Wie man 5.000 Änderungsanträge in 4 Tagen durcharbeitet

Manchmal laufen die Dinge nicht so, wie man es sich vorstellt. Während sich ein laufendes Gesetzgebungsverfahren im Europäischen Parlament der Ziellinie näherte, stellte eines der politischen Teams unseres Kunden fest, dass es keinerlei Einblick in die über 5.000 eingereichten Änderungsanträge hatte. Und offenbar galt das auch für die Branchenverbände. Zwar hatten sie ihre Lobbyaktivitäten bereits geplant, doch fehlten ihnen die Inhalte, um sich konkret einzubringen. Hier kam das Team Bernstein ins Spiel.
Wir wurden gebeten, die Tausenden von Änderungsanträgen innerhalb weniger Tage zu analysieren und diejenigen zu identifizieren, die für ihren Geschäftsfall sowohl positiv als auch negativ am kritischsten sind.
Wie uns die KI gerettet hat … oder auch nicht
It wEs wäre ein Beweis für die beeindruckende Leistungsfähigkeit der KI, wenn wir Ihnen erzählen könnten, wie wir ein großes Sprachmodell (wie ChatGPT) genutzt haben, um alle Änderungsanträge einzugeben, und daraufhin eine übersichtliche Analyse erhalten hätten, welche Änderungsanträge tatsächlich wichtig sind und warum. Leider nutzen wir KI zwar auf vielfältige Weise, aber in diesem Fall haben wir uns nicht wohl dabei gefühlt, sie einzusetzen. Die vorliegende Angelegenheit war komplex, technisch anspruchsvoll und es galt, Auswirkungen zweiter und sogar dritter Ordnung zu berücksichtigen. Die knappe Frist ließ zudem wenig Zeit für Experimente.
Was haben wir also getan? Wir haben die Fachexperten, die Prozessexperten und die Datenexperten zusammengebracht und ein Rahmenkonzept entwickelt, das es uns ermöglichte, jene Änderungsanträge zu identifizieren und zu priorisieren, die für unseren Kunden wichtig sind.
Den einfachen (Daten-)Weg wählen
Während das Datenteam schon darauf brannte, alle Änderungsanträge aus den Parlamentsdokumenten zu extrahieren, erinnerten wir uns daran, dass die netten Leute von Lobium tatsächlich einen Änderungsantrags-Analysator entwickelt hatten. Nach einem kurzen Telefonat waren wir uns sicher, dass ihr Datenprodukt uns einen Vorsprung verschaffen würde. Wir konnten nicht nur alle Änderungsanträge und die darin enthaltenen Duplikate in einem übersichtlichen, maschinenlesbaren Format erhalten, sondern auch die Plattform nutzen, um die Textmasse genauer zu durchforsten. Das war von unschätzbarem Wert, um ein Verständnis für die Änderungsanträge zu gewinnen, unser Analyse-Framework auszurichten und die Zusammenhänge zu erfassen. Für unsere eingehende Analyse beschlossen wir jedoch, die erforderlichen Daten zu exportieren.
Einfach halten – fast
Bei der Betrachtung der Artikel müssen wir zwei Dinge verstehen: Inhalt und Kontext. Der Inhalt bezieht sich auf den eigentlichen Text des Änderungsantrags und dessen Relevanz für den Kunden. Daten- und Fachexperten definierten Schlüsselwörter und Muster, die verschiedenen für uns relevanten Kategorien entsprechen. Mithilfe von Natursprachenverarbeitung analysierten wir die Änderungsanträge und kategorisierten sie auf einer einfachen Ordinalskala.
Zwar hat der Inhalt offensichtlich oberste Priorität, doch auch der Kontext spielt eine Rolle. Auch hier verwenden wir einfache Ordinalskalen, um den Kontext entlang mehrerer Dimensionen zu kategorisieren:
- Ort: Einige Artikel sind wichtiger als andere. Wir verwenden hier eine reduzierte Skala, da es hier eher um die Priorisierung beim Lesen als um das Filtern geht.
- Beteiligte: Zwar können alle Europaabgeordneten in den zuständigen Ausschüssen Änderungsanträge einreichen, doch haben Berichterstatter oder der federführende Ausschuss mehr Gewicht. Die Skalen spiegeln diese Bedeutung wider, indem sie konsolidierten Änderungsanträgen oder solchen, die von Berichterstattern eingebracht wurden, mehr Gewicht beimessen.
- Politik: Nicht alle Parteien sind im Engagementplan des Kunden gleich wichtig. Auch hier können wir diese Priorisierung mithilfe von Ordinalskalen abbilden.
Nach der Kategorisierung verwenden wir einen gewichteten Mittelwert, um die relative Relevanz zu messen. Das ist zwar keine „Datenmagie“, aber effektiv. Für die abschließende Filterung und Priorisierung verwenden wir eine kombinierte Gewichtung von Inhalt und Kontext. Aufgrund der Funktionsweise des Änderungsantragsverfahrens (Prozess-Expertise!) beschließen wir, dem Inhalt mehr Gewicht zu geben als dem Kontext – es ist nicht ungewöhnlich, dass sinnvolle Änderungsanträge erneut eingebracht werden, wenn der ursprüngliche Änderungsantrag aus politischen Gründen nicht „abstimmungsfähig“ ist.
Analyse dessen, worauf es ankommt
Am Ende erhalten wir eine Liste mit 1.039 Änderungsanträgen, was etwa 20 % der ursprünglichen Gesamtzahl entspricht. Wir beschließen, diese auf die Kategorie mit der höchsten Relevanz einzugrenzen und behalten dabei 2 % bzw. 101 Änderungsanträge bei. Das ist zwar immer noch eine ganze Menge Lesestoff, aber eine überschaubare Anzahl.
Nicht um der Sache selbst willen: Wirkung erzielen
Wir wissen, dass oft schon ein einziges Wort erhebliche Auswirkungen auf die Gesetzgebung haben kann. Dank der von unseren Experten durchgeführten Datenanalyse sind wir in der Lage, die verbleibenden Änderungsanträge auch bei engem Zeitplan gründlich zu analysieren.
Wir bewerten sorgfältig die Auswirkungen dieser Änderungen auf das Geschäftsmodell unseres Kunden und konzentrieren uns dabei darauf, die wichtigsten zu identifizieren. Von den verbleibenden 101 Änderungen haben wir 35 als entscheidend für unseren Kunden identifiziert, darunter drei als besonders kritisch. Bei den verbleibenden 35 Änderungen haben wir unseren Kunden dabei unterstützt, einen sinnvollen Dialog mit den wichtigsten Stakeholdern zu führen und positive Geschäftsergebnisse zu erzielen – und das trotz enger Fristen und begrenzter Ressourcen.
Wenn Sie vor ähnlichen Herausforderungen stehen oder einen datengestützten Ansatz für Ihre politischen und regulatorischen Herausforderungen benötigen, können Sie sich gerne an uns wenden!



