Analytik im Bereich eDiscovery verständlich erklärt

Die Fakten, die Sie benötigen, um in einer digitalen Welt erfolgreich zu sein und sich weiterzuentwickeln

Von Steven Toole / 2014 / Vizepräsident für Marketing bei Content Analyst

In einem kürzlich erschienenen Blogbeitrag im „eDiscovery Journal“ wies Greg Buckles darauf hin, dass es nur wenige Unternehmen gibt, die Analysetechnologie für Early-Case-Assessment- (ECA-) und Review-Plattformen anbieten, und dass die spezifischen Analysefunktionen von Plattform zu Plattform stark variieren können. Auch wenn dies für diejenigen, die sich intensiv mit Analytik im Bereich eDiscovery beschäftigen, vielleicht keine Neuigkeit ist, so deckte der Beitrag doch eine gewisse Unklarheit darüber auf, wie der Markt Analytik in den frühen Phasen des eDiscovery-Prozesses einsetzt. Darüber hinaus warf er Fragen dazu auf, wie sich Analytik in den eDiscovery-Workflow einfügt und welchen Return on Investment (ROI) Analytik letztendlich für eDiscovery und die Informationsverwaltung im Allgemeinen bringt.

Dieser Überblick soll dazu beitragen, den Mythos rund um Analysen im Bereich eDiscovery und Information Governance weiter zu entmystifizieren und Einblicke in die Rendite zu geben, die Analysen für diejenigen ermöglichen können, die diese Möglichkeiten nutzen. Unternehmensjuristen, die heute mit zukunftsorientierten Strategien wie diesen einen Schritt voraus sind, werden die wahren Helden und Nutznießer der eDiscovery-Analytik sein und in ihrem Bereich mit einem deutlich proaktiveren und kosteneffizienteren Ansatz für Informationsmanagement und Rechtstechnologie eine Vorreiterrolle einnehmen.

Der Wettlauf um die Analytics-Marktanteile

Zwar gibt es in der eDiscovery-Landschaft bereits zahlreiche Meilensteine, doch richten Anwaltskanzleien und Dienstleister ihren Blick „nach Westen“ auf noch unerschlossenes Terrain. Beim „Gigabyte-Goldrausch“ geht es darum, Analysen bereits in einer viel früheren Phase auf die Daten anzuwenden, um diese lange bevor sie in einem Fall benötigt werden, bereits zu „besitzen“. ECA war die erste Grenze, auf die Anwaltskanzleien und Dienstleister blickten, um weiter stromaufwärts vorzudringen, doch die fruchtbarsten Weiden liegen noch weiter stromaufwärts, in dem Bereich, den manche als „Pre-Discovery“ bezeichnen. Die goldene Regel im eDiscovery-Bereich ist einfach: Wer den Inhalt „beherrscht“, bekommt das Gold. Das heißt: Der Anbieter, der Analysen am frühesten anwenden kann – noch bevor sie in einem Fall benötigt werden –, bietet Unternehmen den größten Mehrwert und hat daher einen großen Wettbewerbsvorteil.

Das Erfolgsrezept

Das klingt alles gut, aber was bedeutet das eigentlich konkret? Man kann keinen Kuchen backen, bevor man nicht weiß, welche Zutaten man braucht, wie sie wirken und wie sie das Endergebnis beeinflussen können. Und da jede eDiscovery-Lösung über unterschiedliche Analysefunktionen verfügt, finden Sie hier eine kurze Einführung in die wichtigsten Bestandteile der Analytik für eDiscovery und Information Governance.

Dynamisches Clustering – Dies ist ein guter Ausgangspunkt, insbesondere wenn Sie wenig bis gar nichts über den Inhalt wissen. Beim Clustering werden die Inhalte (Dokumente, E-Mails usw.) in natürliche Gruppierungen von konzeptionell verwandten Materialien „eingeteilt“. Ein wesentlicher Vorteil des Clusterings besteht darin, dass es auf äußerst objektive, konsistente und konzeptorientierte Weise einen sehr schnellen Überblick über die Dokumentlandschaft liefert. Dadurch kann der Prüfer direkt zu dem Cluster springen, der für ihn am interessantesten ist (konzeptionell relevant), und vermeiden, Zeit mit Clustern zu verbringen, die keine konzeptionelle Relevanz aufweisen. Im Hinblick auf die Informationsverwaltung kann es zudem dabei helfen, ROT-Inhalte (redundante, veraltete und vorübergehende Inhalte) schnell und einfach zu identifizieren und auszusortieren, wodurch Kosten gesenkt und der ROI gesteigert werden.

Begriffserweiterung – Sie haben ein Schlüsselwort, einen Namen, einen Fachbegriff, eine Abkürzung oder ein Akronym und möchten eine Liste aller ähnlichen oder eng verwandten Begriffe erhalten, um Ihre Suche auch auf Dokumente auszuweiten, die diese Begriffe enthalten. Die Begriffserweiterung identifiziert konzeptionell verwandte Begriffe, die auf Ihre Inhalte zugeschnitten und nach Relevanz geordnet sind. Beispielsweise könnte „Barack Obama“ eine Liste mit Begriffen wie „Präsident Obama“, „Oberbefehlshaber“, „Senator Obama“, „Michelle Obama“, „das Oval Office“, „Büro des Präsidenten“, „POTUS“ usw. ergeben. In der Praxis bedeutet dies, dass konzeptionell verwandte Inhalte schneller und einfacher gefunden werden können, was Zeit und Geld spart. Im Bereich der Informations-Governance hilft dies dabei, Inhalte zu identifizieren, die sich auf Unternehmensunterlagen, geistiges Eigentum und Compliance beziehen, sowie natürlich mehr ROT für eine rechtlich vertretbare Löschung.

Konzeptionelle Suche – Sie haben ein wichtiges Dokument oder einen wichtigen Absatz identifiziert und möchten nun ähnliche Dokumente finden. Bei der Stichwortsuche erhalten Sie Dokumente, die die spezifischen Stichwörter enthalten – sofern Sie die boolesche Suchzeichenfolge so gut wie möglich formulieren und diese Stichwörter in den angezeigten Dokumenten enthalten sind. Das Verfassen boolescher Suchanweisungen kann jedoch zeitaufwendig sein und dennoch wichtige Dokumente übersehen, die „unbekannte“ Begriffe enthalten, die nicht in Ihrer Suchanweisung enthalten sind. Um die Dokumente zu finden, die Sie bei einer Stichwortsuche sonst übersehen würden, müssen Sie die konzeptionelle Suche nutzen. Die konzeptionelle Suche wendet mathematische Algorithmen auf Ihr Beispieldokument oder Ihre Textauswahl an und sucht nach übereinstimmenden Mustern in der „Karte“ der Daten, dem sogenannten konzeptionellen Raum. Der Vorteil besteht darin, dass die konzeptionelle Suche ähnliche Ergebnisse finden kann, selbst wenn das passende Dokument keinen der gleichen Begriffe wie der Beispieltext enthält. Denken Sie an Abkürzungen, Rechtschreibfehler, Akronyme, Codewörter und verwandte Begriffe, die Sie noch nicht kannten. Filtern Sie anschließend falsche Treffer durch Synonyme und Polyseme heraus. Das Ergebnis: Sie decken hochrelevante, aber verborgene Zusammenhänge auf und sparen so Zeit und Kosten.

Automatische Kategorisierung – Predictive Coding ist ein Bereich, der in den letzten zwei Jahren im Bereich eDiscovery große Aufmerksamkeit auf sich gezogen hat. Die automatische Kategorisierung ist die Grundlage für Predictive Coding. Beim Predictive Coding wird maschinelles Lernen auf einen Dokumentenkorpus angewendet, um diese auf vielfältige Weise intelligent zu kategorisieren, beispielsweise als vertraulich, relevant oder nicht relevant. So können Nutzer Dokumente zunächst als relevant einstufen und die relevanten Dokumente anschließend weiter in relevante Themenunterkategorien unterteilen. Die automatische Kategorisierung nutzt denselben konzeptionellen Raum und dieselben Musterdokumente, um konzeptionell ähnliche Dokumente zu finden und sie entsprechend zu kennzeichnen. Auch hier liegt der große Vorteil in einer enormen Zeit- (und Kosten-)Einsparung, da die Technologie die relevantesten Dokumente so schnell und einfach wie möglich in den Vordergrund rückt und sie den Fachexperten zur Verfügung stellt.

E-Mail-Threading – Das Konzept des E-Mail-Threadings ist relativ einfach: Es geht darum, die Untergruppe von E-Mails am Ende jedes Zweigs eines Konversations-Threads zu finden. Anstatt 30 E-Mails hin und her zu lesen – sowie quer durch weitergeleitete Zweige der Konversation –, ermittelt das E-Mail-Threading die Untergruppe von E-Mails, die alle vorherigen Antworten enthält (sogenannte „inklusive“ E-Mails, da diese sechs beispielsweise den gesamten Verlauf umfassen). Die Zeit- und Kosteneinsparungen durch den Einsatz von E-Mail-Threading liegen auf der Hand, doch es ist auch wichtig zu beachten, dass das Threading genau aufzeigt, wer wann was wusste – was für die Rekonstruktion des Ablaufs der Ereignisse rund um eine Angelegenheit von entscheidender Bedeutung ist.

Erkennung von Beinahe-Duplikaten – Ein ähnlicher Vorteil wie beim E-Mail-Threading ergibt sich bei der Erkennung von Beinahe-Duplikaten. Zwar lassen sich durch konzeptionelle Suche, Clustering oder Kategorisierung für den Fall relevante Dokumente identifizieren, doch bei vielen davon könnte es sich um verschiedene Versionen desselben Dokuments handeln. Die Erkenntnis, dass es sich um Beinahe-Duplikate handelt, erspart die zeitaufwändige Einzelprüfung jedes einzelnen Dokuments. Wenn es wichtig ist zu wissen, was sich von einer Version zur nächsten geändert hat, wann und durch wen, zeigt die Hervorhebung von Unterschieden diese Änderungen an, was wiederum Zeit spart und Kosten senkt. Das Zusammenfassen von Quasi-Duplikaten bereits zu Beginn eines Falles bietet den Prüfern zudem einen übersichtlicheren Dokumentensatz.

Ihre Daten auf Diät setzen

Wenn Sie diese Analysefunktionen für sich nutzen, kann dies zu einer erheblichen Reduzierung Ihrer Datenmenge führen. Im Bereich eDiscovery bedeutet dies, dass teure Prüfer weniger Dokumente prüfen müssen. Es bedeutet außerdem, dass die von ihnen geprüften Dokumente ausschließlich diejenigen sind, die für den Fall konzeptionell am relevantesten sind. Zudem werden den Prüfern Dokumente präsentiert, die nicht willkürlich zusammengestellt wurden, was eine gezieltere Prüfung ermöglicht, die Genauigkeit auf ein Allzeithoch steigert und Kosten sowie Zeitaufwand noch weiter senkt.

Aber Moment mal – das ist noch nicht alles!

Erinnern Sie sich noch an den „Gigabyte-Goldrausch“, von dem oben die Rede war? An die „Goldene Regel der Daten“? Genau hier sind Analysen der Schlüssel, um all die verborgenen Erkenntnisse in den Unternehmensdaten freizusetzen – lange bevor sie im Rahmen von eDiscovery benötigt werden. Die proaktive Anwendung von Textanalysen auf die elektronischen Unterlagen eines Unternehmens im Rahmen der Voruntersuchung bedeutet, dass die Daten bereits organisiert, reduziert und bereit zur Präsentation sind, falls und sobald ein Fall auftritt. Unternehmensjuristen lieben diese Idee, da sie die Prozesskosten so gering wie möglich hält, die entscheidende Zeit verkürzt, die für die Untersuchung oder die Entscheidung über einen Vergleich benötigt wird, und ihnen hilft, ihre Position im bestmöglichen Licht darzustellen.

Fazit: ROI bei eDiscovery-Analysen

Die Ermittlung des ROI beim Einsatz von Analysen im Rahmen von eDiscovery lässt sich wie folgt zusammenfassen: Die Sichtung ist der größte Kostenfaktor bei eDiscovery. Fachkundige Prüfer sind nicht billig – ihr Fachwissen ist in einem Fall zweifellos von größtem Wert. Wenn jedoch ein großer Teil ihrer Zeit damit verbracht wird, Dokumente zu prüfen, die für einen Fall nicht relevant sind, dann schöpft man ihren Nutzen gar nicht erst voll aus. Ihre Arbeitsstunden kosten genauso viel, egal ob sie das entscheidende Dokument in einem Fall prüfen oder etwas völlig Unzusammenhängendes. Man würde bei einer Handlesung keine Handschuhe tragen – sie würden die Hellseherin nur bei ihrer Arbeit behindern. Es macht ebenso wenig Sinn, teuren Prüfern einen Dokumentenbestand vorzulegen, ohne zuvor maschinelles Lernen anzuwenden. Darüber hinaus kann das Auffinden von Dokumenten, die ohne Analytik übersehen würden, auch die Fähigkeit der Experten beeinträchtigen, Ihre Fallstrategie zu formulieren.

Doch der ROI der Anwendung von Analysen auf Ihre Dokumente und E-Mails im Vorfeld der Discovery geht noch weit darüber hinaus. Die Kostenvorteile einer proaktiven Organisation und Analyse Ihrer Inhalte sind enorm und tragen dazu bei, Entscheidungsprozesse sowie Verfahren zur Informationsverwaltung im Hinblick auf Compliance, Risikominderung und Kostenvermeidung voranzutreiben. Die frühzeitige Umsetzung dieser Strategien kann langfristig einen enormen Vorteil bieten, da sie einen wesentlich proaktiveren und kosteneffizienteren Ansatz für die Informationsverwaltung und eDiscovery ermöglicht.