KI IM RECHTSBEREICH: WAS STECKT HINTER DEM HYPE? 

KÜNSTLICHE INTELLIGENZ (KI) UND MASCHINELLES LERNEN IN DER RECHTSBRANCHE 

Der Informatiker John McCarthy gilt als „Vater der KI“. Er definierte den Begriff als Wissenschaft und Ingenieurskunst bei der Herstellung intelligenter Maschinen, insbesondere intelligenter Computerprogramme. „Er war sehr unglücklich mit einem Großteil der heutigen KI, die zwar einige sehr nützliche Anwendungen bietet, sich aber allein auf maschinelles Lernen konzentriert.“ (Daphne Koller, Professorin, Stanford University) 

Spricht man bei juristischen Anwendungen von KI, handelt es sich in der Tat meist um maschinelles Lernen. Es beschreibt den Prozess, bei dem Systeme aus Ergebnissen und Entscheidungen lernen und sich durch diese Erfahrung verbessern. Dabei ist das System selbst zunächst nicht direkt darauf programmiert, bestimmte Aktionen durchzuführen oder eigenhändig Schlussfolgerungen zu ziehen. Diese Anwendungen analysieren vielmehr Daten, erkennen und lernen Muster ohne nennenswerten menschlichen Eingriff – dabei brauchen sie normalerweise nur einen ersten Trainingsdatensatz, um loszulegen. 

Maschinelles Lernen wird oft mit regelbasierter Automatisierung verwechselt, also mit Workflows, die auf vorprogrammierten „wenn, dann“-Algorithmen beruhen. Rechtsabteilungen sollten den Unterschied kennen, wenn sie KI einsetzen wollen. Wenn das Programm nicht in der Lage ist, selbständig Daten zu analysieren und aus ihnen zu lernen, dann handelt es sich folglich auch nicht um KI. 

Rechtteams implementieren maschinelles Lernen in der Regel, um ihre Effizienz und Produktivität zu verbessern. Bestimmte Anwendungen können administrative Aufgaben schneller erledigen als ein:e Mitarbeiter:in. Die freigewordenen Arbeitszeiten können Rechtsberater:innen dann für ihre eigentlichen Aufgaben nutzen. KI-Programme können u.a. folgende Aufgaben in der Rechtsabteilung übernehmen: 

• Legal Research: Überprüfen, Markieren und Bewerten von für Matter oder eDiscovery relevanten Dokumenten und Hervorheben von fragwürdigen Unterlagen, die manuell gesichtet werden müssen. 
• Vertragsprüfung: Identifizieren und Markieren von Klauseln zur Überprüfung; Suche nach fehlenden Klauseln sowie Redigieren von immensen Textmengen in hoher Geschwindigkeit. 
• Rechnungsprüfung: Codieren, Genehmigen, Ablehnen oder Markieren von Line Items oder ganzen Rechnungen (wenn eine regelbasierte Automatisierung nicht möglich ist). 
• Datenextraktion: Dies kann für sowohl für Rechnungen, Verträge, wie auch Dokumente gelten: überall dort, wo eine Masse von unstrukturierten Daten organisiert und klassifiziert werden muss. 
• Prozessanalytik: Analyse von Prozessdaten, um den Ausgang von Rechtsstreitigkeiten zu prognostizieren.  

MASCHINELLES LERNEN MAXIMAL NUTZEN 

Die oben genannten Use Cases und Vorteile einer KI-Software könnten künftig die Rechtsbranche verändern. Rechtsabteilungen, die derzeit eine KI-gestützte Rechtslösung implementieren, sind jedoch anfangs möglicherweise enttäuscht – vor allem, wenn sie noch am Anfang ihrer Digitalisierungsreise stehen. Die Investoren sehen die versprochenen Vorteile nicht direkt und beginnen daher, den Hype in Frage zu stellen. 

Zunächst muss verstanden werden, dass maschinelles Lernen Daten benötigt, aus welchen das System Muster ableitet. Im zweiten Schritt lernt es dann daraus und entwickelt sich so eigenhändig weiter. Die Daten müssen dabei nicht nur im Überfluss vorhanden sein, sondern auch vollständig, genau, fair und frei von Verzerrungen. Ein oft genannter Vorteil von KI ist die höhere Genauigkeit der Funktion im Vergleich zu einem Menschen. Voraussetzung dafür ist aber, dass die Daten, aus denen das Programm lernt, sehr genau sind. Schlechte oder unzureichende Daten bedeuten, dass das Programm nur unzureichende Informationen hat. Folglich kann es nicht lernen und liefert somit auch nicht die erwarteten Ergebnisse und Vorteile. 

Im schlimmsten Fall kann das Programm aufgrund des unzureichenden Datensatzes unvollständige oder falsche Schlüsse ziehen und dadurch falsche Maßnahmen ergreifen oder zu einer falschen Schlussfolgerung gelangen – entsprechend birgt es auch ein gewisses Risiko. Daraus kann wiederum resultieren, dass die Produktivität durch KI schlussendlich negativ beeinflusst wird, wenn das Team die Arbeit noch einmal durchgehen, Probleme identifizieren und korrigieren muss. Noch schwerwiegender können Folgen aus falsch gezogenen Schlüssen wiegen, die zu schädlichen Handlungen für das Unternehmen oder sogar zu Rechtsstreitigkeiten führen. Die Zuverlässigkeit Ihrer KI-Software muss ein wichtiger Faktor bei der Bewertung rechtlicher Risiken sein. Rechtsteams müssen ihre Rolle bei der Versorgung von maschinellen Lerntools mit qualitativ hochwertigen Daten und Trainings unbedingt verstehen, um die genannten Herausforderungen zu meistern – wie das Sprichwort sagt: „Wir ernten, was wir säen“. 

Auch in anderen Branchen findet man schnell Beispiele, die zeigen, warum es so wichtig ist, beim Einsatz von KI gewisse Punkte zu beachten. 2018 hat Amazon ein Tool entwickelt, um Lebensläufe von Ingenieur:innen zu prüfen und die besten unter ihnen für ein Vorstellungsgespräch zu markieren. Die Absicht war, einen zeitaufwändigen Prozess zu automatisieren. Um die Anwendung zu trainieren, wurde der Datensatz der aktuellen Amazon-Engineering-Mitarbeiter:innen sowie die Bewerbungen der letzten 10 Jahre verwendet, bei denen es sich überwiegend um Männer handelte. Die Maschine „lernte“, dass „eher männliche“ Kandidaten am besten für die Rolle geeignet waren. Amazon stoppte die Nutzung des Tools wenig später. Schlechte Daten waren auch der Grund für den Fehlschlag von IBM Watson. Sie versuchten anhand einer Software Krebspatienten richtig zu diagnostizieren und zu behandeln. Die Daten, mit denen die Anwendung trainiert wurde, waren allerdings keine echten Patientendaten, deshalb gab das Tool häufig schlechte Ratschläge. Diese Beispiele zeigen nicht nur, wie wichtig vollständige Daten für maschinelles Lernen sind, sondern auch wie schwer es ist, unerwartete Konsequenzen schon vor dem eigentlichen Eintreffen zu prognostizieren. 

Die Wichtigkeit von qualitativ hochwertigen und unvoreingenommenen Daten wird schnell deutlich, selbst bei einfachen und überschaubaren Zielen. KI ist nicht dazu gedacht, komplexe juristische Arbeit zu erledigen; sie beschleunigt vielmehr Routineaufgaben, unterstützt die Entscheidungsfindung und ergreift in manchen Fällen eigenständig Maßnahmen, die auf diesen Entscheidungen basieren. Tatsächlich sind einige der besten Beispiele für den Einsatz von KI dort zu finden, wo Tools für maschinelles Lernen mit regelbasierten Systemen kombiniert wurden. Daten werden so zunächst identifiziert und kategorisiert, damit zuvor definierte Schritte dann auf der Grundlage dieser Kategorisierung unternommen werden können. 

MASCHINELLES LERNEN UND EBILLING 

Das Legal Spend Management ist eines der Beispiele für rechtsspezifische Anwendung, bei der regelbasierte Automatisierung und maschinelles Lernen gemeinsam genutzt werden. Onit’s Legal Spend Management-Lösung BusyLamp eBilling.Space verfügt beispielsweise über die folgenden KI-Funktionen für Mandanten und/oder Kanzleien, die keine LEDES-Dateien verwenden möchten: 

• Datenextraktion: Relevante Informationen können aus PDF-Rechnungen gezogen werden, was kleinere Kanzleien von der Erstellung komplexer Rechnungsdateien entlastet. 
• Rechnungsprüfung: Manche Kanzleien haben Schwierigkeiten, Rechnungen so zu kodieren, dass sie für Mandanten verständlich sind. Die KI von BusyLamp nimmt unstrukturierte Rechnungsdaten und klassifiziert automatisch jede Aufgabe, um eine automatisierte Rechnungsprüfung zu ermöglichen. 
• Legal Analytik: Unstrukturierte Rechnungs- und Vorgangsdaten können analysiert werden, um die strategische Entscheidungsfindung zu verbessern. 
• Block Billing: Englische Zeitangaben können analysiert werden, sodass Block Billing, eine Praxis, die in der Regel gegen die Billing Guidelines verstößt, identifiziert wird. 

IST KI DAS RICHTIGE FÜR IHRE RECHTSABTEILUNG? 

Der Einsatz von Punkt-Lösungen ermöglicht es Rechtsabteilungen, die Vorteile des maschinellen Lernens für sich zu nutzen. Aber maschinelles Lernen ist keineswegs entscheidend, um Effizienz- und Produktivitätsgewinne zu erzielen; die meisten unserer BusyLamp-Kunden fangen klein an und haben große Ziele. Sie beschäftigen sich zunächst mit dem Sammeln von Wissen, dem Strukturieren und Bereinigen ihrer Datensätze und dem Aufbau automatisierter Workflows.

Wenn Sie Ihr nächstes juristisches Technologieprojekt planen, beginnen Sie damit, Ihre aktuellen Prozesse, Problematiken und gewünschten Ergebnisse festzuhalten, bevor Sie sich eine bestimmte Softwarelösung ansehen. Wenn Sie Anbieter evaluieren, werden Sie verschiedene Lösungen und Workflows für Ihre Anforderungen entdecken, die KI beinhalten können oder nicht. 

Setzen Sie KI nie um der KI willen ein – denn nicht immer ist künstliche Intelligenz zielführend. Fast jede juristische Anwendung verwendet eine regelbasierte (nicht KI!) Automatisierung, um Ihr Team von administrativen und sich wiederholenden Aufgaben zu entlasten. Diese Automatisierung ist für die meisten Teams, die sich auf ihre digitale Reise begeben, ein fantastischer Ausgangspunkt. 

Es besteht kein Zweifel daran, dass maschinelles Lernen eine große Rolle bei der Verbesserung der Produktivität der Anwaltschaft spielt. Auch steht fest, dass es den Inhouse-Teams ermöglicht, eine zentrale, strategische Rolle in ihren Unternehmen zu übernehmen. Da KI jedoch so sehr von den Daten abhängt, mit denen sie gefüttert wird, wird der wirkliche transformative Wendepunkt erst durch eine unternehmensweite Nutzung von Machine-Learning-Tools erreicht. Die Erkenntnisse und Ergebnisse aus der Analyse von Dokumenten und Daten aus dem gesamten Unternehmen sind viel größer und wertvoller als solche, die allein aus der Rechtsabteilung stammen. Die Umsetzung ist aber nur mit integrierten juristischen und unternehmensweiten Tech-Tools sowie robusten, umfangreichen und konsistenten Daten zu erreichen. 

Die „Macht der KI“ und ihre Fähigkeit, die Rechtsbranche wirklich zu verändern, steht außer Frage. Es ist jedoch wichtig, mit Vorsicht vorzugehen und eine Grundlage zu schaffen. Nur so kann sichergestellt werden, dass Ihre Rechtsabteilung einen tatsächlichen Nutzen daraus ziehen kann und nicht einfach auf den KI-Hypetrain aufspringt. 

Aus dem englischen Original-Blog übersetzt.