Computational Law Lab

Forschungsschwerpunkte

Die Forschung des Computational Law Labs konzentriert sich auf die Interaktion zwischen maschinellem Lernen und den Rechtswissenschaften mit zwei Schwerpunkten. Zunächst wollen wir Legal-Tech-Anwendungen entwickeln, die aufgrund der eingeschränkten Datenverfügbarkeit besonders herausfordernd sein können. Allerdings wollen wir über die bloße Entwicklung von Legal-Tech-Anwendungen hinausgehen. Uns interessiert, wie wir mithilfe datengetriebener Methoden neue Erkenntnisse in den Rechtswissenschaften gewinnen können. Zum Beispiel gibt es viele Werkzeuge zur Vorhersage rechtlicher Ergebnisse für verschiedene Gerichtsbarkeiten. Es bleibt unklar, ob diese Werkzeuge tatsächlich die Fähigkeit zum rechtlichen Denken besitzen oder ob es Verzerrungen in den Eingangsdaten gibt, die die Modelle verwenden. Letztendlich führt dies zur Entwicklung von Kausalitätsmethoden, um die bestehende Rechtsprechung besser zu verstehen. Diese Werkzeuge können dann auch in anderen Disziplinen Anwendung finden.

Darüber hinaus sind wir fasziniert von der Frage, wie wir trotz technischer Einschränkungen rechtliche Anforderungen erfüllen können. Derzeit werden Methoden des maschinellen Lernens durch verschiedene Vorschriften wie die Datenschutzgrundverordnung oder die KI-Verordnung geregelt. Diese Gesetze verlangen, dass Werkzeuge des maschinellen Lernens Daten unter bestimmten Bedingungen fair, transparent und nachvollziehbar verarbeiten. Fairness und Transparenz sind auch stark diskutierte Themen in der Informatik. Es gibt jedoch viele verschiedene Definitionen von Fairness und verschiedene Möglichkeiten, eine algorithmische Entscheidung zu erklären. Die Ansätze stimmen nicht immer überein. Wie können wir also sicherstellen, dass regulatorische Anforderungen erfüllt werden? Unsere Forschung zielt darauf ab, die Kluft zwischen rechtlichen Standards und technischen Möglichkeiten zu überbrücken.