Large Language Models zur Ergänzung der Serviceangebote der Stadt
Das Webangebot der Stadt Aachen besitzt mit Diensten wie dem Mängelmelder oder dem Beteiligungsportal wertvolle Möglichkeiten für die Bürger, an der Gestaltung der Stadt mitzuwirken oder ihre Anliegen zur Geltung zu bringen.
Um solche Rückmeldungen der Bürger mit klassischen Mitteln bearbeiten zu können, macht es Sinn, dass der Bürger die zuständige Stelle sucht und sein Anliegen oder Rückmeldung dort abgibt.
LLMs (Large Language Models) bieten die Möglichkeit, die Dienste der Stadt für die Bürger besser auffindbar zu machen. Einige Dienste sind bereits im Wissensstand von öffentlich zugänglichen LLMs wie ChatGPT enthalten (z.B. das 4o-Model). So führt bereits die Eingabe, dass etwas in Aachen in den Radweg wächst, zu einer Antwort, die direkt den Mängelmelder verlinkt.
Eine native Einbindung auf der Website in Form eines Chatbots kann die Services der Stadt noch leichter auffindbar machen.
HT
Henrik Thillmann
Doktorand im Software Engineering an der RWTH Aachen
Inhaltsblöcke
Feedbackmöglichkeiten Erweitern
Auch mit einer solche Ergänzung muss ich noch den richtigen Ansprechpartner finden, und entscheiden, denjenigen damit zu behelligen. Gegebenenfalls muss sogar noch ein Account erstellt werden.
Ideen, Kritik, oder Lob der Bürger, das diese Aufwandsschwelle nicht überschreiten bleibt ungenutzt.
Eine Möglichkeit ist, über ein Freitextfeld, etwa auf der Startseite der Website ein niedrigschwelliges Angebot zur Rückmeldung zu schaffen.
Während für nicht intelligente Algorithmen ein solcher Datensatz wertlos ist, oder eben einen hohen manuellen Aufwand zur Verarbeitung erfordert, erlaubt der Einsatz von LLMs und RAG (Retrieval Augmented Generation) auch aus einem solchen Datensatz Wissen zu extrahieren.
Die Freitexteingaben können den bereits existierenden Services der Stadt zugeordnet werden oder durch ein LLM für städtische Stellen nutzbar aufbereitet werden.
Prinzipielle lassen sich auch andere Texteingabe-Kanäle nutzen: Apps, Messenger. Durch Voice-to-Text Verfahren auch Audioquellen, was noch einmal die Nutzungshürde insbesondere auf mobilen Endgeräten senken könnte. Wobei wohl die Integration auf der Website den zunächst geringsten Entwicklungsaufwand verursachen würde.
Ein Beispiel für eine solche niedrigschwellige Rückmeldung ist, dass auf der Infoseite des Freibads nicht angegeben war, wie lange der Sprungturm von den Sanierungsarbeiten betroffen war. Das ist eine Information, für die ich dann nicht unbedingt extra die zuständige Ansprechperson ermittle, oder gar damit belästige. Und solches Wissen steht dann den Inhaltsverantwortlichen für die Website nicht zur Verfügung.
Mögliche Fragen, die dann an einen Datensatz mit Bürgerfeedback von den Verantwortlichen in der Stadt gestellt und von einem LLM beantwortet werden könnten sind:
Welche Features wünschen sich die Nutzer der Website der Stadt am Meisten? Was für Ideen wurden eingebracht?
Die ganzen Dinge, die den 250.000 Einwohnern der Stadt so einfallen.
Technologische Risiken und Umsetzungsaufwand
Die weitestgehende Verwendung von bereits existierenden Technologien und Infrastruktur senkt das Umsetzungsrisiko und den Entwicklungsaufwand.
Bestehende LLMs besitzen entweder bereits genug internes Wissen, um Services der Stadt empfehlen und verlinken zu können, so dass keine separate Datenstruktur (Knowledge Graph etc.) erstellt werden muss, oder können Textdaten, wie von der Website verarbeiten.
Teilnahmebedingungen
Die Teilnahmebedingungen können Sie unter "https://smart.aachen.digital/public/teilnahmebedingungen" einsehen.