Die Rechtsbranche steht vor einem Paradox: Noch nie waren die Fähigkeiten künstlicher Intelligenz so beeindruckend wie heute. Innerhalb weniger Sekunden erstellen KI-Systeme Verträge, analysieren die Rechtsprechung, fassen Tausende von Seiten zusammen oder schlagen Prozessstrategien vor.

Dennoch prüfen Anwältinnen und Anwälte sowie die Rechtsabteilungen von Unternehmen weiterhin die erstellten Dokumente, kontrollieren die Analysen und vollziehen die juristischen Überlegungen selbst nach, bevor sie Entscheidungen treffen. KI wird zwar täglich eingesetzt, doch nur wenige sind bereit, sich uneingeschränkt auf sie zu verlassen.

Die entscheidende Frage

Warum? Diese Frage ist inzwischen wichtiger als jene, welches Modell am leistungsfähigsten ist oder über die grösste Datenbasis verfügt. Wenn Anwälte weiterhin jeden Fall selbst überprüfen, liegt das vermutlich daran, dass wir erst einen Teil des Problems gelöst haben.

«Im Rechtswesen reicht eine plausible Antwort nicht aus.»

2017 veröffentlichten Ashish Vaswani und seine sieben Mitautoren die wissenschaftliche Arbeit «Attention Is All You Need». Die darin vorgestellte Transformer-Architektur ebnete den Weg für die heutigen grossen Sprachmodelle und eröffnete zuvor ungeahnte Möglichkeiten bei der Verarbeitung und Generierung von Sprache. Doch dieser Fortschritt beantwortet eine andere, gerade in Berufen mit hoher Entscheidungsverantwortung zentrale Frage nicht: Wie lässt sich eine Maschine dazu befähigen, wie ein erfahrener Berufspraktiker zu denken und zu argumentieren?

Von plausiblen Texten zu verlässlichen Schlussfolgerungen

Im Rechtswesen reicht eine plausible Antwort nicht aus. Eine Analyse kann sprachlich einwandfrei sein und dennoch juristisch falsche Schlussfolgerungen enthalten. Sie kann auf inzwischen überholten Sachverhalten beruhen, ein entscheidendes Beweisstück übersehen oder die zeitliche Abfolge eines Falls und die Folgen eines Rechtsverhältnisses ausser Acht lassen. Die Herausforderung besteht deshalb darin, juristische Schlussfolgerungen zu erzeugen, auf deren Verlässlichkeit Fachleute zunehmend vertrauen können.

Über Jahrzehnte hinweg stützten sich Anwälte auf Sammlungen von Verträgen, Rechtsschriften, Rechtsgutachten und Berichten. Die Wiederverwendung früherer Arbeiten sparte Zeit, verringerte Risiken und senkte die Kosten der Dokumentenerstellung. Heute kann künstliche Intelligenz innerhalb weniger Sekunden Dokumentenentwürfe oder Zusammenfassungen erstellen. Damit stellt sich eine neue Frage: Soll KI lernen, was Anwälte in der Vergangenheit getan haben, oder wie ein Anwalt heute juristisch denken und argumentieren sollte?

«Menschliche Expertise beschränkt sich nicht darauf, sich an vergleichbare Fälle zu erinnern.»

Diese Überlegungen haben uns dazu bewogen, den Ansatz «Zero Legacy» zu entwickeln. Der bewusst provokative Begriff stellt den Wert früherer Dokumente als Beweismittel, Referenzmaterial oder Zeugnisse der Arbeitsweise einer Kanzlei und der Strategie eines Mandanten keineswegs infrage. Doch die Erstellung juristischer Arbeiten sollte künftig von der Methodik bestimmt werden: Die Maschine soll lernen, wie ein erfahrener Anwalt argumentiert, anstatt lediglich dessen frühere Arbeiten zu reproduzieren.

Menschliche Expertise beschränkt sich nicht darauf, sich an vergleichbare Fälle zu erinnern. Mit zunehmender Erfahrung entwickeln sich Intuition, Urteilsvermögen und eine fundierte Methodik. Das Gedächtnis liefert den Kontext, die Methodik leitet das Handeln. Weshalb also sollte künstliche Intelligenz ausschliesslich auf dokumentiertes Wissen zurückgreifen?

Vom Dokumentenwissen zum juristischen Verständnis

Heutige KI-Systeme sind hervorragend darin, Informationen zu recherchieren. Es fällt ihnen jedoch nach wie vor schwer, einen Fall in seiner Gesamtheit zu rekonstruieren.

Ein Rechtsfall ist ein dynamisches Gefüge, in dem Sachverhalte, Beteiligte, Verträge, Beweismittel und Rechtsnormen miteinander verknüpft sind und sich im Laufe der Zeit verändern. Die Aufgabe des Anwalts besteht darin, diese Zusammenhänge zu verstehen, fehlende Informationen zu erkennen und deren rechtliche Konsequenzen zu beurteilen, um eine schlüssige Argumentation zu entwickeln. Eine vertrauenswürdige KI muss zu einem vergleichbaren Verständnis gelangen.

Wir sind überzeugt, dass die nächste Generation juristischer KI weniger auf der reinen Leistungsfähigkeit der Modelle oder dem Umfang der Daten beruhen wird als vielmehr auf einer Architektur, die das juristische Denken und die Argumentationsweise eines erfahrenen Anwalts nachbilden kann.

Unsere Plattform basiert auf vier Säulen: einer ausdrücklich definierten juristischen Methodik, einem Gedächtnis, das die tatsächlichen Zusammenhänge eines Falls rekonstruiert, einer kanzleispezifischen Intelligenz, die vollständig im Eigentum der jeweiligen Kanzlei bleibt, niemals mit anderen geteilt wird und jederzeit vollständig exportiert werden kann, sowie einer Orchestrierung, die diese Komponenten miteinander verbindet.

Unser Ziel ist es, einen Rechtsfall als Ganzes zu erfassen, seine Entwicklung nachzuvollziehen und darauf aufbauend die entsprechende Methodik anzuwenden. Wir sind zudem überzeugt, dass die internen Arbeitsmethoden, Verhandlungspositionen, Präferenzen bei der Formulierung juristischer Texte und die gesammelte Erfahrung einer Kanzlei einen strategischen Vermögenswert darstellen. Dieses Wissen muss vertraulich und übertragbar bleiben und jenen gehören, die es geschaffen haben. Es darf nicht dazu dienen, die KI-Systeme anderer Nutzer der Plattform zu verbessern.

«Die nächste Revolution wird von Systemen ausgehen, denen Fachleute endlich ihr Vertrauen schenken können.»

Die Luftfahrt liefert dafür eine interessante Analogie. Die Gebrüder Wright lehrten die Menschheit das Fliegen. Wenige Jahre später ebnete Lawrence Sperry den Weg für den Autopiloten, mit dem sich bestimmte Aufgaben an die Maschine delegieren liessen. Dadurch konnte sich der Pilot stärker auf Entscheidungen und den Umgang mit unvorhergesehenen Situationen konzentrieren.

Mehr als ein Jahrhundert später ist im Zusammenhang mit künstlicher Intelligenz noch immer vor allem von «Copiloten» die Rede. Die Herausforderung besteht nun darin, Systeme zu entwickeln, die zuverlässig genug sind, um schrittweise die Funktion eines Autopiloten zu übernehmen – während Verantwortung, Strategie und Urteilsvermögen weiterhin beim Menschen verbleiben.

Grosse Sprachmodelle haben unsere Arbeitsweise verändert. Sie haben vermutlich die erste Hälfte des Problems gelöst. Die nächste Revolution wird von Systemen ausgehen, denen Fachleute endlich ihr Vertrauen schenken können.

Dominique Lecocq ist Gründer von Laine Neural Network.

Lesen Sie hier alle bisherigen Texte unserer Gastautoren.