Sophie Maria Garling Methodik zur Entwicklung eines juristischen Expertensystems

Zum Inhalt

Die Dissertation „Methodik zur Entwicklung eines juristischen Expertensystems“ von Sophie Maria Garling beleuchtet die theoretischen Grundlagen und praktischen Schritte zur Entwicklung eines juristischen Expertensystems mit besonderem Fokus auf regelbasierte Systeme. Ausgangspunkt ist die fortschreitende Digitalisierung des Rechtsmarktes und die zentrale Frage, wie Legal Tech Tools den juristischen Alltag tatsächlich unterstützen oder sogar verändern können.

Nach einer einleitenden Betrachtung der Digitalisierung in anderen Lebens- und Wirtschaftsbereichen wird die Übertragbarkeit auf das Recht untersucht. Dabei treten sowohl Chancen als auch Grenzen automatisierter Systeme zutage. Ein Schwerpunkt liegt auf der Analyse der Akzeptanz solcher Tools in Kanzleien und der Justiz, die entscheidend für ihre praktische Relevanz ist.

Die Arbeit definiert Schlüsselbegriffe wie Legal Tech, Expertensysteme und Künstliche Intelligenz und zeigt die Entwicklungslinien technischer Systeme auf, von Automatisierungen bis hin zu komplexen KI-Ansätzen. Auch die Ziele der Legal Tech Branche, wie ein erleichterter Zugang zum Recht oder Effizienzsteigerungen für Juristen, werden eingeordnet.

Im methodischen Teil verbindet die Dissertation klassische juristische Analyse, insbesondere zur Subsumtion, zu unbestimmten Rechtsbegriffen und zu Abwägungen, mit möglichen technischen Verfahren. Vorgestellt werden regel- und fallbasierte Systeme, maschinelles Lernen und Deep Learning Methoden ebenso wie unterschiedliche Techniken der Wissensrepräsentation, etwa Ontologien, Fuzzy-Logik und Heuristiken.

Der innovative Kern der Arbeit ist die Entwicklung des eigenen Prototyps eines juristischen Expertensystems „JurI“. Dieser umfasst die Auswahl eines Rechtsgebiets, den Aufbau notwendiger Regeln sowie die Implementierung von Wissensbasis, Inferenzmaschine und Dialogkomponente. Der Prototyp wurde getestet und durch die Entwicklung sogenannter „JunBots“, spezialisierten Expertenshells, ergänzt. Auch die rechtlichen Rahmenbedingungen, die den Einsatz solcher Systeme begleiten, werden beleuchtet.

Ein nachträglich aufgenommenes Kapitel widmet sich zudem den Large Language Models. Hier wird gezeigt, wie diese neuartigen Modelle im Lichte der zuvor entwickelten Konzepte zu bewerten sind.

Im Ergebnis wird deutlich, dass juristische Arbeit hochgradig sprach- und interpretationsabhängig ist, was eine vollständige Automatisierung erschwert. Gleichwohl eignen sich regelbasierte Systeme für klar strukturierte Sachverhalte, während maschinelles Lernen Potenzial für komplexere Aufgaben bietet. Besonders vielversprechend sind hybride Ansätze, die diese technischen Optionen zusammenführen sowie maschinelle und menschliche Intelligenz verbinden und damit neue Wege für die Weiterentwicklung des Rechtsmarktes eröffnen.