AI-Experten im Interview: Was können sich Jurist:innen von künstlicher Intelligenz erwarten?

AI (Artificial Intelligence) zählt aktuell zu den am meisten diskutierten Themen in der Legal-Tech Welt. Ist der Hype um künstliche Intelligenz begründet? Wo ist ein nüchterner Blick auf die Möglichkeiten von AI angebracht und was sind die Grenzen und Potenziale dieser Technologie?

Wir haben dazu Jörg Fuchslueger & Thomas Havranek befragt, deren Team aus Forensik-, Datenanalyse- und Softwareentwicklungsexperten seit 20 Jahren in den Bereichen Datenanalyse, Wirtschaftskriminalität und Forensik wertvolle Kompetenzen sammelt.

Die von ihnen entwickelte KI-Anwendung „Klarity ICInvestigation“ ist das Ergebnis dieser jahrelangen Erfahrung. Mehr dazu im folgenden Interview:

Redaktion: AI ist in aller Munde. Daher kurz zum Verständnis: Was kann man sich unter „AI“ vorstellen? Wie funktioniert die Technik im Hintergrund?

Jörg Fuchslueger & Thomas Havranek: „AI“ ist grundsätzlich nichts anderes als eine 1956 eingeführte wissenschaftliche Disziplin mit dem Ziel, dem Gehirn ähnliche neurologische Prozesse auf Computern nachzubilden.

Tatsächlich werden intelligente Systeme heute sowohl regelbasiert wie auch mit Maschine-Learning / Deep Learning Verfahren implementiert, sehr häufig mit einer Kombination beider Verfahren.

Umgelegt auf z. B. unsere Lösung von ICInvestiagtion, liefert AI eine unterstütze Lösung für die Abarbeitung und Fallbeurteilung in umfangreichen Datenbeständen. 

In Texten, E-Mails, SMS, Chats, kann die Anwendung erkennen, ab wann, worüber, wie und zwischen wem z. B. von „Zahlungsschwierigkeiten“ die Rede ist (Insolvenzstreitigkeit). Wenn wir einen regelbasierten Ansatz wählen, dann haben die Regeln hinterlegte Sprachlogik, Wörterbücher, etc. Die Ergebnisse sind verifizierbar, bei qualitativ hochwertigen Regeln, auch sehr plausibel.

Wir können diese Aufgabenstellung aber auch mit Machine Learning (ML)Verfahren umsetzen, d.h. wir verwenden dazu eine plausible Menge an Textbeispielen mit Zahlungsschwierigkeiten und „lernen“ das System damit an, verifizieren die Ergebnisse und kommen auch so zu sehr brauchbaren, vom Algorithmus selbst bewertenden (Scoring) Ergebnissen.

Regelbasiert steht das Wort „Pleite“ in einem für Zahlungsschwierigkeiten erstellten, speziellen Wörterbuch, regelbasierte AI macht aus dem Substantiv „die Pleite“ dann eventuell auch das Adjektiv „pleite“, und diese, in dem Fall richtige Zuordnung, ist aus dieser Regelfolge heraus auch nachvollziehbar…
Bei Machine Learning annotiert die AI den Satz „Das Unternehmen ist nahezu Pleite“ als Zahlungsschwierigkeit, da wir die AI auf den Kontext von Zahlungsschwierigkeiten im Zusammenhang mit monetären Daten angelernt haben.

Redaktion: Was macht die AI von Klarity ICInvestigation so speziell?

Jörg Fuchslueger & Thomas Havranek: Klarity ICInvestigation unterscheidet sich grundlegend im Vorgehensmodell zu bestehenden TAR (Technical Assistent Review) Plattformen. Diese versuchen zu Beginn (Early Case Management) über ein Relevanzmodell (zumeist Stichwortlisten), aber auch mit AI Ansätzen (Predictive Coding) die Datenmenge auf eine „durchlesbare“ Anzahl von Dokumenten zu reduzieren. 

Das Konzept basiert auf einer tatsächlich bildlichen Umsetzung von Hardcopy Reviews aus dem pre-Computer Zeitalter in das Computer Zeitalter: Dokumente werden in Ordner (Files) und diese in Boxen (Batches) abgelegt. Jeder Mitarbeiter (Reviewer) erhält seine Box (Batch), eine Packung post-its (Tags), tape-flags (flags) und Leuchtstifte (Mark-up). Dann liest jeder Reviewer seinen Dokumentensatz und versieht ihn wie vor 50 Jahren mit den virtuellen Formen der vorgenannten Markierungsmethoden. Dann wird der Succus der Boxen (Batches) zusammengelegt und nur mehr 5 von 10 Ordnern (Files) in die nächste Box (2nd Review Batch) gelegt; usw. 

Dies bedeutet, Daten werden in einem First-Review, zumeist von „Juniors“ gesichtet und spezielle Inhalte als „relevant“ bewertet bzw. entsprechend kategorisiert. Diese von „Menschen“ klassifizierte „relevante“ Datenmenge wird dann im Second-Review von „Senior“ Level für die Fallbearbeitung herangezogen.

Zwei extreme Nachteile hat dieses Vorgehensmodell. Erstens passiert die Relevanzdefinition (Early Case Management) zu einem viel zu frühem Zeitpunkt, wenig ist über den Fall bekannt, kaum bis gar nichts über die Inhalte der Datenmenge. Nicht selten heißt es hier nach Monaten der Arbeit: mit einem angepassten Relevanzmodell zurück zum Start.

Zweitens zeigen aktuelle Cases, dass die Eingangsdatenmengen so rapide anwachsen, dass dieses etablierte Vorgehensmodell für den hier notwendigen First Review keine sinnvoll bewältigbaren Datenmenge produziert, die Teamgröße und Durchlaufzeiten explodieren.  

Das Spezielle an Klarity ICInvestigation ist, dass in einem ersten Schritt eine sehr effiziente Datenreduktion, ohne Risiko relevante Inhalte zu verlieren, erfolgt. 

In dieser gesamten Datenmenge recherchieren und analysieren „Senior“ Anwender direkt über intelligente Abfragen und Analysen. Hilfreiche Annotationen und Relevanzbeurteilungen werden mit vorgenannten und auf IBM Watson basierenden AI Methoden direkt umgesetzt und der First Review als Prozess entfällt zu Gänze. 

Ein weiteres Unterscheidungsmerkmal ist die Möglichkeit, mit Klarity ICInvestigation komplexe, intelligente Abfragen als Jurist jederzeit selbst zu erstellen. Diese relevanten Ergebnismengen können selbst gelesen, kommentiert und beurteilt werden, aber bei Bedarf auch an ein Review-Team delegiert werden.

Als Alleinstellungsmerkmal berechnet Klarity ICInvestigation in diesen Ergebnismengen sofort relevante Auffälligkeiten. AI und BigData Analysemethoden unterstützen dabei diese Berechnungen. Dabei wird erkannt, daß die Firmen A,B,C zu einem sehr frühen Zeitpunkt im Kontext Zahlungsschwierigkeiten  „auffällig“ vorkommen. ICInvestigations verwendet als Alleinstellungsmerkmal, die auf IBM Watson basierende Text-Korrelations Analyse, die, wie in mathematischen Zahlenmengen, Auffälligkeiten (relevante Inhalte und Zusammenhänge) in Textdaten „sieht“ und dem Reviewer aufzeigt.

Redaktion: Was kann AI heute noch nicht?

Jörg Fuchslueger & Thomas Havranek: Dazu muss man auch darstellen, was AI besser kann als der Mensch: In der Diskussion um AI ist ein Problem, dass sehr häufig AI in dem Sinne verstanden wird, die Maschine soll Ergebnisse liefern und Denkfähigkeit entwickeln wie ein Mensch. 

Menschen „Human Ressources“ wären aber aus Zeitgründen kaum in der Lage, Millionen Textfragmente auf Zahlungsschwierigkeiten zu bewerten. AI macht es in einigen Minuten. Ganz speziell wäre es jeden Menschen unmöglich, diesen Treffern auch noch Personen und Zeit zuzuordnen (wer hat wann mit wem über Zahlungsschwierigkeiten gesprochen) und diese Informationen auch in ein statistisch auswertbares Datenmodell zu packen. 

AI ist also nicht „nur“ wie ein Mensch Lösungen zu finden, sondern liefert auch Methoden und Ansätze, die über die Möglichkeiten menschlicher Entscheidungsfindung hinausgehen.

Was AI aber nicht kann, ist Fachwissen zu ersetzen und komplexe Fragestellungen wie die eines „subjektiven Vorsatzes“ zu beurteilen.

Ob ein Sachverhalt, der sich aus den Daten ableiten lässt, be- oder entlastend zu beurteilen ist, bleibt weiterhin ausschließlich dem Rechtsexperten überlassen. 

Für klassische Anwendungsfälle wie Preisabsprachen sind zum Teil die Analysemodelle (Mitbewerber, Projekte, Produkte, Ausschreibungen, …) vorhanden. AI kann aber heute diese Modelle noch nicht selbständig erzeugen, oder für neue Anwendungsfälle automatisch generieren. Das bleibt sicher noch eine lange Zeit unsere „menschliche“ Expertise.

Redaktion: Welchen Mehrwert dürfen sich Jurist:innen von AI in Zukunft auch erwarten?“

Jörg Fuchslueger & Thomas Havranek: Mit Applikationen wie Klarity ICI dürfen sich JuristInnen in der Zukunft erwarten, dass die „AI“ sie zu Lösungen hinführt, während sie bisher darauf vertrauen müssen, dass ihre Teams die richtigen Dokumente mit der erforderlichen Aufmerksamkeit gelesen und selbständig Zusammenhänge von Dokument A (von vor drei Tagen) zu Dokument B (heute) hergestellt haben und diese auch so kommentiert haben, daß sie Eingang in die relevante Argumentation finden. 

Stellt man dem die „Millersche Zahl gegenüber,“ (https://de.wikipedia.org/wiki/Millersche_Zahl) – Miller untersucht dabei die maximale Anzahl Informationseinheiten im menschlichen Kurzzeitgedächtnis – kann man sich ausrechnen, mit welchem Risiko der heutige Standard an Reviews, alleine aus diesem Aspekt heraus, behaftet ist.

Die Zukunft ist, dass „AI“ und „HI“ (Human Intelligence) kooperieren. Klarity ICI ist einer der ersten Schritte in diese richtige und wichtige Richtung.

Redaktion: Würden Sie uns bitte anhand eines konkreten Use-Cases beschreiben, wie ein AI Projekt ablaufen kann?

Jörg Fuchslueger & Thomas Havranek: In einem Großverfahren werden mehrere Unternehmen massiver Vergehen gegen strafrechtlich relevante Compliancevorschriften beschuldigt. Mehrere Anwaltskanzleien prüfen unterschiedliche e-Discovery Lösungen und entscheiden sich schließlich für den internationalen Marktführer, dessen „AI“ in Ansätzen natürlichsprachliche Informationsbearbeitung nutzt, aber wie ausführlich beschrieben mit dem etablierten, „alten“ Vorgehensmodell arbeitet, und keinerlei AI im Bereich Auffälligkeitsanalyse anbietet.

Nach ca. einem Jahr stellt sich heraus, daß regelmäßig von den Behörden vorgelegte Dokumente in den Reviewsets der Standardprodukte entweder gar nicht (mehr – wegen early case assessment) da sind oder aufgrund der großen review-sets überlesen, übersehen, nicht erfasst wurden.

Schließlich wird Klarity ICI hinzugezogen. Aufgrund des nicht erforderlichen early cases assessements und der invidualisierbaren Entity Extraction gepaart mit der einzigartigen Textkorrelation entdecken die Reviewer in kürzester Zeit unter anderem einen Sprachcode, der von den Verdächtigen zur Kommunikation genutzt wird. Da dieser völlig individuell und fallbezogen „erfunden“ wurde – was übrigens in den meisten Fällen passiert – haben Suchwortlisten und einfache Textanalyse der Standard e-Discovery Applikationen und deren „AI“ versagt. 

Als schließlich alle verdächtigen Unternehmen aufgefordert wurden, zu einem bestimmten Teil Sachverhalt Unterlagen zu produzieren, hat Klarity ICI „seine“ Reviewer rasch und sehr effizient zu hochrelevanten Dokumenten geführt und dabei auch so die viel strapazierte „Smoking Gun“ gefunden.


Mehr zu Informationen zu Klarity sowie zu deren Produkte finden sie hier.

Future-Law PRO Mitgliedschaft Logo

Mitgliedschaft PRO

Ihre Vorteile im Überblick:

  • Vernetzung mit Expert*innen der Legal Tech Branche
  • Immer Up-to-Date mit wöchentlichen Newslettern und dem "Legal Tech Times" Magazin alle 4 Monate
  • Kostenloser Zugang zu exklusiven Veranstaltungen und Webinaren
  • Sonderkonditionen bei unseren Netzwerkpartnern

Corporate Partner

Future-Law Partner

Future-Law PRO Partner

Future-Law Partner LexisNexis
Future-Law Partner AWAK
Future-Law Partner JVU
Future-Law Partner KlarityTechnology

Corporate Partner

Future-Law Partner LexisNexis

Future-Law Partner

Future-Law Partner JVU
Future-Law Partner AWAK

Future-Law PRO Partner

Future-Law Partner KlarityTechnology