• Facebook
  • LinkedIn
  • Xing
  • Instagram
  • LEGAL TECH KONFERENZ WIEN 2021
  • NEWSLETTER
Future-Law
  • ABOUT US
    • TEAM
    • JOBS
  • VERNETZUNG
  • WISSEN
    • ARCHIV
    • BLOG
    • EVENTS
    • GLOSSAR
    • PRESSE
  • INDUSTRIES
    • BANKING & FINANCE
  • SERVICES
    • ADVISORY
    • FUTURE 4 CORPORATES
    • NEXT GENERATION
    • RECRUITMENT
  • JOIN US
  • Suche
  • Menü Menü

Machine Learning – an der Schnittstelle von Recht und Technik: Im Interview mit Isabella Hinterleitner

BLOG
Im Interview mit Isabella Hinterleitner gehen wir Machine Learning auf den Grund und bewegen uns erneut an der Schnittstelle Recht und Technik. Wo kann man Machine Learning konkret einsetzen und wie sollte man an die Implementierung herangehen ? Diese Fragen und viele mehr beschäftigen uns heute.

Frau Hinterleitner, stellen Sie bitte sich und ihre Arbeit vor!

Als Frau in der Technik habe ich einen untypischen Weg gewählt, da ich zuerst an der TU Wien Medizinische Informatik studiert habe und dann in der Elektrotechnik promoviert habe. Zusätzlich habe ich dann noch das interdisziplinäre Studium „Cognitive Science“ absolviert. Den größten Teil meiner Berufserfahrung im autonomen Fahren sammelte ich in Deutschland bei Robert Bosch in Hildesheim. Neben meiner Tätigkeit dort hatte ich eine Lehrtätigkeit an der Georg August Universität in Göttingen. Nach meiner Rückkehr nach Österreich startete ich in Kärnten bei Silicon Austria Labs um dort ein Lab im Bereich ML zu etablieren. Im November 2019 habe ich die Plattform und Firma TechMeetsLegal gegründet die das Ziel hat, Techniker und Wissenschaftler in komplexen Fragen des Rechts durch juristische Expertise zu unterstützen. 

Es gibt drei verschiedene Arten von Machine Learning: Supervised Learning, Unsupervised Learning, Reinforcement Learning. Welche dieser Methodiken würde sich für die Anwalterei am Besten anbieten oder kann man das so generalisiert gar nicht sagen und wo sehen Sie konkrete Einsatzmöglichkeiten im Alltag von Juristinnen und Juristen? 

Ja, grundsätzlich gibt es drei weit verbreitete Arten des Machine Learning (ML), die sich etabliert haben (supervised Learning, unsupervised und semi-supervised Learning). Alle drei Arten haben gemeinsam, dass ein Verfahren (am Computer) aufgrund von aufbereiteten Daten lernt z.B. Objekte zu erkennen. Für die Juristerei eignen sich die Verfahren des semi-supervised Learning am besten. Dort werden Datensätze durch Experten wie Juristen korrekt benannt und mit nicht korrekt zugeordneten Daten zusammengebracht. Dadurch lernt das Verfahren aus den zugeordneten Daten Zusammenhänge zu erkennen. Neben einer Lernphase  gibt es beim ML eine Verifizierungsphase in der beurteilt wird, ob die Daten erkannt wurden. Eingesetzt wird das obige Verfahren in der Juristerei in der Textanalyse von Verträgen, wobei hier ein Jurist zuerst eine geringe Anzahl an Vertragsbestandteilen korrekt anlernt. War das ML Verfahren erfolgreich, dann werden in einem neuen Vertrag die Vertragsbestandteile korrekt erkannt.  

Oftmals wird von Machine Learning im Zusammenhang mit Due-Dilligence oder anderen zeitaufwendigen und arbeitsintensiven Aktivitäten gesprochen. Wo sehen Sie die Vorteile von Machine Learning und was könnten die Technologie für Berufseinsteigende bedeuten, welche oft mit jenen zeitintensiven Aufgaben betraut werden?  

Wie bereits im Vorfeld erwähnt benötigt ML eine Menge von Daten, die qualitativ hochwertig sein müssen. In der erwähnten Textanalyse ist es nicht ausreichend die Verträge einfach einzulesen. Der menschliche Experte und damit der Jurist, muss das Verfahren so parametrisieren, dass es dazu in der Lage ist jene Bestandteile eines Vertrages zu erkennen, die man in zukünftigen Verträgen erkennen will. Das Einlernen von konkreten Merkmalen dauert in Abhängigkeit des Verfahrens unterschiedlich lange. In der Regel muss man jedoch mit einigen hundert Lerndurchgängen rechnen, in denen das Verfahren die Datensätze lernt. Je komplexer die Texte und Zusammenhänge sind, desto länger kann eine Lernphase andauern. 

Der Einsatz von ML für heutige Berufseinsteiger in der Juristerei bedeutet eine Zeitersparnis durch den Einsatz von Bild und Texterkennungssystemen. Zusätzlich kann mittels ML die Suche in einem System deutlich schneller werden indem man Gewichtungen einführt und jene Elemente die hoch gewichtet sind schneller gefunden werden. Die Einführung eines solchen Systems sollte jedoch gut geplant und fachmännisch umgesetzt werden.

Bei der Inkorporation von Machine Learning: ist es sinnvoller externe Hilfe in Anspruch zu nehmen oder vielleicht intern eine fachkundige Arbeitsgruppe aufzustellen die sich mit dem Thema auseinandersetzt? 

Bei der Einführung von ML im juristischen Umfeld unterscheidet man zwischen Anwendungssoftware und der Einführung von Systemen auf Basis von ML zum Beispiel durch Dateimanagementsysteme, die eine effizientere Suche ermöglichen. Geht es um eine Anwendungssoftware, die beispielsweise auf Basis von ML Methoden Texte erkennt, dann ist es sinnvoll sich als Kanzlei/Jurist konkret einschulen zu lassen um die Software richtig einsetzen zu können. Ein qualifizierter Anbieter passt die Software in der Regel an ihre Anforderungen an.

Bei der Einführung von ML in Managementsystemen empfiehlt es sich strukturiert vorzugehen und zuerst die Anforderungen an das System festzustellen. Der erste Schritt kann durch eine juristisch-fachkundige Gruppe abgedeckt werden, die mit Technikern zusammen die Anforderungen besprechen sollte. Im zweiten Schritt wird das System durch den Techniker modelliert. Auch hier ist eine enge Abstimmung zwischen Techniker & Jurist empfehlenswert. Das System sollte schließlich auch ausreichend getestet werden ehe es in den Echtzeitbetrieb übergeht. 

Schlägt sich die Nutzung von Machine Learning auch auf die Beziehung zu Klienten durch? 

Die Verwendung von ML Methoden kann sich in mehrerlei Hinsicht auswirken. Einerseits direkt – hier geht man davon aus, dass durch die Verwendung von ML Verfahren die Effizienz im alltäglichen Arbeitsbetrieb gesteigert wird und Sie schneller Dokumente finden und ihre juristisch qualifizierte Arbeit fokussiert gestalten. 

Anderseits ist davon auszugehen, dass durch ML Methoden wie nachvollziehbare Empfehlungssysteme Information über Rechtsgebiete fachgerecht dargestellt wird. Damit unterstützen Sie ML Verfahren indirekt in einer umfangreichen Recherche indem rechtliche Expertise gut aufbereitet und strukturiert wird.

Wir bedanken uns recht herzlich bei Frau Hinterleitner für Ihre Zeit und Ihren Input!

Als besonderes Goodie stellt Tech meets Legal Testmitgliedschaften bereit: Tech meets Legal bietet die Möglichkeit Wissen in neuen Gebieten des Rechts aufzubauen in dem der Interessen relevante Projekte für Juristen vorgeschlagen werden. Die Interaktion findet über ein online Lex-KB Portal statt, indem der Zugriff auf mediale Inhalte, sowie die Vernetzung freigeschalten sind. TML bietet nun 5 Testmitgliedschaften an um sich in der Datenbank zu registrieren und die oben erwähnten Vorteile zu testen.

 

Ihr Future-Law Team,

Sophien Martinetz & Sophie Werner

  Sophie Werner

15. Juni 2020
Schlagworte: Artificial Intelligence, Blog, Digitalisierung, due-dilligence, future-law, legal tech, Machine Learning, nextgeneration
Eintrag teilen
  • Teilen auf Facebook
  • Teilen auf Twitter
  • Teilen auf WhatsApp
  • Teilen auf Pinterest
  • Teilen auf LinkedIn
  • Teilen auf Tumblr
  • Teilen auf Telegram
  • Per E-Mail teilen
https://future-law.at/wp-content/uploads/2020/06/Foto_Bewerbung.jpg 349 466 swerner https://future-law.at/wp-content/uploads/2017/10/futurelaw-logo2-340web-300x138.jpg swerner2020-06-15 08:00:192020-06-17 14:44:36Machine Learning – an der Schnittstelle von Recht und Technik: Im Interview mit Isabella Hinterleitner
Das könnte Dich auch interessieren
In-Memory-Computing in der Kanzlei
“Innovation meets Advent” Rückblick | 5.12.2018
Welche Pläne hat LexisNexis, Frau Mortimore?
Der Alltag der Anwälte 2.0 mit Cloud Computing – Teil #2
Future Village Start-up Challenge: vialytics setzte sich durch
Wiener Zeitung Blockchain – was ist möglich?

ARCHIV

FUTURE-LAW.AT/ARCHIVE

Kategorien

  • BLOG
  • DOKUMENTE
  • EVENTS
  • PRESSE
  • UMFRAGE

SCHLAGWORTWOLKE

Anything in here will be replaced on browsers that support the canvas element

  • legal tech
  • future-law
  • Digitalisierung
  • Sophie Martinetz
  • Blog
  • LexisNexis
  • legal tech austria
  • digitale Kanzlei
  • Wiener Zeitung
  • Artificial Intelligence
  • WZ Kolumne
  • künstliche intelligenz
  • Interview
  • Legal Texpert
  • Legal Tech Konferenz Wien
  • blockchain
  • Rechtsabteilung
  • new work
  • digitales Geschäftsmodell
  • Corona
  • Umfrage
  • Rechtsabteilungen
  • Rechtsabteilung 2035
  • Die Presse
  • Automatisierung
  • Coronavirus
  • Start Up
  • Workflow Tools

KALENDER

Februar 2023
M D M D F S S
 12345
6789101112
13141516171819
20212223242526
2728  
« Aug    
FUTURE-LAW.AT

AGB
DATENSCHUTZ
IMPRESSUM & DISCLAIMER


© Seinfeld Professionals
Infrastruktur GmbH & Co KG

KOOPERATIONSPARTNER

LexisNexis Logo

2019

Logo VUJ

AWAK Logo

Digitale Justiz – wann, wenn nicht jetzt?Wiener ZeitungDie PresseDie Krise zeigt: Legal Tech wird weiter an Bedeutung gewinnen
Nach oben scrollen

Durch die weitere Nutzung der Seite stimmen Sie der Verwendung von Cookies zu.

Mehr InformationenAkzeptieren.

Cookie- und Datenschutzeinstellungen



Wie wir Cookies verwenden

Wir können Cookies anfordern, die auf Ihrem Gerät eingestellt werden. Wir verwenden Cookies, um uns mitzuteilen, wenn Sie unsere Websites besuchen, wie Sie mit uns interagieren, Ihre Nutzererfahrung verbessern und Ihre Beziehung zu unserer Website anpassen.

Klicken Sie auf die verschiedenen Kategorienüberschriften, um mehr zu erfahren. Sie können auch einige Ihrer Einstellungen ändern. Beachten Sie, dass das Blockieren einiger Arten von Cookies Auswirkungen auf Ihre Erfahrung auf unseren Websites und auf die Dienste haben kann, die wir anbieten können.

Notwendige Website Cookies

Diese Cookies sind unbedingt erforderlich, um Ihnen die auf unserer Webseite verfügbaren Dienste und Funktionen zur Verfügung zu stellen.

Da diese Cookies für die auf unserer Webseite verfügbaren Dienste und Funktionen unbedingt erforderlich sind, hat die Ablehnung Auswirkungen auf die Funktionsweise unserer Webseite. Sie können Cookies jederzeit blockieren oder löschen, indem Sie Ihre Browsereinstellungen ändern und das Blockieren aller Cookies auf dieser Webseite erzwingen. Sie werden jedoch immer aufgefordert, Cookies zu akzeptieren / abzulehnen, wenn Sie unsere Website erneut besuchen.

Wir respektieren es voll und ganz, wenn Sie Cookies ablehnen möchten. Um zu vermeiden, dass Sie immer wieder nach Cookies gefragt werden, erlauben Sie uns bitte, einen Cookie für Ihre Einstellungen zu speichern. Sie können sich jederzeit abmelden oder andere Cookies zulassen, um unsere Dienste vollumfänglich nutzen zu können. Wenn Sie Cookies ablehnen, werden alle gesetzten Cookies auf unserer Domain entfernt.

Wir stellen Ihnen eine Liste der von Ihrem Computer auf unserer Domain gespeicherten Cookies zur Verfügung. Aus Sicherheitsgründen können wie Ihnen keine Cookies anzeigen, die von anderen Domains gespeichert werden. Diese können Sie in den Sicherheitseinstellungen Ihres Browsers einsehen.

Google Analytics Cookies

Diese Cookies sammeln Informationen, die uns - teilweise zusammengefasst - dabei helfen zu verstehen, wie unsere Webseite genutzt wird und wie effektiv unsere Marketing-Maßnahmen sind. Auch können wir mit den Erkenntnissen aus diesen Cookies unsere Anwendungen anpassen, um Ihre Nutzererfahrung auf unserer Webseite zu verbessern.

Wenn Sie nicht wollen, dass wir Ihren Besuch auf unserer Seite verfolgen können Sie dies hier in Ihrem Browser blockieren:

Andere externe Dienste

Wir nutzen auch verschiedene externe Dienste wie Google Webfonts, Google Maps und externe Videoanbieter. Da diese Anbieter möglicherweise personenbezogene Daten von Ihnen speichern, können Sie diese hier deaktivieren. Bitte beachten Sie, dass eine Deaktivierung dieser Cookies die Funktionalität und das Aussehen unserer Webseite erheblich beeinträchtigen kann. Die Änderungen werden nach einem Neuladen der Seite wirksam.

Google Webfont Einstellungen:

Google Maps Einstellungen:

Google reCaptcha Einstellungen:

Vimeo und YouTube Einstellungen:

Andere Cookies

Die folgenden Cookies werden ebenfalls gebraucht - Sie können auswählen, ob Sie diesen zustimmen möchten:

Datenschutzrichtlinie

Sie können unsere Cookies und Datenschutzeinstellungen im Detail in unseren Datenschutzrichtlinie nachlesen.

DATENSCHUTZ
Accept settingsHide notification only
Frische Legal Tech Expertise mit dem FUTURE-LAW Newsletter:
  • Dieses Feld dient zur Validierung und sollte nicht verändert werden.