeschrijvingen en formuleert antwoorden op basis van deze bronnen. Idealiter worden de gebruikte bronnen weergegeven, zodat medewerkers de informatie direct kunnen controleren. Deze aanpak, vaak aangeduid als retrieval-augmented generation, combineert de taalkundige mogelijkheden van een model met gecontroleerde lokale bronnen.

De cruciale troef is hier niet het taalmodel, maar de gestructureerde kennisbasis van de administratie. Modellen kunnen worden vervangen wanneer prestaties, kosten of wettelijke vereisten dit noodzakelijk maken. Een overzichtelijke documentenrepository met versiebeheer, verantwoordelijkheden, metadata en verwijderingsregels blijft daarentegen op de lange termijn bruikbaar. Haltern zou daarom niet primair moeten investeren in een specifiek model, maar eerder in datakwaliteit, kennismanagement en open interfaces. Deze investeringen verbeteren tegelijkertijd de traditionele digitalisering en blijven impact hebben, zelfs nu AI-technologie zich snel ontwikkelt.

Digitale soevereiniteit is een kwestie van kosten

Digitale soevereiniteit wordt vaak beschouwd als een politiek ideaal, maar heeft een concrete economische kern. Bedrijven die hun data, interfaces en operationele kennis volledig aan één enkele aanbieder koppelen, verliezen onderhandelingsmacht. Overstapkosten stijgen, aanpassingen worden duur en innovatie is afhankelijk van de productplanning van een derde partij. Omgekeerd zou het onrendabel zijn om elk technisch onderdeel intern te ontwikkelen. Soevereiniteit betekent daarom geen autarkie, maar eerder het vermogen om weloverwogen beslissingen te nemen, van aanbieder te wisselen en cruciale diensten te handhaven, zelfs in geval van verstoringen.

Voor beheerde AI resulteert dit in een modulaire architectuur. Identiteitsbeheer, kennisrepositories, logging en interfaces mogen niet onlosmakelijk verbonden zijn aan één enkel taalmodel. Modellen kunnen worden geselecteerd afhankelijk van de taak: een krachtig model voor complexe teksten, een kleiner en kosteneffectiever model voor classificatie en een lokaal beheerd model voor gevoelige gegevens. NRW.Genius hanteert al een modelonafhankelijke en hybride aanpak, waarbij de verwerking kan worden aangepast aan de beveiligingsvereisten. Dit principe zou ook leidend moeten zijn bij de implementatie door gemeenten.

De kosten moeten gedurende de gehele levenscyclus in overweging worden genomen. Dit omvat implementatie, datavoorbereiding, integratie, training, doorlopende exploitatie, modelgebruik, beveiligingsaudits, kwaliteitsborging en de mogelijkheid om van leverancier te wisselen. Een ogenschijnlijk goedkope AI-oplossing kan uiteindelijk duur uitvallen als elke bedrijfsapplicatie een aparte integratie vereist of als de kosten niet transparant zijn. Omgekeerd kan een iets hogere platformvergoeding economisch voordelig zijn als deze veilige standaarden, gemeenschappelijke componenten en betrouwbare ondersteuning biedt.

Gegevensbescherming wordt een architectonische uitdaging

Gegevensbescherming mag niet pas worden onderzocht nadat een pilotproject technisch is afgerond. Bij grote taalmodellen ontstaan ​​vragen over de rechtsgrondslag, doelbinding, dataminimalisatie, bewaartermijnen, gegevensoverdracht en eventuele persoonsgegevens die in het model zijn opgenomen. De Federale Commissaris voor Gegevensbescherming adviseert daarom dat overheden gegevensbescherming vanaf het begin in AI-projecten integreren en met name de verwerking van persoonsgegevens tijdens de training en het gebruik systematisch beoordelen. Voor gemeenten is dit geen extra bureaucratische last, maar juist een voorwaarde voor de bruikbaarheid van systemen op de lange termijn.

Beheerde AI kan gegevensbescherming praktischer maken doordat regels technisch kunnen worden afgedwongen. Gegevens kunnen worden geclassificeerd of gepseudonimiseerd vóór de verwerking. Rollen en rechten beperken wie toegang heeft tot welke kennisbanken. Invoer kan worden geregistreerd, bewaartermijnen kunnen worden geautomatiseerd en niet-toegestane inhoud kan worden gefilterd. Verschillende beschermingsvereisten kunnen worden verdeeld over afzonderlijke verwerkingspaden. Dit transformeert gegevensbescherming van een louter informatieblad naar een operationele functie.

Informatiebeveiliging vereist meer dan alleen een contract met de modelaanbieder. Het Duitse federale bureau voor informatiebeveiliging (BSI) adviseert onder andere een inventarisatie van de gebruikte AI-systemen, duidelijke gebruiksregels, dataminimaliserende configuraties, vastgestelde verwijderingsperioden, ondubbelzinnige verantwoordelijkheden en de validatie van de output voordat deze wordt doorgegeven aan back-endsystemen. Vooral die laatste eis is cruciaal: een AI die slechts een concept weergeeft, vormt een ander risico dan een systeem dat zelfstandig data naar een gespecialiseerde applicatie schrijft of een beslissing voorbereidt.

Rechtszekerheid wordt niet gecreëerd door een verbod

De Europese AI-wetgeving verscherpt de eisen ten aanzien van governance, transparantie en competentie. Sinds februari 2025 zijn er regels van kracht met betrekking tot AI-competentie; sinds augustus 2026 zijn grote delen van het wettelijk kader en de transparantieregels van kracht. Bepaalde toepassingen in gevoelige gebieden zijn onderworpen aan bijzonder strenge regelgeving als systemen met een hoog risico. Dit betekent niet een algeheel verbod of een vrijbrief voor gemeenten. Zij moeten toepassingen differentiëren op basis van risico en aantoonbaar voldoen aan hun organisatorische verplichtingen.

Een tekstassistent voor interne concepten moet anders worden behandeld dan een systeem dat mede de toegang tot een belangrijke publieke dienst bepaalt. Zelfs binnen één applicatie kan het risico variëren. Het samenvatten van een geanonimiseerd openbaar document is minder problematisch dan het samenvatten van een dossier over sociale voorzieningen. Een degelijk governance-model evalueert daarom niet alleen het product zelf, maar ook het doel, de gegevens, de gebruikersgroep en de impact van het specifieke gebruik ervan.

Beheerde AI biedt de noodzakelijke controle. Een centrale instantie beheert een register van aanvragen, documenteert verantwoordelijke partijen en goedkeuringen, wijst beschermingsklassen toe en monitort wijzigingen. Dit voorkomt dat elke instantie haar eigen regels bedenkt. Tegelijkertijd mag governance niet leiden tot achterstanden in goedkeuringen. Voor frequente, risicoarme standaardgevallen moeten vooraf goedgekeurde sjablonen en snelle goedkeuringsprocessen beschikbaar zijn. De kwaliteit van regelgeving blijkt uit de vraag of deze veilig gebruik mogelijk maakt in plaats van alleen onzekerheid te beheersen.

De werknemers bepalen de winst

De implementatie van AI draait in de eerste plaats om organisatieontwikkeling. Medewerkers moeten de mogelijkheden van het systeem, de beperkingen ervan en hun eigen verantwoordelijkheden begrijpen. Een eenmalige training over prompts is niet voldoende. Taakgerichte leerformats, voorbeelden uit de eigen afdeling, richtlijnen voor gegevensverwerking en het vermogen om overtuigend geformuleerde fouten te identificeren zijn essentieel. Managers moeten bovendien vaardigheden hebben op het gebied van processelectie, het evalueren van meetwaarden en het ontwerpen van nieuwe functies.

De implementatie mag niet beginnen met de belofte van personeelsreducties. Dergelijke communicatie wekt begrijpelijkerwijs weerstand op en vermindert de bereidheid om te leren. Een geloofwaardiger doel is het verminderen van pieken in de werkdruk, het wegwerken van achterstanden en het ontlasten van specialisten van taken die weinig beslissingsbevoegdheid vereisen. De menselijke taak verschuift dan van het opstellen van het eerste concept naar het beoordelen, classificeren, adviseren over en nemen van beslissingen daarover.

Medezeggenschap en participatie moeten al in een vroeg stadium worden georganiseerd. De stad Essen heeft het gebruik van AI gereguleerd via een serviceovereenkomst, de personeelsraad erbij betrokken, basistrainingen verzorgd en bepaald dat AI-resultaten professioneel moeten worden beoordeeld voordat ze extern worden gebruikt; discretionaire beslissingen blijven de bevoegdheid van mensen. Dit model kan worden aangepast voor Haltern. Duidelijke regels beschermen niet alleen werknemers en burgers, maar bevorderen ook het gebruik doordat ze de onzekerheid verminderen.

Samenwerking tussen gemeenten is effectiever dan geïsoleerde gemeentelijke oplossingen

Duitsland telt duizenden gemeenten met vergelijkbare taken, maar met zeer uiteenlopende systemen. Als elke gemeente haar eigen assistenten, auditprocedures en contractmodellen zou ontwikkelen, zou dit leiden tot aanzienlijke dubbeling van werkzaamheden. Een economisch verstandigere aanpak is het delen van kerncomponenten en lokale aanpassingen. Intergemeentelijke samenwerking verdeelt de vaste kosten, bundelt expertise en zorgt voor voldoende gebruiksvolume voor professionele operationele structuren.

De regionale IT-infrastructuur van Haltern biedt een natuurlijk uitgangspunt. Het Gezamenlijk IT-servicecentrum (GKD) maakt de gecentraliseerde werking van het platform, de beveiligingsarchitectuur en de technische integratie mogelijk. Diensten op staatsniveau, zoals NRW.Genius, bieden algemene ondersteuningsfuncties. Nationale structuren zoals de AI-mogelijkhedenmarktplaats streven ernaar applicaties transparant te maken en hergebruik tussen de federale, deelstaat- en lokale overheden te bevorderen; de IT-planningsraad heeft besloten dit platform per 1 januari 2027 als eigen product te adopteren. Dit zal geleidelijk een ecosysteem creëren waarin gemeenten het wiel niet opnieuw hoeven uit te vinden.

Samenwerking mag echter niet leiden tot een zo traag mogelijk tempo. Haltern moet zijn eigen prioriteiten en succescriteria bepalen, terwijl de technische basis wordt gedeeld. Een modulair systeem is denkbaar: een gedeeld platform, gemeenschappelijke beveiligingsnormen en gezamenlijk geteste modellen, maar met lokale kennisbases en geselecteerde procesmodules. Op deze manier blijven de specifieke kenmerken van de gemeente behouden zonder schaalvoordelen op te offeren.

Burgerparticipatie ontwikkelt zich achter de schermen

Burgers beoordelen de overheid niet op basis van het aantal AI-modellen dat wordt ingezet. Ze ervaren wachttijden, begrijpelijkheid, toegankelijkheid, betrouwbaarheid en gelijke behandeling. Een succesvolle AI-strategie moet daarom aan de hand van deze factoren worden afgemeten. Als een brief weliswaar sneller, maar minder begrijpelijk wordt, levert dat weinig op. Als een chatbot 24 uur per dag bereikbaar is, maar in uitzonderlijke gevallen een vals gevoel van veiligheid creëert, kan het vertrouwen juist afnemen.

De grootste impact op burgers ontstaat vaak indirect. Sneller intern onderzoek verkort de wachttijd voor terugbelverzoeken. Geautomatiseerde volledigheidscontroles verminderen het aantal vervolgvragen. Vertaaltools verbeteren de toegankelijkheid voor mensen met beperkte kennis van de Duitse taal. Duidelijkere concepten kunnen ingewikkelde administratieve taal vereenvoudigen. Medewerkers krijgen meer tijd voor zaken die persoonlijke uitleg of aandacht vereisen. AI vervangt dus geen persoonlijk contact, maar kan dit waar nodig herstellen.

Een externe burgerassistent mag pas worden ingezet als de interne kennisbasis betrouwbaar is. Anders automatiseert de gemeente simpelweg haar onduidelijkheden. Een beperkte start met veelgestelde, niet-persoonlijke vragen, transparante bronnen en duidelijke verwijzingen naar medewerkers is aan te raden. De assistent mag niet pretenderen een juridisch bindend antwoord te geven. Bij elk antwoord moet duidelijk zijn of het algemene informatie betreft of advies op maat.

Een goede start vereist een aantal duidelijke prioriteiten

Haltern zou niet moeten beginnen met een lange wensenlijst, maar eerder met een portfolio van drie tot vijf use cases. De eerste focus zou kunnen liggen op veilige tekst- en documentondersteuning. De tweede zou betrekking kunnen hebben op de verwerking van binnenkomende documenten. De derde zou intern kennismanagement moeten omvatten. Een duidelijk gedefinieerd proces met een meetbaar volume, zoals de voorlopige beoordeling van gestandaardiseerde documenten, is ook geschikt. Deze combinatie levert leerresultaten op de korte termijn op en bouwt tegelijkertijd een platform voor gebruik op de lange termijn.

De selectie moet plaatsvinden op basis van een uniform kader: casusvolume, huidige tijdsbesteding, standaardiseerbaarheid, beschikbaarheid van gegevens, integratie-inspanning, gevolgen van fouten en verwachte voordelen. Applicaties met een hoog volume, een goede databasis en een lage juridische impact krijgen prioriteit. Applicaties met een hoog risico of onduidelijke datasituaties worden uitgesteld. Dit maakt de rangschikking economisch transparant en niet bepaald door het marktaandeel van individuele aanbieders of afdelingen.

Elk pilotproject vereist een expert op het betreffende vakgebied, een technisch leider en een meetbare doelwaarde. Na drie tot zes maanden wordt besloten of de applicatie moet worden beëindigd, aangepast of opgeschaald. Succes draait niet alleen om tijdsbesparing. Ook kwaliteit, acceptatie, foutenpercentage, aantal noodzakelijke correcties, stabiliteit en impact op burgers moeten worden gemeten. Een pilotproject zonder vooraf vastgestelde beëindigingscriteria kan gemakkelijk een doorlopend experiment worden.

Een gemeentelijk bedrijfsmodel in vier fasen

In de eerste fase brengt de stad orde in de zaken. Ze documenteert het bestaande gebruik van AI, definieert verantwoordelijkheden, stelt een voorlopig gebruiksbeleid vast en classificeert data en gebruiksscenario's. Tegelijkertijd worden de personeelsraad, de afdeling gegevensbescherming, informatiebeveiliging, de juridische afdeling en relevante afdelingen hierbij betrokken. Het resultaat is geen lang beleidsrapport, maar een praktisch kader.

In de tweede fase wordt een veilige ondersteuningsomgeving geboden. Medewerkers krijgen officiële toegang, training en een duidelijke lijst met toegestane taken. In eerste instantie wordt openbare of minder gevoelige inhoud verwerkt. De stad verzamelt gebruiksgegevens en documenteert veelvoorkomende fouten. Op deze manier wordt ongecontroleerde, onofficiële AI vervangen door een beter, officieel alternatief.

De derde fase omvat kennisintegratie en proceskoppeling. Vrijgegeven gemeentelijke documenten worden van versiebeheer voorzien en geïndexeerd, antwoorden worden gekoppeld aan relevante bronnen en initiële specialistische applicaties worden via interfaces verbonden. Dit is waar de grootste productiviteitswinst wordt behaald, maar waar ook de test- en operationele eisen toenemen. Daarom moet het beheerde AI-model ondersteuning, monitoring, kostenbeheersing en verandermanagement omvatten.

In de vierde fase worden beproefde toepassingen opgeschaald naar meerdere gemeenten. Haltern kan modules overnemen die elders succesvol zijn gebleken en eigen ervaringen inbrengen. Grotere investeringen worden gedeeld. Tegelijkertijd blijven regelmatige modelvergelijkingen noodzakelijk om ervoor te zorgen dat kosten en kwaliteit concurrerend blijven. De stad evolueert zo van een afnemer van individuele AI-tools naar een competente klant van een digitale operationele dienst.

De voordelen vereisen een gemeentelijk systeem van belangrijke prestatie-indicatoren

Een eenvoudig systeem van key performance indicators (KPI's) voorkomt overdrijving. Op procesniveau zijn belangrijke meetwaarden onder andere doorlooptijd, actieve verwerkingstijd, query's, foutenpercentage en achterstand. Op medewerkersniveau zijn gebruiksfrequenties, ervaren werkdrukvermindering en trainingsbehoeften relevant. Vanuit het perspectief van de burger moeten responstijd, begrijpelijkheid, klachtenpercentage en succesvolle afhandeling van een verzoek in overweging worden genomen. Aan de technische kant zijn beschikbaarheid, responstijd, kosten per transactie en het aantal beveiligingsincidenten eveneens belangrijk.

De belangrijkste prestatie-indicatoren (KPI's) moeten vóór de start van het pilotproject worden verzameld; anders is een vergelijking onmogelijk. Bovendien moet de gemeente onderscheid maken tussen bruto en netto baten. Een half uur snellere tekstgeneratie is geen volledige winst als er vervolgens twintig minuten extra controle nodig is. Ook shift-effecten moeten in overweging worden genomen: neemt de werkdruk op de betreffende afdeling af, maar neemt de inspanning bij IT of kwaliteitscontrole toe? Alleen een grondige analyse kan uitwijzen of de gemeente daadwerkelijk productiever wordt.

Transparantie versterkt tegelijkertijd het politieke bestuur. De raad heeft geen gedetailleerde technische rapporten nodig, maar wel een regelmatig overzicht van de ingezette toepassingen, de kosten, de voordelen, de risico's en eventuele ongebruikelijke incidenten. Burgers moeten kunnen begrijpen waar AI wordt gebruikt en waar menselijke beslissingen worden genomen. Deze openheid voorkomt zowel ongegronde angsten als onrealistische verwachtingen.

De grootste risico's schuilen in slecht management

Hallucinaties, vertekeningen en datalekken zijn reële technische risico's. Even gevaarlijk zijn echter organisatorische fouten: onduidelijke verantwoordelijkheden, gebrekkig databeheer, ontoereikende training, te veel parallelle pilotprojecten en afhankelijkheid van individuele consultants. Een AI-platform kan technisch uitstekend zijn en toch falen als niemand de kennisbank bijwerkt of als afdelingen de voordelen ervan niet inzien.

Een ander risico is de automatisering van inefficiënte processen. Als een procedure onnodige controlerondes, onduidelijke verantwoordelijkheden of dubbele gegevensinvoer bevat, kan AI deze alleen maar ingewikkelder en sneller maken. Daarom moet vóór elke automatisering worden onderzocht of stappen kunnen worden geëlimineerd, gestandaardiseerd of juridisch vereenvoudigd. Procesoptimalisatie en het gebruik van AI gaan hand in hand.

Tot slot moeten gemeenten niet van tevoren plannen maken voor productiviteitswinst. Onderzoek en praktijk tonen aan dat er aanzienlijke verschillen bestaan ​​tussen taken. De OESO beschrijft productiviteit, responsiviteit en verantwoording als belangrijke kansen voor de inzet van AI door de overheid, maar wijst er ook op dat er nog maar weinig bewijs is voor brede productiviteitswinsten binnen organisaties. Verantwoord plannen vereist daarom scenario's, veiligheidsmarges en gefaseerde investeringen.

Waarom niets doen de duurste optie kan zijn

Er zijn goede redenen om AI niet overhaast in te zetten. Echter, even sterke economische argumenten pleiten tegen eindeloos wachten. Werknemers zullen blijven experimenteren met openbare tools, naburige gemeenten zullen ervaring opdoen en aanbieders zullen hun producten snel aanpassen. Wie geen gecontroleerd alternatief biedt, voorkomt niet dat AI wordt ingevoerd, maar verliest wel de controle erover. Tegelijkertijd neemt de kloof in datakwaliteit, interfaces en expertise toe.

De opportuniteitskosten van nietsdoen verschijnen niet als één enkele budgetpost. Ze manifesteren zich in langere verwerkingstijden, groeiende achterstanden, kennisverlies, overbelasting en een afnemende aantrekkelijkheid van de werkgever. Met name jongere professionals verwachten moderne tools. Een overheid die digitale ondersteuning fundamenteel blokkeert, concurreert met werkgevers die routinetaken verder automatiseren en meer ruimte bieden voor uitdagende activiteiten.

De juiste aanpak is noch enthousiasme voor technologie, noch afwijzing ervan. Haltern heeft een gecontroleerd leerproces nodig met een gedeelde infrastructuur, duidelijke grenzen en een rigoureuze meting van de voordelen. Managed AI is hiervoor ideaal, omdat het model continue operationele verantwoordelijkheid organiseert. Het beschouwt AI niet als software die eenmalig wordt aangeschaft, maar als een dynamische infrastructuur die continu moet worden gemonitord, bijgewerkt en professioneel beheerd.

Een verzoek om herziening moet worden omgezet in een operationele strategie

Een politieke evaluatie van de inzet van AI kan een nuttig uitgangspunt zijn. De waarde ervan hangt af van de vraag of het leidt tot een duidelijke implementatiearchitectuur. Een simpele opsomming van mogelijke toepassingen zou de kwestie slechts uitstellen. Wat nodig is, zijn prioriteiten, verantwoordelijkheden, een intergemeentelijk werkmodel, een financieel kader en meetbare pilotprojecten.

De redenering is daarom als volgt: Haltern moet AI niet beschouwen als een geïsoleerd digitaal project, maar als een integraal onderdeel van de gemeentelijke publieke dienstverlening. De stad hoeft geen eigen taalmodel te ontwikkelen of elke oplossing zelf te beheren. Ze moet gebruikmaken van bestaande structuren op staats- en regionaal niveau, aandringen op open en uitwisselbare componenten en lokale expertise opbouwen op het gebied van processen, data en controle. Op deze manier kunnen schaalvoordelen worden gecombineerd met gemeentelijke autonomie.

Beheerde AI is niet zomaar een extraatje, maar eerder het mechanisme dat voordelen combineert met beheersbaarheid. Zonder beheer blijven modellen geïsoleerde instrumenten, zijn datarisico's onduidelijk en zijn successen een kwestie van toeval. Een professioneel operationeel kader zorgt ervoor dat veilige assistenten, gemeentelijke expertise en geautomatiseerde processen zich ontwikkelen tot een productieve infrastructuur. De strategische vraag is daarom niet langer of AI zijn intrede zal doen in het stadhuis, maar of de stad de implementatie ervan vorm zal geven – of later onder grotere druk gedwongen zal worden om externe oplossingen te adopteren.

Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.

Meer informatie vindt u hier:

• De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering

☑️ Onze zakelijke voertaal is Engels of Duits

☑️ NIEUW: Correspondentie in uw moedertaal!

 

Mijn team en ik staan ​​graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen door hier het contactformulier in te vullen wolfenstein@xpert.digital:of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is

Ik kijk uit naar ons gezamenlijke project.

 

 

☑️ Ondersteuning van het MKB op het gebied van strategie, advies, planning en implementatie

☑️ Opstellen of herzien van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B-handelsplatformen

☑️ Pionier in bedrijfsontwikkeling / marketing / PR / beurzen