Freeing the Law with LOCUS: A Local Ordinance Corpus for the United States
Dieses Paper stellt LOCUS vor, ein umfassendes, maschinenlesbares Korpus aus nahezu allen öffentlich verfügbaren US-amerikanischen Gemeinde- und Kreisverordnungen, die mittels OCR aus fragmentierten Quellen gewonnen wurden, begleitet von harmonisierten Zugriffsschichten und spezialisierten KI-Modellen, um groß angelegte Rechtsrecherche und Analysen lokaler Gesetze zu ermöglichen.
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 Recht wie eine riesige, vielschichtige Bibliothek vor. Jahrelang waren juristische KIs (Computerprogramme, die Recht verstehen) sehr gut darin, die „großen Bücher“ in den obersten Regalen zu lesen: Bundesgesetze, Landesgesetze und Gerichtsurteile. Dies sind die Regeln, die für alle im Land oder in einem ganzen Bundesstaat gelten.
Aber es gibt ein ganzes Kellergeschoss dieser Bibliothek, das verschlossen und verstaubt ist: lokale Rechtsverordnungen. Das sind die Regeln, die Ihre Stadt oder Ihr Landkreis festlegt, etwa zur Zonierung (wo man ein Haus bauen darf), zu Lärmpegeln, zu Gewerbelizenzen oder zur Tierkontrolle.
Das Paper stellt LOCUS (Local Ordinance Corpus for the United States) vor, was im Wesentlichen ein riesiges Projekt ist, um diesen Keller zu entriegeln, die Bücher zu säubern und sie in ein digitales Regal zu stellen, damit Computer sie endlich lesen können.
Hier ist eine Aufschlüsselung dessen, was sie getan haben, unter Verwendung einfacher Analogien:
1. Das Problem: Eine Bibliothek ohne Katalog
Vor LOCUS war die Suche nach einem lokalen Gesetz wie der Versuch, ein bestimmtes Rezept in einer Bibliothek zu finden, in der jede Stadt ihr eigenes Kochbuch besitzt, aber:
- Die Bücher waren in verschiedenen Sprachen (Formaten) verfasst.
- Einige waren handgeschrieben, einige getippt und einige waren nur Fotokopien von Fotokopien (gescannte PDFs).
- Es gab keine Masterliste, die einem sagte, welche Stadt welches Buch besitzt.
- Man konnte einen Bibliothekar (eine Suchmaschine) nicht einfach nach „allen Regeln zum Parken in Amerika“ fragen, weil die Bücher über tausende verschiedene Websites verstreut waren, die für Menschen zum Durchsuchen konzipiert waren, nicht für Computer zum Scannen.
2. Die Lösung: Das „LOCUS“-Projekt
Die Autoren bauten eine riesige Pipeline, um dies zu beheben. Stellen Sie sich das wie ein Team von Robotern mit Superkräften für Augen und Gehirne vor:
- Die Sammler: Sie schickte Roboter auf Besuche zu tausenden Stadt- und Kreis-Websites, um die Gesetzbücher herunterzuladen.
- Die Übersetzer (OCR): Da viele Gesetze nur Bilder von Text waren (gescannte PDFs), verwendeten sie eine spezielle KI (genannt LightOnOCR), um die Bilder zu „lesen“ und sie in digitalen Text zu verwandeln – wie das Umwandeln eines handgeschriebenen Briefes in ein Word-Dokument.
- Die Organisatoren: Sie säuberten den Text, entfernten Seitenzahlen und Kopfzeilen und zerlegten die massiven Bücher in einzelne „Gesetze“ (wie das Trennen eines einzelnen Rezepts aus einem ganzen Kochbuch).
- Die Labeler: Sie nutzten KI, um jedes einzelne Gesetz mit Labels zu versehen, wie zum Beispiel: „Dies handelt von Gebäuden“, „Dies handelt von Geschäften“ oder „Dies handelt von Lärm“.
3. Das Ergebnis: Eine „County-Harmonisierte“ Karte
Das Endprodukt ist ein Datensatz, der 9.239 Städte und Landkreise (Counties) abdeckt. Um es jedoch für die Forschung nutzbar zu machen, erstellten sie eine vereinfachte Version, die sogenannte „County-Harmonized Access Layer“.
Die Analogie: Stellen Sie sich vor, Sie möchten das Wetter in den USA untersuchen. Sie brauchen nicht einen separaten Bericht für jede einzelne Straßenecke; Sie brauchen einen zuverlässigen Bericht für jeden Landkreis (County).
- Für jeden US-Landkreis wählt LOCUS das „größte“ verfügbare lokale Gesetzbuch aus (entweder das eigene Buch des Landkreises oder das Buch der größten Stadt innerhalb dieses Landkreises).
- Das bedeutet nicht, dass es jede rechtliche Frage löst (wie „Darf ich in diesem speziellen Hinterhof einen Schuppen bauen?“), aber es bietet Forschern eine solide, vergleichbare Grundlage, um lokale Gesetze im ganzen Land zu untersuchen.
4. Den Gesetzen eine „Persönlichkeitsbewertung“ geben
Einer der coolsten Teile des Papers ist, dass sie nicht nur den Text organisiert, sondern den Gesetzen auch „Scores“ für vier spezifische Persönlichkeitsmerkmale gegeben haben. Sie trainierten eine KI, um ein Gesetz zu lesen und zu erraten, wie es sich „anfühlt“, auf einer Skala:
- Opazität (Verwirrend vs. Klar): Ist dieses Gesetz in einfachem Englisch geschrieben oder ein verwirrender Dschungel aus Fachjargon?
- Paternalismus (Schutz vor sich selbst vs. Schutz vor anderen): Versucht das Gesetz, Sie daran zu hindern, sich selbst zu schaden (wie eine Sperrstunde für Kinder), oder versucht es, Sie daran zu hindern, anderen zu schaden (wie eine Lärmschutzverordnung)?
- Vollzugsspielraum (Streng vs. Flexibel): Gibt das Gesetz Polizeibeamten viel Spielraum bei der Entscheidung, was zu tun ist, oder ist es eine strikte „Ja/Nein“-Regel?
- Problem-Salienz (Dringend vs. Unbedeutend): Behandelt das Gesetz das Thema als einen großen Notfall oder als eine geringfügige Unannehmlichkeit?
Beispiel: Ein Gesetz, das besagt: „Niemand unter 16 Jahren darf ohne Erwachsenen ein Festival besuchen“, erhält einen hohen Wert bei Paternalismus (es schützt das Kind) und einen niedrigen Wert bei Opazität (es ist sehr klar).
5. Warum das wichtig ist
Die Autoren fanden heraus, dass lokale Gesetze kein zufälliges Chaos sind. Sie haben eine verborgene Struktur.
- Städte konzentrieren sich tendenziell auf „Belästigungen“ (Lärm, Haustiere, öffentliche Ordnung).
- Landkreise (Counties) konzentrieren sich tendenziell auf „Zonierung“ (Flächennutzung, Baugenehmigungen).
- Unterschiedliche Teile des Landes haben unterschiedliche „Geschmacksrichtungen“ bei den Gesetzen (z. B. neigen Gesetze in Florida dazu, sehr verwirrend/opak zu sein, während Gesetze in anderen Bundesstaaten klarer sind).
Das Fazit
Die Autoren behaupten, dass sie durch das „Befreien“ dieser lokalen Gesetze aus ihren staubigen, fragmentierten Formaten und deren Umwandlung in einen sauberen, durchsuchbaren Datensatz die Infrastruktur für die nächste Generation der juristischen KI geschaffen haben.
Sie behaupten nicht, dass die KI nun als Richter fungieren oder Rechtsberatung geben kann. Stattdessen sagen sie: „Wir haben endlich die Karte und die Bibliothek gebaut. Jetzt können Forscher damit beginnen, große Fragen darüber zu stellen, wie lokale Gesetze funktionieren, wie sie sich im ganzen Land unterscheiden und wie sie das tägliche Leben der Menschen beeinflussen.“
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.