Wissensbasierte Steuerung des lernenden Staates

Wie gemeinsames Wissen staatliches Handeln rationaler und demokratische Entscheidungen nachvollziehbarer machen kann.

In den bisherigen Beiträgen dieser Reihe ging es um die Grenzen des New Public Management, den Unterschied zwischen Daten und Wissen und die Frage, warum der Staat ein neues „Betriebssystem“ benötigen könnte. Dahinter steht eine zentrale Überlegung:

Wenn staatliche Steuerung stärker auf Wissen und Lernen beruhen soll, braucht der Staat eine gemeinsame Wissensbasis.

Der Staat verfügt über enorme Datenbestände. Sie entstehen in Registern, Haushalten, Statistiken und Fachverfahren. Doch diese Informationen folgen unterschiedlichen Zuständigkeiten, Begriffen und Datenstrukturen. Für einzelne Verwaltungsaufgaben funktioniert das. Für komplexe politische Entscheidungen wird es zum Problem.

Denn die Wirklichkeit hält sich nicht an Ressortgrenzen.

Eine bildungspolitische Entscheidung kann Auswirkungen auf Arbeitsmarkt, Sozialausgaben, Integration und regionale Entwicklung haben. Verkehrspolitik beeinflusst Wirtschaft, Wohnungsbau, Umwelt und kommunale Finanzen. Der Staat betrachtet diese Zusammenhänge jedoch häufig aus der Perspektive einzelner Zuständigkeiten.

Was fehlt, ist eine gemeinsame Beschreibung staatlicher Wirklichkeit.

Hier setzt die Idee eines semantischen Staatsmodells an. Es würde nicht einfach weitere Daten sammeln, sondern beschreiben, was Informationen bedeuten und wie sie miteinander zusammenhängen. Ressourcen könnten mit Maßnahmen, Maßnahmen mit politischen Zielen und diese wiederum mit beobachteten oder erwarteten Wirkungen verbunden werden.

Der Staat wüsste damit nicht mehr nur, was er tut und was es kostet, sondern könnte systematisch Wissen darüber aufbauen, welche Wirkungen sein Handeln entfaltet.

Das könnte staatliche Steuerung rationaler machen.

Rationalität bedeutet dabei nicht, Politik durch Algorithmen zu ersetzen. Demokratie lebt von unterschiedlichen Interessen, Wertvorstellungen und politischen Zielen. Ob beispielsweise soziale Gerechtigkeit, wirtschaftliches Wachstum, Klimaschutz oder Sicherheit stärker gewichtet werden, bleibt eine demokratische Entscheidung.

Wissensbasierte Steuerung könnte aber deutlicher zwischen politischen Zielen und überprüfbaren Annahmen über den Weg zu diesen Zielen unterscheiden.

Politische Maßnahmen sollten möglichst nicht deshalb fortgeführt werden, weil sie einer bestimmten ideologischen Vorstellung entsprechen oder einzelne Partialinteressen politisch besonders durchsetzungsfähig sind. Entscheidend sollte vielmehr sein, ob eine Maßnahme dem demokratisch gesetzten Ziel dient, welche Wirkungen sie tatsächlich entfaltet und welche neuen Erkenntnisse daraus entstehen.

Ein lernender Staat würde deshalb politische Entscheidungen immer wieder mit der beobachtbaren Wirklichkeit konfrontieren:

Was wollten wir erreichen?

Was haben wir tatsächlich erreicht?

Welche positiven und negativen Wirkungen sind entstanden?

Wer profitiert, wer wird belastet – und ist dies mit dem ursprünglichen politischen Ziel vereinbar?

Damit werden politische Interessen und Wertentscheidungen nicht abgeschafft. Sie gehören zur Demokratie. Aber sie werden transparenter von der Frage getrennt, ob eine bestimmte Maßnahme tatsächlich geeignet ist, ein politisch beschlossenes Ziel zu erreichen.

Politik bestimmt die Ziele – eine wissensbasierte Staatssteuerung schafft die Grundlage dafür, den Weg dorthin möglichst rational, nachvollziehbar und lernfähig zu gestalten. So könnte auch politischer Konsens leichter entstehen. Nicht weil unterschiedliche politische Überzeugungen verschwinden, sondern weil trotz unterschiedlicher Werte ein gemeinsames Verständnis von Ausgangslage, Zusammenhängen und möglichen Wirkungen entstehen kann.

Die grundlegende Trennung lautet daher:

Wissen beschreibt, was ist und welche Folgen unser Handeln wahrscheinlich hat. Politik entscheidet, was sein soll.

Ein lernender Staat verbindet beides, ohne es miteinander zu verwechseln. Maßnahmen werden mit erwarteten Wirkungen verbunden, ihre tatsächlichen Folgen beobachtet und neue Erkenntnisse wieder in zukünftige Entscheidungen integriert. Es entsteht ein kontinuierlicher Kreislauf aus Wissen, Entscheidung, Handlung, Wirkung und Lernen.

Künstliche Intelligenz könnte diesen Prozess erheblich unterstützen. Nicht indem sie politische Entscheidungen trifft, sondern indem sie Zusammenhänge analysiert, Muster erkennt, Widersprüche sichtbar macht und mögliche Wirkungen unterschiedlicher Handlungsoptionen untersucht.

Vielleicht liegt genau darin die nächste Entwicklungsstufe demokratischer Staatssteuerung:

Ein Staat, der nicht behauptet, immer die richtige Antwort zu kennen, sondern systematisch aus seinem eigenen Handeln lernt.