Predicting Case Processing Duration in Kenyan Magistrate Courts: A Three-Stage Machine Learning Pipeline for Proactive Backlog Management

Stellen Sie sich eine riesige, geschäftige Bibliothek vor, in der Millionen von Büchern ständig ein- und ausgecheckt werden. In dieser Bibliothek sind die Bibliothekare überfordert. Einige Bücher werden am selben Tag zurückgegeben, an dem sie ausgeliehen wurden, aber andere gehen jahrelang in den Regalen verloren, was einen massiven Haufen von „Rückständen“ erzeugt, den niemand zu beseitigen scheint. Dabei geht es nicht nur um Bücher; es geht um Gerechtigkeit. Wenn Fälle (die „Bücher“) zu lange liegen bleiben, verlieren die Menschen das Vertrauen in das System, und ihr Recht auf ein faires und schnelles Verfahren wird verzögert. Lange Zeit konnten die Bibliothekare nur die Bücher zählen, die sie bereits bearbeitet hatten; sie hatten keine Möglichkeit vorherzusagen, welche neuen Bücher im Stapel stecken bleiben würden, noch bevor sie den Schalter verließen.

Hier kommt die Welt des Maschinellen Lernens ins Spiel, ein Zweig der Informatik, in dem wir Computern beibringen, Muster in der Geschichte zu finden – ganz ähnlich wie ein Detektiv, der alte Tatorte studiert, um neue Rätsel zu lösen. Anstatt zu raten, betrachten diese Computer tausende vergangener Fälle, um zu lernen, was einen Fall schnell oder langsam macht. Die Kernidee hier ist die prädiktive Analytik: die Nutzung von Daten aus der Vergangenheit, um die Zukunft vorherzusagen. Wenn ein Computer uns sagen kann: „Dieser neue Fall sieht aus wie die Fälle, die fünf Jahre gedauert haben“, können wir verhindern, dass er im Stapel verloren geht, noch bevor er überhaupt entsteht. Genau das wollten die Forscher in dieser Studie für die Gerichte in Kenia erreichen, indem sie ein reaktives System (Probleme beheben, nachdem sie aufgetreten sind) in ein proaktives System (Probleme verhindern, bevor sie wachsen) verwandeln.

---

Das Drei-Stufen-Kristallorn für Gerichtsverfahren

In den kenianischen Magistratsgerichten, in denen mehr als 80 % aller juristischen Geschäfte abgewickelt werden, hat sich ein massiver Rückstau aufgebaut. Stand Mitte 2025 warteten über 127.000 Fälle auf Anhörung. Das bestehende Computersystem, genannt Integrated Case Management System (ICMS), ist großartig darin, aufzuzeichnen, was passiert ist, aber es ist blind für das, was passieren könnte. Es weiß nicht, welche neuen Fälle wahrscheinlich zu den „Super-langsamen“ werden, die das System verstopfen.

Um dies zu beheben, entwickelten die Forscher eine dreistufige Machine-Learning-Pipeline. Stellen Sie sich diese Pipeline wie eine hochtechnisierte Sortiermaschine bei einer Poststelle vor, die nicht nur Briefe stempelt, sondern auch vorhersagt, wie lange ein Brief braucht, um seinen Bestimmungsort zu erreichen, und diejenigen markiert, die sich verlieren könnten.

Stufe 0: Die „Am-selben-Tag“-Falle

Die erste Aufgabe dieser Maschine ist es, die „Express“-Fälle aufzuspüren. Etwa 29 % aller Fälle in Kenia werden am Tag der Einreichung abschließend bearbeitet. Die Forscher trainierten ein Computermodell, um einen neuen Fall in dem Moment zu prüfen, in dem er eintrifft, und zu fragen: „Ist das ein Schneller oder wird das ein Marathon?“
Sie testeten vier verschiedene Computer-„Gehirne“ (Algorithmen), um zu sehen, welches am besten geeignet war. Der Gewinner war LightGBM, das Fälle am selben Tag mit einem hohen Maß an Genauigkeit korrekt identifizierte (ein Wert von 0,9148). Wenn der Computer „Am selben Tag“ sagt, erhält der Fall grünes Licht und wird ohne weitere Verzögerung weitergeleitet. Wenn er „Mehrere Tage“ sagt, gelangt der Fall zur nächsten Stufe.

Stufe 1: Das „Einreichungszeit“-Kristallorn

Sobeld ein Fall als „Mehr-Tage“-Marathon markiert wurde, muss das System erraten, wie lange das Rennen dauern wird. Dies ist der schwierige Teil, da der Fall seine Reise noch gar nicht angetreten hat. Der Computer betrachtet nur die Informationen, die im Moment der Einreichung verfügbar sind: die Art des Falls, wie viele Anwälte beteiligt sind, wie beschäftigt der spezifische Richter ist und ob sich das Gericht in einer Stadt oder in einer ländlichen Gegend befindet.
Unter Verwendung von Daten aus fast 600.000 vergangenen Fällen erwies sich das LightGBM-Modell erneut als Champion. Es konnte die Dauer eines Falls mit einer Fehlermarge von etwa 444 Tagen vorhersagen. Obwohl das viel klingt, erklärte es etwa 62 % der Gründe, warum Fälle so lange dauern. Das bedeutet, dass das System allein durch den Blick auf die Unterlagen am ersten Tag einem Richter sagen kann: „Dieser Fall sieht so aus, als würde er etwa 1,5 Jahre dauern“ oder „Dieser hier könnte sich über vier Jahre hinziehen“.

Stufe 2: Der „Live-Update“-Tracker

Die Reise endet nicht am Einreichungsschalter. Während der Fall durch das Gericht geht, sammelt er Geschichte an: Anhörungen werden abgehalten, Vertagungen gewährt und Verzögerungen treten auf. Die dritte Stufe der Pipeline ist ein dynamisches Modell, das die Vorhersage aktualisiert, während der Fall fortschreitet.
Stellen Sie sich ein GPS vor, das Ihnen nicht nur die Ankunftszeit nennt, wenn Sie von zu Hause aufbrechen, sondern die Zeit jedes Mal neu berechnet, wenn Sie im Stau stehen. Dieses Stufe-2-Modell (betrieben durch ein anderes Computer-Gehirn namens CatBoost) nimmt die neuen Informationen auf – wie zum Beispiel die Anzahl der Anhörungen oder wie lange die erste Sitzung verzögert wurde – und revidiert die Schätzung.
Die Ergebnisse hier waren beeindruckend. Während die erste Schätzung (Stufe 1) eine Fehlermarge von 444 Tagen hatte, verengte die aktualisierte Schätzung (Stufe 2) diesen Fehler auf nur noch 80,83 Tage. Dies zeigt, dass der Computer mit fortschreitendem Fall immer besser darin wird, genau zu wissen, wann er abgeschlossen sein wird.

Das „JaliHaki“-Dashboard: Die praktische Anwendung

Die Forscher hörten nicht beim Rechnen auf; sie entwickelten ein echtes Werkzeug namens JaliHaki (was auf Swahili „Gerechtigkeit bewahren oder schützen“ bedeutet). Dies ist eine Webanwendung, die direkt mit dem Computersystem des Gerichts verbunden ist.

• Für die Gerichtsverwaltung: Es zeigt ein Dashboard mit einer Liste von Fällen, die nach Risiko farblich gekennzeichnet sind. Ein „Niedriges Risiko“-Fall ist grün und benötigt routinemäßige Überwachung. Ein „Kritisches Risiko“-Fall ist rot und benötigt sofortige Aufmerksamkeit durch einen erfahrenen Richter.
• Für die Magistrate: Es gibt ihnen eine persönliche Ansicht ihrer Arbeitsbelastung und warnt sie, wenn ein ihnen zugewiesener Fall in die „Kritische“ Zone abdriftet.
• Für die Prozessparteien (Die Öffentlichkeit): Es bietet eine leicht verständliche Schätzung. Anstatt verwirrender juristischer Fachbegriffe sieht eine Person, die einen Fall einreicht, vielleicht: „Ihr Fall wird voraussichtlich 5 Jahre dauern und befindet sich derzeit in der Kategorie Hohes Risiko.“

Was verursacht die Verzögerungen?

Durch den Einsatz einer Technik namens SHAP-Analyse (die wie eine Lupe wirkt, um zu sehen, welche Faktoren am wichtigsten sind), entdeckten die Forscher die Hauptverursacher der Verzögerungen:

1. Fallzahl pro Magistrat: Wenn ein Richter zu viele Fälle hat, verlangsamt sich alles.
2. Rechtliche Vertretung: Ob eine Partei einen Anwalt hat oder nicht, verändert den Zeitplan.
3. Art des Falls: Strafrechtliche Fälle bewegen sich tendenziell schneller (Median 90 Tage bei Mehr-Tage-Fällen) als zivilrechtliche Fälle (Median 547 Tage).
4. Verzögerung der Erstnennung: Wie lange es dauert, bis die allererste Anhörung stattfindet, ist ein großer Prädiktor für die endgültige Verzögerung.
5. Kumulierte Anhörungen: Je mehr Anhörungen ein Fall hat, desto länger dauert er tendenziell.

Interessanterweise fanden die Forscher heraus, dass städtische Gerichte (in Großstädten) die Bearbeitung von Mehr-Tage-Fällen tatsächlich länger dauerten (Median 275 Tage) als ländliche Gerichte (Median 99 Tage). Dies scheint kontraintuitiv, aber die Forscher erklären dies mit dem Konzept der Warteschlangentheorie: Selbst wenn ein Stadtgericht gut ausgestattet ist, erzeugt das schiere Volumen der Fälle eine längere „Warteschlange“, die alle verlangsamt.

Das Vier-Stufen-Risikosystem

Um die Vorhersagen für echte Menschen nützlich zu machen, entwickelte das Team ein einfaches Vier-Stufen-Risikosystem basierend auf den Computer-Vorhersagen:

• Niedriges Risiko (≤ 218 Tage): Routinemäßige Überwachung.
• Mittleres Risiko (218–564 Tage): Geplante Überprüfung.
• Hohes Risiko (564–1.283 Tage): Sofortiges Eingreifen erforderlich.
• Kritisches Risiko (> 1.283 Tage): Sofortige Eskalation an einen erfahrenen Magistrat.

Dieses System ermöglicht es dem Gericht, die „Kritischen Risiko“-Fälle (die etwa 10,5 % der Neueinreichungen ausmachen) direkt zu Beginn zu erkennen und Maßnahmen zu ergreifen, bevor sie Teil des massiven Rückstaus werden.

Was die Studie sagt und nicht sagt

Die Forscher betonen vorsichtig, dass ihr Modell ein Werkzeug zur Vorhersage ist und kein Zauberstab. Sie stellen explizit klar, dass das Modell aus historischen Daten lernt, was bedeutet, dass es die aktuellen Realitäten des Gerichtssystems widerspiegelt, einschließlich bestehender Ungleichheiten zwischen verschiedenen Landkreisen oder Gerichtstypen. Sie warnen, dass die Genauigkeit des Modells für ländliche Gerichte weiterer Tests bedarf, da es in ihren Daten weniger Fälle aus ländlichen Gebieten gab.

Sie klären auch, dass das „Einreichungsjahr“ ein Top-Prädiktor war, aber nicht, weil die Gerichte im Laufe der Zeit schneller oder langsamer geworden sind. Stattdessen ist es ein mathematischer Effekt: Kürzlich eingereichte Fälle konnten noch nicht abgeschlossen werden, daher sieht der Computer sie einfach als „kürzer“ an, weil sie neu sind. Die Forscher haben dies korrigiert, um sicherzustellen, dass die Vorhersagen fair sind.

Das Fazit

Diese Studie beweist, dass wir mit den Daten, die die Gerichte bereits besitzen, ein System bauen können, das Fallverzögerungen mit überraschender Genauigkeit vorhersagt. Durch den Einsatz einer dreistufigen Pipeline können die kenianischen Gerichte nun von der Reaktion auf Rückstände zur Prävention von Rückständen übergehen. Die JaliHaki-Anwendung verwandelt komplexe Mathematik in ein einfaches, farbcodiertes Dashboard, das Richtern, Kanzleien und der Öffentlichkeit hilft, den Zeitplan der Justiz zu verstehen. Obwohl das Modell nicht perfekt ist (es hat immer noch eine Fehlermarge von etwa 80 Tagen bei aktualisierten Vorhersagen), stellt es einen gewaltigen Fortschritt dar, Technologie einzusetzen, um das Recht auf ein schnelles Verfahren zu schützen. Die Studie legt nahe, dass diese Werkzeuge, falls sie eingeführt werden, die Gerichte in die Lage versetzen, die Fälle, die am dringendsten Hilfe benötigen, direkt ab dem Moment der Einreichung zu identifizieren und sicherzustellen, dass die Gerechtigkeit nicht in den Regalen verloren geht.