Modulares Multi-Agenten-Framework verbessert KI-Urteilsfindung in Recht

Ein neues Forschungsprojekt aus dem arXiv-Repository präsentiert ein innovatives, modulare Multi-Agenten-Framework, das die KI-gestützte Rechtsanalyse revolutioniert. Durch die Aufteilung des komplexen Rechtsdenkens in klar definierte Phasen – Wissensgewinnung und Wissensanwendung – schafft das System nachvollziehbare, verifizierbare Zwischenschritte, die die Transparenz von KI-basierten Urteilsfindungen deutlich erhöhen.

Im ersten Schritt extrahieren spezialisierte Agenten juristische Konzepte aus Gesetzestexten und formalisierten Regeln, um verifizierbare Zwischenrepräsentationen zu erzeugen. Diese strukturierte Wissensbasis bildet die Grundlage für die zweite Phase, in der die KI konkrete Fälle bearbeitet. Dabei werden die Fakten eines Falls zunächst auf das Ontologie-Schema abgebildet, anschließend symbolische Inferenzen durchgeführt, um logisch abgeleitete Schlussfolgerungen zu gewinnen, und schließlich werden die Ergebnisse in klar verständliche Antworten umgesetzt.

Die Kombination aus natürlicher Sprachverarbeitung und symbolischem Denken liefert explizite Prüfpunkte, die die Nachvollziehbarkeit im Vergleich zu End-to-End-Ansätzen erheblich steigern. In einer Evaluierung zu steuerrechtlichen Berechnungen erzielte das Modell eine Genauigkeit von 76,4 % – ein deutlicher Fortschritt gegenüber dem 18,8 % Baseline. Diese Ergebnisse zeigen, dass modulare Architekturen mit formalisierten Wissensrepräsentationen die Leistungsfähigkeit von KI im juristischen Bereich signifikant verbessern und gleichzeitig Konsistenz sowie Erklärbarkeit fördern.