Bessere KI-Gesetzgebung mit KI?

KIR 2025, 313   Digitalrechtsakte der EU – wie die KI-VO oder der Data Act – sind inhaltlich in vielfacher Hinsicht kritisiert worden. In der Tat gibt es Anlass zur Diskussion: Erlegen die Rechtsakte den Anbietern und Betreibern von KI-Systemen oder den Dateninhabern zu viele Verpflichtungen auf? Führen sie zu Wettbewerbsnachteilen europäischer Unternehmen, die sich gegen Konkurrenten aus Ländern mit zurückhaltenderer – oder gänzlich fehlender – Regulierung nicht werden durchsetzen können? Oder balancieren sie die Rechte der unterschiedlichen Parteien angemessen aus

Über diese Fragen lässt sich trefflich streiten; auch für Regeln, die etwa die wirtschaftliche Betätigung von Unternehmen einschränken, lassen sich meist gute Argumente finden. Die jedenfalls in Teilen erschreckende handwerkliche Qualität der Gesetzgebung lässt sich indes schwieriger rechtfertigen. Sicherlich mag der ein oder andere juristische Kommentar sich ein wenig besser verkaufen und der ein oder andere Rechtsberater einige zusätzliche Stunden abrechnen können, wenn der Sinn unnötig verworrener oder schon sprachlich völlig misslungener Regelungen sich gar nicht oder nur mit großem Arbeitsaufwand und spezifischer Expertise erschließt. Doch wären die aufgewendeten Druckseiten wohl besser in echte inhaltliche, sich aus der ohnehin komplexen Natur der Materie ergebenden Probleme investiert. Arbeitsbeschaffungsmaßnahmen für IT-Rechts- Expertinnen und -Experten erscheinen in der aktuellen Marktlage ebenfalls nicht zwingend nötig. Demgegenüber können Unsicherheiten, die durch schlecht geschriebene Gesetze entstehen, gerade für kleine und mittlere Unternehmen eine abschreckende Wirkung entfalten und hohe Beratungskosten verursachen.

Doch wie lässt sich die handwerkliche Qualität der Gesetzgebung verbessern? Sicherlich sind viele Ansätze denkbar, aber angesichts der Fortschritte der Forschung in den letzten Jahren bietet sich ein Blick auf die Potenziale der KI an. Solche Überlegungen sind indes nicht neu: Schon im Tagungsband der ersten „International Conference on Artificial Intelligence and Law“, die 1987 in Boston stattfand, erschien ein Beitrag des britischen Rechtsinformatikers Bench-Capon unter dem Titel „Support for policy makers: formulating legislation with the aid of logical models“. Der Autor untersuchte iRe Forschungsprojekts, welche Aspekte eines Gesetzgebungsprozesses sich mit KI unterstützen ließen. Der Fokus der damaligen Untersuchung in diesem und in anderen Projekten lag auf Wissensrepräsentation – also der Frage, wie sich Wissen (etwa des Gesetzgebers) formalisieren und somit für die automatisierte Verarbeitung nutzbar machen lässt. Neben Aspekten des Regelungsgegenstands können auch die in Gesetzentwürfen enthaltenen Regeln formalisiert werden.  Konkret hat Bench-Capon ein regelbasiertes System entworfen und als Prototyp implementiert, das logische Schlussfolgerungen ermöglicht und auch Widersprüche aufzeigen kann.

In den knapp 40 Jahren, die seit dieser Arbeit vergangen sind, sind neue Formalismen und neue Methoden zur Wissensrepräsentation entstanden. In Gesetzgebungsverfahren werden die vorgeschlagenen Formalisierungen aber nicht oder jedenfalls nicht in nennenswertem Umfang verwendet. Der Grund dürfte schlicht darin liegen, dass der Aufwand für eine Formalisierung von Wissen hoch ist, selbst wenn eine Abbildung in regelbasierte Systeme an sich möglich ist. Widersprüche und unerwünschte Konsequenzen der modellierten Regeln lassen sich zwar automatisiert aufzeigen, aber  der Formalisierungsprozess selbst ist fehleranfällig und erfordert in  vielen Fällen eine Interpretationsleistung. Formalisiert man (nur) einen konkreten Gesetzesentwurf, so fehlt das Kontextwissen sowohl über andere gesetzliche Regelungen als auch über die Welt an sich. Das macht eine solche Formalisierung nicht nutzlos, da etwa Widersprüche innerhalb des Entwurfs aufgedeckt werden können – doch ob sich der Aufwand einer Formalisierung damit lohnt, steht offensichtlich infrage.

In der Zwischenzeit sind allerdings in einem anderen Teilbereich der KI große Fortschritte erzielt worden. Große Sprachmodelle werden mit sehr großen Datenmengen aus den verschiedensten Domänen trainiert, bringen also die Kontextinformationen mit, die manuell erstellten formalen Repräsentationen zu einzelnen Problembereichen fehlen Sie sind auch gut dazu geeignet, Fehler und Probleme in Gesetzentwürfen zu finden – zB sprachliche Auffälligkeiten, die aufgrund des Trainings mit großen Textmengen vergleichsweise einfach identifiziert werden können.

Dass europäische Rechtsakte in mehreren Sprachen verfügbar sind, kann den Nutzen großer Sprachmodelle noch verbessern: Zum einen sind gerade für die englische Sprache besonders umfangreiche Trainingsdaten verfügbar, was die Qualität der Sprachmodelle tendenziell verbessert. Zum anderen können auch mehrere Sprachfassungen der gleichen Norm durch das Sprachmodell berücksichtigt, verglichen und Übersetzungsfehler aufgedeckt werden. Die Fähigkeit großer Sprachmodelle zu Schlussfolgerungen ist aber eingeschränkt; im Kern treffen sie lediglich Vorhersagen über Wörter, die in einem Text auftauchen. Das Finden von Widersprüchen oder Lücken in gesetzlichen Regelungen ist so nicht verlässlich möglich, wenn es auch in manchen Fällen durchaus gelingen mag. In der Forschung wird zwar bereits intensiv daran gearbeitet, diese Lücke zu schließen und große Sprachmodelle zu logischem Schlussfolgern zu befähigen. Bis dies gelingt, bleiben die Einsatzmöglichkeiten großer Sprachmodelle für den Entwurf handwerklich besserer Gesetze aber eingeschränkt. Möglich ist aber die Verwendung für den Formalisierungsprozess – um also aus natürlichsprachlichen Texten Regeln zu generieren, die dann im nächsten Schritt für automatisches Schlussfolgern und die automatisierte Identifikation von Widersprüchen eingesetzt werden. Dieser Ansatz garantiert weder die Fehlerfreiheit noch die Vollständigkeit der gefundenen Regeln, könnte aber jedenfalls effizienter sein als eine manuell vorgenommene Formalisierung. Ob damit eine für praktische Zwecke im Kontext von Gesetzgebungsprozessen hinreichend genaue Formalisierung mit

einem akzeptablen Aufwand möglich ist, steht aktuell dennoch zu bezweifeln. Trotz allen Fortschritts der KI-Forschung in den letzten Jahren ist also vorläufig nicht mit Systemen zu rechnen, die auf Knopfdruck ein widerspruchsfreies, sprachlich korrekt und klar formuliertes Gesetz formulieren, das zudem der Intention des Gesetzgebers entspricht – oder auch nur den Standard sorgfältig von Menschen entworfener Gesetze erreicht. Wohl aber kann KI schon auf dem jetzigen Stand der Forschung dazu beitragen, die handwerkliche Qualität von Gesetzen jedenfalls deutlich über das Niveau von KI-VO und Data Act zu heben. Es steht zu hoffen, dass die Gesetzgeber aller Ebenen sich dieses Potenzial möglichst bald zunutze machen.

Prof. Dr.-Ing. Christoph Sorge