{"id":4391,"date":"2021-02-24T08:09:38","date_gmt":"2021-02-24T08:09:38","guid":{"rendered":"https:\/\/lamarr-institute.org\/blog\/intelligente-urteilstextanalyse\/"},"modified":"2025-11-12T14:53:42","modified_gmt":"2025-11-12T14:53:42","slug":"intelligente-urteilstextanalyse","status":"publish","type":"blog","link":"https:\/\/lamarr-institute.org\/de\/blog\/intelligente-urteilstextanalyse\/","title":{"rendered":"Schuldig oder nicht schuldig: Intelligente Urteilstextanalyse"},"content":{"rendered":"\n

Im Strafrecht h\u00e4ngt das Sanktionsma\u00df eines Urteils von einer Vielzahl von Kriterien ab, wie der Schwere der Tat oder dem Vorstrafenregister des T\u00e4ters. Allerdings konnte in Analysen, die von Wissenschaftler*innen des Max-Planck-Instituts zur Erforschung von Kriminalit\u00e4t, Sicherheit und Recht (MPI-CSL) durchgef\u00fchrt wurden, ein weiterer Zusammenhang festgestellt werden: Die Strafma\u00dfe bei gleichem Tatbestand variieren in einigen Regionen Deutschlands mitunter stark. So fallen Urteile in Regionen Bayerns im Schnitt ca. 37% h\u00e4rter aus als im deutschlandweiten Durchschnitt.<\/p>\n\n\n\n

\"-
\u00a9 Martin K\u00fcnstling
Resultate einer Studie des MPI-CSL:<\/a> Die Karte zeigt die prozentuale Abweichung der Sanktionsh\u00e4rte in juristischen Urteilen je Gerichtsbezirk vom Bundesdurchschnitt.<\/em><\/figcaption><\/figure>\n\n\n\n

Um diesen Umstand weitergehend zu untersuchen, bedarf es einer eingehenderen Analyse von Urteilstexten. Hier begegnet man jedoch vielen Herausforderungen. Zum einen sind Informationen zum Tathergang und zur Strafzumessung nicht strukturiert abgelegt, sondern m\u00fcssen je Fall aus dem Dokument zur Urteilsbegr\u00fcndung erschlossen werden. Zum anderen werden j\u00e4hrlich ca. 800.000 Urteile<\/a> gef\u00e4llt und der Aufwand, diese manuell zu bearbeiten, ist nicht tragbar. Hier setzt die Informationsextraktion an, die sich mit Verfahren zur automatisierten Erkennung von Informationen im Text besch\u00e4ftigt und das Ziel verfolgt, unstrukturierte in strukturierte Informationen zu \u00fcberf\u00fchren.<\/p>\n\n\n\n

Dokumentenklassifikation und Informationsextraktion: Vom Text zum Tabelleneintrag<\/h2>\n\n\n\n

Prof. Dr. Dr. Frauke Rostalski<\/a>, Inhaberin des Lehrstuhls f\u00fcr Strafrecht, Strafprozessrecht, Rechtsphilosophie und Rechtsvergleichung, und ihre Mitarbeitenden an der Universit\u00e4t zu K\u00f6ln widmen sich bereits seit 2018 der Fragestellung, wie Informationen aus Gerichtsurteilen extrahiert werden k\u00f6nnen. Seit 2019 arbeiten wir im Rahmen des ML2R gemeinsam an der Anwendung und Evaluierung von Technologien zur Automatisierung dieses Prozesses.<\/p>\n\n\n\n

Bei der automatischen Verarbeitung m\u00f6chten wir, wie in Abbildung 2 dargestellt, zwei Arten von Informationen erschlie\u00dfen:<\/p>\n\n\n\n

(1) Einige Informationstypen, wie der Strafurteilstyp (Freispruch, Geldstrafe, Freiheitsstrafe) oder das Vorliegen einer Vorbestrafung der Angeklagten (ja \/ nein), k\u00f6nnen dabei nur eine feststehende Anzahl und Auspr\u00e4gung von Werten annehmen. Bei diesen Informationstypen ist das Ziel, automatisiert f\u00fcr jedes Dokument zu entscheiden, welcher dieser Werte zugeordnet wird. Wir bezeichnen dies als Dokumentenklassifikation.<\/p>\n\n\n\n

(2) F\u00fcr einige andere Informationstypen, wie das Datum der Urteilsverk\u00fcndung oder die H\u00f6he der Strafe, gibt es keine solche Einschr\u00e4nkung. Sie k\u00f6nnen prinzipiell jeden beliebigen Wert annehmen. Um diese Information aus dem Text zu extrahieren, muss die Passage identifiziert werden, in der die Information steht. Dazu wird jedem Wort eine Klasse zugeordnet, die aussagt, ob das Wort die entsprechende Information enth\u00e4lt oder nicht.<\/p>\n\n\n\n

\"-
\u00a9 ML2R
Extraktion strukturierter Informationen aus Urteilstexten<\/figcaption><\/figure>\n\n\n\n

Zwischen diesen Informationstypen k\u00f6nnen zus\u00e4tzliche Zusammenh\u00e4nge bestehen. So wird in einem Urteil, in dem eine Freiheitsstrafe verh\u00e4ngt wurde, keine Information zur H\u00f6he einer Geldstrafe aufgef\u00fchrt. Au\u00dferdem ist f\u00fcr diese Anwendungsdom\u00e4ne bekannt, dass zum Beispiel vorbestrafte T\u00e4ter*innen h\u00e4ufiger eine Gef\u00e4ngnisstrafe erhalten als nicht vorbestrafte T\u00e4ter*innen. Dieses Hintergrundwissen soll zus\u00e4tzlich ber\u00fccksichtigt werden. Man bezeichnet diese wissensintegrierenden ML-Verfahren als Informed Machine Learning<\/a>.<\/p>\n\n\n\n

Im Folgenden beschreiben wir, wie wir mit Hilfe von Klassifikationsverfahren automatisch Informationen in Urteilstexten erkennen und sicherstellen, dass bereits bestehendes Hintergrundwissen ber\u00fccksichtigt wird.<\/p>\n\n\n\n

Mit Machine Learning den richtigen Inhalt finden<\/h2>\n\n\n\n

Wir halten fest: Um f\u00fcr jedes Dokument alle Informationen zu extrahieren, m\u00fcssen zwei Arten von Entscheidungen getroffen werden: auf Dokumentenebene<\/strong> – zum Beispiel, ob im Urteil ein Vorstrafenregister erw\u00e4hnt wird – und auf Wortebene<\/strong> – zum Beispiel, ob es sich bei einem Wort um eine der gesuchten Informationen, wie die H\u00f6he der Strafe, handelt. Zur Automatisierung dieser Klassifikationsentscheidungen k\u00f6nnen verschiedene Arten von \u00fcberwachten maschinellen Lernverfahren<\/a> eingesetzt werden. Diese erfordern das Vorliegen von Trainingsdaten. Das bedeutet, dass zum Anlernen der Modelle Urteilstexte ben\u00f6tigt werden, in denen bereits vorannotiert (gelabelt) wurde, welche Klassen den Dokumenten und W\u00f6rtern zugeordnet wurden. Anhand dieser Beispiele lernt das Modell, die getroffene Entscheidung m\u00f6glichst gut zu reproduzieren und dabei auf ungesehene Dokumente zu generalisieren.<\/p>\n\n\n\n

Profitieren von Transfer-Lernen und Sprachmodellen<\/h2>\n\n\n\n

Um aus annotierten Texten zu lernen, wie die zugrundeliegenden Entscheidungsprobleme gel\u00f6st werden, muss in einem ersten Schritt eine vektorielle Repr\u00e4sentation f\u00fcr den Text gefunden werden.  Dazu wird jedes Wort im Dokument auf einen numerischen Vektor gemappt, der auch als Einbettungsvektor bezeichnet wird. Viele Verfahren, die auf neuronalen Netzen basieren, sind aufgrund ihres komplexen, in Schichten gelagerten Aufbaus sehr gut darin, zuerst eine solche Repr\u00e4sentation f\u00fcr W\u00f6rter oder S\u00e4tze zu finden und dann darauf aufbauend zu lernen, das Klassifikationsproblem zu bew\u00e4ltigen. Ein Nachteil solcher Verfahren ist, dass sie eine gro\u00dfe Menge an Trainingsdaten ben\u00f6tigen, die uns in der Praxis nur selten zur Verf\u00fcgung stehen.<\/p>\n\n\n\n

Deswegen wenden wir sogenanntes Transfer-Lernen an. Das bedeutet, dass wir das Modell zuerst auf einem Problem vortrainieren, f\u00fcr das uns bereits viele Trainingsdaten zur Verf\u00fcgung stehen und dann auf ein anderes Problem nachlernen. In unserem konkreten Fall verwenden wir zur Repr\u00e4sentation ein Modell, welches auf einem sehr gro\u00dfen deutschsprachigen Textkorpus vortrainiert wurde. Der Algorithmus lernt hierbei selbst\u00fcberwacht: Die Trainingsdaten werden direkt aus eigentlich ungelabelten Texten erzeugt, indem einzelne Passagen entfernt wurden, die ein Modell anschlie\u00dfend rekonstruieren soll.<\/p>\n\n\n\n

Daten alleine reichen nicht: Mit Logik zum optimalen Ergebnis<\/h2>\n\n\n\n

Mit den obig beschriebenen Verfahren kann ein Modell gelernt werden, das in der Lage ist, jede Information in einem Urteilstext zu identifizieren. Klassifikationsentscheidungen werden hier allerdings unabh\u00e4ngig voneinander getroffen. Um je Urteilsdokument eine globale L\u00f6sung zu finden, sprich eine Reihe von in sich widerspruchsfreien Entscheidungen, verwenden wir ein Verfahren aus dem Bereich des statistischen relationalen Lernens: Probabilistic Soft Logic. Diese erm\u00f6glicht es, mit logischen Regeln ein probabilistisches graphisches Modell zu beschreiben. Wir nutzen dies, um Hintergrundwissen \u00fcber Abh\u00e4ngigkeiten auf verst\u00e4ndliche Weise in das Modell zu integrieren. So stellen wir zum Beispiel sicher, dass in einem Urteil, in dem eine Freiheitsstrafe verh\u00e4ngt wurde, kein Geldstrafen-Betrag erwartet wird oder eine Bew\u00e4hrung nur im Zusammenhang mit einer Freiheitsstrafe antizipiert wird. Zus\u00e4tzlich werden Unsicherheiten bei der Vorhersage der einzelnen Klassen ber\u00fccksichtigt, um eine m\u00f6glichst konsistente globale L\u00f6sung zu finden.<\/p>\n\n\n\n

Jenseits von datengetriebenem Lernen: Mit Hintergrundwissen zum besten Ergebnis<\/h2>\n\n\n\n

Wie man sieht, erlaubt uns die Kombination aus den vorgestellten Methoden eine Transformation der anfangs unstrukturierten Daten in strukturierte Daten. Das vorgestellte Projekt bildet damit die Basis f\u00fcr eine langfristige Zusammenarbeit mit den Fachexpert*innen der Universit\u00e4t zu K\u00f6ln und ist ein wichtiger erster Schritt in Richtung einer transparenteren Strafzumessung in Deutschland. Durch die Anwendung von Verfahren, die nicht ausschlie\u00dflich datengetrieben arbeiten, sind wir in der Lage, vorhandenes Expertenwissen direkt in den maschinellen Lernprozess zu integrieren. Die Erforschung von Methoden zur Extraktion von Informationen ist dabei nicht nur in dieser Dom\u00e4ne von Relevanz. Weitere m\u00f6gliche Anwendungsbeispiele sind unter anderem die Aufbereitung oder Zusammenfassung von Patienteninformationen oder die Analyse von Vertr\u00e4gen im Finanzsektor.<\/p>\n\n\n\n

Mehr Informationen in dem dazugeh\u00f6rigen Paper: Using Probabilistic Soft Logic to Improve Information Extraction in the Legal Domain. <\/strong>Birgit Kirsch, Sven Giesselbach, Timoth\u00e9e Schmude, Malte V\u00f6lkening, Frauke Rostalski, Stefan R\u00fcping: LWDA, 2020, PDF<\/a>.<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

Informationen in Urteilstexten liegen unstrukturiert und in gro\u00dfen Mengen vor. Methoden der intelligenten Informationsextraktion, logische Regeln sowie Expertenwissen k\u00f6nnen bei ihrer Analyse unterst\u00fctzen und tragen zur transparenteren Strafzumessung in Deutschland bei.<\/p>\n","protected":false},"author":9,"featured_media":4396,"template":"","meta":{"_acf_changed":false,"footnotes":""},"blog-category":[1416,546,1418],"blog-tag":[1520,1523,1616,1620],"class_list":["post-4391","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-alle-blogbeitraege","blog-category-anwendung","blog-category-sprachtechnologien","blog-tag-informed-machine-learning-de","blog-tag-ki-und-recht","blog-tag-transferlernen","blog-tag-wissensintegration"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4391","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/9"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4391\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/4396"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=4391"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-category?post=4391"},{"taxonomy":"blog-tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-tag?post=4391"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}