KI-Migrationsverwaltungsgesetz

WÖk-Handlungsoption

Was wäre aus Wirkungssicht besser?

Status: begrenzen, erproben und lernen

Bei heutiger Evidenz ist kein flächiger Rollout, sondern ein begrenzter und reversibler Pilot die robusteste Entscheidung. KI ist hier Instrument, nicht Ziel. Sie darf nur dort produktiv werden, wo ein konkreter Engpass belegt ist, menschliche Verantwortung praktisch wirksam bleibt und unabhängige Tests zeigen, dass Zeit- oder Konsistenzgewinne nicht durch Bias, Datenfehler, Automation Bias oder schwächeren Rechtsschutz erkauft werden.

Problemzustand

Asyl- und aufenthaltsrechtliche Verwaltungsverfahren enthalten zeit- und personalintensive Analyse-, Recherche- und Konsistenzaufgaben. Der aktuelle Fachreview zeigt aber, dass KI selbst kein Problemlösungsziel ist und der Engpass nicht robust auf fehlende KI reduziert werden kann.

Zielzustand

Verfahren werden rechtmäßig, fair, konsistent, zeitnah und korrigierbar bearbeitet; Routineanalyse wird entlastet, ohne dass KI Entscheidungen faktisch vorprägt, diskriminierende Fehler skaliert oder die menschliche Verantwortung und den effektiven Rechtsschutz schwächt.

Zentraler Engpass

Der bindende Engpass ist nicht das Fehlen von KI als Technologie, sondern die Kombination aus Fallkomplexität, Datenqualität, Rechercheaufwand, begrenzter Fachkapazität und konsistenter Fehlerkorrektur. Weil die Netto-Wirkung konkreter KI-Module noch nicht beobachtbar ist, muss der Instrumenteneinsatz selbst als Hypothese getestet werden.

Systemhebel

Der Systemhebel liegt in der Governance vor dem Rollout: problembezogene Modulauswahl, unabhängige Baseline, Shadow-Mode-Vergleich, menschliche Letztverantwortung, subgruppenbezogene Fehlerprüfung, Modellversionierung und vordefinierte Stop-Kriterien.

Umsetzungsweg

Bundesrechtliche Rechtsgrundlage für zulässige KI-Verarbeitung; anschließend modulbezogene technische Freigabe, Datenschutz- und Risikoprüfung, Pilotbetrieb bei zuständigen Behörden und unabhängige Evaluation vor Ausweitung.

Reversibilität

Hoch bei echtem Shadow Mode und modularer Pilotierung; deutlich geringer nach breiter Prozessintegration und organisatorischer Abhängigkeit von Modelloutputs.

Evidenz und Unsicherheit

mittel · Die Mechanismen von Assistenz, Automation Bias und Fehlerfortpflanzung sind plausibel, aber für die konkreten deutschen Module fehlen noch Outcome-Daten. Deshalb ist die Recommendation bewusst auf einen evidenzgenerierenden, reversiblen nächsten Schritt begrenzt.

Reality-Check

Pilot vorab registrieren, Baseline ohne KI festhalten und im Shadow Mode mindestens mehrere repräsentative Fallgruppen vergleichen. Produktive Ausweitung nur, wenn Fehler- und Gruppenindikatoren definierte Schwellen einhalten, menschliche Overrides real genutzt werden, Schutzindikatoren nicht schlechter werden und der Netto-Zeitgewinn nach Prüfaufwand positiv bleibt.

Fachlich bevorzugte Ausgestaltung: Option B als nächster Schritt: KI nur in klar abgegrenzten Modulen und zunächst im Shadow Mode pilotieren. Produktive Nutzung wird erst erweitert, wenn vorab definierte Schwellen für Fehler, Gruppenunterschiede, Human Overrides, Datenschutz, Bearbeitungszeit und Rechtsmittelqualität eingehalten werden.

Geprüfte Optionen

Warum diese Option?

• Für konkrete KI-Module liegen noch keine belastbaren Outcome-Daten im deutschen Migrationsvollzug vor; ein Pilot erzeugt die fehlende Evidenz, ohne sofort systemweite Pfadabhängigkeit zu schaffen.
• Shadow Mode erlaubt einen direkten Vergleich zwischen KI-Hinweisen und unabhängiger menschlicher Bearbeitung und macht Fehler, Gruppenunterschiede und Automation-Bias-Risiken messbar, bevor sie materielle Entscheidungen prägen.
• Die Option adressiert den eigentlichen Zielzustand - rechtmäßige, faire, schnelle und korrigierbare Verfahren - statt den Technologieeinsatz selbst zum Erfolgskriterium zu machen.

Zielkonflikte und Kaskaden

• mögliche Zeit- und Konsistenzgewinne gegenüber Bias- und Fehlerskalierung
• Lerngewinn durch Pilotierung gegenüber zusätzlichem Parallelaufwand
• Erklärbarkeit und menschliche Verantwortung gegenüber Automatisierungsgrad
• schneller Rollout gegenüber Reversibilität und institutioneller Pfadabhängigkeit
• Gute KI-Unterstützung kann Routineanalyse verkürzen, Fachzeit für komplexe Fälle freisetzen und dadurch Verfahrensqualität und -tempo gleichzeitig verbessern.
• Fehlerhafte oder verzerrte Hinweise können über Automation Bias menschliche Entscheidungen vorprägen, in Rechtsmitteln wieder auftauchen und gruppenspezifische Fehlwirkungen systematisch skalieren.
• Erfolgreiche Pilotmodule können neue Daten- und Modellabhängigkeiten erzeugen; ohne Versionierung und Exit-Pfad entsteht technologischer Lock-in.
• Ein transparenter Shadow Mode kann organisationsweit Lernkompetenz über Grenzen und geeignete Einsatzfelder von KI aufbauen, statt nur ein einzelnes Modell zu validieren.

Betroffene, Verteilung und Generationen

• Asylsuchende und andere Betroffene migrationsrechtlicher Verfahren
• BAMF und Ausländerbehörden
• Fachbeschäftigte und Entscheider
• Rechtsberatung und Gerichte
• Datenschutz- und Antidiskriminierungsaufsicht
• IT- und Modellverantwortliche
• Fehler treffen Gruppen ungleich, wenn Sprache, Herkunft, Dokumentenlage oder Fallkomplexität unterschiedlich gut in Daten und Modellen abgebildet sind. Zeitgewinne fallen zunächst bei Behörden an; Schutzrisiken tragen dagegen unmittelbar die Betroffenen einzelner Entscheidungen.
• Effizienzsignale können bereits im Pilot kurzfristig messbar sein, während institutioneller Lock-in, Kompetenzverschiebung und Vertrauensfolgen erst über Jahre sichtbar werden. Besonders bei jungen Schutzsuchenden können fehlerhafte Entscheidungen langfristige Bildungs- und Teilhabefolgen auslösen.

Resilienz und Transformation

• Eine modulare, versionierte Pilotarchitektur mit menschlichem Fallback ist gegenüber Modellfehlern, Drift und Ausfällen resilienter als ein breit integriertes System, dessen Hinweise faktisch unverzichtbar werden.
• Richtig gestaltet kann der Pilot eine evidenzbasierte Verwaltungspraxis für KI etablieren, in der Einsatzfelder nach Wirkung und Risiko freigegeben werden. Falsch gestaltet kann er den Erfolg an KI-Nutzung statt an Verfahrensqualität koppeln.

Wirkungsgrenzen und Schutzbedingungen

Zeit- oder Personaleinsparungen kompensieren keine systematische gruppenspezifische Fehlklassifikation, keine faktische automatisierte Letztentscheidung und keinen Verlust wirksamen Rechtsschutzes.

• EU AI Act mit use-case-spezifischer Risikoklassifizierung
• EU-Grundrechtecharta
• Grundgesetz
• Datenschutz-Grundverordnung und migrationsspezifisches Datenschutzrecht
• Antidiskriminierungsrecht
• verwaltungsverfahrensrechtliche Begründungs- und Rechtsschutzanforderungen

• keine automatisierte oder faktisch automatisierte Letztentscheidung
• wirksame menschliche Aufsicht mit echter Abweichungsmöglichkeit
• Datenminimierung und dokumentierte Datenherkunft
• subgruppenbezogene Genauigkeits- und Fehlerprüfung
• Erklärbarkeit des relevanten Entscheidungsbeitrags
• wirksame Beschwerde und Korrektur
• Diskriminierungsschutz

Vollzug, Sicherungen und Fallback

• repräsentative und rechtmäßig nutzbare Testdaten
• unabhängige Fachbaseline
• subgruppenbezogene Qualitätsmessung
• Datenschutz- und IT-Sicherheitskompetenz
• Modellversionierung und Driftmonitoring
• Zeit für parallele menschliche Prüfung
• Rollback- und Fallback-Kapazität
• Shadow Mode vor materieller Nutzung
• keine Übernahme von KI-Hinweisen ohne verantwortliche menschliche Prüfung
• Protokollierung von Modellversion, Quellen und Human Override
• unabhängige Fehler- und Bias-Tests je relevante Gruppe
• vordefinierte Stop-Schwellen
• Beschwerde- und Korrekturweg mit Zugriff auf KI-Provenienz
• regelmäßige Neubewertung nach Modell- oder Datenänderung
• Bearbeitungszeit und Facharbeitszeit
• Abweichungsrate KI-Hinweis gegenüber finaler Entscheidung
• Human-Override-Rate
• Fehler- und gerichtliche Korrekturquote
• False-positive- und False-negative-Raten nach relevanten Gruppen
• Quellen- und Recherchefehler
• Beschwerden
• Datenschutz- und Sicherheitsvorfälle
• Modellversionsdrift
• Zeit und Kosten der zusätzlichen menschlichen Prüfung

Fallback: Bei überschrittenen Fehler-, Bias-, Datenschutz- oder Automation-Bias-Schwellen das betroffene Modul auf Shadow Mode beziehungsweise manuelle Bearbeitung zurücksetzen und erst nach Ursachenanalyse, Modell- oder Prozessänderung neu pilotieren.

Fassung der WÖk-Handlungsoption 2.3-R1 · fachlich freigegeben · nicht aus Punktwerten berechnet

Erste fachliche WÖk-Empfehlung: kein flächiger KI-Rollout ohne Evidenz, sondern begrenzter Shadow-Mode-Pilot mit harten Qualitäts-, Grundrechts- und Stop-Kriterien.

Quellenbasis der Handlungsoption

• Kanonische WÖk-Fachakte im freigegebenen Release
• Kanonische WÖk-Fachakte im freigegebenen Release
• Quellenakte der Handlungsoption öffnen