Seite - 68 - in Austrian Law Journal, Band 1/2016

ISSN: 2409-6911 (CC-BY) 3.0 license www.austrian-law-journal.at Fundstelle: Fuchslueger, Semantische Analyse unstrukturierter Daten, ALJ 1/2016, 68–77 (http://alj.uni- graz.at/index.php/alj/article/view/61). Semantische Analyse unstrukturierter Daten Review und Analyse: Big-Data Ansatz bei internen Untersuchungen anhand eines Beispiels Jörg Fuchslueger*, Wien Kurztext: In der juristischen Fallbearbeitung steht man immer häufiger vor der Herausforderung, unüberschaubare Massen an Unterlagen berücksichtigen zu müssen. Relevante Information ist ver- borgen in hunderttausenden E-Mails, Office-Dokumenten und PDF-Dateien. All diese Unterlagen zu lesen, zu verstehen und zu beurteilen, ist in der Praxis nicht mehr möglich. Der vorliegende Artikel zeigt ein Vorgehensmodell, wie mit semantischer Inhaltsanalyse die notwendige Informationsge- winnung in umfangreichen, elektronisch gespeicherten Textbeständen durchgeführt werden kann. Schlagworte: E-Discovery; interne Untersuchungen (Internal Investigations); Big Data; Com- pliance; semantische Analyse; juristische Fallbearbeitung. I. Einleitung Im Zuge unternehmensinterner Sachverhaltsaufklärungen (Internal Investigations) sind immer häufiger unüberschaubare, große Datenbestände zu überprüfen. Damit verbunden sind nicht nur kritische Zeit- und Kostenentwicklungen. Untersuchungsteams stoßen an die Grenze des Machbaren. Selbst bei Einsatz elektronischer Review-Plattformen1 und computerunterstützten Methoden wie Predictive Coding2 sind bisherige Vorgehensmodelle bei den heutigen Datenmengen nicht mehr zielführend. Der Trend zeigt auf immer schneller und noch weiter wachsende Datenvolumen. Wissensbasierte Ansätze, Cognitive Computing3 und heute verwertbare Teilbereiche in der Ent- wicklung natürlich-sprachlicher Informationssysteme4 gewinnen an Bedeutung, um sichergestellte, elektronisch vorhandene Informationsquellen für die Aufklärungsarbeit weiterhin sinnvoll nutzen * Jörg Fuchslueger ist Head of Content Analytics der BIConcepts IT Consulting GmbH. Der Beitrag gibt den Inhalt des Vortrags vom 11. 12. 2015 am 7. Thementag „Recht und IT“ zum Thema „Compliance-Management. Standards – Tools – Haftung“ am ReSoWi-Zentrum der Universität Graz wieder. 1 Durch Scan und Schrifterkennung (OCR) werden auch „Papierdokumente“ zu ESI (Electronically Stored Information) und können damit computerunterstützt durchsucht und abgearbeitet werden. 2 Maschinelle Klassifikation von Dokumenten auf Basis manuell erstellter Lernmengen. 3 Ein von IBM geprägter Begriff; dahinter steht ein Konzept, das eine wachsende Anzahl konkreter Services im Umfeld „künstlicher Intelligenz“, wie zB die Umwandlung von Sprachinformation in Text (Voice to Text), Erkennung von Objekten in Bildmaterial uvam, als Webservices oder bereits integriert in einer fertigen Entwicklungsumgebung zur Verfügung stellt. http://www.ibm.com/cloud-computing/bluemix/watson/ (abgefragt am 31. 3 2016). 4 Natural Language Processing (NLP) gilt als Teilbereich der künstlichen Intelligenzforschung, um den Dialog Mensch– Maschine auf Sprachebene zu ermöglichen.