Yannik Blank, Masterstudent der Wirtschaftsinformatik an der Universität Rostock, hat am 20. November 2025 seine Masterarbeit zum Thema „Large-Language-Models als Werkzeuge der Verwaltungsmodernisierung – Automatisierte Prozesserhebung aus Gesetzestexten und textuellen Beschreibungen“ verteidigt.
Betreuer und Gutachter von der Universität Rostock waren Benjamin Nast und Kurt Sandkuhl.
Kurzfassung
Diese Arbeit untersucht das Potential von Large-Language-Models (LLMs) für die Verwaltungsmodernisierung und entwickelt einen methodischen Ansatz zur automatisierten Generierung von Business Process Model and Notation (BPMN)-Prozessmodellen aus Gesetzestexten und textuellen Beschreibungen, der am Rahmenwerk des Föderalen Informationsmanagements (FIM) ausgerichtet ist. Grundlage bildete eine systematische Literaturanalyse (SLA), die wesentliche Potentiale, Herausforderungen und Forschungslücken identifizierte. Darauf aufbauend erfolgte die prototypische Implementierung dreier Ansätze zur LLM-basierten Prozessmodellierung: Prompting mit ChatGPT, ein spezialisierter BPMN Chatbot sowie eine Python-basierte Code-Implementierung über die OpenAI-API. Diese Ansätze wurden anhand zweier exemplarischer Prozesse unterschiedlicher Komplexität aus der FIM-Prozessdokumentation des Datenverarbeitungszentrum Mecklenburg-Vorpommern GmbH (DVZ) erprobt und methodisch für eine Evaluation durch Fachexperten vorbereitet.
Die Ergebnisse zeigen, dass LLMs grundsätzlich in der Lage sind, rechtliche Handlungsgrundlagen zu analysieren und daraus Tätigkeitslisten sowie Prozessmodelle in BPMN-Notation abzuleiten. Ihre Eignung liegt dabei vor allem in der Erstellung erster Entwürfe, die anschließend fachlich validiert und nachbearbeitet werden müssen. Wesentliche Einflussfaktoren auf die Ergebnisqualität sind die Komplexität der zugrunde liegenden Prozesse sowie die Gestaltung des Prompt Engineerings. Die Arbeit bestätigt damit einerseits die in der Literatur skizzierten Potentiale von LLMs, verdeutlicht andererseits aber auch die bestehenden Grenzen, insbesondere in Bezug auf Vollständigkeit, Eindeutigkeit und die Abbildung komplexer Entscheidungsstrukturen.
Der Ausblick hebt hervor, dass künftige Forschung die Evaluationsergebnisse vertiefen, weitere Prozesse einbeziehen und insbesondere Ansätze zur Kombination von LLM mit Retrieval-Augmented Generation (RAG)-Methoden oder domänenspezifischem Training verfolgen sollte. Zudem besteht Bedarf an empirischen Studien im öffentlichen Sektor, einer systematischen Untersuchung von Prompt-Engineering-Strategien sowie an stärkerer Einbindung von Fachexperten. Die Arbeit leistet damit einen Beitrag zur Einordnung von LLMs als Werkzeuge der Verwaltungsmodernisierung und unterstreicht, dass ihr Nutzen wesentlich von der Verbindung technischer Automatisierung mit menschlicher Expertise abhängt.