Wie verändert künstliche Intelligenz die eDiscovery?

Je nach System können Personen, die das System nutzen, direkt mit Ergebnissen interagieren, etwa in Chats mit Daten, in denen Fragen gestellt oder Dokumente eingesehen werden können. Betrug, Wettbewerbsverstöße, Bestechlichkeit, Insiderhandel, Geheimnisverrat, Governance- oder regulatorische Verstöße können so mithilfe moderner KI-Systeme untersucht werden.
 

Wie läuft KI-gestützte eDiscovery ab?

Auch bei KI-gestützter eDiscovery müssen relevante Daten zunächst identifiziert und akquiriert werden. Bereits dieser Teil des Prozesses kann durch KI unterstützt werden.
 

Schon bei der Datenaufbereitung eröffnet der gezielte KI-Einsatz neue Möglichkeiten. Fortgeschrittene Texterkennung, Transkription von Audiodateien, Analyse von Bild- und Videomaterial sowie Übersetzung fremdsprachiger Dokumente sind nur einige Beispiele. Je nach Aufgabenstellung kommen unterschiedliche KI-Modelle ebenso wie konventionelle Filter- und Analysetechniken zum Einsatz.
 

Danach werden Daten klassifiziert, also Untersuchungsgegenständen, Fragestellungen und Untersuchungszielen zugeordnet und nach Relevanz bewertet – etwa für den Dokumenten-Review oder die Analyse unstrukturierter Daten. Die Besonderheit von KI liegt darin, dass Analyst:innen Aufgaben, Kriterien und Zielsetzungen in natürlicher Sprache kommunizieren können. Die KI verknüpft diese mit vorhandenem Wissen und externen Quellen – was oftmals aber nicht gewünscht wird.
 

KI kann Dokumente oder Erkenntnisse zudem aus unterschiedlichen Blickwinkeln betrachten, etwa aus der Perspektive eines Rechtsanwalts, einer Datenschutzexpertin, eines Betriebsrats oder eines Prozessgegners. Solche Perspektivwechsel ersetzen keine fachliche Prüfung, können aber Denkanstöße liefern. Eine weitere Anwendung ist die Filterung sensibler Inhalte, etwa bei E-Mails, für deren Kenntnisnahme durch Dritte kein ausreichender Anlass besteht.
 

Warum ist Nachvollziehbarkeit so wichtig?

Die Automatisierung von Analysen bringt Risiken mit sich. KI-Modelle können Fehler machen – etwa durch Fehlinterpretation der Daten, unzureichende Schlussfolgerungen oder inhärente Probleme großer Sprachmodelle wie Bias und Halluzinationen.
 

Neben der Qualitätssicherung sind drei Aspekte wichtig: 

1. die Erläuterung des Analysewegs
2. die Angabe der zugrunde liegenden Quellen 
3. eine zusätzliche Kontrolle der Ergebnisse

KI kann dabei helfen, eigene Resultate durch andere Modelle, abgewandelte Prompts oder gezielte Tests gegenzuprüfen. Eine menschliche Prüfung ersetzt dies jedoch nicht.
 

Welche Rolle spielt agentische KI?

Agentische KI bezeichnet KI-Systeme, die als eigenständige Agenten fungieren. Sie können autonom handeln und Entscheidungen treffen, um bestimmte Ziele zu erreichen oder Aufgaben auszuführen. In der eDiscovery können KI-Agenten Prozesse automatisieren, Prioritäten setzen, Ressourcen planen und auf Ausnahmen reagieren.
 

Wie werden Erkenntnisse präsentiert?

Eine besondere Stärke moderner KI-Systeme liegt in der Berichtserstellung und der Visualisierung. Erkenntnisse können auf vielfältige Weise präsentiert werden. Inhalt, Umfang, Sprache und Detaillierungsgrad lassen sich flexibel an die gewünschte Zielgruppe anpassen. Neben klassischen Berichten und Präsentationen lassen sich auch interaktive Auswertungen erstellen.
 

Wie lässt sich die Qualität sichern?

Für die verantwortungsvolle Einbindung von KI in interne Untersuchungen ist es entscheidend, Qualität richtig zu managen. Dabei gilt es, die Balance zwischen sinnvoller Automatisierung und menschlicher Kontrolle zu wahren. Die Vorstellung, KI könne Fehler vollständig ausschließen, hat in der Untersuchungspraxis keinen Platz.

KI-Systeme können und werden Fehler machen. Viele davon lassen sich vermeiden, wenn KI-gestützte eDiscovery richtig geplant und durchgeführt wird. Qualität muss von Anfang an Teil des Projektdesigns sein. Wichtige Faktoren sind korrekt aufbereitete Daten, die Auswahl des passenden KI-Modells, Parametrisierung, Prompt- und Agentendesign sowie technische Qualitätsprüfungen.

In Managed-Services-Modellen kann KI-gestützte eDiscovery zudem helfen, wiederkehrende Analyse-, Review- und Reporting-Prozesse effizienter, skalierbarer und konsistenter umzusetzen.
 

Am Ende bleibt der Mensch der entscheidende Faktor. Ergebnisse einschließlich ihrer Quellen sollten immer auf Korrektheit und Vollständigkeit geprüft werden. Trotz aller Unterstützung durch KI muss das Ergebnis von Menschen präsentiert und nachvollzogen werden können.
 

Warum wird Vertrauen zum Erfolgsfaktor?

Der Einsatz künstlicher Intelligenz verändert interne Untersuchungen und eDiscovery auf bislang nicht da gewesene Weise. KI ist ein mächtiges Werkzeug, bringt aber neue Risiken mit sich.
 

Vertrauen wird deshalb zum entscheidenden Erfolgsfaktor. Nur wenn KI-Ergebnisse nachvollziehbar, überprüfbar und methodisch sauber erzeugt werden, kann KI-gestützte eDiscovery ihr volles Potenzial entfalten.