Can Administrative Justice Be Predicted ? AStudy of Open Judicial Decisions in France
Diese Studie zeigt, dass JuriBERT, ein für den französischen Rechtsbereich adaptiertes Modell, die Ausgänge von über 157.000 Entscheidungen französischer Verwaltungsgerichte allein auf der Grundlage von Sachverhalts- und Verfahrenshintergründen am genauesten vorhersagt, wobei es einen Makro-F1-Score von 0,718 erreicht und das im Sachverhalt vor der Urteilsfindung eingebettete Vorhersagesignal hervorhebt.
Originalarbeit lizenziert unter CC BY 4.0 (https://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 eine Welt vor, in der man einen Blick in die Zukunft eines Gerichtssaals werfen könnte, nicht mit einer Kristallkugel, sondern mit einem superintelligenten Computer. Dies ist das Reich der prädiktiven Justiz, ein Zweig der Wissenschaft, in dem künstliche Intelligenz (KI) versucht zu erraten, wie ein Richter über einen Fall entscheiden wird, noch bevor der Hammer fällt. Denken Sie an eine Wettervorhersage für Rechtsstreitigkeiten: Anstatt Regen oder Sonnenschein vorherzusagen, prognostiziert sie, ob eine rechtliche Forderung abgewiesen, teilweise anerkannt oder vollständig gewonnen wird. Seit Jahrzehnten fragen sich Menschen, ob diese Ergebnisse zufällig sind oder ob sie verborgenen Mustern folgen. Mit dem Aufstieg leistungsstarker Computer und dem Internet, das Millionen von Gerichtsakten öffentlich zugänglich macht, fragen Wissenschaftler nun: Können wir einer Maschine beibringen, die Fakten eines Falles zu lesen und das Ende präzise zu erraten? Wenn uns das gelingt, könnte es die Art und Weise verändern, wie Menschen Rechtskämpfe führen, indem es ihnen hilft zu entscheiden, ob sie sich einigen, kämpfen oder aufgeben.
Dieses Paper untersucht diese Frage anhand des französischen Verwaltungsgerichtssystems, in dem normale Bürger die Regierung über Dinge wie Steuern, Einwanderung oder Sozialleistungen verklagen. Die Forscher sammelten eine riesige Bibliothek von 157.390 echten Gerichtsentscheidungen aus dem Zeitraum zwischen Januar 2024 und September 2025. Ihr Ziel war es, einen „digitalen Detektiv“ zu bauen, der nur die Geschichte des Rechtsstreits – die Fakten und den prozessualen Verlauf – lesen und das Endergebnis vorhersagen kann. Um sicherzustellen, dass der Computer nicht mit dem Lösungsschlüssel arbeitet, haben sie die Begründung des Richters und das endgültige Urteil sorgfältig aus der Eingabe herausgeschnitten. Sie behandelten die Aufgabe wie ein Vier-Wege-Rennen: Würde der Fall abgewiesen (der „Rejet“), teilweise erfüllt, vollständig erfüllt oder an ein anderes Verfahren zurückverwiesen (wie ein „Renvoi“)?
Das Team testete fünf verschiedene Arten von KI-„Gehirnen“, um zu sehen, welcher der beste Detektiv war. Sie probierten klassische Methoden wie Random Forest (das wie ein Komitee aus Entscheidungsbäumen fungiert, die über die Antwort abstimmen) und Support Vector Machines, und sie probierten auch fortschrittliche Transformer-Modelle aus, die wie Super-Leser sind, die den Kontext von Wörtern verstehen. Eines dieser Modelle, genannt JuriBERT, war besonders, weil es bereits Millionen von französischen Rechtsdokumenten vor diesem Test studiert hatte, was es zu einem „Rechtsexperten“ statt zu einem Generalisten machte. Sie testeten auch ein riesiges KI-Modell namens GPT im „Few-Shot“-Modus, bei dem es lediglich einige Beispiele erhielt und gebeten wurde, zu raten, ohne ein tiefes Training auf den spezifischen französischen Daten zu erhalten.
Die Ergebnisse waren klar und messbar. Die spezialisierte Rechts-KI, JuriBERT, gewann das Rennen, sagte das Ergebnis zu 78,3 % der Zeit korrekt voraus und erreichte einen hohen Balance-Score (Makro-F1) von 0,718. Sie schlug die allgemeine KI (BERT) und die klassischen Computermodelle. Das riesige GPT-Modell, als es nur mit wenigen Beispielen ohne tiefes Training gefüttert wurde, schnitt tatsächlich schlechter ab als die klassischen Modelle und erreichte nur 57,21 % beim Balance-Score. Dies deutet darauf hin, dass für diese spezifische, knifflige Aufgabe ein Modell, das speziell auf die französische Rechtssprache trainiert wurde, einer allgemeinen intelligenten KI oder einem Standard-Statistikwerkzeug weit überlegen ist.
Das Paper schließt die Idee explizit aus, dass eine allgemeine KI oder ein einfacher „Few-Shot“-Prompt ausreicht, um dieses Problem zu lösen; die Daten zeigen, dass sie zu kurz greifen. Es argumentet auch gegen die Vorstellung, dass die Antwort nur in der abschließenden Begründung des Richters verborgen liegt; die Studie beweist, dass die Fakten des Falles allein genug Signale enthalten, um eine starke Vorhersage zu treffen. Der Autor ist aufgrund der Messung auf einem massiven, realen Datensatz zuversichtlich in diesen Zahlen, merkt jedoch an, dass seine Studie auf ein spezifisches 20-monatiges Fenster und erstinstanzliche Gerichte beschränkt ist. Er legt nahe, dass die Tatsache, dass der Computer nun das wahrscheinliche Ergebnis aus den Fakten „sehen“ kann, nicht bedeutet, dass das Recht perfekt vorhersagbar ist oder dass diese Werkzeuge Richter ersetzen sollten. Stattdessen zeigt es, dass die Information, die nötig ist, um das Ergebnis zu erraten, bereits in der Geschichte des Rechtsstreits eingebacken ist – eine Tatsache, die helfen könnte, die Chancengleichheit zwischen normalen Bürgern und der Regierung, die meist mehr Erfahrung darin hat, diese Ergebnisse einzuschätzen, zu verbessern.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.