Ja, ich darf Sie begrüßen zur siebten Doppelstunde unserer Veranstaltung Künstliche Intelligenz und

juristisches Entscheiden von der juristischen Methodenlehre zur Computerwissenschaft Legal

Tech. Wir haben insgesamt ja neun Doppelstunden. Heute ist die siebte Doppelstunde, dann schließen

noch drei Gastreferate an. Heute geht es um das Buch von Kevin Ashley, AI and Legal Analytics,

das 2017 erschienen ist und ein Standardwerk ist für Legal Tech in der sozusagen angelsächsischen

Legal Tech Community. Und dann am Ende machen wir noch kurz zwei ganz kleine Kapitel, nämlich was

gute Legal Tech Ausbildung beinhalten sollte. Auch da hören wir die Überzeugungen von Kevin

Ashley, was er dazu sagt und was sich in der Arbeitswelt der Juristen noch ändert durch

Legal Tech. Wir sind also in der siebten von insgesamt neun Doppelstunden. Es geht um State

of the Art in USA, Kevin Ashley, AI and Legal Analytics, das Buch von 2017. Ich stelle Ihnen

jetzt gut 30 Textproben aus diesem Buch vor, die ich zum Teil anmarkeert habe,

geheiligtet habe und versuche Ihnen zu erläutern, was letztendlich Kevin Ashley glaubt, was wir

unter Legal Tech zu verstehen haben. Der Punkt ist, das hat sozusagen eine doppelte Bedeutung,

dass wir uns mit dem Buch von Kevin Ashley befassen. Denn einerseits wollen wir natürlich wissen,

was denkt die Legal Tech Community in den angelsächsischen, insbesondere in den USA

Rechtskreisen und zum anderen ist es eine gute Rekapitulation dessen, was wir in den bisherigen

sechs Doppelstunden gehört haben. Insbesondere wird spannend sein, wie wird die Aufteilung

gesehen zwischen den beiden Welten, subsymbolische KI, Machine Learning und symbolische KI,

Expertensysteme einerseits und andererseits, wie ist Kevin Ashley zu verstehen, wenn es um die große

Frage geht, was können wir eigentlich sozusagen formalisieren, was können wir annotieren, was

können wir mit Maschinen verarbeiten oder noch deutlicher, was sollten wir im Bereich Legal

Tech mit den Maschinen und den Maschinenlesbandzeichen repräsentieren. Die Wörter, die die Juristen in

der Rechtssprache benutzen, die Bedeutungen dieser Wörter, die Begriffe, die Rechtsbegriffe,

die wir sozusagen im Kopf haben, wenn wir juristisch sprechen, das sind ja die drei

Möglichkeiten, die wir repräsentieren könnten mit den Maschinenlesbandzeichen. Also unter diesem

Gesamtkontext, in diesem Gesamtkontext macht es Spaß, sich sozusagen mit den Texten von Kevin

Ashley zu befassen. Vorneweg der Überblick zu Kevin Ashleys Buch AI und Legal Analytics. Er

unterscheidet im Grunde zwei große Kapitel, einmal Computational Models of Legal Reasoning,

hier CMLR und dann sehen Sie hier den dickeren blauen Strich und das heißt, man unterscheidet

diese Computational Models of Legal Reasoning von den Legal Text Analytics LTA sozusagen Themen.

CMLR unterteilt Kevin Ashley jetzt wieder in vier unterschiedliche Subkategorien, sozusagen einmal

Modeling Statutory Reasoning. Also da geht es darum, wie können wir versuchen, die Statuten,

die Rechtsnormen zu modellieren und das Reasoning ist ja eigentlich das sozusagen juristische

Argumentieren. Also Reasoning heißt ja vernünftig argumentieren, Schlussziehung eigentlich, also

logische Schlussziehung sozusagen inferieren mit logischen Schlüssen und Beispiele sind hier IBM

Watson und IBM Debater ist eine sozusagen Ableitung, ein Derivat sozusagen von Watson. Und das ist die

eine Thematik. Dann die nächste Thematik ist Modeling Case-Based Reasoning. Also ganz interessant,

einerseits werden hier Normen, Regeln sozusagen modelliert und zum anderen werden Fälle verglichen,

Case-Based Reasoning, das ist typisch fürs Case Law System, für die Fallunterscheidung,

fürs distinguishing, man vergleicht Fälle miteinander, man vergleicht den zu entscheidenden

Fall mit einem Präzedenzfall. Die Frage ist, wie kann man das sozusagen modellieren, wie funktioniert

dabei das Reasoning, also die Schlussziehung, das inferieren, das begründen einer Entscheidung.

Dann MPLO Models of Predicting Legal Outcomes, also da geht es um Vorhersagetools, wie könnten wir

mit Daten, die wir haben, vielleicht für künftige Fälle oder für zu entscheidende Fälle Voraussagen

treffen, wie wohl dieser zu entscheidende Fall vor den Gerichten entschieden wird unter

Berücksichtigung dessen, was die Gerichte bislang entschieden haben. Und dann CMLR, Computational

Models of Legal Argument, also da geht es um die juristische Argumentation, wie können wir die

Argumentation modellieren und da sieht man schon Reasoning und Argumentation, was ist da der genaue

Unterschied. Ja, also wir glauben schon eher, dass es darum geht herauszufinden, wie Argumentation

funktioniert und ein wesentlicher Teil guter Argumentation ist sozusagen logische Argumentation