Die US-Bundesbehörden verwalten eine breite Palette von Bürgerleistungen, die Millionen von Amerikanern betreffen. Die Verwaltung von Bundesleistungen ist ein komplexes Zusammenspiel von Systemen, das mit einem modularen Rahmen und einem digitalen Zwilling approximiert werden kann. Anstatt sich auf einzelne Elemente der Leistungsverwaltung zu konzentrieren, versuchen wir, Schnittstellenprobleme zwischen den Elementen zu minimieren, indem wir den gesamten Vorgang mithilfe eines ganzheitlichen modularen Rahmens modellieren. Außerdem stellen wir eine diskrete Ereignissimulation des digitalen Zwillings des Leistungsverwaltungssystems vor, um zu messen, inwieweit neue Technologien der künstlichen Intelligenz (KI) die staatlichen Dienstleistungen verbessern.
Bundesbehörden, die für die Bewilligung von Gesundheits-, Lebensmittel-, Finanz- und anderen Leistungen zuständig sind, werden zunehmend aufgefordert, Dienstleistungen schneller und billiger mit weniger Ressourcen zu erbringen. Ineffizienzen in der Leistungsverwaltung können sich negativ auf schutzbedürftige Bürger auswirken, die auf zeitkritische Dienstleistungen angewiesen sind.
KI-Lösungen werden zunehmend eingesetzt, um diesen Anforderungen gerecht zu werden, und es wird immer wieder behauptet, dass sie der Verwaltung enorme Innovationen bringen. Die Modellierung des Leistungsverwaltungssystems als eine Sammlung unabhängiger Agenten ermöglicht es den Behörden, die Systeminteraktionen mit minimalem Geschäftsrisiko anzupassen und zu untersuchen.
Die diskrete Ereignissimulation wurde eingesetzt, um Wartezeiten zu verkürzen und den Kundenservice im Gesundheitswesen und anderen Bereichen des Bürgerservices zu verbessern. Ein modularer Rahmen auf makroskopischer Ebene mit einem System zur Beantragung von Sozialleistungen, einer Antragsannahme, einem Netzwerk von Entscheidungsträgern und Prozessen von Entscheidungsträgern wurde geschaffen, um die Abläufe in der Leistungsverwaltung zu simulieren. Neben der Entwicklung des Rahmens wurden auch die Auswirkungen der Einführung einer KI-Lösung mithilfe eines digitalen Zwillings quantifiziert.
Es wird ein modularer makroskopischer Rahmen für die Modellierung des Bundesleistungsverwaltungssystems vorgestellt. Der Rahmen und der digitale Zwilling können physische und virtuelle Systeme modellieren und die Interaktion von Menschen, Prozessen und KI-Technologie im Kontext der Leistungsverwaltung annähernd darstellen.
Der Rahmen umfasst ein Leistungsverwaltungssystem, die Antragsannahme, ein Netzwerk von Entscheidungsträgern, das aus Personen besteht, die den Leistungsanspruch bestimmen, und von der Behörde definierte Entscheidungsprozesse. Je nach dem Kontext der Behörde können auf jede Komponente maßgeschneiderte Variablen angewendet werden.
Die Abläufe in der Leistungsverwaltung können mit diskreten Ereignissimulationstools wie Simio simuliert werden. Der digitale Zwilling umfasst ein System zur Beantragung von Leistungen mit einfachen und komplexen Anträgen, die entweder an NoAI- oder an KI-Prozesse weitergeleitet werden, einen Pool von Entscheidungsträgern und eine Reihe von Prozessen, die zur Entscheidung über die Anspruchsberechtigung verwendet werden.
Der digitale Zwilling ist anpassungsfähig an Systemänderungen und bietet einen allgemeinen Ansatz zur Verbesserung der Effizienz, des Betriebs und des Kundendienstes.
Es wurde ein digitaler Zwilling simuliert, der das System für die Beantragung von Leistungen darstellt, und es wurden verschiedene Varianten analysiert. Einfache und komplexe Anträge gehen unabhängig voneinander ein und werden durch NoAI- oder KI-Prozesse an Entscheidungsträger weitergeleitet, bevor sie das System verlassen.
Der Durchsatz und die Effizienz der Bearbeitungszeit wurden gemessen und zeigten die Verbesserungen, die durch die Einführung von KI-Technologien erreicht wurden.
Simulationsmethoden ermöglichen es den Behörden, Was-wäre-wenn-Szenarien mithilfe eines digitalen Zwillings zu untersuchen. Durch die Störung des Modells können die Behörden nachvollziehen, wie sich Änderungen in einem Teil des Systems auf die Gesamtleistung auswirken, was Verbesserungen bei minimalem Betriebsrisiko ermöglicht.
Proceedings of the 2020 Winter Simulation Conference K.-H. Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder, und R. Thiesing, eds.
Accenture Federal Services
800 North Glebe Road
Arlington, VA 22203, USA