Page 18 - TREND REPORT November 2018
P. 18

18 Risikomanagement | November 2018 TREND REPORT
Rechtssicherheit und Effizienz durch KI
Schon heute erledigt künstliche Intelligenz spezifische Aufgaben im Rahmen der Rechtsbe- ratung schneller und mit weniger Fehlern, als der Mensch es kann. Dieser Trend wird sich fort- setzen. Was dem Man- danten Kosten und Zeit spart, bietet auch dem Anwalt Chancen: Der Computer übernimmt langwierige und fehler- anfällige Routine-Aufga- ben, während der Jurist sich auf anspruchsvolle, wertschöpfende Tätig- keiten konzentriert.
Ein Beispiel: Ein Unternehmen kauft einen Wettbewerber und beauftragt seine Hauskanzlei mit der Due Dili- gence. Ein Team von Anwälten durch- kämmt das Target auf mögliche recht- liche Risiken: Nadeln im Heuhaufen. Eine Standard-Nadel ist die sogenann- te Change-of-Control-Klausel, nach der ein Kunde oder Geschäftspartner den Vertrag kündigen darf, falls das Unternehmen einen neuen Eigentü- mer erhält. Jede Change-of-Control- Klausel in Bestandsverträgen stellt ein Risiko dar, weil das Unternehmen ohne seine Kunden oder Partner deut- lich an Wert einbüßen kann.
Statt eines großen Teams von Anwälten überprüft heute bereits oft ein Compu- ter innerhalb von Minuten alle Verträge auf diese Klausel hin. Dabei muss er al- lerdings viele verschiedene Stichworte mit einbeziehen, denn die Klausel kann verschiedene Begri e nutzen, etwa Übertragung von Geschäftsanteilen, Kontrollübergang oder Gesellschafter- wechsel. Diese sogenannte lexikalische Suche ergibt typischerweise eine große Menge von Tre ern. Auf der zweiten Stufe, der syntaktischen Analyse, be- zieht das Programm strukturelle Krite- rien mit ein. Wie folgen die Begri e im Text aufeinander, wie weit stehen sie
voneinander entfernt, welche Worte oder grammatikalischen Konstruktio- nen vermitteln zwischen zwei Begrif- fen. Hier fallen viele falsche Tre er durch das Raster. Auf der dritten Stufe, der semantischen Analyse, wird die Be- deutung der verwendeten Begri e mit einbezogen. Wörter mit mehreren möglichen Bedeutungen werden klar de niert.
Selbstlernende Maschinen
Wollte der Mensch dem Computer alle Informationen zu jedem dieser Schritte vorgeben, so würde er niemals mit sei- ner Aufgabe fertig. Selbstlernende Computerprogramme sind deshalb so aufgebaut, dass sie Strukturen und Zu- sammenhänge in einer Vielzahl von Dokumenten erkennen und daraus Rückschlüsse ziehen können. Ein Pro- gramm kann dann auch neue Begri e identi zieren, die auf eine Change-of- Control-Klausel hinweisen, an die der
Mensch beim Abfassen des Programms aber vielleicht noch gar nicht dachte. Diese Lernfähigkeit setzt zwei Dinge voraus: Ein Programm, das die entspre- chenden Analysefunktionen umfasst, sowie große Mengen an Datenmaterial. Das kann alle Verträge eines großen Un- ternehmens umfassen, das können aber genauso gut sehr umfassende Ausschrei- bungen, die gesamte Buchhaltung eines Unternehmens oder jedes andere (elekt- ronische) Konvolut sein.
Beispiel Compliance: Ein Programm analysiert laufend alle Dokumente und Vorgänge im Unternehmen und mel- det, wenn ein Compliance-Verstoß wahrscheinlich oder möglich erscheint. Die Sensibilität des Programms kann individuell gewählt werden. Das Pro- gramm meldet etwa, wenn eine Rech- nung doppelt ausgestellt wird oder an- dere Fälle, in denen eine Manipulation naheliegt. Beispiel Compliance-Anfra-
gen: Werden alle internen Anfragen an die Compliance-Abteilung elektro- nisch erfasst, so kann ein Analyse-Tool Hinweise für die häu gsten  emen heraus ltern und Vorschläge für inter- ne Schulungen oder zusätzliche Kont- rollmechanismen machen. Langfristig stärkt das System so die Compliance im Unternehmen insgesamt.
Beispiel Vertragsklauseln: Eine Analyse großer Mengen von Haftungsfällen gibt darüber Aufschluss, über welche Klauseln in einer bestimmten Branche am häu gsten in Verhandlungen ge- stritten wird. Und noch wichtiger: Die Analyse stellt auch klar, welche Formu- lierung am häu gsten Erfolg hat. Bei- spiel Vergleich: Eine Analyse vieler ähnlich gelagerter Verfahren kann er- geben, dass im Laufe des Verfahrens häu g ein Vergleich mit jeweils ähnli- chen Elementen getro en wird. Wis- sen die Parteien von Anfang an um diesen (wahrscheinlichen) Ausgang, so können sie von vornherein auf diesen Vergleich hinarbeiten und damit das Verfahren abkürzen.
Vorteil Größe
Selbstlernende Software ist heute be- reits Realität. Was in vielen Fällen noch fehlt, sind ausreichend große verfügba- re Datenmengen. Nicht jeder Vorgang in jedem Unternehmen wird elektro- nisch erfasst und steht zur Auswertung zur Verfügung. Und nicht jedes Unter- nehmen ist groß genug, um allein so viele Daten zu generieren, dass es für den Lern-Algorithmus ausreicht. In der Praxis bilden sich deshalb Plattfor- men heraus, die die Daten mehrerer Anbieter aggregieren und nutzbar ma- chen. Das einzelne teilnehmende Un- ternehmen pro tiert durch Auswer- tungen speziell für seine Branche und Unternehmensgröße ebenso wie durch individuelle Auswertungen seines eige- nen Datenbestands. Kanzleien sind wegen der Vertrauensstellung zu ihren Mandanten und wegen ihrer rechtli- chen Expertise gut aufgestellt, um sol- che Plattformen aufzubauen. KPMG Law als eine der führenden Kanzleien im Bereich Legal Tech gestaltet diese Entwicklung aktiv mit.
www.kpmg-law.de
Gastautoren:
Dr. Konstantin von Busekist (oben), Partner, Leiter Compliance- und Wirt- scha sstrafrecht, und Philipp Glock (unten), Senior Manager, Leiter des Bereichs Legal Tech, Standortleiter Leipzig, beide KPMG Law Rechtsan- waltsgesellscha  mbH


































































































   16   17   18   19   20