DHS baut KI für die FOIA-Bearbeitung aus, doch die menschliche Prüfung ist der eigentliche Test

Das Department of Homeland Security plant, die KI-gestützte FOIA-Bearbeitung auszubauen, nachdem das Haushaltsjahr 2025 mit 245.572 offenen Anträgen endete. Das Ministerium erklärt, Automatisierung könne den Verwaltungsaufwand senken und Beschäftigten helfen, ein wachsendes Volumen an Anträgen auf öffentliche Unterlagen zu bewältigen. Der Konflikt ist eindeutig: Schnellere Bearbeitung ist nur dann wertvoll, wenn die daraus resultierenden Suchen, Klassifizierungen und Schwärzungen korrekt bleiben.

DHS erhielt im Haushaltsjahr mehr als 1 Million Anträge nach dem Freedom of Information Act. Es bearbeitete nahezu dieselbe Zahl, dennoch wuchs der Bestand offener Anträge gegenüber 221.068 zu Jahresbeginn weiter an. Nach Angaben des Ministeriums entsprach sein formeller Rückstand 16 Prozent der eingegangenen Anträge.

Diese Zahlen erklären, warum Bundesbehörden Automatisierung nicht mehr nur als Experiment betrachten. DHS erwägt jedoch KI für Entscheidungen, die beeinflussen, welche Unterlagen Menschen erhalten. Damit wird der Plan zu einem Test der Rechenschaftspflicht und nicht bloß zu einem Projekt zur Modernisierung von Verwaltungsabläufen.

Das Ministerium führt bereits einen Anwendungsfall vor der Einführung zur Identifizierung und Schwärzung sensibler Inhalte auf. Customs and Border Protection nutzt zudem Software zur Dokumentenprüfung, die aus Entscheidungen von Prüfern lernen und Unterlagen nach Relevanz klassifizieren kann. Bürgerrechtsorganisationen warnen, dass solche Systeme bestehende Muster übermäßiger Schwärzungen reproduzieren und zugleich den Raum für sorgfältige menschliche Prüfung verkleinern könnten.

DHS verankert KI tiefer im FOIA-Workflow

Die entscheidende Veränderung besteht nicht darin, dass DHS Software nutzt, sondern darin, dass KI näher an folgenschwere Prüfentscheidungen rückt.

DHS verwendet seit Jahren elektronische Werkzeuge, um Anträge entgegenzunehmen, Fälle zu verwalten, Dateien auszutauschen, Dubletten zu entfernen und Unterlagen bereitzustellen. Diese Funktionen ersetzen manuelle Arbeitsschritte, ohne zwangsläufig darüber zu entscheiden, was die Öffentlichkeit sehen darf. Die neueren Anwendungsfälle greifen stärker in die Identifizierung und Schwärzung von Dokumenten ein.

Die jährliche FOIA-Berichterstattung des Ministeriums besagt, dass dessen Privacy Office weiterhin neue Technologien zur Bearbeitung von Anträgen entwickelt und einsetzt. DHS erwartet, im kommenden Jahr zusätzliche Automatisierungswerkzeuge einzuführen. Als Ziele nennt es eine höhere Effizienz und den Abbau wiederkehrender Verwaltungsarbeit.

Diese Beschreibung deckt ein breites Spektrum möglicher Funktionen ab. Ein automatisiertes System könnte Fallfelder ausfüllen, doppelte Dateien erkennen, gescannte Seiten in durchsuchbaren Text umwandeln oder Unterlagen an die zuständige Stelle weiterleiten. Jede dieser Funktionen kann Zeit sparen, ohne ein rechtliches Urteil zu ersetzen.

Die Frage, ob ein Dokument vom Antrag erfasst ist, ist sensibler. Eine relevante Unterlage fällt in den Suchumfang eines Antragstellers, auch wenn einige Informationen später zurückgehalten werden müssen. Klassifiziert ein System eine solche Unterlage fälschlich als irrelevant, erfährt der Antragsteller möglicherweise nie von ihrer Existenz.

Schwärzungen schaffen eine weitere Risikostufe. FOIA erlaubt Behörden, Informationen auf Grundlage bestimmter gesetzlicher Ausnahmen zurückzuhalten, darunter Schutzvorschriften zu nationaler Sicherheit, Strafverfolgung und persönlicher Privatsphäre. Die Anwendung dieser Ausnahmen erfordert häufig Kontext, juristische Auslegung und eine Einschätzung des vorhersehbaren Schadens.

DHS hat einen KI-Anwendungsfall identifiziert, der die Erkennung und Schwärzung sensiblen Materials vereinfachen soll. Laut seinem öffentlichen Verzeichnis stufte das Ministerium die geplante Nutzung nicht als hochwirksam ein. Diese Einstufung ist relevant, weil Systeme mit hoher Wirkung unter der föderalen KI-Politik strengeren Erwartungen an das Risikomanagement unterliegen.

Das Verzeichnis beschreibt das System als in der Vorbereitungsphase vor der Einführung. Das bedeutet, dass die öffentliche Dokumentation bislang nicht belegt, wie umfassend DHS es einsetzen wird, welche Komponenten beteiligt sein werden oder welchen Anteil seiner Vorschläge Beschäftigte übernehmen werden.

Ein separates Werkzeug gehört bereits zum Gesamtbild. DHS führt RelativityOne als kommerzielles KI-System für Wissensabruf auf. Eine Datenschutzanalyse von Customs and Border Protection beschreibt seine Rolle konkreter, einschließlich der Unterstützung bei zeitnahen Antworten auf FOIA-Anträge.

Innerhalb der FOIA-Abteilung von CBP kann die Plattform aus Entscheidungen von Prüfern lernen und Dokumente als relevant oder irrelevant markieren. Diese Technik wird üblicherweise als technologiegestützte Prüfung bezeichnet: Software nutzt von Menschen gekennzeichnete Beispiele, um eine größere Sammlung zu priorisieren oder zu klassifizieren.

Technologiegestützte Prüfung bedeutet nicht immer autonome Entscheidungen über die Veröffentlichung. Prüfer können Vorhersagen nutzen, um Dokumente zu sortieren, wahrscheinliche Dubletten zu erkennen oder ihre Aufmerksamkeit auf unsichere Klassifizierungen zu richten. Die öffentlichen Unterlagen lassen wichtige Details offen, darunter, wann Beschäftigte eine Markierung überprüfen müssen und wie DHS Fehler misst.

Diese Lücke erzeugt die zentrale Spannung. DHS präsentiert KI als Unterstützung für überlastete Beschäftigte, doch einige dokumentierte Fähigkeiten können beeinflussen, welche Unterlagen diese Beschäftigten überhaupt erreichen. Effizienz beruht auf weniger manuellen Schritten. Rechenschaftspflicht beruht darauf, zu wissen, welche Schritte nicht sicher entfallen können.

Die Antragszahlen erklären, warum DHS automatisiert

DHS steht vor einem Arbeitsvolumen, das Automatisierung attraktiv macht, noch bevor Personaldruck in die Rechnung einfließt.

Das Ministerium begann das Haushaltsjahr 2025 mit 221.068 offenen FOIA-Anträgen. Anschließend gingen mehr als 1 Million neue Anträge ein, während nahezu dieselbe Menge bearbeitet wurde. Dennoch beendete DHS das Jahr mit 245.572 offenen Anträgen – ein Anstieg um 24.504 im Jahresverlauf.

Ein offener Antrag und ein formeller Rückstand sind nicht identisch. Ein Antrag gilt als rückständig, wenn er über die geltende gesetzliche Antwortfrist hinaus ungelöst bleibt. DHS erklärt, sein Rückstand habe 16 Prozent der eingegangenen Anträge ausgemacht, obwohl der gesamte Bestand offener Anträge 245.000 überstieg.

Die Unterscheidung ist hilfreich, macht die operative Herausforderung jedoch nicht klein. Jeder offene Fall erfordert weiterhin Nachverfolgung, Kommunikation, Suche, Prüfung oder Bereitstellung. Komplexe Anträge können große E-Mail-Sammlungen, Einwanderungsakten, Unterlagen der Strafverfolgung, Videos oder Material aus mehreren Bereichen umfassen.

DHS trägt seit Langem einen ungewöhnlich großen Anteil der föderalen FOIA-Arbeitslast. Zu seinen Behörden gehören Customs and Border Protection, Immigration and Customs Enforcement, die Federal Emergency Management Agency, die Transportation Security Administration und U.S. Citizenship and Immigration Services.

Mehrere dieser Bereiche verwalten Unterlagen, die Menschen aus unmittelbaren persönlichen oder rechtlichen Gründen benötigen. Einwanderungsanträge können die amtliche Akte einer Person betreffen. Anträge mit Bezug zu Katastrophen können staatliche Entscheidungen nach einem Notfall betreffen. Journalisten und Organisationen zur Kontrolle staatlichen Handelns suchen nach Politikunterlagen, Verträgen, Kommunikation und Daten zur Durchsetzung.

Der Bedarf an Schnelligkeit geht daher über bloßen Komfort hinaus. Eine verzögerte Unterlage kann Gerichtsverfahren, Berichterstattung, Einwanderungsverfahren, historische Forschung oder die öffentliche Kontrolle einer laufenden Politik beeinflussen.

Veränderungen in der Bundesbelegschaft erhöhen den Druck. Laut den im ursprünglichen Bericht zitierten Daten verließen mehr als 600 Informationsspezialisten den Bundesdienst, nachdem die zweite Trump-Regierung begonnen hatte. Fast 100 dieser Abgänge entfielen auf DHS.

Die Kategorie der Informationsspezialisten umfasst viele Beschäftigte, die FOIA-Anträge bearbeiten. Abgänge führen nicht unmittelbar zu einem gleich großen Rückgang der FOIA-Kapazität, da die Aufgaben variieren. Dennoch zeigen die Daten zur Bundesbelegschaft einen breiteren Rückgang, der Behörden trifft, die bereits mit wachsenden Unterlagenbeständen konfrontiert waren.

Weniger erfahrene Prüfer schaffen einen schwierigen Kreislauf. Den verbleibenden Beschäftigten werden mehr Fälle zugewiesen, Führungskräfte suchen nach schnelleren Werkzeugen, und Prüfer haben weniger Zeit, automatisierte Ergebnisse zu kontrollieren. Die Technologie, die Entlastung schaffen soll, kann dadurch schwieriger korrekt zu beaufsichtigen sein.

DHS ist mit diesem Wandel nicht allein. Das Office of Government Information Services des National Archives berichtete, dass 18,6 Prozent der antwortenden Behörden KI oder maschinelles Lernen bei der FOIA-Bearbeitung einsetzten. Das zeigt, dass die Einführung bereits läuft, obwohl die meisten Behörden weiterhin nicht über den Einsatz solcher Werkzeuge berichtet hatten.

Andere Ministerien prüfen ähnliche Funktionen. Das Department of Health and Human Services hat Arbeiten mit automatisierten Workflow-Funktionen, Plattformen zur Dokumentensuche und einem KI-Proof-of-Concept beschrieben. Auch Verteidigungsbeamte haben agentische, generative und prädiktive KI für FOIA-Abläufe untersucht.

Dies entwickelt sich zu einer regierungsweiten Reaktion auf steigende Nachfrage und begrenzte Personalkapazitäten. DHS sticht wegen seines Volumens, seiner sensiblen Unterlagen und seiner Durchsetzungsaufgaben hervor. Ein Fehler in diesem Umfeld kann sowohl einzelne Antragsteller als auch die breitere öffentliche Kontrolle betreffen.

Der zentrale Zielkonflikt lautet Geschwindigkeit gegen überprüfbares Urteil

KI kann die Recherche beschleunigen, verfügt aber nicht über das rechtliche Urteilsvermögen, das FOIA-Entscheidungen erfordern.

Für einige Aufgaben spricht vergleichsweise eindeutig vieles für Automatisierung. Optische Zeichenerkennung kann gescannte Seiten in durchsuchbaren Text umwandeln. Die Erkennung von Dubletten kann verhindern, dass Prüfer denselben E-Mail-Verlauf wiederholt lesen. Spracherkennung und Dateikonvertierung können Unterlagen für die Prüfung vorbereiten.

Auch Suchunterstützung kann Beschäftigten helfen, Unterlagen zu finden, die eine enge Stichwortsuche übersehen könnte. Systeme für maschinelles Lernen können verwandte Konzepte erkennen, wahrscheinlich relevante Dokumente priorisieren und ähnliches Material gruppieren. Diese Fähigkeiten sind wertvoll, wenn ein Fall Tausende Dateien umfasst.

Cody Venzke, Senior Staff Attorney bei der American Civil Liberties Union, erkannte dieses Potenzial in der ursprünglichen Berichterstattung an. Er sagte, KI könne die Dokumentensuche beschleunigen und das Risiko verringern, dass umfangreiche Anträge relevante Unterlagen übersehen.

Seine Warnung betrifft den nächsten Schritt. Eine Schwärzung ist nicht bloß eine Aufgabe zum Abgleichen von Mustern. Prüfer müssen eine gesetzliche Ausnahme identifizieren, sie auf das konkrete Material anwenden und berücksichtigen, ob eine Offenlegung vorhersehbaren Schaden verursachen würde.

Der Kontext verändert die Antwort. Ein Name könnte in einer Unterlage geschützt werden müssen, in einer anderen jedoch bereits öffentlich sein. Eine Passage über interne Beratungen könnte abtrennbare Sachinformationen enthalten, die dennoch veröffentlicht werden sollten. Eine Ermittlungstechnik könnte zu einem Zeitpunkt sensibel und später weithin bekannt sein.

Modelle können auf Grundlage früherer Beispiele Kennzeichnungen vergeben, doch frühere Kennzeichnungen sind nicht zwangsläufig korrekt. Behördenantworten spiegeln juristische Auslegungen, Risikopräferenzen, Prozessgeschichte und Gewohnheiten von Prüfern wider. Das Training auf solchen Antworten kann dieselben Tendenzen in größerem Maßstab reproduzieren.

Dieses Problem ist besonders wichtig, weil Behörden häufig vorgeworfen wird, Unterlagen übermäßig zu schwärzen. Ein übervorsichtiger menschlicher Prüfer kann in einem Fall zu viele Informationen verbergen. Ein auf Tausenden vorsichtigen Entscheidungen trainiertes System kann dieses Verhalten auf Tausende Fälle anwenden.

Abigail Kunkler, Law Fellow beim Electronic Privacy Information Center, argumentierte, dass auf bestehenden Antworten trainierte Automatisierung bestehende Schwärzungsmuster widerspiegeln würde. Ihre Sorge ist nicht lediglich, dass ein KI-Modell gelegentlich versagt. Sie besteht darin, dass das System eine institutionelle Präferenz für das Zurückhalten von Informationen standardisiert.

Auch der gegenteilige Fehler ist relevant. Ein Modell könnte personenbezogene Daten, Sicherheitsinformationen oder rechtlich geschützte Details nicht erkennen. Das kann Personen gefährden oder Ermittlungen schaden. Behörden haben daher einen nachvollziehbaren Grund, Systeme auf Vorsicht auszurichten.

Eine auf Vorsicht ausgerichtete Abstimmung verschiebt Fehler jedoch hin zur Nichtoffenlegung. Antragsteller können kaum erkennen, wenn ein Klassifikator einen Datensatz bereits vor der Überprüfung ausgeschlossen hat. Sie können sichtbare Schwärzungen anfechten, aber kein Dokument, das sie nie erhalten haben oder dessen Existenz ihnen nicht bekannt war.

Diese Asymmetrie macht die Klassifizierung der Relevanz besonders folgenreich. Ein falsch positives Ergebnis schickt einem Prüfer ein irrelevantes Dokument und kostet Zeit. Ein falsch negatives Ergebnis kann einen relevanten Datensatz unbemerkt aus dem Verfahren entfernen.

DHS benötigt Bewertungskennzahlen, die diesen Unterschied abbilden. Ein einzelner Genauigkeitswert kann schädliche Fehlermuster verdecken. Das Ministerium sollte übersehene relevante Datensätze, unnötige Prüfungen, fehlerhafte Schwärzungsvorschläge und offengelegte sensible Informationen getrennt erfassen.

Auch die Tests benötigen realistische Daten. Ein System, das mit sauberen Beispieldokumenten bewertet wird, kann bei gescannten Seiten, handschriftlichen Notizen, E-Mail-Verläufen, Anhängen, Audiotranskripten oder mehrsprachigen Unterlagen anders abschneiden. DHS verarbeitet all diese Formate in seinen einzelnen Bereichen.

Der sinnvollste Einsatz von KI würde das System in einer unterstützenden Rolle halten. Es könnte Dokumente priorisieren, Schwärzungen vorschlagen und erläutern, welche Muster eine Empfehlung ausgelöst haben. Ein geschulter Mitarbeiter würde die Relevanz des Datensatzes bestätigen und die endgültige Entscheidung über die Zurückhaltung treffen.

Diese Struktur bewahrt menschliche Entscheidungsbefugnis, jedoch nur, wenn die Prüfung substanziell ist. Die bloße Pflicht, dass ein Mitarbeiter auf eine Genehmigungsschaltfläche klickt, schafft keine sinnvolle Aufsicht. Prüfer benötigen ausreichend Zeit, Schulung und Systeminformationen, um die Empfehlung hinterfragen zu können.

DHS Hat Seine Schutzvorkehrungen Nicht Ausreichend Erläutert

Das öffentliche Verzeichnis benennt KI-Funktionen, liefert jedoch nicht genügend Belege, um ihre Kontrollen bewerten zu können.

DHS stufte seinen geplanten Anwendungsfall zur Identifizierung und Schwärzung sensibler Inhalte als nicht hochwirksam ein. Diese Entscheidung begrenzt die mit dem System verbundenen Anforderungen an das Risikomanagement. Öffentliche Informationen erklären jedoch nicht vollständig, warum der Anwendungsfall diese Einstufung erhielt.

Hier sind die Definitionen der Bundespolitik relevant. Ein System kann den Zugang zu Regierungsinformationen beeinflussen, ohne über Leistungen, Polizeiarbeit oder persönliche Freiheit zu entscheiden. Diese engere Rolle könnte es außerhalb formaler Kategorien mit hoher Wirkung einordnen.

Dennoch bedeutet eine niedrige formale Einstufung kein geringes Risiko für die öffentliche Rechenschaftspflicht. FOIA ist einer der wichtigsten rechtlichen Mechanismen zur Prüfung von Exekutivbehörden. Ein Werkzeug, das Suchen oder Schwärzungen verändert, kann beeinflussen, was Journalisten, Prozessparteien, Forschende und Bürger über staatliche Aktivitäten erfahren.

Die Diskrepanz zwischen den DHS-Beschreibungen verdient Aufmerksamkeit. Das allgemeine kommerzielle Verzeichnis kategorisiert RelativityOne als Wissensabrufsystem. Die Datenschutzanalyse von CBP beschreibt eine Funktion, die aus den Entscheidungen von Prüfern lernt und Dokumente eigenständig nach Relevanz markiert.

Beide Beschreibungen können technisch zutreffend sein. Wissensabruf umfasst das Auffinden und Klassifizieren von Dokumenten. Die allgemeinere Bezeichnung vermittelt jedoch nicht die Bedeutung, die es hat, einen Datensatz von der weiteren Prüfung auszuschließen.

Patrick Eddington, Senior Fellow am Cato Institute, argumentierte, dass dieser Unterschied genau die Fähigkeit verschleiert, die eine genauere Prüfung am ehesten rechtfertigen würde. Seine Kritik weist auf ein Problem beim Design des Verzeichnisses hin: Eine allgemeine Kategorie kann Offenlegungspflichten erfüllen, ohne die operative Entscheidung zu erklären.

DHS sollte veröffentlichen, welche Rolle jedes Werkzeug in jeder Phase spielt. Die Beschreibung sollte zwischen Suche, Priorisierung, Relevanzklassifizierung, Schwärzungsempfehlung, endgültiger Genehmigung und Qualitätssicherung unterscheiden. Diese Funktionen unter dem Begriff „Verarbeitung“ zusammenzufassen, verhindert eine aussagekräftige Bewertung.

Das Ministerium sollte außerdem die Schwelle für die menschliche Überprüfung erläutern. Wird jede Markierung als irrelevant verifiziert oder nur eine Stichprobe? Kann die Software ein geschwärztes Dokument ohne zeilenweise Genehmigung freigeben? Was geschieht, wenn das Modell eine geringe Zuversicht angibt?

Prüfprotokolle sind ein weiterer fehlender Baustein. Ein vertretbares System sollte die Modellversion, die Eingabedatenmenge, Klassifizierungen, Änderungen durch Prüfer und das Endergebnis bewahren. Diese Aufzeichnungen würden DHS helfen, Fehler zu untersuchen und auf Verwaltungsbeschwerden oder Gerichtsverfahren zu reagieren.

Beschwerdeverfahren müssen automatisierte Unterstützung berücksichtigen. Ein Antragsteller, der eine unzureichende Suche anficht, muss wissen, ob die Behörde maschinelles Lernen eingesetzt hat. Gerichte, die die Angemessenheit dieser Suche prüfen, benötigen Belege dafür, wie das System konfiguriert und beaufsichtigt wurde.

Die Beschaffung schafft zusätzliche Unsicherheit. DHS veröffentlichte eine Absichtserklärung, Deloitte einen Vertrag über maßgeschneiderte FOIA-Software mit KI-Funktionen zu vergeben. Eine Absichtserklärung signalisiert den geplanten Beschaffungsweg des Ministeriums, nicht den Nachweis einer abgeschlossenen Einführung oder gemessenen Leistung.

Die geplante Software folgt auf eine bundesweite FOIA-Technologiepräsentation mit fast 40 Anbietern. Laut der Zusammenfassung der Veranstaltung hoben nahezu 85 Prozent KI-Funktionen hervor. Dazu gehörten Audiomaskierung, Schwärzung, Relevanzprüfung, Feldbefüllung und öffentlich zugängliche Chatbots.

Das Interesse der Anbieter zeigt, dass DHS Optionen haben wird. Es zeigt nicht, dass diese Werkzeuge einen gemeinsamen Standard für Genauigkeit, Sicherheit oder Erklärbarkeit erfüllen. Produktdemonstrationen bilden die Dokumentqualität und rechtliche Mehrdeutigkeit umstrittener Anträge selten nach.

Vertragsbedingungen können Schutzvorkehrungen zu durchsetzbaren Anforderungen machen. DHS kann Tests mit repräsentativen Unterlagen, die Offenlegung von Modelländerungen, Meldungen von Vorfällen, die Aufbewahrung von Prüfprotokollen, Barrierefreiheit und Beschränkungen der Sekundärnutzung von Regierungsdaten verlangen.

Das Ministerium kann zudem vor einer breiteren Einführung eine unabhängige Bewertung verlangen. Die Tests sollten Fachleute für Bürgerrechte, erfahrene FOIA-Fachkräfte, Aktenverantwortliche, Sicherheitspersonal und Vertreter häufiger Antragsteller einbeziehen.

Ohne diese Details muss die Öffentlichkeit Schutzvorkehrungen aus kurzen Verzeichnisbeschreibungen und Beschaffungsbekanntmachungen ableiten. Das reicht für Systeme nicht aus, die ein Transparenzgesetz unterstützen sollen.

KI-gestützte FOIA-Schwärzungen Benötigen Messbare Menschliche Aufsicht

Menschliche Überprüfung wird erst glaubwürdig, wenn DHS misst, ob Menschen die Fehler des Systems erkennen.

Behörden reagieren auf KI-Bedenken häufig mit dem Hinweis, dass ein Mensch weiterhin eingebunden bleibe. Die Formulierung klingt beruhigend, beschreibt jedoch viele unterschiedliche Betriebsmodelle. Ein Prüfer könnte jedes Dokument untersuchen, eine kleine Stichprobe prüfen oder nur eingreifen, wenn das System Unsicherheit markiert.

DHS sollte das Prüfmodell für jede Funktion definieren. Administrative Automatisierung kann mit routinemäßigen Qualitätskontrollen arbeiten. Die Relevanzklassifizierung benötigt eine stärkere Validierung, weil falsch negative Ergebnisse Datensätze verbergen können. Schwärzungsvorschläge erfordern vor der Veröffentlichung eine rechtliche Prüfung.

Stichproben können die Qualitätssicherung unterstützen, doch die Stichprobe muss das Risiko widerspiegeln. Zufallsprüfungen können seltene Dokumente mit wichtigen relevanten Inhalten übersehen. DHS sollte Vorhersagen mit geringer Zuversicht, ungewöhnliche Formate, sensible Themen und Fälle von breitem öffentlichem Interesse überproportional prüfen.

Die Behörde benötigt außerdem einen Ausgangswert. Sie kann keine Verbesserung nachweisen, ohne die unterstützte Prüfung mit etablierten menschlichen Verfahren zu vergleichen. Zu den Kennzahlen sollten Bearbeitungszeit, Arbeitsbelastung der Prüfer, übersehene Datensätze, aufgehobene Schwärzungen, Beschwerdeergebnisse und gerichtliche Feststellungen gehören.

Allein die Geschwindigkeit würde ein irreführendes Ergebnis liefern. Ein System, das Fälle schneller abschließt, indem es mehr Dokumente ausschließt, könnte effizient erscheinen und zugleich die Offenlegung verringern. DHS benötigt gekoppelte Kennzahlen, die sowohl Rechtzeitigkeit als auch Vollständigkeit zeigen.

Die Genauigkeit von Schwärzungen erfordert mehr als das Zählen schwarzer Kästen auf einer Seite. Das Ministerium sollte prüfen, ob jede Zurückhaltung auf einer gültigen Ausnahme beruht, ob nicht ausgenommene Informationen angemessen getrennt wurden und ob die Behörde den Standard des vorhersehbaren Schadens angewandt hat.

Auch das Verhalten der Prüfer sollte gemessen werden. Automatisierungsbias entsteht, wenn Menschen dem Vorschlag eines Systems übermäßiges Gewicht beimessen. Er kann zunehmen, wenn Prüfer hoher Arbeitsbelastung ausgesetzt sind oder annehmen, dass die Software die schwierige Analyse bereits abgeschlossen hat.

Das Interface-Design kann dieses Risiko verringern. Ein System sollte unterstützenden Text und Zuversichtsinformationen anzeigen, ohne seine Antwort als endgültig darzustellen. Prüfer sollten festhalten, warum sie sensible Empfehlungen akzeptiert oder abgelehnt haben.

Schulung ist ebenso wichtig. Mitarbeiter müssen verstehen, was das Modell bewertet, wo es schlecht abschneidet und wie Änderungen im Ausgangsmaterial die Ergebnisse beeinflussen. Rechtliche Schulung allein erklärt keine Fehlermuster des maschinellen Lernens.

DHS lud 2024 etwa 500 Mitarbeiter seiner FOIA-Bearbeitungszentren zu einem virtuellen Schulungsprogramm ein. Die Sitzungen umfassten Diskussionen über KI und maschinelles Lernen in der FOIA-Bearbeitung. Das ist ein nützlicher Ausgangspunkt, doch die Einführung erfordert fortlaufende, werkzeugspezifische Vorbereitung.

Unabhängige Aufsicht kann prüfen, ob die Kontrollen unter operativem Druck bestehen bleiben. Generalinspektoren, der FOIA-Ombudsmann des National Archives, Kongressausschüsse und Gerichte haben jeweils unterschiedliche Rollen bei der Bewertung behördlicher Transparenz.

Auch Antragsteller liefern Belege. Muster fehlender Datensätze, inkonsistenter Schwärzungen oder ungewöhnlich enger Suchen können Probleme aufdecken, die aggregierte Leistungsdaten übersehen. DHS benötigt ein Verfahren, um diese Beschwerden mit der Systembewertung zu verknüpfen.

Das Ministerium sollte wesentliche Vorfälle offenlegen. Wenn ein Modell relevante Datensätze auslässt oder geschützte Informationen offenlegt, sollte DHS Umfang, Korrektur und präventive Änderungen dokumentieren. Die stille Korrektur eines einzelnen Antrags würde das zugrunde liegende Risiko bestehen lassen.

Öffentliche Berichterstattung erfordert weder die Veröffentlichung sensibler Datensätze noch proprietären Codes. DHS kann Testmethoden, aggregierte Ergebnisse, Prüfanforderungen und Fehlerkategorien veröffentlichen. Diese Offenlegungen würden Außenstehenden ermöglichen, die Governance zu bewerten, ohne operative Geheimnisse preiszugeben.

Die weitergehende Lehre gilt über FOIA hinaus. Eine Behörde kann weniger qualifizierte Mitarbeiter nicht einfach dadurch ausgleichen, dass sie nach der Automatisierung einen Genehmigungsschritt einfügt. Sinnvolle Aufsicht erfordert Menschen mit Zeit, Befugnis, Schulung und Belegen.

Drei Signale Werden Zeigen, Ob der Plan Den Zugang Verbessert

Der nächste Test besteht darin, ob DHS operative Belege veröffentlicht, nicht darin, ob es zusätzliche KI-Werkzeuge ankündigt.

Das erste Signal ist ein detaillierteres KI-Verzeichnis. DHS sollte benennen, welche Komponenten jedes System einsetzen, welche Bearbeitungsphasen automatisiert werden und welche Entscheidungen eine menschliche Bestätigung erfordern. Es sollte außerdem die Grundlage seiner Wirkungsklassifizierungen erläutern.

Klarere Offenlegungen würden das Effizienzargument des Ministeriums stärken. Sie würden zeigen, dass DHS risikoarme Verwaltungsaufgaben von Entscheidungen getrennt hat, die den Zugang zu Datensätzen betreffen. Eine weitere allgemeine Beschreibung von „Wissensabruf“ würde das Vertrauen schwächen.

Das zweite Signal ist die Struktur der Deloitte-Beschaffung und jedes daraus resultierenden Einzelauftrags. Die Beschaffungsbekanntmachung sollte zu Anforderungen führen, die Genauigkeitstests, Prüfpfade, menschliche Überprüfung, Modelländerungen, Datenschutz und Vorfallmeldungen abdecken.

Ein Vertrag mit messbaren Kontrollen würde öffentliche Zusagen in Verpflichtungen für Anbieter überführen. Ein Vertrag, der sich vor allem auf Durchsatz und Einführungsgeschwindigkeit konzentriert, würde das Risiko auf FOIA-Mitarbeiter und Antragsteller verlagern.

Das dritte Signal ist die Leistung im kommenden Berichtszeitraum. DHS sollte offenlegen, ob der ausstehende Bestand von 245.572 sinkt, während die Bearbeitungsqualität stabil bleibt. Aufhebungen in Beschwerdeverfahren, gerichtliche Feststellungen und begründete Beschwerden über Suchen können wichtige Gegengewichte zu Abschlusszahlen liefern.

Ein kleinerer Rückstau würde die Position von DHS nur stützen, wenn die Automatisierung den Zugang verbessert. Schnellere Antworten mit umfassenderen Schwärzungen oder fehlenden Datensätzen würden administrativen Fortschritt ohne stärkere Transparenz bedeuten.

Auch die Öffentlichkeit sollte die Personalentwicklung im Blick behalten. Der Bericht des FOIA-Ombudsmanns zeigt, dass sich die Einführung von KI in Behörden ausbreitet. Er belegt jedoch nicht, dass Software erfahrene Fachkräfte für die Aktenverwaltung ersetzen kann.

Sollten spezialisierte Mitarbeitende weiterhin ausscheiden, könnte es dem DHS schwerfallen, die Prüfung zu leisten, von der seine Schutzvorkehrungen ausgehen. Hält das Ministerium qualifizierte Teams vor und nutzt Automatisierung zur Vorbereitung und Priorisierung, haben die Werkzeuge bessere Chancen, repetitive Arbeit sicher zu verringern.

Das glaubwürdigste Ergebnis wäre kein vollständig automatisiertes FOIA-Büro. Es wäre ein System, das mehr relevante Unterlagen findet, routinemäßige Bearbeitungsschritte eliminiert und Beschäftigten mehr Zeit für rechtliche Analysen gibt. Das DHS würde dann genügend Belege veröffentlichen, damit Außenstehende dieses Ergebnis überprüfen können.

Gerade weil die Technologie innerhalb eines Transparenzverfahrens eingesetzt wird, verdient die FOIA-Automatisierung genaue Prüfung. Ein verborgener Fehler kann darüber entscheiden, welche staatlichen Maßnahmen verborgen bleiben. Damit ist Prüfbarkeit eine Kernfunktion und keine optionale Compliance-Schicht.

Das DHS hat nun die Gelegenheit, ein praktikables Modell für KI-gestützte Verfahren zur Bearbeitung öffentlicher Unterlagen zu etablieren. Das Ministerium sollte menschliche Entscheidungsbefugnisse definieren, realistische Fehlermodi testen und Ergebnisse über reine Geschwindigkeitswerte hinaus berichten.

Antragstellende, Journalistinnen und Journalisten sowie Aufsichtsgruppen sollten mit fortschreitender Einführung drei Fragen stellen: Welche Entscheidungen beeinflusst die KI, wer überprüft diese Entscheidungen, und welche Belege zeigen, dass die Kontrollen funktionieren? Die Antworten werden darüber entscheiden, ob das DHS Verzögerungen reduziert oder lediglich das Zurückhalten automatisiert.