Offene Beteiligungsbeiträge mit KI auswerten

Die Beteiligung einzuholen ist die leichtere Hälfte. Die schwierige Hälfte beginnt, wenn die Frist abläuft: Hunderte oder Tausende offener Stellungnahmen, die jemand lesen, sortieren und in belastbare Ergebnisse für den Auftraggeber überführen muss. Genau in diesem Auswertungsschritt verlieren Beteiligungsprojekte still ihre Tage, wird die Auswertung zum Engpass zwischen Verfahren und Lieferobjekt, und fängt ein erschöpftes Team an, Stimmung zusammenzufassen statt Belege. Dieser Beitrag zeigt, warum die Auswertung offener Beiträge von Hand so teuer ist, was eine prüffähige Auswertung leisten muss und wie KI die Ökonomie verändert, ohne dem Büro die fachliche Abwägung abzunehmen.

Warum offene Beiträge der teure Teil der Beteiligung sind

Strukturierte Fragen – Bewertungen, Auswahlfelder, Kartenmarkierungen – werten sich mehr oder weniger von selbst aus. Freitext nicht. In den offenen Beiträgen sagen die Bürgerinnen und Bürger in eigenen Worten, was ihnen wirklich wichtig ist – das macht sie wertvoll und zugleich langsam in der Auswertung. Eine Person muss jeden Beitrag lesen, einordnen, mit ähnlichen bündeln und dieses Schema über den gesamten Datensatz konsistent halten. Der Aufwand wächst linear mit der Menge: doppelt so viele Beiträge, doppelt so viel Lesearbeit.

Daraus entsteht eine vertraute Klemme. Der Beteiligungszeitraum läuft auf einem festen Kalender, der Bericht ist kurz nach dessen Ende fällig, und die Auswertung muss in die schmale Lücke dazwischen passen. Bei hohem Aufkommen verschieben Teams entweder den Termin, werfen mehr Personen auf die Lesearbeit oder senken still die Tiefe der Auswertung. Keine dieser Optionen ist gut, wenn der Auftraggeber für Erkenntnisse zahlt und nicht für eine Wortzahl.

Was eine prüffähige Auswertung leisten muss

Beiträge zu ehrlichen Themen bündeln

Der Kern der Arbeit besteht darin, viele Einzelbeiträge in eine kleinere Menge von Themen zu überführen, die wirklich abbilden, was gesagt wurde – nicht eine Handvoll herausgepickter Zitate und keine Kategorien, die auf ein gewünschtes Ergebnis zugeschnitten sind. Die Bündelung muss über den gesamten Datensatz konsistent sein, damit dasselbe Anliegen überall gleich gezählt wird.

Bis zur Quelle nachvollziehbar bleiben

Ein Thema ist nur glaubwürdig, wenn sich die dahinterliegenden Beiträge zeigen lassen. Wenn der Auftraggeber oder ein Gremium fragt, was wirklich unter „Sorgen wegen des Verkehrs“ steckt, sollte die Auswertung die tatsächlichen Stellungnahmen sichtbar machen können – statt alle zu bitten, der Zusammenfassung zu vertrauen. Diese Nachvollziehbarkeit trennt Auswertung von Behauptung und ist die Grundlage einer sauberen Abwägung.

Der Prüfung standhalten

Beteiligungsergebnisse fließen oft in eine umstrittene Entscheidung ein und werden Teil der Verfahrensdokumentation – bei der formellen Beteiligung nach § 3 BauGB ebenso wie bei freiwilligen Verfahren. Das heißt: Die Auswertung muss belastbar sein – reproduzierbar, ausgewogen und frei vom Eindruck, das Büro habe gehört, was es hören wollte. Eine Methode, die jede und jeder vom Beitrag über das Thema bis zum Ergebnis nachvollziehen kann, ist weit stärker als eine, die nur im Kopf einer einzelnen Person existiert.

Wie KI die Ökonomie verändert – ohne die Planerin zu ersetzen

KI ist hier nicht als Ersatz für die Fachperson zu denken, sondern als Wegfall des linearen Leseaufwands. Die Maschine übernimmt den ersten Durchgang – jeden Beitrag lesen, Themen vorschlagen, Beiträge bündeln – sodass das Büro mit einer Struktur startet statt mit einem leeren Dokument. Die Beurteilung, was die Themen bedeuten, welche für diese Entscheidung zählen und wie sie für den Auftraggeber einzuordnen sind, bleibt genau dort, wo sie hingehört.

Auswertung läuft parallel zur Erhebung

Weil die KI-Auswertung von Senf nativ in der Plattform liegt, arbeitet sie an den Beiträgen, sobald sie eingehen – statt auf einen Export am Ende zu warten. Die Verfahrensleitung sieht Themen schon während des Beteiligungszeitraums entstehen, und aus der Auswertung wird ein laufender Eindruck davon, was die Öffentlichkeit sagt, statt eines Termins am Schluss.

Die fachliche Abwägung bleibt beim Büro

KI-vorgeschlagene Themen sind ein Ausgangspunkt, kein Urteil. Die Fachperson prüft die Bündelung, führt Themen zusammen oder trennt sie, sieht sich die dahinterliegenden Beiträge an und entscheidet, was die Ergebnisse sind. Die Plattform bewältigt die Menge; das Büro verantwortet Auslegung und Abwägung – genau den Teil, für den der Auftraggeber zahlt.

Der Bericht ist Nebenprodukt, kein eigenes Projekt

Wenn Beiträge, Themen und Quellbelege an einem Ort liegen, ist der auftraggeberfertige Bericht kein separates Zusammenbau-Projekt mehr. Die Struktur ist bereits da; das Lieferobjekt ist die Einordnung einer schon geleisteten Arbeit – statt Tage der Auswertung, die zwischen Beteiligungsfrist und fertigem Bericht stehen.

Wo Senf passt

Senf ist eine KI-native Plattform für Bürgerbeteiligung, gebaut für private Planungs-, Gestaltungs- und Ingenieurbüros. Die Auswertungsebene ist kein Aufsatz: kartenbasierte und offene Beiträge, native KI-Themenanalyse und auftraggeberfertige Berichte liegen in derselben Plattform – der Weg vom Bürgerbeitrag bis zum fertigen Bericht ist durchgängig. Ziel ist nicht, die fachliche Abwägung zu automatisieren, sondern ihr einen Vorsprung zu geben und den linearen Leseaufwand aus dem Terminplan zu nehmen.

Wenn Ihr Büro am Ende jedes Verfahrens Tage an die Auswertung offener Beiträge verliert, zeigt die Demo unten, wie die Auswertung an einem echten Datensatz aussieht.