Fakten extrahieren aus Massendokumenten
Kein E-Discovery nötig

Legal Discovery – die vorprozessuale Phase, in der die Parteien relevante Dokumente austauschen – produziert routinemäßig Tausende Seiten E-Mails, Verträge, Zeugenaussagen, Krankenakten und Finanzberichte. Für einen Einzelanwalt oder eine kleine Kanzlei stellt allein die Menge ein strukturelles Problem dar: Sie können 50.000 Seiten nicht in 30 Tagen prüfen, wenn Sie gleichzeitig Anhörungen, Mandantengespräche und den Rest Ihres Fallpensums bewältigen müssen. Die Legal Technology Survey 2024 der American Bar Association ergab, dass nur 27 % der Einzelanwälte Litigation-Support-Software nutzen, verglichen mit 73 % in Kanzleien mit 100+ Anwälten. Nur 29 % nutzen KI-gestützte Suche. Die Lücke liegt nicht an mangelnder Bereitschaft – sondern daran, dass die meisten E-Discovery-Plattformen für BigLaw-Budgets und BigLaw-Datenmengen konzipiert sind.

Dieser Artikel soll E-Discovery-Software nicht ersetzen. Es geht darum, einen leichten Schritt vor der Prüfung einzufügen – das batchweise Extrahieren wichtiger Fakten aus Discovery-Dokumenten in eine sortierbare Tabelle, damit Sie entscheiden können, was tatsächlich genau gelesen werden muss, ohne jede Datei öffnen zu müssen.

50.000 Seiten, 30 Tage: Was manuelle Prüfung wirklich kostet

Die Rechnung ist brutal. Ein Gigabyte Dokumente enthält grob 5.000–7.500 Dateien – und ein einziger mittelgroßer Wirtschaftsfall kann leicht 20–50 GB produzieren. Bei einer manuellen Prüfgeschwindigkeit von 50 Dokumenten pro Stunde – einer realistischen Rate, wenn man dichte Verträge, handschriftliche Randnotizen und die Entschlüsselung berücksichtigt, ob zwei nahezu identische E-Mails unterschiedliche Anhänge haben – benötigt die Prüfung von 20.000 Dokumenten etwa 400 Anwaltsstunden. Das sind 10 Wochen Vollzeitarbeit für eine Person. Ihre 30-Tage-Frist gibt Ihnen grob 4 Wochen.

Die Zahlen, die in Diskussionen über E-Discovery-Preise kursieren, sind aufschlussreich. 2012 schätzte RAND die Gesamtkosten für die Verarbeitung eines Gigabyte Daten inklusive vollständiger Prüfung auf 18.000 $. Cloud-Plattformen haben die Verarbeitungskosten bis 2025 auf etwa 25 $ pro 100 GB gesenkt – aber das ist nur das Hosting. Die Anwaltsprüfung – die Stunden, die mit Lesen verbracht werden – dominiert weiterhin die Rechnung. Die Association of Certified E-Discovery Specialists (ACEDS) schätzt, dass die Prüfung 64 % der gesamten E-Discovery-Ausgaben ausmacht. Selbst wenn technologiegestützte Prüfung (TAR) den prüfbaren Bestand um 70–80 % reduziert, muss man dennoch wissen, was in diesem Bestand ist, bevor man das Modell trainiert.

Hier zeigt sich der Wert des Batch-Extraktionsansatzes – nicht als Ersatz für die Prüfung, sondern als Schritt, der zeigt, wo Prüfung tatsächlich nötig ist.

Was die FRCP tatsächlich verlangt – und was nicht

Eine häufige Frage von Praktikern aus kleinen Kanzleien: „Darf ich Prozessdokumente durch ein KI-Tool eines Drittanbieters laufen lassen?" Die Federal Rules of Civil Procedure bieten einen Rahmen, der flexibler ist, als die meisten Anwälte annehmen.

FRCP Regel 26(b)(1) beschränkt die Offenlegung auf Angelegenheiten, die „im Verhältnis zum Bedarf des Falles stehen“ – unter Berücksichtigung des Streitwerts, der Ressourcen der Parteien und der Frage, ob die Belastung oder Kosten der beantragten Offenlegung ihren wahrscheinlichen Nutzen überwiegen. Die Änderungen von 2015 erhoben die Verhältnismäßigkeit von einer sekundären Erwägung zur primären Umfangsbeschränkung. Für eine kleine Kanzlei, die einen Streitfall über 75.000 $ bearbeitet, ist eine Rechnung über 30.000 $ von einem E-Discovery-Anbieter per Definition unverhältnismäßig.

FRCP Regel 34 regelt die Herausgabe von Dokumenten – was die antwortende Partei bereitstellen muss, in welcher Form und in welchem Zeitrahmen. Sie schreibt nicht vor, welche Werkzeuge die empfangende Partei zur Prüfung dieser Dokumente verwenden darf. Nichts in den Federal Rules verbietet einer empfangenden Partei, KI zur Extraktion strukturierter Daten aus herausgegebenen Dokumenten zu verwenden, vorausgesetzt, das Anwaltsgeheimnis wird gewahrt und die Nutzung des Werkzeugs verändert oder verbreitet die zugrunde liegenden Dateien nicht. So wie ein Rechtsanwaltsfachangestellter ein Dokumentenverzeichnis erstellen kann, indem er jedes Dokument liest, kann KI stapelweise lesen und Felder in eine Tabelle extrahieren.

Das Electronic Discovery Reference Model (EDRM), das Standard-Framework für den E-Discovery-Lebenszyklus, ordnet die Prüfung als sechste von neun Stufen ein – nach Informationsverwaltung, Identifizierung, Sicherung, Sammlung und Verarbeitung. Was das Framework nicht behandelt, ist, was zu tun ist, wenn die Hälfte dieser Stufen von der herausgebenden Partei erledigt wird und Ihre eigentliche Frage einfacher ist: „Welche dieser 20.000 Dokumente enthalten Geldbeträge, Daten und benannte Parteien, die für meine Falltheorie relevant sind?“

Die Antwort lautete, ohne eine vollständige E-Discovery-Plattform, historisch gesehen: Einfach anfangen zu lesen. Aber es gibt jetzt einen Mittelweg zwischen vollständiger manueller Prüfung und einem 10.000-Dollar-Plattform-Abonnement.

Der Batch-Extraktions-Workflow: Von einem Stapel Dateien zu einer sortierbaren Faktenübersicht

Hier ist die Kernidee: Bevor Sie ein Dokument auf Relevanz oder Geheimhaltung prüfen, führen Sie einen schnellen, oberflächlichen Extraktionsdurchlauf durch – dabei werden die strukturellen Metadaten und wichtigsten Datenpunkte extrahiert, mit denen Sie die gesamte Produktion priorisieren können. Sie ersetzen nicht die Prüfung. Sie erstellen eine Karte, damit Sie wissen, welches Gebiet Sie zuerst erkunden müssen.

Der Mechanismus, der dies ermöglicht, ist die Spaltennamen-Extraktion: Statt zu definieren, wo Daten auf jeder Seite sitzen – was für jedes Dokumentformat in einer heterogenen Produktion eine separate Vorlage erfordern würde – definieren Sie, welche Felder Sie extrahieren möchten. Sie geben die Spaltennamen einmal ein: "Datum", "Absender", "Empfänger", "Betrag", "Dokumenttyp", "Wichtige Beteiligte", "Aktenzeichen". Die KI liest jedes Dokument, findet die relevanten Werte, wo immer sie erscheinen, und füllt eine Zeile in Ihrer Tabelle. Die Ausgabe ist eine Tabelle, in der jede Zeile ein Dokument und jede Spalte ein von Ihnen angefragtes Feld ist – unabhängig davon, ob die Quelle eine PDF-E-Mail, ein gescannter Vertrag oder ein Screenshot einer handschriftlichen Aussagenotiz war.

Der Workflow besteht aus vier Schritten, und der dritte ist der, an dem die meisten Neulinge scheitern:

Schritt 1 — Alles auf einmal hochladen. Ziehen Sie alle erstellten Dateien in den Upload-Bereich. PDFs, JPGs, PNGs – alle werden unterstützt. Ein Batch kann Dutzende Dateien gleichzeitig verarbeiten. Das Tool unterscheidet nicht, ob Dokument Nr. 14 eine saubere E-Mail-PDF ist und Dokument Nr. 15 ein schiefes Handyfoto einer handschriftlichen Notiz – es liest jedes unabhängig und füllt dieselben Spalten.

Schritt 2 — Spaltennamen in einem Durchgang festlegen. Dies ist die entscheidende Weichenstellung. Zu wenige Spalten und Sie vermissen später benötigte Daten. Zu viele und die Extraktion dauert länger, ohne den Sortiernutzen zu erhöhen. Beginnen Sie mit 6–8 Feldern, die Sortieren, Filtern und Priorisieren ermöglichen: Datum, Dokumenttyp, Parteien, Geldbeträge und 2–3 fallspezifische Felder (Aktenzeichen, Projektname, relevante Schlagwörter). Sie können jederzeit einen zweiten Extraktionsdurchlauf mit tieferen Spalten für die zur Vollprüfung markierten Dokumente durchführen.

Schritt 3 — Die zusammengeführte Tabelle herunterladen und sortieren. Die Ausgabe ist eine Excel-Datei, in der jede Zeile einer hochgeladenen Datei entspricht. Sortieren Sie nach „Dokumenttyp“, um Verträge von E-Mails zu trennen. Filtern Sie „Betrag“, um alle Einträge über Ihrem Interessenschwellenwert zu finden. Durchsuchen Sie die Spalte „Erwähnte Parteien“, um zu erkennen, welche Verantwortlichen am häufigsten vorkommen – das zeigt, wessen Dokumente im Tiefenprüfungsdurchgang priorisiert werden sollten. Dieser Schritt ersetzt die ersten 100 Stunden manuellen Durchblätterns.

Schritt 4 — Markieren, kommentieren und zuweisen. Fügen Sie eigene Spalten zur Tabelle hinzu: „Prüfpriorität (Hoch/Mittel/Niedrig)“, „Notizen“, „Zugewiesen an“. Jetzt haben Sie einen einzigen Dokumentenindex, auf den das gesamte Fallteam zugreifen kann, wobei jedes Dokument über den Dateinamen auf seine Quelldatei zurückverfolgbar ist.

Wann Batch-Extraktion funktioniert – und wann Sie eine vollständige E-Discovery-Plattform benötigen

Dieser Ansatz hat ein klares Einsatzgebiet, und seine Grenzen ehrlich zu benennen ist hilfreicher, als so zu tun, als löse er alles.

Für kleine Kanzleien, die hauptsächlich Zivilverfahren bearbeiten, beschreiben die Szenarien in der linken Spalte die Mehrheit der Fälle. Eine 50.000-Dollar-Verletzung einer Vertragsklage rechtfertigt kein 10.000-Dollar-E-Discovery-Plattform-Abonnement. Ein 500.000-Dollar-Arbeitsrechtsstreit dagegen schon. Der Batch-Extraktionsansatz ermöglicht eine proportionale Ressourcenzuteilung – mit leichter Extraktion für Fälle, die keine schwere Infrastruktur benötigen, und dem Wissen, welche Fälle eine Plattform rechtfertigen, bevor Sie das Geld ausgeben.

Plattformen wie Nextpoint und GoldFynch haben kleineren Kanzleien mit Pauschalpreis- und Fallpauschalen-Modellen den Zugang zur vollständigen E-Discovery ermöglicht – GoldFynch beginnt bei 27 $/Monat für einen 3 GB-Fall. Diese Tools sind hervorragend für Fälle, die tatsächlich die gesamte EDRM-Pipeline benötigen. Es geht nicht darum, dass E-Discovery-Plattformen schlecht sind. Es geht darum, dass nicht jeder Fall die gesamte Pipeline braucht – und eine leichtere Option für diejenigen, die sie nicht benötigen, verändert die Art und Weise, wie Sie die Discovery-Erfassung über Ihren gesamten Fallbestand hinweg angehen.

So sieht das in einem echten Fall von Arbeitsdiskriminierung aus

Stellen Sie sich eine Drei-Anwälte-Kanzlei vor, die einen Fall wegen unrechtmäßiger Kündigung bearbeitet. Die Beklagte – ein mittelständisches Unternehmen – legt 12.000 Seiten Discovery vor: Personal-E-Mails, Leistungsbeurteilungen, Gehaltsabrechnungen, als PDF exportierte interne Slack-Nachrichten, die Personalakte des Klägers sowie Aussageprotokolle von drei Zeugen.

Die Rechtsanwaltsfachangestellte der Kanzlei lädt alle 12.000 Seiten als Batch hoch – etwa 200 einzelne Dateien. Sie definiert acht Spaltennamen: „Datum“, „Dokumententyp“, „Absender/Autor“, „Empfänger/Zielgruppe“, „Thema/Betreff“, „Genannte Schlüsselpersonen“, „Leistungsbewertung (falls vorhanden)“ und „Kündigungsbezug (Ja/Nein)“. Die Extraktion wird abgeschlossen, während sie sich einer anderen Aufgabe zuwendet. Die Ausgabe ist eine Tabelle mit 200 Zeilen.

Sie sortiert nach „Kündigungsbezug“ und isoliert sofort die 37 Dokumente, die die Kündigungsentscheidung direkt erwähnen. Sie sortiert nach „Leistungsbewertung“ und stellt fest, dass die letzten drei Beurteilungen des Klägers alle mit „Erwartungen erfüllt“ oder besser bewertet wurden – im Widerspruch zum vom Arbeitgeber angegebenen Kündigungsgrund. Sie filtert „Genannte Schlüsselpersonen“ nach dem Namen des Vorgesetzten, der die Kündigung ausgesprochen hat, und findet 52 Dokumente, in denen dieser Vorgesetzte vorkommt – darunter E-Mails, die den Antrag des Klägers auf medizinische Freistellung diskutieren, der zwei Wochen vor der Kündigung eingereicht wurde.

Die leitende Anwältin eröffnet ihre Dokumentenprüfung nun mit einer kuratierten Prioritätenliste: zuerst die 37 kündigungsbezogenen Dokumente, dann die 52 Dokumente mit dem Vorgesetzten und schließlich die Leistungsbeurteilungen. Statt 12.000 Seiten kalt zu lesen, liest sie 200 Seiten mit der höchsten Beweiswahrscheinlichkeit – und die anderen 11.800 Seiten sind indiziert und bei Bedarf abrufbar. Die Erstellung der Triage-Tabelle dauerte 3 Stunden. Sie sparte etwa 30 Stunden Anwaltslektüre.

Drei Dinge, die kleine Kanzleien beim ersten Mal falsch machen

Der Extraktionsteil ist unkompliziert. Die Batch-Logistik ist das, woran erste Versuche meist scheitern.

1. Die Dateibenennung ist wichtiger, als Sie denken. Der Dateiname ist das einzige Feld, das eine Zeile in Ihrer Tabelle mit dem Quelldokument verbindet. Wenn die erstellten Dateien nach einer gängigen Bates-Stempel-Konvention "0001.pdf", "0002.pdf", "0003.pdf" heißen, behalten Sie diese Nummern bei. Wenn sie uneinheitlich benannt sind ("Agreement_FINAL.pdf" vs. "Smith_contract_signed_2023.pdf"), investieren Sie 5 Minuten, um vor dem Hochladen eine einheitliche Konvention anzuwenden. Gegenpartei_Dokumententyp_Datum.pdf ist für juristische Dokumente kaum zu übertreffen. Eine Tabellenzeile mit "Dokument 0047 — Absender: John Smith, Datum: März 2024 — Kündigung erwähnt" ist handlungsorientiert. Eine Zeile mit "IMG_4829.jpg" und denselben Daten ist ein Ärgernis.

2. Spalten beim ersten Durchlauf überfrachten. Der Instinkt sagt: alles extrahieren – jede Partei, jedes Datum, jeden Geldbetrag, jede Klausel, jeden Verweis. Widerstehen Sie ihm. Eine erste Extraktion mit 6–8 Spalten, die das Wesentliche für die Sichtung abdecken (wer, was, wann, wie viel), ist in Minuten erledigt und liefert einen sortierbaren Index. Eine 25-Spalten-Extraktion, die jedes erdenkliche Datum erfasst, dauert länger und produziert eine Tabelle, in der das Signal im Rauschen untergeht. Führen Sie die Tiefenextraktion nur bei den Dokumenten durch, die Sie bereits als priorisiert markiert haben.

3. Das Extraktionsergebnis als fertiges Arbeitsprodukt behandeln. Die Tabelle ist ein Sichtungswerkzeug, keine Ablage. Sie zeigt, wo Sie suchen müssen und was Sie wahrscheinlich finden werden. Sie ersetzt nicht die anwaltliche Beurteilung von Relevanz, Privilegien oder Strategie. Nutzen Sie sie als Ausgangspunkt für Ihren Prüfprozess – nicht als Endpunkt. Die effizientesten kleinen Kanzleien, die wir gesehen haben, nutzen die Extraktionstabelle als gemeinsames Referenzdokument des Fallteams: Rechtsanwaltsfachangestellte pflegen sie, Anwälte kommentieren sie, und alle nutzen sie, um die Frage "Was haben wir und wo ist es?" zu beantworten, ohne 200 PDFs öffnen zu müssen.

Häufig gestellte Fragen

Funktioniert die KI-Extraktion auch mit gescannten Dokumenten und handschriftlichen Notizen?

Ja. Das visuelle KI-Modell liest gescannte PDFs wie ein Mensch – durch Interpretation des Bildes, nicht durch Texterkennung. So verarbeitet es schiefe Scans, niedrig aufgelöste Faxe und handschriftliche Randnotizen. Die Genauigkeit bei Handschrift ist geringer als bei getipptem Text (ca. 85–95 % vs. 99 % bei sauberem Druck). Daher setzt die Batch-Extraktion auf Sortierbarkeit, nicht auf Perfektion. Eine handschriftliche Notiz mit „Smith bot 45.000 $ Vergleich am 14. März“ ist nützlich, selbst wenn die KI den Betrag um eine Ziffer verfehlt – Sie wissen dann, welches Dokument Sie zur manuellen Prüfung heraussuchen müssen.

Ist diese Methode bei Anfechtung durch die Gegenseite verteidigungsfähig?

Die Extraktionstabelle ist ein internes Arbeitsprodukt – ein Organisationstool des Fallteams, vergleichbar mit einem von einem Rechtsreferendar erstellten Index oder einer handschriftlichen Zusammenfassungstabelle. Sie ersetzt weder ein Privilegienverzeichnis, eine Herausgabe noch eine Einreichung beim Gericht. Wird die Extraktion ausschließlich für die interne Sichtung genutzt und die zugrunde liegenden Dokumente vor einer inhaltlichen Verwendung von einem Anwalt geprüft, unterscheidet sich die Methode im Prinzip nicht von einem manuell erstellten Dokumentenindex – nur deutlich schneller. Bei Bedenken zur Offenlegung der Extraktion selbst konsultieren Sie die Arbeitsprodukt-Doktrin Ihres Gerichtsstands gemäß FRCP 26(b)(3) oder der entsprechenden Landesregelung.

Wie lange dauert eine Batch-Extraktion für eine typische Produktion?

Die Verarbeitungsgeschwindigkeit hängt von der Anzahl und Komplexität der Dokumente ab, nicht von der Seitenzahl. Ein Batch mit 200–300 Dateien (jeweils mehrseitig möglich) und 6–8 Spaltennamen wird in 15–30 Minuten verarbeitet. Der Engpass ist nicht die KI, sondern die Upload-Geschwindigkeit für große Dateien. Bei Produktionen über 500 Dateien empfiehlt sich die Aufteilung in mehrere Batches – jeder Batch erzeugt eine eigene Tabelle, die Sie in Excel durch einfaches Kopieren der Zeilen zusammenführen können.

Funktioniert das mit nativen Dateiformaten wie .msg, .docx oder .xlsx?

Derzeit akzeptiert das Tool PDF-, JPG-, PNG-, WebP- und AVIF-Dateien. Native E-Mail-Formate (.msg, .eml), Word-Dokumente (.docx) und Tabellenkalkulationen (.xlsx) müssen vor dem Hochladen in PDF konvertiert werden. Die meisten E-Discovery-Produktionen werden bereits als PDFs oder TIFFs ausgeliefert, sodass dies für die Discovery-Prüfung selten eine praktische Einschränkung darstellt. Falls Sie native Dateien erhalten, können die meisten Praxisverwaltungstools (Clio, MyCase, PracticePanther) diese stapelweise in PDF konvertieren.

Kann ich das für die Privilegienprüfung nutzen?

Nein. Die Extraktion zeigt, was in jedem Dokument enthalten ist – Daten, Parteien, Beträge, Themen –, bewertet jedoch keine Privilegien. Die Feststellung von Anwaltsgeheimnis und Arbeitserzeugnissen erfordert das Lesen des Inhalts der Kommunikation und die Anwendung rechtlicher Beurteilung. Die Stapelverarbeitung zeigt Ihnen, welche Dokumente wahrscheinlich privilegiertes Material enthalten (basierend auf Absender-Empfänger-Mustern, Betreffzeilen oder Dokumenttyp), sodass Sie Ihre Privilegienprüfung auf diese Dokumente konzentrieren können, anstatt 12.000 Seiten zu lesen, um die 200 zu finden, die möglicherweise privilegiert sind.

Der wahre Unterschied: Sie entscheiden, was Sie prüfen, nicht, was Sie überspringen

Das manuelle Prüfmodell erzwingt eine umgekehrte Entscheidung: Um nichts zu übersehen, lesen Sie alles. Wenn die Produktion Ihre Kapazität übersteigt, beginnen Sie zu überspringen – Stichproben, Überfliegen, fundierte Vermutungen darüber, welche Dokumente unwichtig sind. Das Risiko liegt nicht in dem, was Sie lesen. Es liegt in dem, was Sie nicht gelesen haben, weil Ihnen die Zeit ausgegangen ist.

Die Batch-Extraktion kehrt dieses Modell um. Die KI liest alles. Sie trifft keine Relevanzentscheidungen – das bleibt Ihre Aufgabe. Aber sie liefert Ihnen eine vollständige Karte der Produktion, bevor Sie entscheiden, wo Sie Ihre Zeit investieren. Sie überspringen keine Dokumente, die Sie nicht gesehen haben. Sie priorisieren diejenigen, die Ihr Triage-System als materiell relevant markiert hat, und Sie können nachweisen – sich selbst, Ihrem Mandanten, gegebenenfalls dem Gericht –, dass jedes Dokument in der Produktion zumindest indexiert und erfasst wurde.

Für eine kleine Kanzlei, in der jede Anwaltsstunde direkte Kosten für den Mandanten oder die Praxis verursacht, ist diese Umkehrung keine Bequemlichkeit. Sie ist eine strukturelle Verbesserung der Art und Weise, wie Discovery durchgeführt wird.