Banken, Versicherungen & Kanzleien

E-Discovery mit Machine Learning: Dokumentenberge verteidigbar sichten

In Rechtsstreitigkeiten und internen Untersuchungen landen oft Hunderttausende E-Mails und Dateien auf dem Tisch des Review-Teams. Das Tagesseminar richtet sich an Litigation-, Compliance- und Investigations-Teams und behandelt TAR, Predictive Coding und ML-gestützte Klassifikation ebenso wie den Einsatz von LLMs für Zeitlinien und Zusammenfassungen. Übungen zum Klassifizieren und zum Aufbau einer Chronologie stehen neben Fragen der Verteidigbarkeit und des Datentransfers. Sie planen am Ende ein eigenes Review-Projekt mit passenden Werkzeugen und Rollen.

Für wen

Litigation-Teams, Verantwortliche für Compliance und interne Untersuchungen sowie E-Discovery-Fachleute, die umfangreiche Dokumentenbestände zügig sichten müssen.

KI-Tagesseminar · 1 Tag

Große Dokumentenbestände mit ML und LLMs sichten, auswerten und das Vorgehen belegen

Das nehmen Sie mit

  • TAR, Predictive Coding und aktives Lernen ordnen Sie fachlich ein und setzen sie im Review gezielt ein.
  • Clustering, Near-Duplicate-Erkennung und E-Mail-Threading verkürzen die Sichtung.
  • Zeitlinien, Schlüsseldokumente sowie Privileg- und PII-Treffer gewinnen Sie mit LLMs aus dem Bestand.
  • Ein dokumentiertes, verteidigbares Vorgehen samt Rollen- und Werkzeugplan für Ihr nächstes Review-Projekt.

Ablauf

  1. Teil 1

    Modul 1 – Ausgangslage: Wenn Litigation und Investigations Datenberge erzeugen

    • Wie Ihr Team Dokumente heute sichtet, etwa per Stichwortsuche und linearem Durchlesen
    • Warum Postfächer, Fileshares und Chatverläufe ein manuelles Review an Kapazitätsgrenzen bringen
    • Technology Assisted Review (TAR) und Predictive Coding: Funktionsprinzip und bisheriger Einsatz
    • Was LLMs gegenüber klassischem TAR neu in das Review einbringen
    • Live-Demo: Binnen Minuten liegt ein großer Dokumentenbestand nach Relevanz vorsortiert vor
  2. Teil 2

    Modul 2 – ML-Verfahren: Klassifizieren, gruppieren, Dubletten erkennen

    • Relevanz-Klassifikation: Das ML-Modell lernt aus Ihren Prüfentscheidungen (aktives Lernen)
    • Clustering bündelt thematisch verwandte Dokumente für die Erstsichtung
    • Near-Duplicate-Erkennung und E-Mail-Threading ersparen das mehrfache Lesen gleicher Inhalte
    • Große Bestände steuerbar machen, statt jedes Dokument einzeln zu öffnen
    • Übung: Einen Beispielbestand KI-gestützt in relevante und nicht relevante Dokumente einteilen
  3. Teil 3

    Modul 3 – LLMs: Inhalte erschließen und zusammenfassen

    • Fakten, Chronologien und Schlüsseldokumente aus dem gesichteten Material herausziehen
    • Privileg- und PII-Erkennung: Anwaltskorrespondenz und personenbezogene Daten automatisch markieren
    • Qualitätssicherung über Stichproben und nachvollziehbare Begründung jeder Einstufung
    • Übung: Aus einer Dokumentensammlung eine Zeitlinie der Ereignisse erstellen
  4. Teil 4

    Modul 4 – Verteidigbarkeit: Vorgehen belegen, Daten schützen

    • Verteidigbarkeit des KI-gestützten Reviews gegenüber Gericht, Gegenseite oder Behörde sichern
    • Vorgehen lückenlos dokumentieren: Parameter, Stichproben und Prüfentscheidungen
    • Datenschutz und Datentransfer, etwa bei grenzüberschreitenden Verfahren
  5. Teil 5

    Modul 5 – Projektplanung: Ein Review-Vorhaben aufsetzen

    • Fallstudie: Planung eines Review-Projekts von der Datensammlung bis zur Produktion
    • Passende Werkzeuge auswählen und Rollen zwischen Kanzlei, Dienstleister und Mandant klären
    • Fahrplan für schnellere und belastbare Reviews in Ihrem Team

VoraussetzungenPraktische Erfahrung in Litigation, Compliance oder im Dokumentenreview wird vorausgesetzt.

AbschlussTeilnahmezertifikat und digitales Badge

Thema anfragen