eDiscovery KI

Wenn heute jemand von „KI in der eDiscovery“ spricht, kann damit fast alles gemeint sein. Ein Chatbot, den eine Rechtsanwaltsfachangestellte im Browser öffnet. Ein Predictive-Coding-Modell, das Dokumente nach der Relevanzwahrscheinlichkeit einstuft. Ein Large Language Model, das bei Bedarf ein einzelnes PDF zusammenfasst. Sie alle sind real, und sie alle sind unterschiedliche Dinge.

Fast das gesamte letzte Jahrzehnt über hat sich die eDiscovery-Branche auf eine enge Definition geeinigt: technologiegestützte Überprüfung (Technology-Assisted Review – TAR) auf der Grundlage von überwachten Klassifikatoren, die mit einem Seed-Set trainiert und durch Validierungsrunden verfeinert wurden. Diese Arbeit ist nach wie vor wertvoll. Doch die Möglichkeiten von KI im Rahmen einer Überprüfung haben sich verändert, während die Sprache, mit der wir sie beschreiben, nicht Schritt gehalten hat.

Dieser Beitrag ist ein Versuch, den übergeordneten Rahmen zu benennen. Was umfasst eDiscovery-KI im Jahr 2026 tatsächlich, welche Aufgaben übernimmt sie in einem Fall und wo gliedert sich Claira ein?

Was eDiscovery-KI heute bedeutet

eDiscovery-KI ist generative KI, die auf die Artefakte von Rechtsstreitigkeiten – Dokumente, E-Mails, Anhänge, Transkripte, Bilder – im Dienste der Überprüfungs- und Analysephase angewendet wird. Sie ist die Schicht zwischen Erfassung und Produktion, in der Entscheidungen über jedes einzelne Dokument im Datenbestand getroffen werden.

Ältere Überprüfungstechnologien basierten auf Mustern: Keyword-Listen, Regex, TAR-Seed-Sets, Clustering von Fast-Duplikaten. Diese Tools sind nach wie vor Teil des Portfolios und nützlich. Der Wandel bei der generativen KI besteht darin, dass das Modell jedes Dokument so liest, wie es ein Prüfer tun würde – im Kontext, mit Urteilsvermögen, anhand Ihrer Kriterien und mit einem Ergebnis, das Sie schriftlich begründen können.

Die Arbeit teilt sich in einige erkennbare Kategorien auf. Dabei handelt es sich nicht um separate Produkte. Es sind unterschiedliche Aufgaben, die Sie ein und derselben Review-Engine stellen.

Erstprüfung im gesamten Datenbestand

Die erste Aufgabe der eDiscovery-KI besteht darin, jedes Dokument im Datensatz zu lesen und sich eine Meinung dazu zu bilden. Kein Relevanzwert von einem Klassifikator, sondern eine begründete Antwort auf Ihre Prüffrage mit einer nachvollziehbaren Begründung, auf die Sie verweisen können.

Das ist der Teil, der früher in großem Stil unmöglich war. Entweder man setzte Heerscharen von Mitarbeitern ein oder man trainierte ein Modell an einer Stichprobe und vertraute auf die Extrapolation. Beide Methoden weisen bekannte Fehlerquellen auf. Die Dokumente, die Sie am dringendsten finden müssen, sind oft diejenigen, die eine Stichprobe am seltensten zutage fördert.

Mit Claira formuliert Ihr Prüfer die Frage, Claira liest jedes Dokument in Nuix Discover, und Sie erhalten eine codierte Entscheidung sowie eine schriftliche Begründung für jedes einzelne Dokument. Zehntausende von Dokumenten pro Stunde. Die Aufgabe des Prüfers verlagert sich auf die Überprüfung von Zweifelsfällen und die Bestätigung des Offensichtlichen, anstatt jedes Dokument von Grund auf neu zu lesen.

Objektive Codierung

Die zweite Kategorie ist die strukturierte Faktenprüfung, die historisch gesehen der teuerste Posten im Budget war. Autor, Empfänger, Datum, Dokumententyp, Sprache, Beziehungen zwischen Anhängen, Kandidaten für Schwärzungen. Diese Art von Feldern befinden sich im Metadatenbereich, von denen jeder nachgelagerte Workflow abhängt.

Von Menschen durchgeführt, ist die objektive Codierung langsam und inkonsistent. Von einem Klassifikator durchgeführt, deckt sie nur das ab, worauf der Klassifikator trainiert wurde. Von einem instruktionsgesteuerten Modell durchgeführt, das das Dokument direkt vor sich hat, funktioniert sie so wie die Arbeit einer sorgfältigen Rechtsanwaltsfachangestellten – bei jedem Dokument und ohne zu ermüden. Das Ergebnis wird direkt in die Felder von Nuix Discover zurückgeschrieben und kann wie alle anderen codierten Daten gefiltert, sortiert und ausgewertet werden.

Inhaltliches Erfassen: Anwaltsprivileg, personenbezogene Daten, Zusammenfassungen, Chronologien

Ein dritter Bereich ist die Arbeit, die ein inhaltliches und nicht nur formales Lesen erfordert. Das Kennzeichnen von Dokumenten, die dem Anwaltsprivileg unterliegen könnten. Das Extrahieren personenbezogener Daten (PII), die vor der Offenlegung bearbeitet werden müssen. Das Erstellen kurzer Zusammenfassungen, die Prüfer für die erste Sichtung nutzen können. Das Erstellen datierter Zeitlinien, die einen Ordner voller E-Mails in einen chronologischen Ablauf verwandeln.

Hier unterscheidet sich eDiscovery-KI spürbar von der vorherigen Generation von Tools. Das Modell klassifiziert nicht nach einem starren Schema. Es antwortet auf eine Frage – Ihre Frage – zu einem Dokument. Dieselbe Review-Engine, die eine Relevanzentscheidung trifft, kann je nach Fragestellung auch einen Hinweis auf das Anwaltsprivileg, einen Auszug personenbezogener Daten, eine einseitige Zusammenfassung und einen Chronologieeintrag liefern.

Die vollständige Übersicht über die Möglichkeiten in diesem Bereich finden Sie in Clairas Workflow-Übersicht.

Fallkontext

Das Element, das all dies miteinander verbindet, ist der fallspezifische Kontext. Ein Modell, das Dokumente liest, ohne den Fall zu kennen, führt eine bloße Suche durch. Ein Modell, das Dokumente unter Berücksichtigung Ihrer Falltheorie, der Parteien, der Streitpunkte, der Zeiträume und der für Sie wichtigen Begrifflichkeiten liest, führt eine echte Überprüfung durch.

Claira behandelt diesen Kontext als zentrales Element des Falls. Sie definieren ihn einmal, verfeinern ihn fortlaufend, und jeder ausgeführte Scan übernimmt diese Informationen. So halten Sie Zehntausende von Entscheidungen konsistent, ohne dem Modell den Fall jedes Mal neu erklären zu müssen.

Auf diese Weise bleibt die Arbeit auch rechtlich vertretbar. Die Kriterien sind schriftlich fixiert. Die Entscheidungen beziehen sich auf sie. Der Audit-Trail schließt sich an.

Was nicht ersetzt wird

eDiscovery-KI ist kein Ersatz für die Bereiche der Überprüfung, die professionelles Urteilsvermögen erfordern. Sie entscheidet nicht, was in einer streitigen Situation unter das Anwaltsprivileg fällt. Sie trifft keine Entscheidung bei grenzwertigen Geschäftsgeheimnissen. Sie gibt keine Offenlegung frei. Der Anwalt, der für die Akte verantwortlich ist, bleibt der verantwortliche Anwalt.

Sie übernimmt die volumenstarke, kriteriengeleitete Arbeit, die früher den Großteil der Prüfungsstunden in Anspruch nahm, und legt die Zweifelsfälle den Personen vor, die diese Entscheidungen treffen sollten. Die Aufgabe des Anwalts bleibt dieselbe. Der Arbeitstag des Anwalts sieht nur anders aus.

Für einen umfassenderen Überblick darüber, wie sich KI in den gesamten eDiscovery-Workflow einfügt – von der Erfassung bis zur Offenlegung –, ist unser praktischer Leitfaden zur Integration von KI in die moderne eDiscovery eine gute Ergänzung zu diesem Artikel.

Wo man anfängt

Wenn Sie eDiscovery-KI für einen Fall evaluieren, der sich bereits in der Überprüfung befindet, stellt sich nicht die Frage, welche Kategorie Sie wählen sollen. Die Kategorien arbeiten zusammen. Die meisten Teams beginnen mit der Erstprüfung eines definierten Teilbereichs, validieren die Ergebnisse im Vergleich zu dem, was ihre menschlichen Prüfer getan hätten, und weiten das Verfahren dann auf die objektive Codierung und die inhaltlichen Workflows aus, sobald sie der Engine vertrauen.

Der einfachste Weg, um zu sehen, wie das mit Ihren Daten funktioniert, ist ein gemeinsamer Durchlauf. Buchen Sie einen gemeinsamen Arbeitstermin mit uns, und wir richten das Ganze anhand einer realistischen Stichprobe aus einem echten Fall ein.

Das ist das Gesamtspektrum. Generative Überprüfung, die jedes Dokument im Kontext liest, codiert, die Entscheidung begründet und Ihrem Team die Stunden zurückgibt, die es früher bei der Erstprüfung verloren hat.