CDT zeigt, wo KI Menschen bei staatlichen Sozialleistungen helfen und schaden kann

Warum Leistungen ungenutzt bleiben

Das CDT beschreibt staatliche Sozialleistungen zu Beginn als eines der wirksamsten Instrumente der USA zur Armutsbekämpfung. Es verweist auf die Social Security, die 2024 28,7 Millionen Menschen erreichte, den Earned Income Tax Credit (EITC) mit 4,4 Millionen und das Supplemental Nutrition Assistance Program (SNAP) mit 3,6 Millionen.

Dennoch werden die Programme nicht immer von denen genutzt, die sie brauchen. Nach den jüngsten verfügbaren SNAP-Daten, die das CDT anführt, erhielten nur 88 % der Anspruchsberechtigten SNAP-Leistungen. Bei Temporary Assistance for Needy Families (TANF) bekommen nur etwa 22 von 100 anspruchsberechtigten Familien in Armut Unterstützung.

Laut CDT haben Forschende bereits untersucht, wie Behörden und Anbieter Technologie in Leistungssysteme einbauen, doch aus Sicht der Antragsteller gebe es weniger Material. Der neue Beitrag soll diese Lücke schließen. Er gliedert sich in fünf Phasen: Bewusstsein, Anspruchsprüfung, Antragstellung, Nutzung und Aufrechterhaltung. Hinzu kommen Risiken, die alle Phasen betreffen.

Bewusstsein und Anspruchsprüfung

In der Bewusstseinsphase verweist das CDT auf abgeschottete Programme, die sich auf Dutzende Behörden verteilen, ohne eine zentrale Anlaufstelle. Besonders groß sind die Wissenslücken oft bei Einwanderern, älteren Menschen und Personen in einer einschneidenden Lebensphase, die zudem mit Sprach- oder Lesehürden kämpfen können.

Auf der KI-Seite nennt das CDT Werkzeuge, die Menschen markieren, die vermutlich Anspruch auf Programme haben, für die sie noch keinen Antrag gestellt haben, und zwar auf Basis von Daten aus Programmen, in denen sie bereits sind. Es führt einen SNAP-Technologiezuschuss des Landwirtschaftsministeriums aus dem Jahr 2024 an Dallas County in Texas an, mit dem Software zur Identifizierung potenziell Anspruchsberechtigter finanziert wurde. Mehrsprachige Chatbots und SMS-Dienste seien rund um die Uhr verfügbar. Viele Bundesstaaten, die auf einheitliche Integrated-Eligibility-and-Enrollment-Systeme (IEE) umsteigen, prüfen den Einsatz von KI, um Programme vorzuschlagen und Informationen zu übersetzen.

Bei der Anspruchsprüfung weist das CDT darauf hin, dass die Regeln komplex sind, sich von Programm zu Programm unterscheiden und sich jährlich ändern. Die bundesweite Ausweitung der SNAP-Arbeitsanforderungen 2025 habe enorme Verwirrung gestiftet, weil die Bundesstaaten die Änderungen mit wenig Vorgaben umsetzen mussten. Rechner wie Access NYC aus New York und MyFriendBen aus Colorado können die Anspruchsberechtigung für Dutzende Programme markieren, bevor jemand einen Antrag stellt. Laut CDT stützen sich viele auf KI-gestützte Infrastruktur, etwa die der Axiom Foundation, die mithilfe von KI Vorschriften verarbeitet und als Code abbildet. Das Department of Human Services in Tennessee setzt einen virtuellen Assistenten namens Ava ein, der häufige Fragen zu SNAP, TANF und anderen Programmen beantwortet und bei Bedarf an einen Sachbearbeiter weiterleitet.

Antragstellung und Nutzung

Bei der Antragstellung sorgen Reibungsverluste im Verfahren und verpasste Gesprächstermine für Probleme. Laut CDT erfordern SNAP-Anträge und Neubescheinigungen ein Interview innerhalb von 30 Tagen nach Einreichung, und über 40 % der abgelehnten SNAP-Anträge in Missouri im Jahr 2024 scheiterten daran, dass dieses Interview nicht absolviert wurde.

Vorgeschlagene KI-Anwendungen umfassen den Hinweis auf fehlende Angaben vor dem Einreichen, die Übernahme von Daten zwischen Programmen sowie das Auslesen von Namen, Daten und Adressen aus hochgeladenen Dokumenten, um Formulare vorauszufüllen. Das CDT beschreibt zudem, vorherzusagen, wer einen Termin zu verpassen droht, und die Ansprache per SMS, E-Mail oder Post gezielt darauf auszurichten. Das sei bei Sozialleistungen noch nicht weit verbreitet, in verwandten Bereichen wie der Vorhersage von Nichterscheinen bei ambulanten Terminen aber gut etabliert.

In der Nutzungsphase hebt das CDT hervor, dass Leistungsempfänger ihr Guthaben oft nicht einfach einsehen können und Opfer von Kartenskimming und Betrug werden, was sie häufig erst bemerken, wenn die Leistungen weg sind. Chancen sieht das CDT in KI-Sprachagenten, die Fragen zum Guthaben der Electronic-Benefits-Transfer-Karte (EBT) beantworten, sowie in einem Assistenten zur Mahlzeitenplanung, den Propel auf Basis von LLMs gebaut hat und der SNAP-Empfängern hilft, aus vorhandenen Zutaten günstige Gerichte zu planen. Einige Apps, darunter Propel, bieten bereits eine Überwachung verdächtiger Transaktionen, die per KI riskantere Buchungen markiert. Das CDT merkt an, dass Mastercard den Einsatz von KI empfohlen hat, um das normale Kaufverhalten eines Karteninhabers zu lernen und Auffälligkeiten zu melden.

Was das für Antragsteller und Behörden bedeutet

Der für diesen Bericht vorliegende Text endet am Beginn der fünften Phase, der Aufrechterhaltung, die laufende Verlängerungen und Meldepflichten umfasst. Die Erkenntnisse des CDT zu dieser Phase und zu den phasenübergreifenden Risiken sind hier daher nicht abgedeckt.

Die Ressource liefert aber einen Deutungsrahmen: KI-Werkzeuge werden an nahezu jeder Stelle zwischen dem ersten Wissen um eine Leistung und ihrer alltäglichen Nutzung erprobt. Für Antragsteller deuten die Beispiele des CDT auf mögliche Vorteile bei früherer Entdeckung von Leistungen, klareren Antworten zur Anspruchsberechtigung, weniger verpassten Fristen und besserem Schutz vor Betrug hin. Für Behörden und Anbieter bietet die Sicht der Antragsteller einen Maßstab, um zu beurteilen, ob ein Werkzeug eine echte Hürde wie Sprachbarrieren oder verpasste Interviews adressiert und nicht nur die interne Effizienz steigert.