Von der kurzen Frage zum Workflow: Was Agentic AI in eDiscovery verändert
Generative AI hat in kurzer Zeit verändert, wie wir mit Informationen arbeiten. Eine Frage wird in natürlicher Sprache gestellt, die KI liefert eine Antwort, fasst Inhalte zusammen oder unterstützt bei der Analyse. Agentic AI geht einen Schritt weiter: Statt nur auf eine einzelne Anfrage zu reagieren, können KI-Agenten auf ein definiertes Ziel hinarbeiten und dafür mehrere Arbeitsschritte miteinander verbinden.
Für Rechtsanwälte und Kanzleien eröffnet das neue Möglichkeiten, KI nicht nur für einzelne Aufgaben zu nutzen, sondern stärker in die tägliche Arbeit und bestehende Arbeitsabläufe einzubinden. Das reicht von der schnellen Recherche relevanter Informationen bis hin zur Unterstützung bei komplexeren, mehrstufigen Aufgaben.
Was unterscheidet einen KI-Agenten von einer klassischen KI-Anfrage?
Ein wesentliches Merkmal eines KI-Agenten ist seine Zielorientierung. Der Anwender gibt eine Aufgabe beziehungsweise ein gewünschtes Ergebnis vor. Der Agent kann anschließend verschiedene Aktionen und Werkzeuge einsetzen, um dieses Ziel zu erreichen.
Damit verschiebt sich auch die Art der Interaktion mit der Software. Statt jeden einzelnen Arbeitsschritt vorzugeben, lässt sich in natürlicher Sprache beschreiben, was erreicht werden soll. Der Agent kann daraufhin entscheiden, welche Schritte zur Bearbeitung der Aufgabe notwendig sind.
Dabei geht es nicht nur um die Automatisierung wiederkehrender Aufgaben. Interessant wird Agentic AI vor allem dann, wenn mehrere Schritte aufeinander aufbauen, etwa bei der Recherche in Dokumenten, der Analyse von Inhalten und der Zusammenstellung relevanter Informationen für die weitere Bearbeitung.
Warum ist Agentic AI für eDiscovery interessant?
Wer in eDiscovery mit großen Dokumentenmengen arbeitet, kennt das: Eine erste Recherche führt häufig zu weiteren Fragen. Neue Dokumente werden relevant, Zusammenhänge müssen geprüft und die nächsten Schritte festgelegt werden. Gerade bei solchen mehrstufigen Ermittlungen können KI-Agenten mehrere Arbeitsschritte übernehmen und miteinander verbinden.
Vordefinierte Agenten können dabei für bestimmte Aufgaben eingesetzt und in bestehende Arbeitsabläufe integriert werden. Ein Agent kann beispielsweise Suchfunktionen und Dokumentenreview einsetzen und abhängig von der Fragestellung entscheiden, wie er bei der Bearbeitung vorgeht.
Auch die anschließende Aufbereitung der Ergebnisse spielt eine Rolle. In der Analyse können beispielsweise Netzwerkstrukturen oder zeitliche Zusammenhänge sichtbar gemacht und Informationen für die weitere Untersuchung strukturiert werden.
Mehr Automatisierung bedeutet nicht weniger Kontrolle
Mit zunehmender Automatisierung stellt sich gerade im juristischen Umfeld eine entscheidende Frage: Welche Rolle spielt der Mensch?
Der juristische Sachverstand bleibt unverzichtbar. Menschen definieren die Fragestellung und geben die Richtung einer Untersuchung vor. Die KI kann bei der Ermittlung und Analyse unterstützen, die Ergebnisse müssen jedoch weiterhin bewertet und eingeordnet werden.
Dabei spielt auch Transparenz eine wichtige Rolle. Anwender müssen nachvollziehen können, wie ein KI-Agent zu einem Ergebnis gelangt und welche Werkzeuge beziehungsweise Arbeitsschritte er dafür eingesetzt hat. Nur dann lässt sich beurteilen, ob das Ergebnis belastbar ist.
Vom einzelnen Prompt zum mehrstufigen Prozess
Der eigentliche Wandel durch Agentic AI liegt deshalb nicht allein darin, dass KI einzelne Aufgaben schneller erledigen kann. Interessanter ist die Möglichkeit, mehrere Schritte zu einem zusammenhängenden Prozess zu verbinden: von einer Ausgangsfrage über Recherche und Analyse bis hin zur strukturierten Aufbereitung der Ergebnisse.
Damit entwickelt sich die Interaktion mit KI weiter. Statt für jeden Schritt einen neuen Prompt zu formulieren, kann stärker das gewünschte Ziel in den Mittelpunkt rücken. Vordefinierte Agenten können dabei helfen, solche Abläufe effizienter zu gestalten und Agentic AI in bestehende Arbeitsprozesse zu integrieren.
