Angesichts globaler ökologischer Herausforderungen benötigen Umweltbehörden belastbare, datenbasierte Entscheidungsgrundlagen. Die zunehmende Datenmenge und -heterogenität erschwert jedoch deren Analyse. Maschinelles Lernen (ML) bietet hierfür methodische Unterstützung, wird jedoch in der öffentlichen Verwaltung durch fehlende ML-Expertise bislang nur begrenzt eingesetzt. Im Projekt Simplex4Learning wird eine ML-Plattform zur Analyse von Umweltdaten entwickelt, die speziell auf behördliche Anforderungen ausgerichtet ist. Der vorliegende Beitrag beschreibt einen zentralen Entwicklungsschritt: Auf Grundlage einer Fallstudienanalyse mit drei Umweltbehörden wurden generalisierte Anwendungsfälle sowie ein differenziertes Rollenkonzept abgeleitet. Zur gezielten Unterstützung fachlicher Nutzer:innen wurden die Nutzerrollen Explorer und Analyst definiert. Für diese Nutzerrollen wurden spezifische Systemfunktionen entlang der ML-Prozesskette konzipiert. Das Rollenkonzept sowie die entwickelten Funktionen ermöglichen es Domänenexperten, ML-Methoden auch ohne tiefergehende technische Vorkenntnisse effektiv einzusetzen. Die Ergebnisse leisten einen Beitrag zur strukturierten Integration maschineller Lernverfahren in behördliche Umweltanalysen.