Top-3-Finalist beim Innovationspreis München 2026: Agentic AI für Verwaltungswissen
NexTech Fusion war 2026 mit MUCi im Finale des Innovationswettbewerbs der Landeshauptstadt München. Aus mehr als 30 Unternehmen in unserer Kategorie gehörten wir zu den drei Finalisten. Unser Beitrag: ein Agentic-AI-Ansatz, der verstreutes Verwaltungswissen auffindbar, prüfbar und für Fallentscheidungen nutzbar macht.
Kurzantwort: MUCi ist ein Konzept für einen Wissensagenten, der Dokumente, Gutachten, Wikis, E-Mails und Fachinformationen nicht nur durchsucht, sondern quellenbasiert verknüpft. Der Agent soll Sachbearbeiterinnen und Sachbearbeitern helfen, relevante Informationen schneller zu finden, veraltete Rechtsgrundlagen zu erkennen und Entscheidungen nachvollziehbar vorzubereiten. Der Case ist besonders spannend für Verwaltungen, regulierte Organisationen und Unternehmen, deren Fachwissen heute in Dateien, Systemen und einzelnen Köpfen verteilt ist.
Der offizielle Bericht der Landeshauptstadt München beschreibt die Challenge "Daten und Wissen mit KI schnell, strukturiert und gezielt bereitstellen" und den Bedarf im Kreisverwaltungsreferat: Fachwissen liegt verteilt vor, erfahrene Beschäftigte gehen in den kommenden Jahren in den Ruhestand, und Mitarbeitende brauchen eine Lösung, die Informationen intelligent verknüpft, aktuelle Rechtsgrundlagen berücksichtigt und fundierte Entscheidungen unterstützt.
Quelle: Rathaus Umschau der Landeshauptstadt München, 22. Juli 2026
Warum dieser Wettbewerb für uns wichtig war
Der Innovationswettbewerb war für uns kein klassischer Pitch um eine schöne KI-Demo. Die Aufgabe traf genau den Kern vieler realer KI-Projekte: Wie macht man vorhandenes Wissen nutzbar, ohne Kontrolle, Datenschutz und Nachvollziehbarkeit zu verlieren?
In Verwaltungen ist dieses Problem besonders sichtbar. Fachinformationen liegen in Netzlaufwerken, Fachverfahren, alten Gutachten, Wikis, E-Mail-Verläufen und persönlicher Erfahrung. Neue Mitarbeitende müssen oft lange suchen oder auf die eine Person warten, die "weiß, wo es steht".
Das kostet Zeit. Es erzeugt Abhängigkeiten. Und es kann Entscheidungen verlangsamen, obwohl die notwendigen Informationen längst irgendwo vorhanden sind.
Genau hier reicht ein einfacher Chatbot nicht aus.
Warum ein Chatbot das Problem nicht löst
Ein Chatbot beantwortet Fragen. Ein Verwaltungsagent muss Arbeit vorbereiten.
Der Unterschied ist groß:
| Fähigkeit | Einfacher Chatbot | Agentic-AI-Wissensagent |
|---|---|---|
| Suche | reagiert auf eine Frage | sucht parallel in mehreren Quellen |
| Kontext | liefert Textähnlichkeit | bewertet Quelle, Alter und Relevanz |
| Nachweise | oft nur Antworttext | zeigt Quellen und Fundstellen |
| Aktualität | schwer prüfbar | markiert mögliche veraltete Grundlagen |
| Betrieb | isoliertes Interface | integrierbar in bestehende IT und Workflows |
Ein Agent darf nicht nur "plausibel" antworten. Er muss zeigen, woher eine Aussage kommt, welche Unsicherheiten bestehen und welche nächsten Schritte sinnvoll sind.
Das Beispiel: Gaststättenerlaubnis und altes Gutachten
Ein typischer Fall: Eine Sachbearbeiterin prüft eine Frage rund um eine Gaststättenerlaubnis. Irgendwo gibt es ein Gutachten, das einen ähnlichen Fall behandelt. Es ist aber 20 Jahre alt.
Ein normaler Suchtreffer sagt: "Hier ist ein Dokument."
Ein guter Wissensagent sagt:
- Dieses Gutachten behandelt die gesuchte Problematik.
- Die Fundstelle ist relevant für den aktuellen Fall.
- Das Gutachten ist alt.
- Die zugrunde liegenden Rechtsnormen sollten geprüft werden.
- Die Antwort basiert auf diesen konkreten Quellen.
Das ist der Unterschied zwischen Informationssuche und Entscheidungsunterstützung.
Was MUCi technisch leisten sollte
Unser Ansatz war modular gedacht. Nicht als Blackbox, sondern als kontrollierbares System.
Parallele Suche
MUCi sollte mehrere Suchstrategien kombinieren: semantische Suche, klassische Volltextsuche, strukturierte Metadaten und gezielte Abfragen über angebundene Systeme.
Saubere Aufbereitung
Viele Verwaltungsdokumente sind nicht sauber für KI vorbereitet. Scans, PDFs, alte Vorlagen und lange Gutachten müssen in sinnvolle Abschnitte zerlegt, mit Metadaten versehen und zuverlässig wiedergefunden werden.
Rechtsstand-Check
Der Agent sollte Hinweise geben, wenn eine Quelle möglicherweise veraltet ist. Wichtig: Nicht als automatische Rechtsentscheidung, sondern als Risikosignal für die fachliche Prüfung.
Belegte Antwort
Jede verwertbare Antwort braucht Quellen. Nicht "die KI sagt", sondern: Diese Aussage stützt sich auf diese Dokumente, diese Fundstellen und diesen Kontext.
Eval-Harness
KI-Systeme für Fachwissen brauchen Tests. Ein Eval-Harness prüft, ob der Agent relevante Quellen findet, falsche Antworten vermeidet und bei Unsicherheit sauber eskaliert.
Datenschutz und Rechtssicherheit sind keine Extras
Gerade im öffentlichen Dienst kann eine KI-Lösung nur funktionieren, wenn Datenschutz, Datenhoheit und Nachvollziehbarkeit von Anfang an mitgedacht werden.
Für uns waren deshalb fünf Prinzipien zentral:
- Datenquellen kontrolliert anbinden
- personenbezogene Daten nur mit klarer Rechtsgrundlage verarbeiten
- Antworten immer mit Quellen versehen
- Tool-Rechte und Zugriffe begrenzen
- Entscheidungen nicht blind automatisieren, sondern fachlich überprüfbar vorbereiten
Das Ziel ist nicht, Sachbearbeiterinnen und Sachbearbeiter zu ersetzen. Das Ziel ist, ihnen schneller die belastbaren Informationen zu geben, die sie für gute Entscheidungen brauchen.
Was Unternehmen daraus lernen können
Das Problem ist nicht auf Verwaltungen beschränkt.
Auch mittelständische Unternehmen kennen dieselbe Lage:
- Prozesswissen liegt in E-Mails und Köpfen.
- Alte Angebote, Gutachten, Tickets oder Projektdokumente sind schwer auffindbar.
- Neue Mitarbeitende brauchen Monate, bis sie wissen, wo relevante Informationen liegen.
- Fachabteilungen hängen an einzelnen Wissensträgern.
- Entscheidungen dauern länger, weil Kontext fehlt.
Ein Agentic-AI-System kann hier helfen, wenn es richtig gebaut wird: mit klaren Datenflüssen, Rollen, Audit Trail, Human-in-the-loop und einer realistischen Bewertung von Quellenqualität.
Unser Fazit aus dem Finale
Für uns war der Finaleinzug ein starkes Signal: Der Bedarf nach praktischer, kontrollierbarer Agentic AI ist real.
Es geht nicht um KI als Showeffekt. Es geht um produktive Systeme, die Wissen erschließen, Prozesse beschleunigen und Verantwortung sichtbar machen.
MUCi steht für genau diese Richtung: KI-Agenten, die nicht nur antworten, sondern Arbeit vorbereiten. Quellenbasiert. Datenschutzbewusst. In bestehende IT integrierbar. Und mit genug Transparenz, damit Menschen weiterhin die richtigen Entscheidungen treffen können.
Foto: Michael Nagy/Presseamt
Quellen und Kontext
- Offizieller Bericht: Innovationspreise 2026 der Stadt verliehen
- Challenge-Kontext: Daten und Wissen mit KI schnell, strukturiert und gezielt bereitstellen
- Projektansatz: MUCi, der Wissensagent für München
FAQ
Was ist MUCi?
MUCi ist unser Konzept für einen Agentic-AI-Wissensagenten, der verstreute Fachinformationen aus Dokumenten, Gutachten, Wikis und Fachsystemen quellenbasiert erschließen soll.
Warum reicht ein normaler Chatbot für Verwaltungswissen nicht?
Ein normaler Chatbot beantwortet Fragen meist isoliert. Ein Wissensagent muss Quellen verbinden, Aktualität prüfen, Unsicherheiten markieren und Antworten nachvollziehbar belegen.
Kann Agentic AI rechtliche Entscheidungen übernehmen?
Nein. In sensiblen Bereichen sollte KI Entscheidungen nicht blind treffen. Sie kann Informationen vorbereiten, Quellen anzeigen, Risiken markieren und Sachbearbeiterinnen und Sachbearbeiter bei der Prüfung unterstützen.
Für wen ist dieser Ansatz relevant?
Der Ansatz ist relevant für Verwaltungen, regulierte Organisationen und Unternehmen mit viel dokumentiertem Fachwissen, komplexen Prozessen und Abhängigkeit von einzelnen Wissensträgern.
Sie wollen Fachwissen in Ihrer Organisation nutzbar machen?
NexTech Fusion entwickelt KI-Agenten, Corporate LLMs und Workflow-Automatisierung für Organisationen, die praktische KI nutzen wollen, ohne Kontrolle und Datenschutz zu verlieren.