💬 NLP

Automatic Construction of a Legal Citation Graph from 100 Million Ukrainian Court Decisions: Large-Scale Extraction, Topological Analysis, and Ontology-Driven Clustering

Dieser Beitrag stellt die automatische Konstruktion eines massiven juristischen Zitationsgraphen aus über 100 Millionen ukrainischen Gerichtsentscheidungen vor, der zeigt, dass die unüberwachte Analyse von 502 Millionen Zitationskanten juristische Domänengrenzen effektiv abbildet, die Bedeutung von Gesetzen mit nahezu perfekter Genauigkeit vorhersagt und Regimewechsel erkennt, wodurch die Erstellung eines von einer Ontologie gesteuerten Workflows für die LLM-gestützte juristische Analyse ermöglicht wird.

Ursprüngliche Autoren: Volodymyr Ovcharov

Veröffentlicht 2026-05-18

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Volodymyr Ovcharov

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich das gesamte Rechtssystem der Ukraine als eine riesige, geschäftige Bibliothek vor, die über 100 Millionen Bücher (Gerichtsentscheidungen) enthält. Jahrelang lagen diese Bücher auf den Regalen, größtenteils ungelesen von Computern, denn die Art und Weise, wie sie auf andere Gesetze verwiesen, war unübersichtlich, inkonsistent und in einer komplexen menschlichen Sprache verfasst.

Dieser Artikel beschreibt ein Projekt, bei dem die Autoren einen ultraschnellen Roboter-Bibliothekar entwickelten, um jedes einzelne dieser Bücher zu lesen und genau zu kartieren, wie sie miteinander verbunden sind.

Hier ist die Aufschlüsselung dessen, was sie taten und was sie fanden, unter Verwendung einfacher Analogien:

1. Der Roboter-Bibliothekar (Die Extraktion)

Die Autoren schufen ein spezialisiertes Werkzeug (eine „Regex-Pipeline"), das wie ein Hochgeschwindigkeitsscanner funktioniert.

Die Aufgabe: Es musste Verweise auf Gesetze innerhalb von 100,7 Millionen Gerichtsentscheidungen finden. Das sind 1,1 Terabyte Text – genug, um eine kleine Bibliothek zu füllen.
Die Geschwindigkeit: Dies gelang in nur 5 Stunden auf einem Standard-Computerserver. Zum Vergleich: Ein Mensch, der eine Seite pro Minute liest, würde Jahrhunderte benötigen, um dies zu leisten.
Das Ergebnis: Der Roboter fand 502 Millionen Verbindungen (Zitate). Er war unglaublich präzise und erreichte bei einer Teststichprobe eine perfekte Punktzahl. Er identifizierte erfolgreich sechs verschiedene Arten von Verweisen, von spezifischen Artikeln im Zivilgesetzbuch bis hin zu Urteilen des Obersten Gerichtshofs.

2. Die Karte der Verbindungen (Der Graph)

Sobald der Roboter mit dem Lesen fertig war, hatten die Autoren nicht nur einen Haufen Notizen; sie bauten ein riesiges Spinnennetz (einen Graphen).

Wie es funktioniert: Stellen Sie sich vor, jede Gerichtsentscheidung ist ein Punkt und jedes Gesetz, auf das sie Bezug nimmt, ein weiterer Punkt. Der Roboter zog eine Linie zwischen ihnen.
Die Form: Sie stellten fest, dass dieses Netz einem „Potenzgesetz" folgt. Auf Deutsch bedeutet dies, dass eine winzige Handvoll Gesetze super-beliebt sind (millionenfach zitiert), während die meisten Gesetze sehr selten zitiert werden.
- Analogie: Denken Sie daran wie an ein soziales Netzwerk. Ein paar Prominente (wie die Hauptartikel über Diebstahl oder Zivilprozessrecht) haben Millionen von Followern, während die meisten normalen Menschen nur wenige haben. In der Ukraine sind die „prominenten" Gesetze die verfahrensrechtlichen Regeln, die Richter in fast jedem einzelnen Fall verwenden.

3. Verborgene Nachbarschaften entdecken (Ontologie und Clustering)

Der überraschendste Teil des Artikels ist, was geschah, als sie untersuchten, wie Gesetze zusammen zitiert werden.

Die Entdeckung: Sie verwendeten einen Computeralgorithmus, um Gesetze zu gruppieren, die häufig in denselben Fällen zitiert werden. Sie sagten dem Computer nicht, was „Zivilrecht" oder „Strafrecht" war. Sie ließen einfach die Daten sprechen.
Das Ergebnis: Der Computer gruppierte die Gesetze natürlich in vier distincte Nachbarschaften: Zivilrecht, Strafrecht, Verwaltungsrecht und Handelsrecht.
- Analogie: Stellen Sie sich vor, Sie betreten einen Raum voller Menschen und bitten sie, sich ohne Angabe von Regeln in Gruppen einzuteilen. Wenn Sie sie bitten, sich danach zu gruppieren, „mit wem sie sprechen", werden sich die Buchhalter natürlich zusammenfinden und die Künstler ebenfalls. Der Computer tat dies mit Gesetzen und bewies, dass die Struktur des Gerichtssystems selbst die Kategorien des Rechts offenbart, selbst ohne dass menschliche Experten sie kennzeichnen.

4. Die Geschichte lesen (Zeitreise)

Da sie Daten von 2007 bis 2026 hatten, konnten sie das Rechtssystem in Echtzeit verändern beobachten.

Reformen: Wenn ein neuer Gesetzbuch eingeführt wurde (wie 2012 oder 2017), zeigte die Karte ein plötzliches „Erdbeben". Alte Gesetze wurden nicht mehr zitiert, und neue explodierten in ihrer Beliebtheit.
Die Invasion 2022: Der Artikel verzeichnet einen spezifischen „Anstieg" im Jahr 2022. Die Vielfalt der zitierten Gesetze wurde plötzlich viel chaotischer und diverser (die Entropie stieg). Neue Gesetze über den Krieg erschienen zum ersten Mal auf der Karte und zeigten, wie sich das Rechtssystem sofort an die Krise anpasste.

5. Die Zukunft vorhersagen

Die Autoren testeten, ob sie vorhersagen konnten, welche Gesetze in der Zukunft wichtig werden würden.

Der Test: Sie nutzten die Geschichte der Zitate, um die 1.000 wichtigsten Gesetze für die Jahre 2020–2026 vorherzusagen.
Die Punktzahl: Sie waren 99,8 % genau.
Die Lehre: Der beste Weg, um zu wissen, ob ein Gesetz wichtig ist, besteht nicht darin, den Text zu lesen; es besteht darin, zu sehen, wie oft Richter es zitieren. Die „Beliebtheit" eines Gesetzes ist ein perfekter Prädiktor für seine zukünftige Bedeutung.

Warum dies wichtig ist (laut dem Artikel)

Die Autoren erklären, dass diese Karte nun verwendet wird, um Künstliche Intelligenz (KI) dabei zu helfen, das ukrainische Recht zu verstehen.

Derzeit halluzinieren KI-Modelle oft oder erfinden Dinge, weil sie keine solide „Karte" darüber haben, wie Gesetze miteinander zusammenhängen.
Dieses Projekt liefert diese Karte. Es gibt der KI eine „Domänenschicht" – einen strukturierten, datengesteuerten Leitfaden, der der KI sagt: „Diese Gesetze gehören zusammen, und so werden sie im echten Leben verwendet." Dies hilft der KI, genauere und fundiertere rechtliche Ratschläge zu geben.

Zusammenfassend: Der Artikel handelt vom Aufbau einer massiven, automatisierten Karte des ukrainischen Rechtssystems. Indem sie die Daten die Linien zwischen den Gesetzen ziehen ließen, entdeckten sie, dass sich das Gerichtssystem natürlich in klare Kategorien organisiert, dass ein paar Gesetze das gesamte System zusammenhalten und dass diese Karte der KI beibringen kann, wie ein Anwalt zu denken.

Technische Zusammenfassung: Automatische Konstruktion eines juristischen Zitationsgraphen aus 100 Millionen ukrainischen Gerichtsentscheidungen

Problemstellung
Das Einheitliche Staatsregister der Gerichtsentscheidungen (EDRSR) stellt das größte offene gerichtliche Korpus in Kontinentaleuropa dar und enthält über 100 Millionen Entscheidungen. Trotz seiner Größe ist diese Ressource für die computergestützte Rechtsanalyse weitgehend ungenutzt geblieben. Bestehende Forschungen zu juristischen Zitationsnetzwerken konzentrierten sich auf Common-Law-Rechtsordnungen (z. B. USA, Niederlande, Dänemark), in denen Zitationskonventionen explizit sind und die Datensätze kleiner sind (10³–10⁵ Entscheidungen). Kontinentale Rechtsysteme wie das der Ukraine stellen besondere Herausforderungen: Zitationen richten sich auf Gesetzestexte und nicht auf frühere Fälle, die Formate sind aufgrund morphologischer Variationen und Abkürzungen inkonsistent, und das enorme Volumen (1,1 TB Text) erfordert eine industriell skalierbare Verarbeitung. Bisherige Arbeiten haben keinen Versuch unternommen, Zitationen im Maßstab von 100 Millionen Entscheidungen zu extrahieren.

Methodik
Der Artikel schlägt eine dreistufige Pipeline vor: großflächige Extraktion, topologische Analyse und ontologiegetriebenes Clustering.

Pipeline zur großflächigen Extraktion:
- Datenquelle: 100,7 Millionen Gerichtsentscheidungen (99,5 Millionen Volltexte) aus dem EDRSR, Zeitraum 2000–2026.
- Technik: Eine regex-basierte Pipeline verarbeitet die Daten partitionweise unter Verwendung von Python-Multiprocessing und serverseitigen PostgreSQL-Cursoren.
- Zieltypen: Es werden sechs Zitationstypen extrahiert: (1) Kodexartikel-Referenzen (z. B. „ст. 625 ЦК України"), (2) Namentliche Gesetzesreferenzen, (3) Verfassungsreferenzen, (4) Fall-zu-Fall-Referenzen, (5) Gesetzesreferenzen nach Nummer und (6) Referenzen auf Entscheidungen des Obersten Gerichtshofs.
- Leistung: Die Pipeline verarbeitet auf einem einzelnen 16-Kern-Server etwa 200.000 Zeilen pro Sekunde und schließt die Extraktion von 502 Millionen Zitationsverbindungen in ungefähr 5 Stunden ab.
- Validierung: An einer manuell annotierten Stichprobe von 200 Entscheidungen (1.903 Zitationen) erreichte die Pipeline bei allen sechs Typen eine Präzision von 100 %. Beim Abgleich mit gespeicherten Datensätzen wurde eine Recall-Proxy von 0,86 beobachtet; die Lücke von 14 % wird auf Normalisierungsunterschiede (z. B. Erweiterung von Artikelbereichen) zurückgeführt und nicht auf übersehene substantielle Zitationen.
Graph-Konstruktion:
- Bipartiter Graph ( $G_B$ ): Knoten repräsentieren Entscheidungen ( $D$ ) und Gesetzestexte ( $L$ ). Kanten verbinden eine Entscheidung mit der Gesetzgebung, auf die sie sich bezieht.
- Kokitationsprojektion ( $G_L$ ): Ein unipartiter Graph, in dem Gesetzestexte verbunden sind, wenn sie gemeinsam in derselben Entscheidung zitiert werden. Kantengewichte spiegeln die Häufigkeit der Kokitation wider und dienen als Proxy für semantische Verwandtschaft.
- Ähnlichkeitsgraph der Entscheidungen ( $G_D$ ): Ein Graph, der Entscheidungen verbindet, die gemeinsame Gesetzestexte zitieren (träge berechnet).
Analyse und Ontologie-Konstruktion:
- Community-Erkennung: Der Louvain-Algorithmus wird auf die Kokitationsprojektion angewendet, um Cluster von Gesetzestexten zu identifizieren.
- Ontologie-Ableitung: Diese Cluster bilden eine automatisch konstruierte juristische Ontologie, bei der Klassen Rechtsgebieten (z. B. Zivilrecht, Strafrecht) entsprechen und Individuen die spezifischen Artikel sind. Dieser Ansatz stützt sich auf die distributionelle Hypothese („man erkennt ein Gesetz an den Entscheidungen, die es zitieren"), ohne dass gelabelte Daten oder Einbettungsmodelle erforderlich sind.

Hauptergebnisse

Skalierbarkeit und Effizienz: Die Studie extrahierte erfolgreich 502 Millionen Zitationskanten, die Entscheidungen mit 18,4 Millionen einzigartigen Gesetzestexten verbinden. Dieser Datensatz ist um drei bis vier Größenordnungen größer als frühere Studien zu juristischen Zitationen.
Topologische Eigenschaften:
- Potenzgesetz-Verteilung: Die Gradverteilung der Gesetzestexte folgt einem Potenzgesetz mit dem Exponenten $\alpha = 1,57 \pm 0,008$ . Dies platziert das ukrainische Netzwerk zwischen dem Gerichtshof der Europäischen Union ( $\alpha \approx 1,7$ ) und dem Obersten Gerichtshof der USA ( $\alpha \approx 2,1$ ) und zeigt einen schweren Ausläufer, bei dem eine kleine Gruppe von „Hub"-Artikeln (z. B. Verfahrensordnungen) von Millionen von Entscheidungen zitiert wird.
- Divergenz der Zentralität: Die PageRank-Zentralität weicht signifikant von den rohen Zitationszahlen ab (Spearman $\rho = 0,70$ ). So rangiert Artikel 19 der Verfassung nach roher Zählung auf Platz 42, aber nach PageRank auf Platz 3, was seine strukturelle Rolle als Brücke zwischen Rechtsgebieten widerspiegelt.
Ontologische Rekonstruktion: Die Community-Erkennung auf dem Kokitationsgraphen rekonstruiert erfolgreich etablierte Rechtsgebiete (Zivilrecht, Strafrecht, Verwaltungsrecht, Handelsrecht) mit Modularitätswerten ( $Q$ ) zwischen 0,44 und 0,55. Die Struktur zeigt eine hohe zeitliche Stabilität (Normalisierte Gegenseitige Information $NMI = 0,83–0,86$ über Vierjahreszeiträume), was den Graphen als dauerhafte Repräsentation der Rechtsordnung bestätigt.
Vorhersagekraft: Ein logistisches Regressionsmodell, das Zitationsmerkmale (historisches Volumen, Wachstumsverhältnis usw.) verwendet, sagt die 1.000 meistzitierten Artikel der Zukunft mit einer AUC von 0,9984 voraus und übertrifft damit eine naive Frequenz-Baseline signifikant.
Zeitliche Dynamik und Krisenerkennung:
- Gesetzgebungsreformen: Der Graph erfasst quantitative Phasenverschiebungen, die großen Reformen entsprechen, wie dem Start der Strafprozessordnung 2012 und der Justizreform 2017.
- Kriegsauswirkungen: Die russische Invasion 2022 wird als Anstieg der Zitationsentropie ( $H: 11,02 \to 13,49$ ) und als Auftreten neuer Knoten im Zusammenhang mit Kriegsgesetzgebung (z. B. Artikel 111-1 des Strafgesetzbuchs zur Kollaboration) erkannt.

Bedeutung und Behauptungen
Der Artikel beansprucht drei Hauptbeiträge:

Skalierbare Extraktion: Er zeigt, dass eine industriell skalierbare juristische NLP auf handelsüblicher Hardware mit einfachen regex-basierten Methoden erreicht werden kann und dabei eine hohe Präzision ohne spezialisierte Infrastruktur erzielt.
Datengetriebene Ontologie: Er liefert die erste maschinenlesbare Ontologie für ukrainische Gesetzesbeziehungen, die vollständig aus der Rechtspraxis und nicht durch Expertenkurierung abgeleitet wurde. Dies schließt eine strukturelle Lücke in ontologiegesteuerten LLM-Systemen und bietet eine Domänenschicht, die rechtliche Schlussfolgerungen auf tatsächliche Nutzungsmuster stützt.
Quantitative Rechtsgeschichte: Der Zitationsgraph dient als hochauflösendes Archiv legislativer Regimewechsel und ist in der Lage, systemische Veränderungen (Reformen, Invasionen) durch Verschiebungen der Zitationsentropie und -dichte zu erkennen.

Die Autoren positionieren diese Arbeit als Erweiterung der von Palagin et al. vorgeschlagenen Programme zur Wissensextraktion und distributionellen semantischen Modellierung, angewendet hier auf einen Maßstab und ein Gebiet, die in der ukrainischen NLP bisher nicht versucht wurden. Die resultierende Ontologie wird als Domänenschicht für Workflow-Speichersysteme in der LLM-unterstützten Rechtsanalyse operationalisiert und ermöglicht informierte menschliche Korrekturen von KI-Ausgaben. Die Extraktionspipeline, der Analysecode und die aggregierten Statistiken werden als offene Daten veröffentlicht.