Der ultimative Leitfaden zur KI-gestützten Automatisierung von eDiscovery-Workflows

Die meisten Prozessteams nutzen bereits automatisierte eDiscovery-Workflows, auch wenn die meisten von ihnen es nicht so nennen. Der Datenimport läuft nach Plan. Deduplizierung, E-Mail-Threading und die Identifizierung von Fast-Duplikaten erfolgen, ohne dass jemand einen Knopf drücken muss. Suchbegriffe verbreiten sich in Sekundenschnelle über ein ganzes Verfahren. Diese Automatisierung ist real und ausgereift.

Doch dann stoppt sie. Sie stoppt genau in dem Moment, in dem jemand entscheiden muss, was ein Dokument bedeutet. Alles vor dieser Entscheidung ist seit Jahren automatisiert. Die Entscheidung selbst wird immer noch von einer Person getroffen, die ein Dokument nach dem anderen auf einem Bildschirm liest. Genau hier konzentrieren sich heute die Kosten, die Verzögerungen und die Unregelmäßigkeiten in modernen Verfahren.

In diesem Leitfaden geht es darum, diese Lücke zu schließen. Nicht, indem wir Anwälte aus dem Workflow ausschließen, sondern indem wir das Lesen automatisieren, sodass das menschliche Urteilsvermögen für eine kleinere und besser strukturierte Auswahl an Entscheidungen genutzt werden kann.

Automatisierung ist eine Abfolge, kein Schalter

Es gibt keinen einzelnen Knopf, der eine Überprüfung automatisiert. In der Praxis handelt es sich um eine Abfolge von Übergaben, und jede dieser Übergaben ist entweder automatisiert oder nicht.

Ein Verfahren durchläuft Datenerfassung, Verarbeitung, Selektion, Erstprüfung, Qualitätskontrolle und Produktion. Die Automatisierung hat die ersten drei Schritte bereits übernommen. Der vierte Schritt, die Erstprüfung, lässt sich nur schwer skalieren, da er mit der Anzahl der Mitarbeiter skaliert. Mehr Prüfer einzustellen ist eine lineare Antwort auf ein Problem, das schneller als linear wächst.

Die entscheidende Frage ist daher präzise: Welcher Schritt erfordert immer noch, dass eine Person jedes Dokument liest, und kann dieses Lesen delegiert werden, ohne dass die Begründung für die jeweilige Entscheidung verloren geht? Wenn die Antwort auf den zweiten Teil „Nein“ lautet, haben Sie keine Automatisierung. Sie haben eine Abkürzung, und Abkürzungen halten einer Überprüfung nicht stand.

Die Integrationsebene entscheidet über den Erfolg der Automatisierung

Vieles, was als Workflow-Automatisierung verkauft wird, ist in Wahrheit nur eine Workflow-Verlagerung. Da das Tool außerhalb Ihrer Review-Plattform liegt, müssen Sie Dokumente dorthin exportieren, sie an einem anderen Ort verarbeiten und die Ergebnisse anschließend wieder importieren. Jeder dieser Schritte bedeutet eine neue Kopie der Daten, eine neue Frage der Datenaufbewahrung und eine neue Fehlerquelle für den Workflow.

Claira verfolgt den entgegengesetzten Ansatz. Es läuft als Benutzeroberflächen-Erweiterung direkt in Nuix Discover. Das bedeutet: kein Plattformwechsel, keine parallele Umgebung und keine Datenmigration, die geplant werden muss. Die Prüfer öffnen denselben Fall wie immer. Das Claira-Fenster erscheint direkt neben der gewohnten Dokumentenliste, und die Ergebnisse werden direkt in bereits im Fall vorhandene Nuix Discover-Felder geschrieben.

Das ist weitaus wichtiger, als es klingt. Ein automatisierter Workflow, der einen Export erfordert, ist nicht durchgängig automatisiert, da eine Person den Export verwalten, den Datentransfer überprüfen und die zurückgegebenen Daten abgleichen muss. Ein automatisierter Workflow, der direkt auf der Plattform läuft, arbeitet einfach von selbst.

Der eigentliche Zweck der Automatisierung ist der Durchsatz

Der Grund für die Automatisierung des Lesens ist nicht die Innovation an sich. Es ist die Tatsache, dass das Volumen der offenlegungspflichtigen Daten in einem durchschnittlichen Verfahren die Anzahl der Stunden übersteigt, die ein Team dafür aufwenden kann.

Das Ausführen eines Massen-Scans in Claira wendet einen gespeicherten Prompt und ein verknüpftes Feld auf eine ausgewählte Gruppe von Dokumenten in Nuix Discover an – und verarbeitet diese in einer Geschwindigkeit, die kein Review-Team erreichen kann. Ein Modell, das rund zehntausend Dokumente pro Stunde liest, verändert die Herangehensweise an die Prüfung grundlegend. Stichproben sind keine budgetäre Notwendigkeit mehr, sondern eine bewusste Entscheidung. Sie können Relevanzkriterien, eine Prüfung auf Anwaltsgeheimnisse und eine objektive Codierung über den gesamten Datenbestand laufen lassen und halten dennoch Fristen ein, die Sie zuvor gezwungen hätten, die Dokumentenmenge vorab stark einzugrenzen.

Die Ergebnisse werden noch während des laufenden Prozesses in das verknüpfte Nuix Discover-Feld eingetragen, sodass die Prüfung der Ergebnisse beginnen kann, bevor der Durchlauf beendet ist. Größere Durchläufe können an die Hintergrundverarbeitung übergeben werden und laufen serverseitig weiter, auch wenn der Browser geschlossen wird. Die technischen Details sind im Leitfaden für Massen-Scans beschrieben, und die strategischen Entscheidungen rund um sehr große Durchläufe werden in unserem früheren Artikel über die Durchführung einer KI-gestützten Überprüfung im großen Stil näher erläutert.

Automatisieren Sie die Inputs, nicht nur die Outputs

Der häufigste Fehler bei einer automatisierten Prüfung ist nicht ein schlechtes Modell, sondern eine uneinheitliche Anweisung. Wenn die Kriterien zwischen den Durchläufen variieren – oder zwischen der Person, die den Prompt verfasst hat, und der Person, die ihn im nächsten Monat ausführt –, weichen auch die Ergebnisse ab. Diese Inkonsistenz verteilt sich dann auf den gesamten Datenbestand, statt auf einen einzelnen Prüfer beschränkt zu bleiben.

Die Lösung besteht darin, die Inputs als eigenständige Workflow-Elemente zu behandeln. Der „Case Context“ speichert den Hintergrund des Verfahrens, die Parteien, die Terminologie und die Streitpunkte. So greift jeder Scan im Verfahren auf dasselbe gemeinsame Verständnis zurück und basiert nicht nur auf dem, woran sich der Verfasser des Prompts gerade erinnert hat. Gespeicherte Prompts halten die Kriterien selbst fest. Verknüpfte Felder bestimmen das Ziel. Zusammen machen diese drei Elemente einen Durchlauf reproduzierbar – was die eigentliche Definition eines automatisierten Prozesses ist.

Dies erfordert eine gewisse Disziplin. Testen Sie einen Prompt an einer kleinen Stichprobe mit einer manuellen Überprüfung, bevor Sie ihn für einen Massen-Scan freigeben. Verwenden Sie eine gespeicherte Konfiguration pro Workflow, damit die Einstellungen konsistent bleiben. Protokollieren Sie das Modell, den Prompt und die Feldzuordnung in Ihrem Vorgangsprotokoll. Dies entspricht der Versionskontrolle, die jede Kanzlei auch bei Dokumentenvorlagen anwenden würde.

Was ein automatisierter Workflow nicht speichern sollte

Die Automatisierung wirft bei Mandanten und der Gegenseite berechtigte Fragen auf: Wo sind die Dokumente gelandet und wer speichert sie aktuell?

Die Antwort von Claira ist architektonischer und nicht vertraglicher Natur. Jeder Scan ist eine Anfrage und eine Antwort. Der Dokumententext (und bei einem Medien-Scan die Quelldatei) wird an einen Modell-Endpunkt gesendet, der an die jeweilige Bereitstellungsregion gebunden ist. Die Antwort geht zurück und wird in das Nuix Discover-Feld geschrieben. Kundendaten werden pro Anfrage verarbeitet und nicht zum Trainieren von Claira-eigenen Modellen verwendet. Auf der Seite von Claira verbleiben lediglich betriebliche Metadaten wie Scan-Protokolle, Abrechnungsstatus und Fallkonfigurationen, die überhaupt erst eine lückenlose Nachvollziehbarkeit ermöglichen. Die Zwischenspeicherung für Medien-Scans ist verschlüsselt, zugriffsgeschützt und wird nach der Verarbeitung gelöscht. Die gesamte Architektur, einschließlich der Bereitstellungsregionen in Kanada und Australien, ist in den Datenschutz- und Sicherheitsrichtlinien dargelegt.

Die praktische Folge ist, dass Ihre Beweismittel keinen zweiten Speicherort erhalten. Sie verbleiben in Nuix Discover, wo Ihre Aufbewahrungskette sie bereits erfasst.

Ein automatisierter Workflow liefert kein fertiges Produktionsset. Er liefert eine prioritäre, codierte und begründete Auswahl an Entscheidungsvorschlägen, jeweils mit der entsprechenden Begründung, direkt eingetragen in die Felder, denen Sie bereits vertrauen. Der darauffolgende Schritt bleibt unverändert: Ein Anwalt prüft die Ergebnisse stichprobenartig, analysiert Abweichungen, verfeinert die Kriterien dort, wo das Modell zu weit oder zu eng gefasst war, und trifft die finale Entscheidung, die in das Produktionsfeld eingetragen wird.

Was sich ändert, ist die Aufteilung des Aufwands. Weniger Zeit wird mit dem Lesen von Dokumenten verbracht, die ohnehin irrelevant sind, und wesentlich mehr mit den Dokumenten, die über den Ausgang des Verfahrens entscheiden. Wenn Sie diesen Ablauf von Anfang bis Ende live sehen möchten, können Sie eine kurze Demo buchen und in Echtzeit miterleben, wie ein Massen-Scan Ergebnisse direkt in Nuix Discover einträgt.

Automatisierung sollte nie das Urteilsvermögen ersetzen. Sie sollte lediglich das Lesen übernehmen – und das Lesen war der Teil, der sich nicht skalieren ließ.