Als nächstesNächster Leitfaden
KI in der Proteinstrukturvorhersage
Anwendungen
Anwendungsleitfaden
Die KI-Vorhersage des Ausganges von Rechtsstreitigkeiten nutzt historische Gerichtsakten, um abzuschätzen, wie sich ein Richter, ein Gericht oder eine Gegenpartei verhalten hat und wie sich eine Angelegenheit entwickeln könnte.
Zu den typischen Maßstäben gehören die Häufigkeit, mit der Anträgen stattgegeben werden, die Dauer der Verfahren und typische Schadensersatzforderungen. Diese Schätzungen leiten Strategie, Budgets, Vergleich und Prozessfinanzierung, es handelt sich jedoch größtenteils um historische Basiszinssätze und nicht um Prognosen für einen einzelnen Fall.
Prozessanalysen beginnen mit Akten. Bundesrechtliche Fälle sind über PACER verfügbar, und Anbieter sammeln, bereinigen und klassifizieren diese Aufzeichnungen in großem Umfang. Die Abdeckung durch staatliche Gerichte ist lückenhafter, da sich die Gerichtssysteme und Zugangsregeln unterscheiden. Produkte wie Lex Machina, das LexisNexis 2015 übernommen hat, und die Analysen von Westlaw und Bloomberg Law verwandeln Akteneinträge in Maßnahmen. Beispiele hierfür sind die Häufigkeit, mit der ein Richter ein zusammenfassendes Urteil fällt, die typische Verhandlungszeit, der in einer bestimmten Fallart zuerkannte Schadensersatz und wie sich eine Anwaltskanzlei vor einem Gericht geschlagen hat. Das meiste, was diese Tools melden, ist beschreibend: historische Basiszinssätze. Die Ergebnisvorhersage geht noch weiter und nutzt diese Merkmale, um die Wahrscheinlichkeit eines bestimmten Ergebnisses abzuschätzen. Akademische Arbeit birgt sowohl Versprechen als auch Fallstricke. Ein Modell von Katz, Bommarito und Blackman aus dem Jahr 2017 hat die Entscheidungen des Obersten Gerichtshofs der USA über viele Jahrzehnte hinweg in etwa 70 Prozent der Fälle richtig vorhergesagt. Eine häufig zitierte Studie aus dem Jahr 2016 über Fälle des Europäischen Gerichtshofs für Menschenrechte berichtete von einer hohen Genauigkeit. Kritiker wiesen jedoch darauf hin, dass dabei auf die eigene schriftliche Sachverhaltszusammenfassung des Gerichts zurückgegriffen wurde, die nach Bekanntwerden des Ergebnisses erstellt wird. Für jede Vorhersage gelten mehrere Grenzen: Auswahleffekte sind groß. Die meisten Fälle werden geklärt, daher handelt es sich bei entschiedenen Fällen nicht um eine Zufallsstichprobe. Dieser Punkt ist mit der Priest-Klein-Hypothese verbunden; Proben schrumpfen schnell. Ein Richter hat möglicherweise nur über eine Handvoll Anträge wie Ihren entschieden; Die Ergebniskodierung ist chaotisch. Jemand muss Teilerteilungen und Mischbescheide klassifizieren; und Gesetze und Personal ändern sich im Laufe der Zeit. Es gibt auch Richtliniengrenzen. Im Jahr 2019 verbot Frankreich die Verwendung der Identitätsdaten von Richtern zur Bewertung oder Vorhersage ihrer Berufspraxis. Das Missverständnis, das Sie vermeiden sollten, besteht darin, einen Basiszinssatz als Ihre Gewinnchancen zu interpretieren. Eine Zuschussquote von 40 Prozent beschreibt frühere Anträge, nicht die Stärke Ihres Antrags.
Das Design auf Anwendungsebene bestimmt, ob KI tatsächliche Ergebnisse verbessert.
Eine gute Workflow-Integration führt zu Produktivitätssteigerungen, denen Benutzer vertrauen können.
Gut abgegrenzte Anwendungsfälle reduzieren die Änderungsmüdigkeit und das Implementierungsrisiko.
Die Abdeckung dürfte zunehmen, da immer mehr staatliche Gerichte ihre Akten digitalisieren und Sprachmodelle strukturierte Ereignisse aus dem Aktentext ziehen. Erwarten Sie mehr Tools, die Statistiken mit den zugrunde liegenden Anordnungen verknüpfen, damit Anwälte die Entscheidungen hinter einem Tarif nachvollziehen können. Auch die Regulierung ist wichtig. Das EU-KI-Gesetz behandelt bestimmte KI-Systeme, die von Justizbehörden verwendet werden, als hochriskant, und für die Art und Weise, wie Anwälte Vorhersagen verwenden, gelten Berufsregeln zu Offenheit und Kompetenz. Vorhersagen werden in vielen Fällen, in denen sich die Fehler durchschnittlich auszahlen, weiterhin am nützlichsten für die Budgetierung, Abrechnungsbereiche und Entscheidungen sein. Sie werden für einen einzelnen Romanstreit am wenigsten zuverlässig bleiben.
Bevor ein Anwalt einen Antrag auf Abweisung in einem Patentverfahren einreicht, prüft er, wie oft der zuständige Richter solchen Anträgen in den letzten Jahren stattgegeben hat und wie lange die Entscheidung in der Regel gedauert hat.
Ein Prozessfinanzierer prüft einen eingehenden Handelsstreit, indem er ihn mit historischen Ergebnissen ähnlicher Ansprüche am selben Gerichtsstand und der Vergleichsbilanz des Beklagten vergleicht.
Das Schadensteam eines Versicherers trainiert ein Modell anhand seiner eigenen geschlossenen Akten, um die Abwicklungsspannen für neue Schadensfälle aus der Gebäudehaftpflicht abzuschätzen.
Ein Verteidigungsteam vergleicht Schadensersatzansprüche, die in Urteilen zu Geschäftsgeheimnissen in zwei Bundesbezirken zugesprochen wurden, und entscheidet dabei, ob eine Übertragung beantragt werden soll.
Die Automatisierung eines fehlerhaften Prozesses kann bestehende Probleme verstärken.
Teams können zu stark automatisieren und das notwendige menschliche Urteilsvermögen verlieren.
Die Qualität kann schwanken, wenn die Ergebnisse nicht kontinuierlich bewertet werden.
Ordnen Sie den aktuellen Arbeitsablauf zu und identifizieren Sie den Schritt mit der höchsten Reibung.
Definieren Sie menschliche Kontrollpunkte vor der vollständigen Automatisierung.
Schulen Sie Benutzer in Bezug auf Eingabeaufforderungen, Eskalationspfade und Qualitätsstandards.
Verfolgen Sie Ergebnisse auf Aufgabenebene, um den nachhaltigen Wert zu bestätigen.
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Die KI-Vorhersage des Ausganges von Rechtsstreitigkeiten nutzt historische Gerichtsakten, um abzuschätzen, wie sich ein Richter, ein Gericht oder eine Gegenpartei verhalten hat und wie sich eine Angelegenheit entwickeln könnte. Zu den typischen Maßstäben gehören die Häufigkeit, mit der Anträgen stattgegeben werden, die Dauer der Verfahren und typische Schadensersatzforderungen. Diese Schätzungen leiten Strategie, Budgets, Vergleich und Prozessfinanzierung, es handelt sich jedoch größtenteils um historische Basiszinssätze und nicht um Prognosen für einen einzelnen Fall.
Die meisten Ausgaben beschreiben die Vergangenheit, wie z. B. Zuschusssätze, Zeit bis zum Gerichtsverfahren und Schadensersatzhöhen. Die Ergebnisvorhersage ist ein weiterer Schritt, der auf diesen Raten aufbaut.
Wenn der Eingabetext vom Gericht mit bereits bekanntem Ergebnis verfasst wurde, kann er das Ergebnis offenbaren. Das macht die Vorhersage einfacher als bei der Einreichung.
Fälle, in denen es zu einer Entscheidung kommt, sind diejenigen, die nicht beigelegt wurden, sodass ihre Ergebnisse möglicherweise nicht alle Streitigkeiten dieser Art widerspiegeln.
Die französische Regelung zielt auf Analysen zur Profilierung einzelner Richter ab und nicht auf den Zugang zu Entscheidungen im Allgemeinen.
Wenn man die Schätzung auf einen breiteren Durchschnitt ausrichtet, vermeidet man die Meldung lauter Extreme, wie etwa eine 100-prozentige Zuschussquote auf der Grundlage zweier Urteile.
Lerne weiter
Weitere Leitfäden zu diesem Thema ausgewählt
Als nächstesNächster Leitfaden
KI in der Proteinstrukturvorhersage
Anwendungen