Der Patentanwalt kennt das Problem, eine passende Passage aus der Rechtsprechung zügig finden zu wollen. Das betrifft beispielsweise einfache Fragen zur Definition des Fachmanns: Kann im Einzelfall auch ein Team als Fachmann gelten und ab wann ist ein Spezialist hinzuzuziehen? Eine Stichwortsuche dazu ist meist müßig, denn die klassische Volltextsuche basiert überwiegend auf Mustererkennung, d.h. sie vergleicht, ob eine bestimmte Zeichenkette exakt im Zieltext vorkommt. Das Problem ist dabei, dass die passenden Leitsätze häufig andere Formulierungen verwenden als die eigene Fragestellung, so dass die Suche keine Treffer liefert. Ein Synonym oder eine abweichende Formulierung könnte ausreichen, um relevante Entscheidungen zu übersehen. Man ahnt, dass es irgendwo eine Entscheidung oder einen Leitsatz dazu gibt, nur wo er steht, bleibt offen. Hier stößt die klassische Stichwortsuche an ihre Grenzen.
Den vorliegenden Blogbeitrag können Sie sich auch in
unserem Podcast blue tie anhören.
Um dieses Problem zu beheben, kommen heutzutage semantische Suchmechanismen zum Einsatz. Hierfür wird in der Regel ein neuronales Netz mit einer Transformerarchitektur verwendet. Diese Transformer-Modelle interpretieren mittels eines sogenannten Attention-Mechanismus jedes Wort im Kontext aller anderen Wörter. Diese Art der Modelle treiben seit einigen Jahren die meisten großen Sprachmodelle (Large Language Models, kurz LLMs) an, von Chatbots bis zur automatischen Übersetzung.
Der Vorteil der Transformer-Modelle bei der Suche liegt in Embeddings. Ein Embedding ist die Abbildung von Text als mathematischer Vektor. Diese Repräsentation, welche im Grunde die Übersetzung des Inhalts des Textes in einen Vektor darstellt, ermöglicht es, die inhaltliche Nähe zweier Texte zu bestimmen, indem die Geometrie der dazugehörigen Vektoren im Raum verglichen wird.
Wie das technisch funktioniert
Ein Transformer-Modell verarbeitet Text in Form von Token, also kleinen Texteinheiten, in die ein Satz vorab zerlegt wird. Token können ganze Wörter oder Wortteile sein. Jedes Token bekommt zunächst ein initiales Embedding zugewiesen. Das Embedding in Form eines Vektors ist dabei eine Liste von Zahlen, die eine Position in einem hochdimensionalen Raum beschreibt. Diese Räume haben nicht zwei oder drei, sondern typischerweise mehrere hundert bis mehrere tausend Dimensionen.
Jedes initiale Embedding wandert nun durch die vielen Schichten eines neuronalen Netzes. Der Attention-Mechanismus reichert es auf jeder Schicht mit dem Kontext der umgebenden Token an, so dass am Ende jedes Token ein eigenes, kontextualisiertes Embedding besitzt. Um daraus das Embedding für einen ganzen Text wie einen Leitsatz zu bilden, werden die einzelnen Token-Embeddings anschließend durch Mittelwertbildung zu einem einzigen Vektor zusammengeführt. Jeder Leitsatz wird auf diese Weise als ein einziger Vektor dargestellt. Trainiert wird das neuronale Netz dabei so, dass Texte mit ähnlicher Bedeutung nahe beieinanderliegende Vektoren erhalten, selbst wenn sie kein einziges gemeinsames Wort teilen.
Um zwei Vektoren, die jeweils einem Text zugeordnet sind, auf Ähnlichkeit zu vergleichen, kann beispielsweise ihr Abstand im Raum bestimmt werden, üblicherweise mittels des euklidischen Abstands. Je kleiner dieser Abstand, desto ähnlicher sind die Texte, die von den beiden Vektoren repräsentiert werden. Bei der Suche wird die Anfrage durch das Transformer-Modell genauso in ein Embedding übersetzt wie zuvor jeder einzelne Leitsatz, und zurückgegeben werden die Leitsätze, deren Vektoren der Anfrage im Vektorraum am nächsten liegen. Abbildung 1 fasst diesen Weg vom Text zum Vektor zusammen.
Eine Anfrage wie „Genügt es, dass ein bekanntes Lösungsmittel allgemein geeignet ist, um seine Verwendung nahezulegen?“ landet im selben Bereich des Vektorraums wie der einschlägige Leitsatz „Kinderbett“. Die Anfrage ist dabei keine wörtliche Wiedergabe des Leitsatzes, sondern eine freie Umformulierung mit anderer Satzstruktur. Weil das neuronale Netz jedoch durch seine Embeddings abstrakte Konzepte statt starrer Buchstabenfolgen vergleicht, identifiziert die Suche die richtige Entscheidung treffsicher.
Casemantic
Genau dieses Prinzip setzt das Projekt Casemantic um, eine semantische Suchmaschine für die Leitsatzentscheidungen des Bundesgerichtshofs. Der Name ist eine Kombination aus „case“ für Fall und „semantic“ für semantisch. Statt lediglich auf Mustererkennung zu setzen, übersetzt Casemantic sowohl die Suchanfrage als auch die Leitsätze der Gerichtsentscheidungen in Embeddings. Liegen zwei Texte inhaltlich nah beieinander, liegen auch ihre Embeddings (d.h. Vektoren) nah beieinander, unabhängig davon, welche konkreten Wörter verwendet wurden.
Zwei Beispiele aus der Patentpraxis zeigen, wie das trägt, gerade wenn schon die Frage nach dem zuständigen Fachmann selbst unklar ist. Die Frage „Kann bei einem Patent auch ein Team als Fachmann gelten?“ liefert als Top-Treffer die Entscheidung X ZR 78/09, „Pfeffersäckchen„. Betrifft ein Patent ein mehrstufiges, über mehrere Gewerke verteiltes Produktionssystem, kann als maßgeblicher Fachmann auch ein Team gelten, dessen Kenntnisse sich ergänzen.
Ähnlich verhält es sich bei der Frage nach dem passenden Fachmann für ein sachlich benachbartes Gebiet. Schon die Stichwörter „Fachmann Experte“ liefern als Top-Treffer die Entscheidung X ZR 169/07, „Diodenbeleuchtung„. Der Leitsatz klärt, wann der Fachmann einen Spezialisten hinzuziehen darf oder sogar muss, nämlich wenn sich das Problem auch auf einem benachbarten Fachgebiet stellt, und wann das gerade nicht gegen die erfinderische Tätigkeit spricht. Formuliert man die Anfrage als ganzen Satz, etwa „Darf der Fachmann bei der Lösung des Problems einen Spezialisten aus einem anderen Fachgebiet zu Rate ziehen?“, bleibt dieselbe Entscheidung ebenfalls auf Platz eins. Das Transformer-Modell liefert also sowohl für Stichwörter als auch für ausformulierte Fragen gleichermaßen hilfreiche Ergebnisse.
Ein einzelnes anderes Wort verschiebt das Ergebnis dagegen ein wenig. „Fachmann Spezialist“ findet „Diodenbeleuchtung“ (X ZR 169/07) zwar noch, aber erst als zweiten Treffer, hinter einer Entscheidung, die sich allgemeiner mit der Fachmann-Fiktion befasst. Weder „Spezialist“ noch „Team“ kommt im ersten Satz des Leitsatzes vor, dort ist von „Experten“ und „besser qualifizierten Fachleuten“ die Rede, doch offenbar liegt das Embedding von „Experte“ im Vektorraum etwas näher an dieser Formulierung als „Spezialist“. Das zeigt, dass die Suche nicht binär nach dem Muster „trifft“ oder „trifft nicht“ arbeitet, sondern im Vektorraum kontinuierlich gradiert, ähnlich fein wie die semantische Nähe der Konzepte selbst.
Bemerkenswert ist dabei weniger die Kürze der Anfragen als das, was sie über die Grenzen der Suche zeigen. Beide Anfragen sind denkbar knapp und liefern trotzdem verlässlich die passende Entscheidung. Das ändert nichts an der Grundregel jeder juristischen Recherche, sich selten mit dem ersten Treffer zufriedenzugeben. Casemantic liefert eine Auswahl relevanter Entscheidungen, jedoch bleibt die richtige Einordnung und Auswahl der einschlägigen Fundstelle Aufgabe der juristischen Prüfung durch den Nutzer. Casemantic unterstützt die Recherche, ersetzt aber nicht die fachliche Bewertung.
Als Grundlage nutzt das Projekt das Corpus der Entscheidungen des Bundesgerichtshofs (CE-BGH) von Seán Fobbe, mit knapp 80.000 Entscheidungen aus den Jahren 2000 bis 2025 die derzeit größte frei verfügbare Sammlung ihrer Art. Daraus wurden gezielt mehr als 21.000 Entscheidungen herausgefiltert, die vom BGH mit einem Leitsatz versehen wurden. Leitsätze schreibt der jeweils entscheidende Senat nur für Entscheidungen von grundsätzlicher Bedeutung. Sie sind knapp, präzise formuliert und bereits eine Verdichtung des Wesentlichen. Die Datengrundlage ist damit von Haus aus eine von Richterhand kuratierte Zusammenfassung der wichtigsten BGH-Rechtsprechung der letzten 25 Jahre. Als amtliche Werke sind diese Leitsätze zudem gemeinfrei und dürfen uneingeschränkt genutzt werden.
Casemantic ist unter casemantic.de frei zugänglich. Die Suchmaschine lässt sich über ein einfaches Suchfeld bedienen, in das man Fragen in normaler Sprache eingeben kann, und liefert daraufhin eine Trefferliste mit Aktenzeichen und Ähnlichkeitswert. Zusätzlich steht eine Schnittstelle nach dem Model Context Protocol (MCP) bereit, über die auch Sprachmodelle direkt auf die Suche zugreifen können, etwa um eine Rechtsfrage mit den passenden BGH-Leitsätzen zu beantworten.
Casemantic ist ein gemeinnütziges Projekt des Legal Tech Lab Cologne e.V., eines gemeinnützigen Vereins, der sich der Verbindung von Recht und Technologie widmet und Werkzeuge für die juristische Praxis entwickelt. Mit Casemantic soll ein solches Werkzeug für die Rechtspraxis bereitgestellt und kontinuierlich weiterentwickelt werden.
Für wertvolle inhaltliche Hinweise und die Mitarbeit am Text danke ich Dr. Mark Standke und Jan Broszeit.
