Predictive Analytics – Vorsprung durch KI?

Anhand großer Datenmengen und vergleichbarer Sachverhalte lassen sich Entscheidungen vorhersagen. Wer an der Quelle dieser Daten sitzt, kann quasi in die Zukunft blicken – sofern er weiß, wie diese Daten zu interpretieren sind. Ohne Weiteres lässt sich schon durch das Internetverhalten von Nutzern deren Sexualität oder eine Schwangerschaft vorhersagen. Predicitve Analytics greift diesen Ansatz auf. Hier werden historische Daten zur Erstellung von Prognosen für künftige Entwicklungen verwendet. Dazu wird zunächst der Sachverhalt des Mandanten erfasst und in das Programm eingegeben. Dann errechnet die KI-basierte Software anhand vergleichbarer Fälle, passender Literatur und Fakten die Erfolgswahrscheinlichkeit des aktuellen Falls. 

Einen personalisierteren Ansatz verfolgen Systeme wie Ravel Law. Hier wird unmittelbar das Entscheidungsverhalten von US-Richtern erfasst und historisch aufgearbeitet.[2] Anhand der so errechneten Modelle lässt sich die Wahrscheinlichkeit der Entscheidung eines Richters noch präziser vorhersagen. Die Risiken dieser Entwicklung liegen auf der Hand: Kein Richter sieht sich gerne einer intensiven Analyse seiner Arbeit ausgesetzt. Eine mögliche Unausgewogenheit der Entscheidungen könnte so viel leichter ans Tageslicht gebracht werden. Aus den Bedenken gegenüber dem Einsatz von Predictive Analytics hat Frankreich schon seine Konsequenzen gezogen: 2019 wurde ein Gesetz mit folgendem Wortlaut erlassen:

Auch die Seite der Justiz könnte von Predictive Analytics profitieren. Dass unsere Gerichte völlig überarbeitet sind, ist durch die neuere Berichterstattung hinreichend bekannt. Der Einsatz von KI wird heute vereinzelt an deutschen Gerichten getestet[4] und das Potenzial ist groß: Werden Richter bei ihrer Entscheidungsfindung durch Predictive Analytics unterstützt und sucht diese Software beispielsweise vergleichbare Fälle heraus oder analysiert die Beweismittel automatisiert, könnte sich der Richter intensiv der juristischen Arbeit und differenzierten Entscheidungsfindung widmen. Doch besonders im Bereich der Justiz ist die Skepsis gegenüber solchen Systemen noch größer, da hier stets auch grundrechtliche Grenzen wie das Recht auf einen gesetzlichen Richter gem. Art. 101 Abs. 1 GG und der Anspruch auf rechtliches Gehör gem. Art 103 Abs. 1 GG beachtet werden müssen. Spätestens dann, wenn die Entscheidung einer KI nicht mehr nachvollziehbar ist, ein sog. Black-Box-Problem auftritt, dürften die Grenzen des Einsatzes von Predictive Analytics erreicht sein.[5]

Wie kann mit dem Einsatz von Predictive Analytics angefangen werden? Große Kanzleien wie Baker McKinsey setzen schon heute Systeme zur Risikoanalyse und Kostenvorhersage ein. Bei diesen großen Kanzleien spielen Kosten in der Regel eine geringere Rolle und der Anwendungsbereich der Software ist groß genug, dass sich eine Eigenentwicklung oftmals lohnt.

Für kleinere Kanzleien ist die Eigenentwicklung in der Regel keine Option. Data-Science Talente sind teuer, eigene Angestellte haben nicht das nötige Know-how. Allein bei Themenfeldern, für die es noch keine Anwendungen gibt und aufgrund eines kleinen Marktes auch nicht geben wird, könnte sich die Eigenentwicklung (ggf. in Zusammenarbeit mit anderen Kanzleien) noch lohnen, da die genannten Effizienzgewinne und Wettbewerbsvorteile in der Beratung entscheidend sein könnten. Ansonsten bieten große Namen wie Wolters Kluwer Software mit Predictive Analytics Funktionen an.