Pakistanisches Gerichtsstudium zeigt: KI hilft Richtern nur mit vorheriger Schulung, Aktenberge abzubauen

Schulung, nicht nur Zugang, entschied darüber, ob KI im Gerichtsaal Ergebnisse brachte

Ein großes randomisiertes Feldexperiment in Pakistans Justiz legt nahe, dass künstliche Intelligenz die Produktivität des öffentlichen Sektors steigern kann, allerdings nur, wenn Institutionen in die Schulung der Nutzer investieren. Die Studie, durchgeführt von Forschern der ETH Zürich, des Imperial College London und der New Economic School, testete einen KI-Assistenten namens JudgeGPT bei 1.559 Richtern in 118 Gerichten, also bei etwa der Hälfte der pakistanischen erstinstanzlichen Richter.

Das zentrale Ergebnis war nicht einfach, dass KI half. Entscheidend war, dass bloßer Zugang kaum etwas bewirkte. Richter, die neben dem Zugang zum System eine gezielte Schulung erhielten, nutzten es deutlich häufiger und erzielten messbare Verbesserungen bei der Fallbearbeitung. Laut der im Ausgangsmaterial enthaltenen Studienzusammenfassung erledigten Bezirke mit mittlerer Exposition gegenüber geschulten Richtern rund 1.848 zusätzliche Fälle pro Jahr, was einem Anstieg von 6,3 Prozent entspricht.

Damit ist das Experiment über Pakistan hinaus bemerkenswert. Regierungen weltweit testen große Sprachmodelle für juristische Recherche, Fallmanagement, Dokumentenerstellung und administrative Unterstützung. Was dieser Versuch hinzufügt, ist eine klarere operative Lehre: Die Einführungsstrategie ist ebenso wichtig wie das Modell selbst.

Eine unter Druck stehende Justiz bot einen anspruchsvollen Testfall

Pakistans Gerichtssystem bot ein Umfeld, in dem schon geringe Produktivitätsgewinne viel bewirken konnten. Die Forscher sagten, das Land habe weniger als zwei Richter pro 100.000 Einwohner, verglichen mit 22 in der Europäischen Union und 30 in England und Wales. Ende 2024 waren 2,26 Millionen Fälle anhängig, 82 Prozent davon in den erstinstanzlichen Gerichten.

Diese Zahlen deuten auf ein System hin, das unter starkem Druck arbeitet, mit begrenztem Personal und wenig technischer Unterstützung. Vor dem Experiment hatte nur etwa ein Viertel der Richter jemals ein großes Sprachmodell wie ChatGPT verwendet. Das ist wichtig, weil die Studie damit nicht KI unter Power-Usern oder in einer digital ausgereiften Bürokratie testete. Sie testete, ob ein spezialisierter Assistent in einem realen Gerichtssystem einen Unterschied machen kann, in dem Zeit, Personal und technische Vertrautheit knapp waren.

JudgeGPT selbst basierte auf OpenAIs GPT-4 und wurde über Retrieval-Augmented Generation für pakistanische erstinstanzliche Gerichte angepasst. Laut Quelltext durchsuchte das System eine Datenbank mit 129.235 Dokumenten, darunter 128.292 Gerichtsentscheidungen und 943 pakistanische Gesetze. Für jede Anfrage wählte es die 10 relevantesten Passagen aus und generierte eine zitierte Antwort.

Dieses Design ist bedeutsam, weil es die Aufgabe des Modells eingrenzt. Statt ein allgemeines Modell um freihändige juristische Analyse aus dem Gedächtnis zu bitten, verankerte das System die Antworten in einem definierten Korpus lokaler Rechtsmaterialien. Praktisch bedeutet das, dass das Werkzeug weniger als autonomer Richter und mehr als Recherche- und Entwurfsassistenz positioniert war.

Die größten Gewinne kamen durch strukturierte Anleitung

Die Forscher teilten die Richter in drei Gruppen ein. Eine Gruppe erhielt Zugang zu JudgeGPT plus gezielte Schulung in Form von sechs 90-minütigen Vorlesungen über drei Wochen. Diese Sitzungen konzentrierten sich darauf, welche Aufgaben zum Werkzeug passen, wo seine Grenzen liegen und wie man seine Ausgaben überprüft. Eine zweite Gruppe bekam Zugang zum selben KI-System, aber nur ein allgemeines Seminar zu Technologie und Recht. Eine Kontrollgruppe besuchte das Seminar ohne JudgeGPT-Zugang.

Der Kontrast zwischen diesen Gruppen ist der Kernbefund. Richter mit gezielter Schulung nutzten das System etwa viermal so häufig wie jene, die nur das allgemeine Seminar erhalten hatten. Nach 40 Wochen verzeichnete die geschulte Gruppe im Schnitt fast 60 Logins und mehr als 200 Eingaben. Die Vergleichsgruppe kam auf rund 20 Logins und weniger als 50 Eingaben.

Dieser Nutzungsunterschied führte zu unterschiedlichen Ergebnissen auf Systemebene. Bezirke mit mehr geschulten Richtern erledigten spürbar mehr Fälle. Selbst Bezirke im untersten Quartil der Exposition schlossen laut den berichteten Ergebnissen etwa 616 zusätzliche Fälle pro Jahr ab.

Die Schlussfolgerung ist klar. KI-Einführung in Institutionen ist nicht nur ein Software-Rollout-Problem. Es ist ein Problem von Arbeitsabläufen und Fähigkeiten. Ohne praktische Anleitung nutzen Anwender das System womöglich zu wenig, missverstehen, wobei es hilft, oder vermeiden es, sich auf es für wichtige Arbeit zu stützen. Mit Schulung kann dasselbe Modell Teil der täglichen Entscheidungsunterstützung werden.

Die Qualität schien nicht zu leiden

Produktivitätsgewinne in Gerichten wären wenig wert, wenn sie auf Kosten der Urteilsqualität oder Fairness gingen. Der Quelltext sagt, die Qualität der Entscheidungen sei stabil geblieben oder leicht verbessert worden. Die Berufungsraten pro 1.000 erledigte Fälle sanken leicht, während die Arbeitszeiten der Richter und ihre Work-Life-Balance sich nicht wesentlich veränderten.

Diese Befunde lösen nicht alle Bedenken rund um juristische KI, aber sie adressieren eine verbreitete Sorge: dass schnellere Ergebnisse zwangsläufig schludrigere Entscheidungen bedeuten. In diesem Experiment kamen die berichteten Gewinne nicht durch längere Arbeitszeiten oder offensichtliche Qualitätsverluste zustande. Stattdessen scheinen sie aus effizienterer Recherche und Fallbearbeitung entstanden zu sein.

Diese Unterscheidung ist wichtig für politische Entscheidungsträger, die ähnliche Werkzeuge in überlasteten Gerichten, Behörden oder öffentlichen Verteidigungsstellen erwägen. Wenn KI genutzt wird, um relevante Präzedenzfälle zu finden, Akten zusammenzufassen und unterstützende Materialien zu entwerfen, kann sie Engpässe verringern, ohne die letztliche rechtliche Verantwortung von den Richtern wegzuverlagern.

Die Ökonomie macht das Ergebnis schwerer zu ignorieren

Die Studie schätzte Einsparungen von etwa 38,50 Dollar für jeden investierten Dollar, basierend auf den gleichwertigen Kosten, zusätzliche Richter einzustellen, um ähnliche Zuwächse bei der Fallbearbeitung zu erzielen. Dieser Wert sollte als Schätzung und nicht als garantiertes Budgetergebnis verstanden werden, erklärt aber, warum öffentliche Institutionen ähnliche Systeme wahrscheinlich weiter testen werden.

In vielen Ländern ist es teuer und langsam, Richter, Gerichtsschreiber oder juristische Forscher einzustellen. Bestehende Richter für den Einsatz eines speziell entwickelten KI-Assistenten zu schulen, kann günstiger und schneller sein, vor allem wenn Fallrückstände politisch relevant und institutionell schädlich sind. Ein Werkzeug, das den Durchsatz verbessert, ohne die Arbeitszeit zu verlängern oder Berufungen zu verschlechtern, dürfte weit über Pakistan hinaus Aufmerksamkeit erregen.

Gleichzeitig weist das Ausgangsmaterial auf eine Vorsichtsmaßnahme hin, die sich verallgemeinern lässt. Die Intervention funktionierte, weil sie Modellzugang, kuratierte Rechtsrecherche und gezielte Anleitung zu Grenzen und Verifikation kombinierte. Streicht man diese Bestandteile, wird das Argument für Produktivitätsgewinne deutlich schwächer.

Warum die Studie über den Gerichtssaal hinaus wichtig ist

Die breitere Bedeutung des Experiments liegt nicht darin, dass KI juristisches Urteilen ersetzen kann. Es geht darum, dass gut abgegrenzte KI-Systeme die Leistung belasteter Institutionen verbessern können, wenn sie mit genügend operativer Disziplin eingeführt werden. Diese Lehre gilt für Gerichte, aber auch für Steuerbehörden, Leistungssysteme, Krankenhäuser, Schulen und Regulierer: Menschliche Annahme ist eine zentrale Variable, kein nachträglicher Gedanke.

Ein Großteil der öffentlichen Debatte über generative KI schwankt noch immer zwischen Hype und Ablehnung. Diese Studie landet an einem nützlicheren Punkt. Sie zeigt, dass die Technologie in einem anspruchsvollen öffentlichen Umfeld reale Gewinne erzielen kann, aber nur unter Bedingungen, die diese Gewinne plausibel machen: domänenspezifische Recherche, explizite Schutzmechanismen und Schulung, die den Nutzern sowohl zeigt, was das Werkzeug kann, als auch, wobei man ihm nicht allein trauen sollte.

Für Regierungen, die abwägen, ob KI in hochriskante Verwaltungssysteme gehört, dürfte das die wichtigste Erkenntnis sein. Der Ertrag entstand nicht dadurch, ein Modell einzusetzen und auf Transformation zu warten. Er entstand daraus, KI als institutionelle Fähigkeit zu behandeln, die gelehrt, integriert und überprüft werden muss.

Dieser Artikel basiert auf einer Berichterstattung von The Decoder. Zum Originalartikel.