Der Gesetzgeber als der erste Prompt-Engineer

Jedes Mal, wenn eine juristische KI ein Zitat halluziniert, ist die Standardreaktion, das Modell verantwortlich zu machen.

Die bessere Antwort macht das Format verantwortlich.

Gesetze werden für Menschen geschrieben, die jahrelang in juristischer Hermeneutik geschult wurden. Ein erfahrener Jurist liest „für die Zwecke dieser Verordnung“ und aktiviert automatisch einen Auslegungsrahmen, der über Jahre im Studium, in der Praxis und über Hunderte von Fällen hinweg aufgebaut wurde. Er weiß, dass diese Formulierung den Anwendungsbereich abgrenzt, dass es in Artikel 14 Ausnahmen gibt, dass der Oberste Gerichtshof ihre Reichweite 2019 eingeschränkt hat.

Die KI weiß nichts davon. Sie folgert. Und wenn sie aus juristischem Text folgert, ist Halluzination nur ein anderes Wort für Fehlinterpretation.

Das Problem ist nicht, dass die Modelle schlecht sind. Es ist, dass wir Werkzeuge des 21. Jahrhunderts verwenden, um Dokumente zu lesen, die im 19. Jahrhundert konzipiert wurden.

Wie ein Mensch das Gesetz liest und wie eine Maschine es versucht

Wenn ein Jurist einen Artikel liest, liest er ihn nicht für sich allein. Er liest ihn mit der gesamten Normenpyramide im Kopf. Er weiß, dass diese Verordnung aus jener Richtlinie hervorgeht, dass diese Richtlinie Vorrang vor nationalem Recht hat, dass dieser spezielle Artikel durch eine Übergangsbestimmung geändert wurde, die in einem anderen Amtsblatt von vor drei Jahren vergraben ist.

Eine KI muss diesen Beziehungsgraphen aus statistischen Mustern rekonstruieren. Manchmal gelingt es ihr gut. Manchmal erfindet sie ein Gericht, das nicht existiert, oder zitiert eine Entscheidung mit dem richtigen Aktenzeichen, aber dem falschen Urteilsspruch. Nicht weil sie lügt. Sondern weil ihr niemand die Landkarte gegeben hat.

Der Vorschlag: Lassen wir den Gesetzgeber tokenisieren

Gesetze tokenisieren meint hier nicht das, was ein NLP-Tokenizer tut, nämlich Wörter in Untereinheiten zu zerlegen, damit das Modell sie verarbeiten kann. Es meint etwas anderes: in die Norm selbst die semantische Information einzubetten, die heute nur im Kopf des sachkundigen Juristen existiert.

Vier konkrete Ebenen:

Erstens, Definitions-Token. Jeder Begriff mit einer spezifischen Fachbedeutung trägt seine offizielle Definition unmittelbar verknüpft, nicht in einem losen Glossar am Ende, sondern verankert im Korpus des Artikels. „Juristische Person“ im Zivilrecht ist nicht dasselbe wie „juristische Person“ im Steuerrecht. Die Maschine muss nicht raten. Der Gesetzgeber sagt es ihr.

Zweitens, Absichts-Token. Die Begründung existiert in jedem Gesetz, aber sie ist in freiem Text geschrieben, für KI ebenso undurchsichtig wie die Artikel selbst. Wäre diese Absicht in maschinenlesbaren Feldern strukturiert (gelöstes Problem, betroffene Partei, vorgesehene Ausnahme), müsste die KI das „Warum“ der Norm nicht folgern. Sie würde es unmittelbar lesen.

Drittens, Hierarchie-Token. Welche übergeordnete Norm diesen Artikel begründet, welche Norm er aufhebt, welche Ausnahme welche allgemeine Regel verdrängt. Das ist die Kelsensche Pyramide, umgewandelt in einen strukturierten Graphen. Heute rekonstruiert KI diesen Graphen mit Wahrscheinlichkeiten. Mit Token wäre er deterministisch.

Viertens, Token der lebendigen Auslegung. Wenn der Oberste Gerichtshof oder das Verfassungsgericht eine Rechtsauffassung zu einem bestimmten Artikel begründet, könnte diese Auslegung unmittelbar am Gesetzestext annotiert und in Echtzeit aktualisiert werden. Die Norm und ihre richterliche Auslegung, synchronisiert.

Der naheliegende Einwand

„Gesetze werden von Juristen gemacht, nicht von Prompt-Engineers.“

Stimmt. Aber die Juristen, die im 19. Jahrhundert die ersten Gesetzbücher verfassten, waren auch keine Drucker, und dennoch übernahmen sie das Druckformat, weil es das Verbreitungssystem der Epoche war.

Das Verbreitungssystem für Recht im 21. Jahrhundert ist KI. Die Juristen, die das vor allen anderen verstehen, werden diejenigen sein, die gestalten, wie Recht in den kommenden Jahrzehnten ausgelegt wird.

Es geht nicht darum, dass Gesetzgeber programmieren lernen. Es geht darum, dass die Systeme rund um die Gesetzgebungsproduktion Standards der semantischen Strukturierung übernehmen, so wie sie HTML übernahmen, als das Web kam.

Was bereits existiert und warum es nicht ausreicht

Akoma Ntoso ist ein XML-Standard für Gesetzgebungsdokumente, der von mehreren afrikanischen Parlamenten und dem Europäischen Parlament verwendet wird. EUR-Lex strukturiert europäische Verordnungen mit Hierarchie-Metadaten. ELI (European Legislation Identifier) verleiht Normen persistente URIs.

Das sind Skelette. Es sind Publikationsformate, keine Bedeutungsformate. Sie sagen einem, dass ein Artikel ein Artikel ist, dass ein Abschnitt zu einem Kapitel gehört. Sie sagen einem nicht, was „Folgeschäden“ im spezifischen Kontext jenes Artikels bedeutet, noch wie es sich zur Rechtsprechung des Obersten Gerichtshofs der letzten fünf Jahre verhält.

Der Vorschlag liegt eine Ebene darüber: nicht den Behälter zu strukturieren (die Norm als Dokument), sondern den Inhalt (die Norm als Bedeutung).

Der Wandel, nach dem niemand fragt, der aber kommt

Im Moment kompensieren juristische KI-Modelle — einschließlich unserer bei Nexus Legal, die 63 Jurisdiktionen abdecken — das Fehlen semantischer Struktur durch Retrieval, Reranking, Quervergleich und Systeme zur Überprüfung der Zitattreue. Sie funktionieren. Aber sie sind technische Kompensationen für ein Problem, das eine gesetzgeberische Lösung hat.

Stellen Sie sich eine Welt vor, in der die GDPR unmittelbar annotiert das exakte Konzept von „personenbezogenen Daten“ trägt, das sie behandelt, welche EU-Richtlinie sie umsetzt, welche jüngste Entscheidung einer Aufsichtsbehörde die Auslegung von Artikel 6 Absatz 1 Buchstabe f moduliert hat und welche CJEU-Fälle gelten. Nicht als PDF mit Randnotizen. Als strukturierte Metadaten, die jedes System lesen und nutzen kann.

Diese Welt lässt juristische KI von „wahrscheinlich korrekt“ zu „an der Quelle überprüfbar“ übergehen.

Parlamente, die diese Praxis zuerst übernehmen, werden Recht hervorbringen, das KI mühelos korrekt auslegen kann. Jene, die es nicht tun, werden weiterhin zusehen, wie ihre Normen Halluzinationen, Fehlinterpretationen und unnötige Rechtsstreitigkeiten erzeugen. Nicht weil KI schlecht ist, sondern weil das Gesetzgebungsformat undurchsichtig ist.

Der Gesetzgeber als der erste Prompt-Engineer. Keine Metapher. Eine technische Beschreibung dessen, was kommt.