Die Entwicklung von Prototypen für Regierungswebseiten stellt eine besondere Herausforderung dar, da komplexe Komponenten genutzt und gleichzeitig hohe Ansprüche an Zugänglichkeit und Nutzerfreundlichkeit erfüllt werden müssen. In diesem Kontext hat der Designer Joe Lanman eine innovative LLM-basierte Webanwendung entwickelt, die die Konfiguration von Gov.uk-Komponenten für die Prototyp-Erstellung deutlich vereinfacht. Mit dieser Anwendung wird ein Schritt in Richtung einer effizienteren, zugänglicheren und nachhaltigen digitalen Entwicklung im öffentlichen Sektor gegangen. Das Fundament dieser Webanwendung ist die intelligente Nutzung von Large Language Models (LLMs) – KI-Modelle, die auf umfangreichen Textdaten trainiert wurden, um menschenähnliche Antworten zu generieren.
Diese Technologie ermöglicht es, komplexe Komponenten, wie beispielsweise Checkbox-Gruppen, ohne tiefgehende Programmierkenntnisse zu konfigurieren und die generierte Konfiguration direkt in Prototypen einzufügen. Nutzer wählen zunächst eine gewünschte Komponente aus und geben dann eine textbasierte Beschreibung der gewünschten Konfiguration ein. Die KI generiert daraufhin eine JSON-basierte Konfigurationsdatei, die den Bedürfnissen entspricht und die Barrierefreiheit berücksichtigt. Die Motivation hinter diesem Projekt liegt in der Herausforderung, die bisher existierenden komplexen Codestrukturen für GOV.UK-Komponenten zugänglicher zu machen.
Bisher war die Erstellung von Prototypen vor allem für Designer und Entwickler mit Programmierkenntnissen machbar, da Komponenten wie Checkboxes eine aufwendige manuelle Konfiguration erforderten. Mit der neuen LLM-Webanwendung wird diese Barriere gesenkt, sodass auch Menschen ohne tiefgreifende technische Expertise schnell und effektiv Prototypen erstellen können. Die Arbeitsweise der Anwendung basiert auf einer Kombination von Nutzer-Prompt, dem zugrundeliegenden Schemasystem der GOV.UK-Komponenten und mehreren Regelvorgaben. Das Schema definiert, welche Parameter eine Komponente unterstützt und wie diese strukturiert sind.
Mithilfe des Nutzerinputs erzeugt die Anwendung für jedes ausgewählte Modul eine präzise JSON-Konfigurationsdatei, die direkt in einen Prototyp integriert werden kann. Dadurch wird sichergestellt, dass die Ausgaben konsistent, strukturiert und kompatibel mit dem GOV.UK Design System bleiben. Ein wichtiger Aspekt bei der Entwicklung war die Entscheidung, nicht auf weit verbreitete, kommerzielle und oft ressourcenintensive Cloud-basierte LLMs zurückzugreifen. Stattdessen setzt Lanmans Anwendung verstärkt auf kleinere, lokal ausführbare Modelle wie Mistral Small, die weniger Energie verbrauchen und die Möglichkeit bieten, transparent mit Trainingsdaten umzugehen.
Diese Herangehensweise bringt sowohl ökologische Vorteile – durch reduzierten Stromverbrauch und geringeren Kühlwasserbedarf in Rechenzentren – als auch eine höhere Autonomie gegenüber fremden Plattformanbietern mit sich. Die Nutzung offener Modelle, die ihre Trainingsdaten offenlegen, wie etwa OLMo 2, steht ebenfalls im Mittelpunkt des Projekts. Die Transparenz bei den Trainingsdaten ist nicht nur ein ethisches Gebot im Umgang mit KI, sondern spielt auch eine wichtige Rolle dabei, Vertrauen in die generierten Inhalte aufzubauen, insbesondere wenn diese im Kontext öffentlicher Dienstleistungen eingesetzt werden. Die Bedenken bezüglich möglicher Urheberrechtsverletzungen, Datenschutzproblematiken oder genereller Verzerrungen in den Trainingsdaten nehmen damit ab. Ein Problem, das bei der Arbeit mit LLMs häufig auftritt, ist deren Neigung, auf Benutzeranfragen mit plausibel klingenden, aber falschen oder irreführenden Ausgaben zu reagieren.
So können etwa Komponenten konfiguriert werden, die im Originaldesign nicht vorgesehen sind – wie die Verwendung von Mehrfachauswahl im Auswahlfeld („select“), die bewusst aus Gründen der Nutzerfreundlichkeit und Barrierefreiheit nicht unterstützt wird. Um dem entgegenzuwirken, hat Lanman eine zusätzliche Funktion eingebaut, bei der die KI nicht nur Konfigurationsdaten ausgibt, sondern auch erläuternde Texte. So kann die KI dem Nutzer beispielsweise mitteilen, dass eine Mehrfachauswahl in der select-Komponente nicht empfohlen wird und stattdessen eine Checkbox-Variante vorzuziehen sei. Diese Maßnahme verbessert die Benutzerführung und verhindert Fehlkonfigurationen. Die Entscheidung, auf eine klassische Chat-Benutzeroberfläche zu verzichten, ist eine weitere bemerkenswerte Designentscheidung.
Bei typischen Chat-Interfaces werden alle früheren Nachrichten und Antworten für jede neue Anfrage erneut an das LLM übermittelt. Dieses Vorgehen führt zu einer stetigen Vergrößerung der Eingabe, was langfristig den Energieverbrauch erhöht und technische Limitationen durch die maximale Eingabelänge der Modelle überschreiten kann. Stattdessen bietet die Anwendung eine reine Eingabeaufforderung für Konfigurationen an, die direkt verarbeitet werden, ohne den Gesprächsverlauf zu berücksichtigen. Die Stabilität und Genauigkeit der KI-Ausgaben wurden durch Einbindung von Beispielkomponenten aus dem GOV.UK Design System weiter verbessert.
Gerade bei komplexen Eingabefeldern wie dem Datumseingabefeld waren selbst kleinere Darstellungsfehler wie falsche Eingabefeldgrößen ein Problem, das durch zusätzliche Kontextinformationen im Prompt minimiert wurde. Diese Verfeinerungen zeigen, dass der Erfolg von LLM-basierten Systemen maßgeblich von der sorgfältigen Gestaltung der Eingabeaufforderungen abhängt. Langfristig plant der Entwickler, die Anwendung für lokale Installationen weiter zu optimieren und Nutzern die Auswahl verschiedener LLMs zu ermöglichen. Ebenso ist eine Erweiterung der unterstützten Komponenten denkbar, nicht nur aus dem GOV.UK Design System selbst, sondern auch aus anderen behördlichen Design Systemen, beispielsweise des HMRC oder des NHS.
Diese Entwicklung könnte die Interoperabilität und Wiederverwendbarkeit von Prototypen-Elementen über unterschiedliche öffentliche Dienste hinweg erheblich verbessern. Die Reaktion aus der Design-Community auf die Webanwendung ist durchweg positiv. Viele Nutzer berichten, dass die Anwendung es ihnen ermöglicht, Prototypen zu erstellen, die ihnen zuvor wegen des hohen technischen Aufwands nicht möglich waren. Darüber hinaus wird die Geschwindigkeit des Prototypings deutlich erhöht, was wertvolle Zeit im Entwicklungsprozess spart und die Iterationsschleife verkürzt. Trotz dieser Fortschritte weist die Anwendung, wie alle auf LLMs basierenden Systeme, nach wie vor Schwächen auf.
Fehlerhafte Ausgaben sind möglich, und die generierten Konfigurationen müssen immer noch kritisch geprüft werden. Der Entwickler hat deshalb eine entsprechende Warnung in die App integriert und verfolgt aktiv das Feedback der Nutzer, um das System fortlaufend zu verbessern und zuverlässiger zu machen. Neben den technischen und ethischen Vorteilen verfolgt das Projekt auch eine klimatologische Verantwortung. Durch die Nutzung effizienter und offener Modelle wird ein Beitrag zur Reduktion des ökologischen Fußabdrucks geleistet. Besonders im öffentlichen Dienst, der Vorbildfunktion hat, ist dieser Aspekt von großer Bedeutung, um die Nachhaltigkeit digitaler Innovationen zu gewährleisten.
Insgesamt zeigt die Entwicklung der LLM/AI-Webanwendung für GOV.UK-Prototypen, wie künstliche Intelligenz sinnvoll und verantwortungsvoll eingesetzt werden kann, um die digitale Arbeit im öffentlichen Sektor zu verbessern. Die Kombination aus Nutzerfreundlichkeit, Barrierefreiheit, ethischer Transparenz und ökologischem Bewusstsein macht das Projekt zu einem wegweisenden Beispiel für den Einsatz moderner Technologien im Dienst der Gesellschaft. Für Interessierte, die tiefer in die Thematik von KI und Design im öffentlichen Sektor eintauchen möchten, empfiehlt sich die Lektüre ergänzender Experimente, wie beispielsweise die Arbeit von Tim Paul zum generativen Erstellen von Formularen aus PDF-Dokumenten. Solche Projekte zeigen die vielseitigen Anwendungsmöglichkeiten von KI in der Gestaltung von digitalen Services und verdeutlichen die Bedeutung kontinuierlicher Innovation und kritischer Reflexion.
Abschließend stellt das Projekt einen bedeutenden Schritt in der Zukunft der digitalen Gestaltung im öffentlichen Bereich dar. Es verbindet technologische Innovation mit gesellschaftlicher Verantwortung und leistet so einen wertvollen Beitrag zur Entwicklung zugänglicher, effektiver und nachhaltiger digitaler Dienste.
