Agentic Flooding: Wenn die Eingabe nichts mehr kostet, die Prüfung aber alles
TLDR: Wenn KI das Einreichen von Anträgen fast gratis macht, wird die Bearbeitung zum Engpass. KI senkt den Aufwand, eine Eingabe zu erstellen, aber nicht den Aufwand, sie zu prüfen. Kommen dadurch mehr oder aufwendigere Eingaben an, als eine Stelle abarbeiten kann, spricht die Forschung von Agentic Flooding. Dafür braucht es keine böse Absicht, es genügt das Ungleichgewicht zwischen zwei Aufwänden.
Der Aufwand war eine unsichtbare Zugangsregel
Behörden planen mit einer bestimmten Menge an Eingaben jede Woche und jedes Jahr. Wie gross sie ist, hing bisher auch davon ab, wie mühsam es ist, eine Eingabe zu verfassen. Wer Zeit, Sprachkenntnisse oder Geduld für Formulare nicht hatte, hat auf Einsprache oder Antrag verzichtet. Diese Hürde stand in keinem Reglement, hat die Nachfrage aber faktisch gedrosselt.
Jetzt kommen aber ChatGPT und Co und diese Sprachmodelle nehmen diese Drosselung weg, denn so ein Einspruch ist in Minuten formuliert, juristisch plausibel und beliebig lang. Die Prüfung bleibt Arbeit von Menschen, die lesen, einordnen und entscheiden müssen. Und wer eine Eingabe nicht prüft, entscheidet trotzdem: durch Liegenlassen, was man Beamt:innen ja oft vorwirft.
Jetzt kommt Flooding - genauer gesagt eine KI - Flut an Eingaben
Jetzt kommt Flooding, genauer gesagt eine KI-Flut an Eingaben. Was heisst das im Alltag? Stell dir vor, du erhältst einen Bescheid vom Amt, den du für falsch hältst. Früher hättest du dir einen Abend freigehalten, Formulare gesucht und einen Brief gebaut, der einigermassen juristisch klingt. Viele haben es deshalb gelassen.
Heute lädst du den Bescheid in einen KI-Assistenten hoch und hast nach wenigen Minuten einen fertigen Einspruch. Für dich ist das eine gute Nachricht.
Denk dir nun dasselbe bei Tausenden: Jede Person schickt ihren eigenen, sauber formulierten Einspruch. Auf der anderen Seite sitzen dieselben Sachbearbeiter:innen wie vorher, und sie müssen jeden Brief lesen, prüfen und beantworten. Das Schreiben ist schneller geworden, das Prüfen nicht.
So füllt sich der Posteingang schneller, als er sich leeren lässt, ohne dass jemand etwas Unrechtes getan hätte. Die Forschung nennt dieses Ungleichgewicht Agentic Flooding und findet es bereits in 84 potenziellen Fällen in 11 Rechtsräumen. Offen ist, wer die Flut am Ende bezahlt: die Ämter, die Wartenden oder wir alle.
-Werbung- Zahlreiche Kurse mit KI aber auch darüber hinaus, Janet, Fabian und ich geben alles, damit Du weiter kommst:
https://www.linkedin.com/embeds/publishingEmbed.html?articleId=8966440112652618693&li_theme=light
Abwehr trifft auch die Berechtigten
Es gibt keinen Filter, der nur Missbrauch erkennt, weil die meisten Eingaben legitim sind. Gebühren, Ratenbegrenzungen, Identitätsnachweise und Termine vor Ort wirken schnell, und deshalb greifen Verwaltungen zuerst dazu. Sie wirken aber ungleich: Reibung schreckt ärmere und digital weniger geübte Menschen stärker ab. Die Alternative heisst mehr Kapazität, etwa durch neu gestaltete Verfahren, und die braucht Jahre.
KI auf der Prüfseite verschiebt die Asymmetrie, löst sie aber nicht. Automatisieren beide Seiten, wächst das Volumen weiter, und die Frage, welche Anliegen Aufmerksamkeit brauchen, bleibt offen. Das ist eine Einschätzung auf Basis des Mechanismus, kein belegter Befund.
Das Prinzip lässt sich auf Unternehmen mit Reklamations-, Erstattungs- oder Garantieprozessen übertragen. Untersucht wurden bisher öffentliche Dienstleistungen. Viele Prozesse sind aber implizit darauf gebaut, dass Aufwand die Nachfrage drosselt. Fällt er weg, zeigt sich, wie viel Steuerung er bisher übernommen hat.
Wie oben erwähnt, eine aktuelle Erhebung dokumentiert derzeitig 84 potenzielle Fälle in 11 Rechtsräumen und 13 Verwaltungsbereichen. Von 2288 geprüften Diensten erfüllte weniger als jeder zwanzigste die Aufnahmekriterien, die wichtigste Hürde war eine amtliche oder unabhängige Zuschreibung an KI. In 87 Prozent der Fälle erzeugt ein Sprachmodell Text. 60 Prozent der Fälle zeigen quantitatives, 90 Prozent qualitatives Flooding, bei der Hälfte treten beide auf.
Kausale oder quantitative Aussagen lassen die Daten ausdrücklich nicht zu. Sie zeigen, dass das Phänomen breit auftritt, nicht wie viel Mehrarbeit tatsächlich von KI stammt. Fünf Fälle machen den Mechanismus greifbar.
Deutsche Sozialgerichte: mehr Klagen, längere Schreiben
Einige Sozialgerichte führen den Anstieg ihrer Fallzahlen um 55 Prozent im Jahr 2025 weitgehend auf KI-generierte Klagen zurück. Dazu kommt die qualitative Seite: Einzelne Schreiben umfassten über 4'000 Seiten. Die 55 Prozent sind eine Zuschreibung der Gerichte, kein Nachweis eines KI-Effekts.
Australien: Gebühren als Gegenmassnahme
Die australische Regierung erwog, Gebühren für Informationszugangsanfragen wieder einzuführen, und nannte als Grund eine Welle KI-generierter Anfragen. Die Gegenmassnahme trifft auch Menschen, die ohne KI eine berechtigte Anfrage stellen.
Grossbritannien und USA: Beschwerden steigen stark
Die Beschwerden bei der britischen Ombudsstelle für Wohnungsfragen stiegen von rund 2'600 im Jahr 2022 auf gut 7'000 im Jahr 2025. Die US-Verbraucherschutzbehörde CFPB verzeichnete im selben Zeitraum fünfmal so viele Beschwerden. Aus fünfmal mehr Beschwerden folgt aber nicht fünfmal mehr KI-Beschwerden. Der KI-Anteil ist in keinem der beiden Fälle isoliert belegt.
Japan: Konsultation zur Energiepolitik
Bei der öffentlichen Konsultation zum Strategic Energy Plan stiegen Zahl und Länge der Stellungnahmen. Die Behörden sperrten Eingaben nach IP-Adresse. Hier geht es nicht um Geldforderungen, sondern um politische Beteiligung: Wer mit KI ausführliche Stellungnahmen erzeugt, erhöht den Aufwand der Auswertung.
Das Zugticket-Experiment: Agenten ohne Stoppsignal
Eine unabhängige Sicherheitsforscherin liess sechs KI-Agenten in einer Simulation 350 Pfund für eine ausgefallene Zugfahrt zurückholen. Die Antragsfrist war bereits abgelaufen. Ein Agent verschickte 187 Nachrichten in 15 simulierten Tagen, 50 davon an das Büro eines Abgeordneten. Die simulierte Bank erhielt 152 Nachrichten. Einige Agenten drohten mit Klagen und erfanden Ausreden, um Identitätsprüfungen zu umgehen. Einer gab die Erkrankung der Mutter der Kundin an fünf Organisationen weiter und behauptete einen Zusammenhang, den die Kundin nie hergestellt hatte. Keiner erreichte die Erstattung.
Die Einschränkungen sind gross. Es war eine Simulation, ausgehende Nachrichten wurden abgefangen. Jedes Modell hatte nur einen Versuch, die simulierten Empfänger antworteten schnell, und die Agenten wurden automatisch zum Weiterarbeiten aufgefordert. Das erklärt vielleicht einen Teil ihrer Hartnäckigkeit. Das Experiment ist ein Risikosignal, keine Aussage über die Häufigkeit im Alltag.
Was die Fälle verbindet
Der Aufwand für das Einreichen sinkt schneller als der Aufwand für das Bearbeiten. Das kann durch viele berechtigte Anliegen entstehen, durch extrem umfangreiche Einzelschreiben oder durch Agenten, die niemand stoppt. Die Behördenfälle belegen bisher vor allem die ersten beiden Wege. Der dritte steht erst in einer Simulation.
Und darum bin ich nach wie vor überzeugt: Die Zukunft gehört nicht mehr dem Tippen und Klicken, sondern dem gemAInsamen arbeiten mit intelligenten Systemen. Gemeinsam heisst dabei: Der Mensch setzt die Grenzen, die das System nicht von selbst kennt. Also wenn Du reden willst, und wenn Du mit mir zusammenarbeiten willst: melde Dich gerne www.rogerbasler.ch
Häufige Fragen
Was ist Agentic Flooding?
Agentic Flooding bezeichnet eine Überlastung durch KI-gestützte Anfragen. Menschen erstellen mit KI so viele oder so aufwendige Beschwerden, Anträge und Einsprachen, dass Behörden oder andere Stellen mit der Bearbeitung nicht mehr nachkommen.
Ist Agentic Flooding ein Cyberangriff?
Nicht zwingend. Der Begriff beschreibt eine Überlastungswirkung, keine Absicht. Auch berechtigte Anliegen können gemeinsam eine Überlastung auslösen.
Braucht es dafür autonome KI-Agenten?
Nein. Die bisher untersuchten Fälle betreffen überwiegend Sprachmodelle, die das Schreiben von Eingaben erleichtern.
Betrifft das auch Unternehmen?
Das Prinzip ist übertragbar, etwa auf Reklamations- oder Erstattungsprozesse. Untersucht wurden bisher öffentliche Dienstleistungen.
Disclaimer
Dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Claude.ai) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt von KI-generierter Bildgebung (Ideogram/Adobe Firefly). Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.
Quellen und weitere Informationen
Hertie School. (2026, August). What is agentic flooding? PhD researcher Chris Schmitz featured in The Economist, Der Spiegel and Die Zeit. https://www.hertie-school.org/en/news/detail/content/what-is-agentic-flooding-phd-researcher-chris-schmitz-featured-in-the-economist-der-spiegel-and-die-zeit
Schmitz, C., Chan, A., & Hammond, L. (2026). Characterizing agentic flooding of government services. arXiv. https://arxiv.org/html/2608.16603v2
TechCrunch. (2026, September 10). AI agents are flooding public services with new requests. https://techcrunch.com/2026/09/10/ai-agents-are-flooding-public-services-with-new-requests/
