Die Automatisierung im generellen ist die Übertragung von Funktionen des Produktionsprozesses, insbesondere Prozesssteuerungs- und -regelungsaufgaben vom Menschen auf künstliche Systeme. Die Informatik hat hierfür komplexe Logikmodelierungen aber ist bei den semantischen Instrumenten beschränkt — wohingegen man bei der Rechtsanwendung mit einfacheren Logiken auskommt aber ein semantisch weiterentwickeltes Verständnis voraussetzt.

Trotz großer Fortschritte bei Computerlinguistik und Spracherkennungsforschung in den letzten Jahren ist eine automatische Subsumtion noch nicht gänzlich möglich, da es den Systemen an Erfahrungen, menschlichem Verstand und Gerechtigkeitsempfinden mangelt und vor allem juristische Begriffe sich der Formalisierung noch entziehen.
Jedoch gibt es zwei Ansätze bei der Abbildung von juristischem Wissen: einen induktiven Ansatz und einen deduktiven Ansatz.

Induktiver Ansatz: Statistische Systeme

Wird weithin auch als verallgemeinerndes Denken bezeichnet. Unter ihr versteht man die Ableitung einer allgemeinen Regel durch eine oder mehrere Bedingungen. Solche statistischen Lösungen mit Mustererkennung können durchaus einzelne Tatbestandsmerkmale überprüfend induktiv von beliebigen Inputinformationen ausgehend und häufig selbst lernend für einzelne Folgerungsfragestellungen Zusammenhänge aufzeigen. Diese statistischen Anwendungen sind aber nur dort einsetzbar, wo formalisierte, häufigkeitsbezogene Überlegungen zur Lösung führen.

Deduktiver Ansatz: Regelbasierte Systeme

Einen allgemeinen Satz, welcher die einzelnen Tatsachen der Erfah­rung, die zu seiner Ableitung ge­dient haben, als spezielle Fälle in sich enthält, nennen wir ein Gesetz.
Unter diesem Ansatz versteht man meistens regelbasierte Verfahren, bei denen ein Algorithmus sein Ziel nicht auf der Basis von aus Daten automatisch gelerntem Wissen erreicht, sondern durch Anwendung von expliziten Regeln und lexikalischem Wissen. Wissen das meist manuell von menschlichen Experten kodiert wurde.

Wie sich schon aus den Definition und den Anwendungsräumen ergibt unterscheiden sich Künstliche Intelligenz beziehungsweise Machine Learning und Regelbasierte Systeme voneinander. Ein prägnanter Überblick dazu in dieser Grafik:

Einsatzbereich regelbasierter Entscheidungsunterstützungssysteme:

Mit wenigen Einschränkungen lassen sich also semantisch komplexe (juristische Fragestellungen) in einer formalisierten Struktur abbilden. Dies ist auch möglich, wenn keine großen Datenbestände vorhanden sind. Voraussetzung ist jedoch, dass die zu modellierende Problemstruktur häufig und wiederholt auftritt, rechtlich eindeutig geklärt ist und unbestimmte Rechtsbegriffe oder auslegungsbedürftige Tatbestandsmerkmale, auf eindeutige Werteschemata reduziert werden können.

Auch erlaubt die konsequente Sammlung und Zusammenführung interner Daten und das Zuspielen relevanter externer Datenquellen, zum Beispiel mit Big-Data-Technologien, t es heute, auf eine immense Faktenvielfalt zuzugreifen. Moderne statistische Methoden wie Predictive Applications gewähren es für viele, häufig wiederkehrende Fragestellungen, aufgrund von historischen Daten Prognosen für die nahe Zukunft inklusive einer kompletten Risikoabschätzung zu erstellen (Predictive Analytics).

Ihr Future-Law Team,

Sophie Martinetz & Sophie Werner