KI hebt Due Diligence auf ein neues Level mit 95 Prozent Genauigkeit
Die britische Anwaltskanzlei Addleshaw Goddard zeigt in einem umfassenden Forschungsbericht, wie Künstliche Intelligenz die Effizienz und Genauigkeit bei komplexen Aufgaben wie der rechtlichen Due Diligence drastisch steigern kann. Durch den Einsatz von Large Language Models (LLMs) konnten sie die Genauigkeit bei Vertragsprüfungen von durchschnittlich 74 Prozent auf beeindruckende 95 Prozent erhöhen.
Addleshaw Goddard ging dabei der Frage nach ob große Sprachmodelle gut genug für die juristische Due Diligence sein können und testete verschiedene LLMs und Ansätze wie die sogenannte „Chunking“-Strategie, bei der Dokumente in kleinere Textblöcke unterteilt werden. Dies verbesserte die Ergebnisse um bis zu 22 Prozent. Besonders wichtig: ein maßgeschneidertes Prompt Engineering, bei dem die Modelle mit speziellen Anweisungen gefüttert werden. Die Forschung verdeutlicht, dass die präzise Gestaltung der Eingabeprompten die Leistung der KI erheblich steigern kann. Allerdings zeigte sich auch, dass zu detaillierte Anweisungen die Ergebnisse verschlechtern können.
Der Bericht beschreibt detailliert, wie Addleshaw Goddard die besten Konfigurationen ermittelte: Von der optimalen Chunk-Länge (3.500 Zeichen mit 700 Zeichen Überlappung) über die Kombination aus Keyword- und Vektorsuche bis hin zur Verwendung von Follow-up-Prompts, um die KI gezielt auf kritische Aspekte hinzuweisen.
Laut Addleshaw Goddard bietet die Anwendung von generativer KI in der juristischen Arbeit enorme Möglichkeiten. Die Kanzlei hat sich in den letzten zwei Jahren mit dieser neuen Technologie auseinandergesetzt und ihr Verständnis und ihre KI-Fähigkeiten ausgebaut. Nach monatelanger Forschung zur Validität von Large Language Models und einem Retrieval Augmented Generation-Ansatz für die juristische Arbeit teilen diese nun ihre Ergebnisse, um einen Einblick in die Realitäten des Einsatzes von generativer KI im Rechtswesen zu geben.
Der Forschungsbericht kann hier heruntergeladen werden.
