Zentrale Erkenntnis: KI-Review optimiert Technology Assisted Review (TAR), indem es die Dokumentenprüfung beschleunigt, die Konsistenz verbessert und Kosten senkt. Rechtsteams vereinfachen prädiktive Workflows, indem sie KI mit TAR 1.0 und Continuous Active Learning (CAL) kombinieren. Das ermöglicht schnellere, präzisere Discovery-Prozesse, reduziert manuellen Aufwand und maximiert die Genauigkeit beim Tagging relevanter Themen.

Die neuesten KI-Review-Funktionen auf Basis von generativer KI und Large Language Models (LLM) verändern die juristische Discovery-Landschaft. Anstatt TAR zu ersetzen, erweisen sich moderne KI-Review-Plattformen als leistungsstarke Ergänzung für Rechtsteams. Sie steigern die Genauigkeit, senken Kosten und verkürzen Zeitpläne. Um prädiktive Workflows wirklich zu transformieren, sollten Rechtsteams TAR 1.0 mit KI-Review ergänzen und CAL mit KI-Review kombinieren – für schnellere, konsistentere und kosteneffizientere Discovery.

Supplement TAR 1.0 Gefolgt von KI-Review

Moderne Discovery-Workflows beginnen häufig damit, nicht relevante Dokumente herauszufiltern. TAR 1.0 ist eine zuverlässige Methode dafür, da es mit einem kleinen Trainingssatz große Datenmengen um bis zu siebzig Prozent reduziert. Der teuerste Schritt, die manuelle Prüfung, bleibt jedoch weiterhin erforderlich.

Hier kommt das KI-Review ins Spiel. In Kombination mit TAR 1.0 übernimmt KI die Erstprüfung, markiert Dokumente nicht nur hinsichtlich Relevanz, sondern auch bezüglich Privilegien und Themenkodierung. Der angereicherte Satz wird anschließend an ein Team von Anwälten zur Prüfung weitergeleitet. Dies verringert den Bedarf an umfangreicher manueller Prüfung und beschleunigt die Produktion.

Traditioneller TAR-1.0-Ansatz versus TAR 1.0 gefolgt von KI für die Prüfung:

KI-Review zur Schulung von TAR-Modellen nutzen

Die Schulung von TAR-Modellen ist ressourcenintensiv und erfordert oft, dass Anwälte Tausende von Dokumenten manuell kodieren. KI-Review-Plattformen prüfen Tausende von Dokumenten, die normalerweise von ein oder zwei Fachexperten überprüft werden, in einem Bruchteil der Zeit. Dieser hybride Ansatz kombiniert die Filterleistung von TAR mit der Tagging-Präzision der KI und schafft zusätzlichen Wert durch Themenkodierung und Sensitivitätskennzeichnungen (z. B. Hochsensibel und Potenzielles Privileg).

Ergänzung von TAR durch KI-Review in der Praxis

Die Aktualisierung der anwaltlichen Prüfung des priorisierten Satzes nach TAR ist unkompliziert, aber wie sieht es mit der tatsächlichen Schulung des TAR-Modells durch KI-Review aus? In der Praxis kann das schwierig sein. Die Einsparungen an Zeit und Aufwand für die Schulung eines TAR-Modells sind wertvoll, doch das Fallteam muss sicherstellen, dass es die Entscheidungen des KI-Reviews im Namen des Teams überwacht und validiert, insbesondere wenn die Themen im Fall komplex sind. Die Fähigkeit, den Prozess zu dokumentieren und klar zu erläutern, ist entscheidend. Sorgfältig geprüfte und vom Fallteam bestätigte KI-Entscheidungen sparen dennoch erheblich Zeit und machen den Prozess besser nachvollziehbar.

Kontinuierliches Active Learning mit KI-Review kombinieren

CAL-Workflows basieren auf iterativer manueller Prüfung, um Modelle zu trainieren, die helfen, die Prüfung offensichtlich nicht relevanter Dokumente zu priorisieren. KI-Review kann in diesen Zyklus integriert werden, indem bestimmte Datenbereiche anstelle menschlicher Prüfer übernommen werden. Mit jeder Runde erhält das CAL-System neue Informationen und aktualisiert das Ranking. Bei Populationen mit sehr geringer Relevanz ist der Einsatz von KI zur Unterstützung des CAL-Reviews eine wirkungsvolle Kombination dieser Technologien. Dies beschleunigt das Lernen und sichert gleichzeitig die Qualität durch Stichproben und Qualitätskontrollen.

KI-Review ist ein leistungsstarkes Werkzeug zur Prüfung und Themenkennzeichnung von Dokumenten, insbesondere zur Reduzierung des Zeitaufwands von Anwälten bei der Schulung von TAR-Modellen und – entscheidend – zur Erreichung höherer Konsistenz. TAR-Modelle leiden, wenn die Dokumentenkodierung uneinheitlich ist.

Da TAR für Themenkodierung nie nützlich war, geht KI-Review den nächsten Schritt und ersetzt die Erstprüfung. Es liefert ein Ergebnis, das hinsichtlich Relevanz, Themenkennzeichnungen, „Hot“ und potenziell privilegierten Informationen kodiert ist.

Menschen sind ein wesentlicher Bestandteil dieses Prozesses. Sie bleiben verantwortlich für die Validierung sowohl der Predictive-Coding- als auch der LLM-Ausgaben vor der Produktion. KI beschleunigt lediglich die manuelle Prüfung und schafft dadurch Zeit für höherwertige Aufgaben.

Eine Kombination aus KI-Review und TAR eignet sich besonders für:

• Große Fälle mit kostspieligen Trainingssätzen
• Projekte, die Themenkodierung über die reine Relevanz hinaus erfordern
• Enge Fristen
• Vollständige Zweitprüfung vor der Produktion
• Komplexes Material, das menschliche Prüfer verlangsamt

Da Rechtsabteilungen bestrebt sind, strategischen Mehrwert für ihr Unternehmen zu schaffen, und Kanzleien wettbewerbsfähig bleiben und Kosten senken wollen, bietet die Kombination von KI-Review mit traditionellem Predictive Coding den Teams eine zukunftssichere Strategie für Discovery.

Mehr erfahren über Epiq AI Discovery Assistant™.

Jon Lavinder, Senior Director, Projektmanagement, Epiq

Als Senior Director für Projektmanagement bei Epiq arbeitet Jon eng mit Anwaltskanzleien und Unternehmensjuristen zusammen, um Tools und Dienstleistungen für die nächste Generation der rechtlichen Beweisaufnahme und Informationsverwaltung zu entwickeln. Er hält regelmäßig Vorträge auf eDiscovery-Konferenzen über den Einsatz von KI und die Zukunft der Branche.