Rückblick Tech Radar – Machine Learning in Recherche & bei der NDA Analyse | 15.6.2020
Am 15.6.2020 lud Future-Law zum ersten virtuellen Legal Tech Radar ein. Bei der in Kooperation mit LexisNexis ausgerichteten Veranstaltungsreihe wurde eine praxisnahe Expertendiskussion geboten und im Anschluss lebhaft diskutiert.
„Zu Tode gefürchtet ist auch gestorben. Machine Learning ist sicher noch in der Pioneerphase, aber es ist schon so weit, dass man als Kanzlei oder Rechtsabteilung etwas mit gutem Gewissen ausprobieren könnte. Es sind spannende Zeiten.“ (Sophie Martinetz | Future-Law)
Am Abend des 15. Juni 2020 fand der Future-Law Legal Tech Radar statt, ein innovatives virtuelles Format. Unter den Zuhörenden waren die unterschiedlichsten Bereiche vertreten – Anwält*innen, Vertreter der öffentlichen Hand, Studierende und viele mehr.
Sophie Martinetz (Gründerin | Future-Law) diskutierte mit Andreas Geyrecker (Director Product Development & Product Management | LexisNexis) und Mathias Strasser (CEO | Scissero) über den konkreten Einsatz von Machine Learning in der NDA Analyse und deren Einsatz bei der Recherche. Im Zentrum der Diskussion standen vor allem Funktionsweisen und Implementierungsmöglichkeiten von Machine Learning im juristischen Bereich, insbesondere bei Recherche und NDA Analysen.
Gerade bei der täglichen Arbeit in Kanzleien kann sich die Verwendung von Machine Learning Methoden in vielerlei Hinsicht vorteilhaft auswirken. Mathias Strasser erzählte dazu aus seiner Erfahrung als CEO von Scissero, einer cloud-basierten Plattform für juristische AI, dass die benötigte Zeit für die routinemäßige Aushandlung von Vereinbarungen wie beispielsweise NDAs dramatisch verkürzt werden kann. Zusätzlich zu der enormen Zeitersparnis ist das Resultat bereits auf einem Niveau verfügbar, dass mit dem menschlicher Arbeit durchaus vergleichbar ist.
Mathias Strasser: „Was AI-basierte Analyse-Tools für den Rechtsbereich wie Scissero erfolgreich macht, ist das starke Domainwissen. Denn die rechtliche Sprache ist nicht schwarz und weiss, sondern vielschichtig und Worte und Wortrelationen lassen sich nicht ohne weiteres in Zahlen übersetzen. Das macht den Legal Tech-Bereich, im Vergleich zB zur automatisierten Bilderkennung, sehr komplex.“
Die Erweiterung der traditionellen Ansätze von Machine Learning um neues Domänenwissen schafft vermehrt Potential um auch komplizierte (Rechts-)Probleme in der realen Welt zu lösen. Ausgehend von den durch Machine Learning gebotenen Möglichkeiten ist eine Effizienzsteigerung im alltäglichen Arbeitsbetrieb möglich – alleine das schnellere Finden von Dokumenten schafft mehr Raum für fokussierte und juristisch qualifizierte Arbeit.
Zusätzlich dazu kommt noch die fachgerechte Darstellung von Informationen über Rechtsgebiete – unterstützt von Machine Learning ist es möglich, rechtliche Expertise gut aufbereitet und strukturiert abzufragen. Andreas Geyrecker hatte sprach dazu aus seiner Praxiserfahrung: „Technologien wie Machine Learning und Natural Language Processing transformieren die Suche, offenbaren bisher nicht erkennbare Zusammenhänge und ermöglichen neue Einblicke – ein Muss bei der stetig wachsenden Menge und Komplexität von Rechtsinformation. Wir bei LexisNexis definiert mit Legal Intelligence die Rechtsrecherche neu.“
Neben den etlichen Vorteilen, die eine durch Machine Learning unterstützte Recherche mit sich bringt, ist es natürlich auch wichtig, die richtige Herangehensweise an die Einführung eines solchen Systems zu wählen. Um eine solche Software effizient nutzen zu können, ist beispielsweise eine Einschulung für die Kanzlei/Juristen sinnvoll. Als Expertin für Legal Tech Tools Sophie Martinetz dazu: „Einfach loslaufen und das nächstbeste Machine Learning Tool einkaufen, ist keine so gute Idee. Zunächst muss sichergestellt werden, dass es in meiner Kanzlei den entsprechenden Use Case gibt, und dass die Bereitschaft besteht, sich einzuarbeiten und das Tool anzuwenden.“
Das Publikum zeigte sich in der an die Diskussion anschließende Fragerunde sehr interessiert und konfrontierte die Expert*innen mit zum Teil auch kritischen Fragen. Besonderes Interesse galt der Einführung von Machine Learning in das juristische Umfeld und den damit einhergehenden Herausforderungen.
