Sedona Canada und die neue Realität technologiegestützter Dokumentenprüfung im Jahr 2026

Jahrelang fragten sich kanadische Prozessanwälte in Bezug auf technologiegestützte Prüfungsverfahren (Technology-Assisted Review – TAR) vor allem: Ist das überhaupt zulässig? Im Jahr 2026 hat sich diese Frage still und leise umgekehrt. Die drängendere Sorge lautet heute: Erfüllt eine Partei, die leistungsfähige Prüfungstechnologien ignoriert, überhaupt noch ihre Offenlegungspflichten? Die Sedona Canada Principles haben schon immer in diese Richtung gewiesen, und der Einzug zuverlässiger, generativer KI-Prüfungen hat dieses Ziel nun endgültig unübersehbar gemacht.

Diese Verschiebung ist deshalb so entscheidend, weil sie die Art und Weise verändert, wie Sie Ihre Entscheidungen begründen. Eine Wahl, die man früher verteidigen musste, muss heute dokumentiert werden. Wenn Sie in Kanada ein eDiscovery-Verfahren durchführen, stützt das Regelwerk, auf das Sie sich gegenüber der Gegenseite berufen, eine moderne KI-gestützte Prüfung weitaus natürlicher als das manuelle, dokumentenweise Durcharbeiten von Hunderttausenden von Dateien.

Was die Sedona Canada Principles tatsächlich von Ihnen verlangen

Die Sedona Canada Principles waren nie als Technologie-Diktat gedacht. Sie formulieren vielmehr Erwartungen an die Verhältnismäßigkeit, wobei zwei Grundsätze bei jedem Offenlegungsstreit das meiste Gewicht haben. Der erste ist die Verhältnismäßigkeit (Proportionality). Umfang, Kosten und Aufwand für die Aufbewahrung und Prüfung elektronischer Daten sollten in einem angemessenen Verhältnis zu dem stehen, was in der Sache tatsächlich auf dem Spiel steht. Der zweite ist die Kooperation (Cooperation). Von den Parteien wird erwartet, dass sie sich frühzeitig und nach Treu und Glauben darüber austauschen, wie die elektronische Offenlegung durchgeführt wird, anstatt sich später gegenseitig zu überraschen.

Liest man diese beiden Prinzipien zusammen, ergibt sich ein klarer Standard. Es wird von Ihnen erwartet, dass Sie Prüfungsmethoden wählen, die für die Dimension des Falls angemessen sind, und dass Sie die gewählten Methoden transparent offenlegen. Keines der beiden Prinzipien schreibt vor, welche Tools Sie verwenden müssen. Beide verlangen jedoch von Ihnen, dass Sie Ihren Ansatz im Verhältnis zur Größe des vorliegenden Problems rechtfertigen.

Das ist die Perspektive, durch die KI-Prüfungen bewertet werden sollten. Die Frage ist nicht, ob sich die Technologie neuartig anfühlt. Die Frage ist, ob die von Ihnen gewählte Methode eine verhältnismäßige, vertretbare Antwort auf das tatsächlich vorhandene Dokumentenvolumen darstellt.

Vom Predictive Coding zur generativen Prüfung

Kanadische Gerichte haben technologiegestützte Prüfungsverfahren lange vor dem Aufkommen generativer KI akzeptiert. Predictive Coding, das auf überwachtem maschinellem Lernen basiert, ist in der kanadischen Rechtsprechung und vergleichbaren Common-Law-Jurisdiktionen seit über einem Jahrzehnt als angemessene Methode anerkannt, um große Datenmengen zu priorisieren und einzugrenzen. Der Ansatz war simpel: Ein Mensch bringt dem System anhand einer Stichprobe bei, wie Relevanz aussieht, und das System wendet diese Logik auf die gesamte Datenmenge an.

Die generative Prüfung verändert die Mechanik, behält aber den Grundgedanken bei. Anstatt Relevanz aus einer codierten Stichprobe zu lernen, liest ein System wie Claira jedes Dokument auf der Grundlage von in natürlicher Sprache verfassten Anweisungen und erklärt die Argumentation hinter seiner Entscheidung. Der Prüfer trainiert nicht länger ein statistisches Modell in der Hoffnung, dass die Grenzen halten. Er gibt die Richtung vor, liest die von Claira gelieferte Begründung und korrigiert sie, wo die Logik fehlerhaft ist.

Wir haben bereits über die praktische Philosophie hinter diesem Ansatz geschrieben, und die Kontinuität zu früheren technologiegestützten Prüfungsverfahren ist der Punkt, der hier am meisten betont werden sollte. Gerichte haben Predictive Coding nicht deshalb genehmigt, weil die Mathematik dahinter elegant war. Sie haben es genehmigt, weil es eine vernünftige, überwachte Methode war, die ein kompetenter Experte erklären und verteidigen konnte. Die generative Prüfung erfüllt denselben Standard – und sie liefert etwas, das Predictive Coding nie leisten konnte: eine verständliche Erklärung für jede einzelne Entscheidung.

Warum die KI-Prüfung heute der vertretbare Standard ist

Früher verlief das Argument der Vertretbarkeit nur in eine Richtung: Eine Partei, die technologiegestützte Prüfungen einsetzte, musste nachweisen, dass die Methode solide war. Diese Pflicht ist nicht verschwunden, aber daneben steht heute eine zweite Frage: Kann eine Partei, die sechs- oder siebenhunderttausend Dokumente manuell prüft, überhaupt noch behaupten, ihre Methode sei verhältnismäßig, wenn es schnellere, konsistentere und ebenso nachvollziehbare Alternativen gibt?

Eine manuelle, lineare Prüfung ist nicht per se genauer. Ermüdung der Prüfer, Inkonsistenzen in großen Teams und die schieren Kosten für menschliche Arbeitsstunden sprechen alle dagegen. Ab einer gewissen Fallgröße kann eine lückenlose manuelle Prüfung zur unverhältnismäßigen Option werden, nicht zur sicheren. Das ist die Kehrtwende, die man verinnerlichen muss. Der vertretbare Standard bei einem kanadischen Fall mit hohem Datenvolumen im Jahr 2026 ist eine überwachte, gut dokumentierte KI-Prüfung, bei der sich die menschliche Kontrolle auf die Bereiche konzentriert, in denen es tatsächlich auf juristisches Urteilsvermögen ankommt.

Das bedeutet nicht, dass KI Anwälte ersetzt, und es bedeutet nicht, dass jede Entscheidung an eine Maschine delegiert wird. Es bedeutet, dass sich die Verhältnismäßigkeitsrechnung verschoben hat. Ein umsichtiger Prozessanwalt geht heute davon aus, dass leistungsfähige Prüfungstechnologien Teil des Workflows sind, und erläutert anschließend die darüber gelagerten menschlichen Kontrollmechanismen.

Dokumentation Ihres Prozesses für die Gegenseite

Eine vertretbare Methode ist nur so stark wie Ihre Fähigkeit, sie zu beschreiben. Hier wird das Kooperationsprinzip zu einem praktischen Vorteil statt zu einer bloßen Pflicht. Wenn Sie Ihren Prozess frühzeitig und klar erklären können, verwandeln Sie einen potenziellen Streitfall in ein routinemäßiges Offenlegungsverfahren.

Beginnen Sie damit, die Parameter zu dokumentieren, die die Prüfung gesteuert haben. Wenn Sie Claira über den Case Context Hintergrundinformationen zum Fall bereitstellen, schaffen Sie ein dokumentiertes, reproduzierbares Fundament, auf das sich jeder Suchlauf stützt. Genau diese Dokumentation wollen die Gegenseite und das Gericht nachvollziehen können. Sie zeigt, dass die Prüfung an den Streitpunkten des Falls ausgerichtet war und nicht willkürlich von Dokument zu Dokument improvisiert wurde.

Die Elemente einer hieb- und stichfesten Dokumentation sind altbekannt: Erfassen Sie die verwendeten Anweisungen und Prompts. Dokumentieren Sie, wo menschliche Prüfer die Ergebnisse des Systems kontrolliert, stichprobenartig geprüft und korrigiert haben. Halten Sie fest, wie Sie die Ergebnisse validiert haben, bevor Sie sich darauf verlassen haben. Da die generative Prüfung für jede Entscheidung eine Begründung liefert, können Sie auf die Logik hinter einer Klassifizierung verweisen, anstatt von Dritten zu verlangen, einer undurchsichtigen Prozentzahl zu vertrauen.

Das Ziel ist nicht, die Gegenseite mit technischen Details zu überfordern. Das Ziel ist es, auf die einzig entscheidenden Fragen vorbereitet zu sein: War die Methode für den Fall angemessen, und können Sie die Arbeit nachweisen? Sedona Canada verlangt Kooperation und Verhältnismäßigkeit. Eine dokumentierte KI-Prüfung liefert die Antwort auf beides zugleich.

Der neue Standard

Das Gravitationszentrum im kanadischen eDiscovery hat sich verschoben. Technologiegestützte Prüfungen sind nicht mehr die Option, die Sie vor einem skeptischen Gericht verteidigen müssen. Es ist zunehmend die Option, deren Verzicht Sie rechtfertigen müssten. Wer die Sedona Canada Principles ehrlich liest, sieht, dass sie schon immer die Partei belohnt haben, die verhältnismäßige Methoden wählte und offen darüber kommunizierte.

Die generative Prüfung fügt sich besser in dieses System ein als jedes Tool zuvor, da sie Skalierbarkeit mit einer für Menschen nachvollziehbaren Begründung verbindet. Wenn Sie sehen möchten, wie das in der Plattform funktioniert, die Ihr Team bereits nutzt, können Sie Claira kennenlernen und erfahren, wie es Prüfungen direkt in Nuix Discover ausführt. Die Prinzipien haben sich nicht geändert. Aber die angemessene Reaktion darauf schon.