Marc hier, hallo. Bevor es losgeht, eine kurze Erläuterung. Ihr hört die neue Irgendwas mit Recht Sonderreihe IM Rechtsmarkt im Rechtsmarkt zusammen mit dem Bucerius Center on the Legal Profession produziert. Und was wir hier machen ist, wir geben euch Input dahingehend, wo sich der Rechtsmarkt hin entwickeln wird.

Aus Sicht einiger ausgewählter Expertinnen und Experten natürlich nicht abschließend, aber schnell für euch zu konsumieren. In maximal 15 Minuten gehen wir in den nächsten zwölf Folgen dieser Serie, die immer mittwochs und samstags erscheinen, ausgewählten Fragestellungen nach. Wenn euch das gefällt, dann schreibt uns gerne eine E-Mail, kontaktiert die Gäste über LinkedIn oder auch gerne mich und teilt uns gerne mit, falls Interesse an regelmäßigem Input in dieser Form besteht.

Außerdem freuen wir uns wie immer natürlich über ein kleines Fünf-Sterne-Rating auf iTunes oder Spotify. Und nun viel Spaß mit der ersten Folge. Nochmal ganz kurz, immer mittwochs, immer samstags im Rechtsmarkt gemeinsam mit dem Bucerio Center on the Legal Profession.

Bis dann. Ciao.

Herzlich willkommen zu einer neuen Episode im Rechtsmarkt. Um genauer zu sein, zur Episode 1. Wir haben nur in anderer Reihenfolge aufgezeichnet. Heute begrüße ich dafür erstmals hier im Studio, kann ich heute sogar sagen, Dirk Hartung. Hallo Dirk.

Hallo, ich freue mich, dass ich dabei sein darf. Wir hatten eine gute Zeit, als wir unterwegs waren mit CLP und Tour und ich freue mich über die Gelegenheit, das Ganze nochmal Revue passieren zu lassen.

Kurz zur Methodik, die dem zugrunde liegt. Wir haben mehrere hundert Teilnehmer bei unseren kleinen Events gehabt im Herbst letzten Jahres und die haben Fragen, Sorgen, Ängste auf Bierdeckel geschrieben. Und diese Fragen und Impulse möchten wir hier in dieser kleinen Serie jetzt gerne verarbeiten.

Und wir fangen an mit der übergeordneten Frage, wie ihr auch schon am Titel gesehen habt. Was muss ich als Anwalt in 2024 über generative KI eigentlich wissen, Dirk?

Das kommt sehr darauf an, wo ich Rechtsdienstleistung erbringe und wie eigentlich mein Geschäft aussieht. Wenn ich ganz etabliert bin, alles verstanden habe und vielleicht auch nicht mehr so lange dabei sein will, brauche ich mich damit gar nicht beschäftigen. Aber wenn ich so das intuitive Verständnis habe, dass das relevant sein könnte für meine Arbeit, dann muss ich das informiert entscheiden können.

Das heißt also, ich brauche ein grundlegendes Technologieverständnis, ich muss die Vokabeln verstehen, ich muss verstehen, was... Bereich des Möglichen liegt und was vielleicht eher Fantasie von einem Dienstleister ist. Und ich muss in der Lage sein, mich mit den ganzen Informationen, die es ja da draußen im Internet bei vielen Weiterbildungsanbietern und so verfügbar gibt, wie ich mich da orientieren kann, damit ich erkenne, wo mir die Leute Unsinn erzählen und dafür viel Geld abnehmen und wo das vielleicht relevant für mich ist und wo gute Informationen dahinter stecken.

Also ein grundlegendes Technologieverständnis für große Sprachmodelle und generative KI ist, glaube ich, ein sinnvolles zeitliches Investment für die allermeisten Rechtsanwälte.

Was ist denn deine Prognose? Was werden denn die meisten Anwältinnen und Anwälte in 24 machen? Nutzen die eher Tools, die KI beinhalten oder braucht es da auch auf persönlicher Ebene wirklich neue Fähigkeiten, sodass das irgendwie eine andere Art der Nutzung ist, als wir die bisher kennen oder dass man vielleicht auch anders zusammenarbeitet mit Developern oder sonstigen Einheiten?

Wie siehst du den Markt?

Jeder, der sich mit dem Rechtsmarkt beschäftigt, weiß, wie unglaublich divers der ist. Also wie unglaublich unterschiedlich die Angebote zwischen kleinsten und kleinen Einheiten und dann über mittelständische Anbieter bis hin zu den großen Kanzleien ist. Und ich glaube, die Antwort liegt hier darin, dass die allermeisten werden solche Tools verwenden.

Denn Microsoft wird uns mit einer ganzen Reihe von Möglichkeiten, das in der Microsoft 365 Software Suite zu benutzen, konfrontieren und findige Anwältinnen und Anwälte werden das natürlich benutzen. Die werden das in PowerPoint benutzen, die werden das in Word benutzen und müssen dann nur in der Lage sein zu verstehen, was da eigentlich hinter den Kulissen passiert.

Also ob die Rechercheergebnisse, die da vielleicht rauskommen, ob die Verbesserungsvorschläge, die da rauskommen, ob die gut sind. Das müssen die bewerten können, weil das ganz einfach die neue Realität ist, mit der man Rechtsdienstleistungen erbringt. Dann gibt es aber natürlich die, die gar nicht die gleiche Rechtsdienstleistung erbringen wollen wie im Jahr 2022 und 2020, sondern die besonders viel aus diesen Möglichkeiten machen wollen.

Und da muss ich dann in der Lage sein, mich mit den Expertinnen und Experten in dem Bereich, durch das Softwareentwickler angesprochen, vernünftig austauschen zu können, damit ich klar machen kann, was meine Bedürfnisse sind und damit ich bewerten kann, ob das, was die mir zuliefern können. Entweder indem ich selber Dinge zusammenbaue oder indem ich Software vollständig einkaufe.

Ob das meinen Bedürfnissen entspricht, ob das gut ist. Also da brauche ich genug Wissen, um das bewerten zu können, ohne dass ich das in der Tiefe verstehen muss. Und zuletzt gibt es natürlich Leute, die getrieben durch die neuen Möglichkeiten, durch das, was ich jetzt machen kann, also die unglaublichen Effizienzgewinne, die generative KI ermöglicht, vielleicht ganz neue Dienstleistungsarten erfinden wollen.

Die brauchen dann auch vertiefte Kenntnisse davon, wie das funktioniert, wie man die Schnittstellen benutzt, wie man das meiste aus den Tools herausholt.

Jetzt gehen wir mal von der Management-Ebene, wo man sowas natürlich entscheiden kann, strategisch oder auch entsprechend, was das Budget angeht. Gehen wir mal so in den Alltag des ein oder anderen Associates im ersten oder zweiten Jahr. Der hat relativ wenig Möglichkeiten zu entscheiden.

Wir holen uns jetzt drei Developer in mein Team und dann bauen wir hier mal ein paar Tools. Er oder sie braucht aber vielleicht ein paar andere Fähigkeiten. Das erste Stichwort ist natürlich Prompting.

Was ist denn das?

Da geht es im Moment darum, dass diese Tools ja anders funktionieren als unsere Gehirne. Das heißt, wenn ich einen Menschen etwas frage, dann gibt er mir eine Antwort ganz natürlich, die wir als Menschen im Rahmen eines guten Gesprächs erwarten. Dem muss ich nicht noch mehr Sachen dazu sagen.

Diese Tools können ja inhaltlich nicht sprechen. Das heißt, denen muss ich zusätzliche Informationen und Instruktionen geben, damit die dann das von mir gewünschte Ergebnis produzieren. Und Prompting, Prompt Engineering geht darum, meine Anfrage so zu verbessern, so aufzuteilen, so mit Informationen anzureichern, dass die Modelle für mich das beste Ergebnis produzieren.

Also ich muss ein bisschen lernen, was ich alles dazu sagen muss, damit ich das Ergebnis kriege, das ich will.

Das ist eigentlich jedenfalls im Ausgangspunkt ähnlich wie googeln. Wenn du vor zehn Jahren gegoogelt hast, dann konntest du eingeben Höhe Kölner Dom und wenn das irgendwo bei einer Standardwebseite wie zum Beispiel Wikipedia diesem sehr einfachen Beispiel stand, dann hat dir Google wahrscheinlich damals noch den Link zu Wikipedia ausgeworfen. Heute würden die das dann an der Seite irgendwie anzeigen, der Kölner Dom ist so und so hoch.

Wenn du ein bisschen später sozialisiert wurdest, jetzt in den letzten Jahren vielleicht erst angefangen hast, Google zu benutzen, dann würdest du mit hoher Wahrscheinlichkeit auch nicht wie wir Höhe Kölner Dom da eintippen, sondern einfach die ganze Frage, wie hoch ist der Kölner Dom? Und das geht eben mittlerweile auch, weil sich die Algorithmen hinter Google natürlich auch weiterentwickelt haben.

Die verstehen mehr natürliche Sprache, die wissen mehr, wie Menschen fragen wollen. Insofern ist dieser Abgleich Mensch-Maschine, wie kommunizieren wir miteinander, wie versteht das eine das andere, ja eigentlich auch nichts Neues. Also Prompting ist jetzt ein neues Wort, Prompt Engineering ist ein neues Buzzword, würde ich sogar mal sagen.

Aber dieses grundsätzliche Vorgehen, Informationen zu extrahieren, ist ja erstmal bekannt mit dem einen Unterschied, dass das hier natürlich generative KI ist und auch Informationen sind, die sozusagen jetzt wirklich von dem Tool erst erstellt werden und die in dieser Reihenform so da nicht dahinter liegen.

Und es ist ja anderes Wissen. Denn nur weil ich weiß, wie man Google dazu kriegt, das gewünschte Ergebnis zu produzieren, weiß ich gar nichts darüber, wie man ChatGPT dazu kriegt, das gewünschte Ergebnis zu produzieren. Wir waren ja bei dem Associate.

Für den kann es aber sinnvoll sein, sich mal ein, zwei Stunden, da gibt es viele Angebote draußen, damit zu beschäftigen, wie man die Qualität der eigenen Anfragen verbessert. Einfach um zu wissen, was sind so klassische Dinge.

Ich mache ein Beispiel. Beispiel, wir Menschen haben so eine Tendenz, viel Höflichkeit und Kontext da reinzupacken und die Modelle sind gut genug, als dass sie das sozusagen raussortieren können. Was der Computer wissen will ist, was ist deine Intention, was willst du von ihm? Aber das kannst du ihm schwerer und leichter machen.

Man muss aber einschränken zu all diesen Prompt Engineering Sachen sagen, das ist jetzt relevant und vielleicht auch noch in ein paar Monaten, aber weil es so viele Interaktionen gibt, wird das Stück für Stück von den Herstellern selber gemacht werden. Da kannst du dann eingeben, was du willst und die Verbesserung deines Prompts übernimmt das Tool in weiten Teilen selbst.

Denn das ist ja auch jetzt schon so, dass das nicht einfach so als Anfrage reingeht, sondern interpretiert wird und dann abgeglichen. Das heißt, das ist wichtig und das ist eine einfache Möglichkeit mit wenig Aufwand die eigenen Ergebnisse zu verbessern, ist aber kein langfristiger Skill.

Welche sonstigen Use Cases siehst du im Bereich generative KI? Also, wir haben eben schon so ein bisschen durchscheinen lassen, ja, jetzt der Co-Pilot in Word, Office, Excel wird eine große Rolle spielen. Wag doch nochmal so ein, zwei weitere Blicke in die Glaskugel.

Man muss zwei Sachen unterscheiden. Einmal sehen wir jetzt ja gerade Textgenerierung und Zusammenfassung. Das ist aber nur ein klassischer Anwendungsbereich von Natural Language Processing. Zugegebenermaßen einer, der lange nicht besonders gut funktioniert hat.

Also wenn man so Zusammenfassungstool von vor fünf Jahren sich angucken würde, würde man sehen, so richtig gut ist das nicht. Das heißt, da hat diese Technologie einen großen Sprung nach vorne gemacht. Immer wenn es um das Zusammenfassen von Texten geht, wenn es um das passende, einem bestimmten Muster folgende, einer bestimmten Tonalität folgende Generieren von Texten geht, dann sind diese Tools ein klarer Schritt nach vorne und ein guter Use Case.

Daneben können die aber auch das, was NLP-Tools an sich können. Also die können aus großen Mengen von Schreiben und Seiten relevante Informationen extrahieren, also klassifizieren. Wir können die benutzen, um Features zu generieren, um dann Vorhersagen zu machen über bestimmte Zusammenhänge.

Also Legal Judgment Prediction zum Beispiel heißt das. Also das, was man klassischerweise immer mit NLP im Rechtsbereich macht, geht hiermit auch. Auch. Was heißt das praxisbezogen? Also konkret, erster Fall ist klar, das ist natürlich Recherche.

Also die Recherche, die ja heute schon voraussetzt, dass man eine sehr eigene Sprache spricht und man aus den Datenbanken schnell das raushaben will, was wichtig ist, die wird dadurch verändert. Auch weil mehr Informationen berücksichtigt werden können, weil die besser zusammengefasst werden können und ich die sozusagen schneller lesen und wahrnehmen kann.

Das, was Schriftsatzgenerierung, Verwendung und Organisation von Texten, das müssen nicht immer Textbausteine sein, angeht, machen wir einen großen Schritt nach vorne. Also einfach rundere Sprache, präzisere Sprache zum Vortragen der eigenen Ideen. Nicht das haben die Ideen, aber zum Vortrag der eigenen Ideen ist wichtig.

Und die weiteren Use Cases, die sind so divers wie die Anwendungsfelder für Rechtsdienstleistungen. Also ich habe tolle Beispiele gesehen bei Fluggastrechten, im Datenschutz, im Patentrecht. Das sind ja ganz breite und schwierige Aufgaben eigentlich, wo man überall sieht, dass wenn das professionell genutzt wird von Leuten, die die Ergebnisse beurteilen können, dann….

Können die in einem Bruchteil der Zeit, die sie sonst dafür gebraucht haben, Texte verfassen und Texte konsumieren? Das ist alles allgemein gehalten, aber ich glaube, so allgemein muss man es beschreiben, denn für den konkreten Use Case braucht man den konkreten Experten, vielleicht den Second Year Associate, den du eben erwähnt hast, der sieht, dass er hier ein bestimmtes Problem hat, der ungefähr weiß, wie generative KI so funktioniert und der das beides zusammenbringen kann und dann bewerten kann, ob das gut ist oder nicht.

Und das ist alles aus dem anwaltlichen Alltag. Logischerweise gibt es eine ganze Reihe von Tätigkeiten, sei es im Business Development oder in den Operations. Also wenn zum Beispiel in Massenverfahren in großem Stil die Antworten der Gegenseite ausgewertet werden müssen, dann geht das jetzt sehr viel verlässlicher als vorher.

Und vor allen Dingen können das Mitarbeiterinnen und Mitarbeiter machen, die sich gar nicht mit dem technischen Hintergrund beschäftigen, weil ich eben dieses natürlich sprachliche Interface habe. Also das sind so die ersten Sachen, an die ich denken würde.

Ehrlicherweise kann das aber nur gut beantworten, wer selber viel Beratung braucht.

Das heißt, in der Kürze der Zeit, wir wollen so eine ungefähre 15-Minuten-Punkt-Landung hinbekommen. Wir werden nicht als Juristinnen und Juristen in Zukunft alle arbeitslos. Das war auch eine Frage auf unseren Bierdeckeln. Ich.

Glaube, das würde den Markt völlig missverstehen, denn die Komplexität, mit der Juristinnen und Juristen, Anwältinnen und Anwälte umgehen müssen, die nimmt zu. Das heißt, wir werden nicht arbeitslos, wir werden automatisch weniger demografisch, aber wir werden mit diesen Werkzeugen besser in die Lage versetzt, unsere Arbeit zu machen.

Ich glaube, das ist eine Riesenchance und eine total gute Nachricht, was auch der Grund ist, warum ich glaube, dass es sich sehr lohnt, sich mit diesen Themen zu beschäftigen.

Vielen Dank für die spannenden Insights.

Gerne.

Ciao.

Bis dann.