IERSE: Ein erklärbares hybrides Rahmenwerk zur Bewertung der Eignung und des Risikos für die Unterstützung von Einwanderungsentscheidungen

Die Einwanderungsentscheidung ist ein komplexer, risikobehafteter Prozess, der detaillierte Eignungskriterien, umfangreiche Dokumentationen und eine Mehrfaktoren-Risikoabschätzung umfasst. Menschliche Beamte behalten die volle Entscheidungsbefugnis, jedoch ist die manuelle Vorprüfung zeitaufwendig und anfällig für Inkonsistenzen. Dieses Papier stellt die Intelligente Eignungs- und Risiko-Bewertungs-Engine (IERSE) vor, ein erklärbares Entscheidungsunterstützungsrahmenwerk, das regelbasierte Eignungsbewertung mit maschinellem Lernen zur multidimensionalen Risikoabschätzung kombiniert. IERSE verarbeitet strukturierte und unstrukturierte Bewerberdaten, wendet deterministische Eignungsregeln an und generiert interpretierbare Risikoinformationen in den Dimensionen Betrug, Compliance, Identität, Wirtschaft und Sicherheit. Simulationsergebnisse auf 10.000 synthetischen Profilen zeigen das Potenzial, die Vorverarbeitungszeit um etwa 65 % im Vergleich zur vollständig manuellen Vorprüfung zu reduzieren, während eine hohe Konsistenz bei der Eignungsbewertung (98 %) und starke Präzision sowie Rückruf bei der Identifizierung von Risikosignalen erzielt wird. Das Rahmenwerk ist ausdrücklich darauf ausgelegt, das Urteil der Beamten zu unterstützen, anstatt die Entscheidung zu automatisieren, und bietet transparente, prüfbare Ergebnisse, die die Fallpriorisierung und -überprüfung unterstützen. IERSE zeigt, wie hybride, erklärbare KI-Architekturen die Effizienz, Konsistenz und Transparenz in hochriskanten Entscheidungsunterstützungsabläufen im öffentlichen Sektor verbessern können, während die menschliche Autorität gewahrt bleibt. Schlüsselwörter: Einwanderung, Eignungs-Engine, Risiko-Bewertung, Maschinelles Lernen, Automatisierte Entscheidungsunterstützung, Erklärbare KI.