Mehr Sicherheit im Amt: Wie das Bundesdruckerei-Projekt Möve Behörden-KI zähmt

Die Auswahl des passenden KI-Sprachmodells stellt die öffentliche Verwaltung vor Herausforderungen. Gängige internationale Ranglisten messen in der Regel vor allem das englische Textverständnis, mathematische Fähigkeiten oder allgemeines Weltwissen. Für den konkreten Einsatz in deutschen Behörden sind diese Kriterien aber oft nur bedingt aussagekräftig. Hier kommt es stattdessen auf den präzisen Umgang mit der deutschen Sprache, juristische Verlässlichkeit sowie strenge Sicherheits- und Nachhaltigkeitsaspekte an. Um diese Lücke zu schließen, hat die Bundesdruckerei das Forschungs- und Innovationsprojekt Möve ins Leben gerufen. Weiterlesen nach der Anzeige Der Name steht für „Modelle für die öffentliche Verwaltung evaluieren“. Es handelt sich dabei laut dem Unternehmen, an dem der Bund zu 100 Prozent beteiligt ist, um den ersten ganzheitlichen KI-Modellvergleich, der gezielt auf die spezifischen Anforderungen von Behörden und öffentlichen Einrichtungen zugeschnitten ist. Das nun publik gemachte Projekt läuft bereits seit 2025 und bietet eine systematische Vergleichsbasis für inzwischen über 50 Large Language Models (LLMs) wie GPT, Gemma, Llama, Claude, DeepSeek oder Mistral. Hauptziel der Initiative ist es, Licht in den unübersichtlichen Markt der kommerziellen und quelloffenen Sprachmodelle zu bringen. Behörden können damit detailliert einsehen, wie die verschiedenen Systeme in den Bereichen Leistungsfähigkeit, Sicherheit, Nachhaltigkeit, Transparenz und Vereinbarkeit mit demokratischen Werten abschneiden. Im Gesamtvergleich haben dabei aktuell Gemma4 und GPT-40 die Nase vorn. Mit Mistral Small 3.1 landet ein europäisches Modell gerade noch in den Top Ten. Der Geschäftsführer der Bundesdruckerei-Gruppe, Frederik Blachetta, unterstreicht, dass internationale Rankings allein für eine fundierte Modellauswahl nicht ausreichten. Letztlich sei entscheidend, wie verlässlich und wertekonform ein Modell im konkreten deutschen Rechts- und Sprachkontext agiert. Das Projekt Möve mache genau diese Faktoren messbar. Praxistest mit Daten aus dem Behördenalltag Technisch verbindet das Rahmenwerk eine rein leistungsorientierte Messung mit komplexen Regulierungsanforderungen. Die methodische Basis bilden neun eigens für diesen Zweck entwickelte, deutschsprachige Testdatensätze, die direkt aus der Verwaltungspraxis stammen. Dazu zählten dem Konzern zufolge etwa reale juristische Texte, offizielle Verwaltungsdokumente sowie Publikationen von Bundesministerien. Auf dieser Basis hat das Forschungsteam sieben Kernkriterien erarbeitet. Neben klassischen Leistungsmerkmalen wie dem präzisen Zusammenfassen langer Vorlagen, dem korrekten Beantworten von Fragen oder der thematischen Analyse über mehrere Dokumente hinweg, fließen nach offizieller Darstellung auch die Einhaltung der EU-Grundwerte in die Beurteilung ein. Ein Aspekt der automatisierten Bewertung ist die Überprüfung der Faktentreue. Das System soll systematisch analysieren, wie oft ein Sprachmodell zu Halluzinationen neigt, also plausible, aber sachlich völlig falsche Informationen generiert. Ferner werde untersucht, heißt es, wie effizient und ressourcenschonend die Modelle arbeiteten und inwiefern die Anbieter von Systemen mit allgemeinem Verwendungszweck die Transparenzpflichten der KI-Verordnung erfüllten. Die Ergebnisse flössen in einen interaktiven Online-Vergleich ein. Dort könnten Behörden einzelne Kriterien nach Bedarf filtern, um das für ihre Zwecke optimale Modell zu ermitteln. Weiterlesen nach der Anzeige Kooperation für verlässliche IT-Sicherheit Das Projekt soll kontinuierlich erweitert werden, vor allem im Bereich der IT-Sicherheit. Hier arbeitet die Bundesdruckerei eng mit dem Bundesamt für Sicherheit in der Informationstechnik (BSI) und dem Fraunhofer-Institut für Angewandte und Integrierte Sicherheit (AISEC) zusammen. Da leistungsstarke KI-Modelle zwar bei der Cyberabwehr helfen, aber ebenso für automatisierte Angriffe missbraucht werden können, hält die Bundesdruckerei eine frühzeitige Risikoanalyse für unerlässlich. Luise Kranich vom BSI verweist darauf, dass messbare Vergleichsstandards die Grundlage schüfen, damit Nutzer Sicherheitsentscheidungen nicht nur anhand eines Bauchgefühls treffen müssten. Um größtmögliche Transparenz zu gewährleisten, ist die gesamte Bewertungsmethodik von Möve als Open-Source-Repository frei verfügbar und in einem Forschungspapier dokumentiert. Alle Ergebnisse lassen sich zudem auf der eigens eingerichteten Möve-Webseite der Bundesdruckerei nachvollziehen. Diese schränkt aber auch ein: Alle „vorgenommenen Bewertungen und dargestellten Ergebnisse stellen keine rechtlich verbindliche Auslegung oder Prüfung“ auf Gesetzeskonformität dar.