Jusletter IT

«Die Rechtsbranche ist technologisch eher rückständig.»¹ Diese Aussage vom Betreiber vom Chatbot Justus-Beratung, Andreas Nef, zeigt, dass Legal Chatbots derzeit nicht das Mass der Dinge sind. Chatbots erleben aktuell einen Boom. Auch im Bereich des Legal Tech gab es in den letzten Jahren verschiedene Initiativen, die sich mit Chatbots auseinandersetzten.² Es wurden aber auch einige bereits nach kurzer Zeit wieder vom Markt genommen.³

Ein vor der Arbeit erstellter Legal Chatbotvergleich hat einige Defizite aufgezeigt. Da Chatbots im Legal Tech relativ neu sind, lohnt es sich, sie mit Chatbots aus anderen Branchen zu vergleichen. Die vorliegende Arbeit beschäftigt sich deshalb mit der Forschungsfrage: Inwiefern können Legal Chatbots etwas von Chatbots aus anderen Branchen lernen, um am Markt erfolgreich zu sein?

Die Ergebnisse aus dem Chatbotvergleich, der Literaturrecherche und dem Experteninterview mit dem Chatbotbetreiber Andreas Nef helfen dabei, Handlungsempfehlungen für Legal Chatbots abzuleiten. Diese können genutzt werden, um einen erfolgreichen Chatbot zu gestalten.

Die Arbeit baut auf einer vorhergehenden Präsentation über einen Legal Chatbotvergleich aus Kundensicht auf. Dort wurden 12 Chatbots verglichen und bewertet. Die Hälfte der Bots wurde genauer untersucht. Bei diesen handelte es sich um Chatbots im engeren Sinne, die in das Gebiet der Rechtswissenschaften fielen. Die genauer analysierten Chatbots waren die Angebote von Justus-Beratung, YoLawyer, Billybot, Flightright, Stieger+Schütt und Bochsler Treuhand.⁴

Die Präsentation erkannte vier allgemeine Defizite. Erstens wurden bei einigen Chatbots viele Fragen nicht verstanden. Zweitens fehlte zum Teil die Angabe, ob es sich um einen Chatbot oder um einen realen Menschen handelt. Dies kann zu Missverständnissen führen. Drittens gab kaum ein Chatbot im Voraus an, wie das Ergebnis übermittelt wird. Es kann frustrierend sein, wenn das Resultat nur durch eine kostenpflichtige Konsultation erhältlich ist, wenn dies nicht im Voraus deklariert wird. Viertens fehlte bei einigen Chatbots eine Angabe, wer hinter den Resultaten steht. Bei rechtlichen Fragen ist es wichtig zu wissen, ob die Informationen von einem Anwalt⁵ oder von einem Studierenden stammen.⁶

Zuerst mussten die Bewertungskriterien erneuert werden, da nicht alle Kriterien aus der Präsentation für Chatbots aus anderen Branchen zielführend sind. Zudem legt diese Arbeit einen stärkeren Fokus auf betriebswirtschaftliche Konzepte, da diese für den Nutzen des Chatbots in einer Unternehmung zentral sind.⁷ Aus dem Legal Chatbotvergleich übernimmt die Arbeit die Kriterien Führung durch den Chatbot, Geschwindigkeit, Präzision der Antwort, Spezifizität der Antwort, Umgang mit dem Resultat und Interface.⁸ Zusätzlich werden vier weitere Bewertungskriterien hinzugezogen. Erstens wird der Strategiefit bewertet. Es ist wichtig, dass der Chatbot zu den Unternehmenszielen passt, indem er dem Markenimage entspricht und Umgang und Sprache zur Zielgruppe passen.⁹ Zweitens untersucht der Unternehmensvorteil, inwiefern das Unternehmen durch den Chatbot Wert erschaffen kann, indem der Bot Kosten einspart oder Umsatz generiert. Drittens wird der Kundennutzen untersucht. Die Kosten- oder Zeitersparnis ist einer der wichtigsten Gründe, wieso Chatbots von den Kunden genutzt werden.¹⁰ Viertens wird der Unterhaltungswert (Unterhaltung) beurteilt. Diese hat einen positiven Effekt auf die Einstellung zum Chatbot, was zu einer vermehrten Nutzung führt.¹¹ Die Chatbots werden auf einer fünfstufigen Likert-Skala bewertet. Eins bedeutet «sehr schlecht» und Fünf «sehr gut». Das Analyseraster definiert die Bewertungskriterien genauer.

Zur Standortbestimmung der Legal Chatbots testet die Arbeit die sechs Chatbots aus dem Legal Chatbotvergleich. Nach Pidas haben Chatbots in den Bereichen E-Commerce, Finanzen und Versicherungen das grösste Potential.¹² Die Arbeit analysiert deshalb Chatbots aus diesen drei Branchen und Chatbots aus dem Tourismus und dem Detailhandel.

Die Analyse dient nicht zur Bewertung, ob eine Branche bessere oder schlechtere Chatbots hat. Da jeder Bereich unterschiedliche Bedürfnisse befriedigt, dient der Vergleich zur Erkennung von besonders guten Anwendungen, die sich für Legal Chatbots eignen.

Tabelle 1 zeigt die Branchendurchschnitte der Legal Chatbots in den Bewertungskategorien sowie deren Standardabweichung zur Feststellung der Streuung.

Tabelle 1: Branchendurchschnitt von Legal Chatbots auf einer Skala von 1–5

In den folgenden Kapiteln werden diese Werte jeweils mit den Werten der Chatbots aus den anderen Branchen verglichen.

Als Vertreter des Finanzbereichs analysiert die Arbeit den Chatbot der PostFinance.¹³ Die Post lancierte schon verschiedene Chatbots. Dieser Bot der PostFinance basiert auf dem Programm Nina von Nuance. Er benutzt Natural Language Processing (NLP) und Machine Learning bei der Eingabeverarbeitung. Die Antworten sind manuell vorgegeben.¹⁴

Der Chatbot schneidet in sieben Kategorien besser ab als der durchschnittliche Legal Chatbot. Bei Führung, Umgang mit dem Resultat, Unterhaltung, Strategiefit und Unternehmensvorteil schneidet er um über 0.5 Punkte besser ab.

Tabelle 2: Bewertung vom PostFinance Chatbot auf einer Skala von 1–5

Die Führung ist aufgrund des NLP sehr ausgereift und durch die gegebenen Antworten zielgerichtet. Es fällt auf, dass im Hintergrund ein gezielter Design Thinking Prozess ablief. Dieser ist nach Nef bei Legal Chatbots besonders wichtig.¹⁵ Der Bot führt zu einem nützlichen Resultat, indem er den Nutzer an die gewünschte Stelle weiterleitet oder selbst Auskunft gibt. Er bietet einen Kundennutzen, indem er Informationen einfach auffindbar macht und somit Zeit spart. Er beantwortet Fragen zur Kontoverwaltung, Paketgebühren oder Bewerbungen und leitet den Nutzer zur entsprechenden Webseite. Dadurch ergibt sich ein Unternehmensvorteil, weil der Kundendienst weniger Fragen beantworten muss. Ausserdem ist der Chatbot unterhaltsam. Er antwortet auf die Fragen, wie das Wetter sei oder auf Beleidigungen mit Humor.¹⁶ Nach Diers führt Unterhaltung zu einer positiven Verhaltensabsicht. Dies erhöht die Wahrscheinlichkeit, dass der Nutzer den Chatbot erneut benutzt oder sogar weiterempfiehlt.¹⁷ Zudem beinhaltet er Informationen, die auf verschiedenen Webseiten der Post erhältlich sind. Wie Nef erklärt, ist dies ein einfaches und günstiges Marketingtool.¹⁸ Es ermöglicht das gezielte Hinweisen auf bestimmte Angebote der Post. Das kann zu Cross-Selling führen und es lässt sich ein Fit mit der Strategie erzeugen.

Als Vertreter des E-Commerce analysiert die Arbeit den Chatbot der Kleidermarke Uniqlo.¹⁹ Der Chatbot benutzt NLP und regelbasierte Eingaben. Die Resultate sind immer vorgegeben.

Der Bot schneidet beim Umgang mit dem Resultat und beim Unternehmensvorteil besser ab als der durchschnittliche Legal Chatbot.

Tabelle 3: Bewertung vom Uniqlo Chatbot auf einer Skala von 1–5

Der Chatbot von Uniqlo zielt primär darauf ab, die Frequently Asked Questions (FAQ) zu beantworten. FAQ sind nach Nef eine günstige, aber wirkungsvolle Möglichkeit, Chatbots zu benutzen.²⁰ Der Bot gibt auf die Fragen schnell Antwort. Dabei verlinkt er beim Resultat jeweils auf die Stelle, wo sich die gewünschte Tätigkeit, wie eine Stornierung der Bestellung, durchführen lässt. Der Kunde erhält so eine einfache Lösung, die 24 Stunden verfügbar ist.²¹ Das Unternehmen braucht weniger Angestellte im Kundenservice und kann Kosten sparen. Nef erklärt, dass bei Legal Chatbots dieser Anschluss an das Geschäftsmodell oft fehlt.²²

Als Vertreter der Versicherungsbranche analysiert die Arbeit den Chatbot «Clara» der Helvetia.²³ Der Chatbot beruht auf NLP Eingabe und gibt vorgegebene Antworten. Er bietet Informationen zur Website, kann Prämien berechnen und es lassen sich beispielsweise Fahrraddiebstähle melden.

Der Chatbot schneidet in sieben Kategorien besser ab als der durchschnittliche Legal Chatbot. In den Kategorien Spezifizität und Unternehmensvorteil liegt er um mehr als 0.5 Punkte darüber.

Tabelle 4: Bewertung vom Helvetia Chatbot auf einer Skala von 1–5

Der Chatbot bietet spezifische Antworten, welche auf den Nutzer zugeschnitten sind. So nimmt er bei der Meldung des Fahrraddiebstahles Informationen und Personalien auf. Damit ermöglicht der Bot ein personalisiertes Ergebnis. Er geht also auf die individuellen Anliegen des Nutzers ein, was ein Vorteil von Chatbots gegenüber Webseiten ist.²⁴ Des Weiteren dient «Clara» dem Marketing und unterstützt den Kundendienst. Dies bietet der Helvetia einen Unternehmensvorteil, indem der Chatbot Neukunden akquirieren und Kosten einsparen kann. Wie Nef beschreibt, könnten auch Legal Chatbots bereits erste Informationen aufnehmen und Anwälten damit Zeit sparen.²⁵

Als Vertreter der Tourismusbranche analysiert die Arbeit den Chatbot von Kayak.²⁶ Der Chatbot läuft auf dem Facebook Messenger und funktioniert mit NLP. Zudem beruht er auf aktuellen Daten von Flug- und Reiseanbietern.²⁷ Dadurch sind die Antworten nicht vordefiniert und aktualisieren sich stetig.

Der Chatbot schneidet im Umgang mit dem Resultat und in der Kategorie Strategiefit besser als der durchschnittliche Legal Chatbot ab.

Tabelle 5: Bewertung vom Kayak Chatbot auf einer Skala von 1–5

Kayak bietet mit dem Chatbot ein digitales Reisebüro an. Er ermöglicht eine simple Suche von Flügen, Mietautos und Hotels. Bemerkenswert ist, dass der Bot auf Datenbanken beruht, die ständig aktualisiert werden, wie die Informationen von Airlines und Hotels.²⁸ Dadurch ist er dynamisch und immer auf dem neuesten Stand. Dies ist auch für Legal Chatbots umsetzbar, zum Beispiel indem sie auf die aktuellen, sortierten Bundesgerichtsentscheide (BGE) zugreifen. Ausserdem weckt das Chatten mit dem Bot mehr Interesse als eine manuelle Suche.²⁹ Das Resultat der Konversation ist jeweils ein konkreter Reisevorschlag, sowie die direkte Verlinkung zum Abschluss der Buchung. Kayak bietet den Chatbot auch auf Slack und Amazon Alexa an.³⁰ Dies ermöglicht es Kayak, die Social Media Strategie mit dem Unternehmensziel, ein digitales Reisebüro anzubieten, zu vereinen.

Als Vertreter des Detailhandels analysiert die Arbeit den Chatbot «Mino» der Migros.³¹ Mino ist ein WhatsApp Chatbot und funktioniert lediglich regelbasiert. Er schneidet in den drei Kriterien Interface, Unterhaltung und Strategiefit besser ab als der durchschnittliche Legal Chatbot.

Tabelle 6: Bewertung vom Migros Chatbot auf einer Skala von 1–5

Der Chatbot beantwortet auf unterhaltsame Weise Fragen rund um Bewerbungen. Mino zielt insbesondere auf lehrstellensuchende Jugendliche ab. Der unmittelbare Unternehmensvorteil ist deshalb gering. Allerdings gelingt es mit dieser Strategie, via sozialer Medien in das Privatleben der jungen Kunden vorzudringen. Der Bot benutzt Memes und Jugendsprache, um für Unterhaltung zu sorgen. Es ist zentral, den Chatbot zielgruppenspezifisch zu gestalten.³² Dies gelingt aufgrund der gewählten Plattform und dem Interface sehr gut. Zudem sind subtile Hinweise zur Migros platziert. Eine Untersuchung vom H&M Chatbot zeigte, dass sich sogar bei einer schlechten Performance die Wahrnehmung der Marke verbessert und das Unternehmen als innovativ wahrgenommen wird.³³ Der Chatbot der Migros ermöglicht es, mit den Kunden in Kontakt zu treten und zu bleiben.

Der durchschnittliche Legal Chatbot schneidet in vielen Kategorien besser ab als die Chatbots aus anderen Branchen. Trotzdem lassen sich Bereiche erkennen, in denen Legal Chatbots Defizite aufweisen.

Anhand der Ergebnisse und dem Experteninterview lässt sich ein Modell für einen erfolgreichen Chatbot erstellen (siehe Abb. 1). Ein Chatbot muss einen Unternehmensvorteil und einen Kundennutzen bieten. Ohne einen Unternehmensvorteil würde kein Unternehmen einen Chatbot anbieten. Damit dieser umgesetzt werden kann, muss der Chatbot benutzt werden. Deshalb muss er auch einen Kundennutzen bieten.

Abbildung 1: Modell für einen erfolgreichen Chatbot (Eigene Abbildung)

Um aus einem Chatbot einen Kundennutzen zu generieren, braucht ein Unternehmen eine etablierte Marke. Diese Voraussetzung sieht Nef bei Legal Chatbots als besonders relevant an, da bei rechtlichen Fragen die Antwort meistens mit «es kommt darauf an» beginnt.³⁴ Vielen Nutzern mangelt es an Erfahrung, um einschätzen zu können, wie zutreffend ein rechtliches Resultat auf ihren Fall ist. Deshalb ist es zentral, dass der Chatbotnutzer der Kanzlei hinter dem Chatbot vertraut. Dies ist nur möglich, wenn er im Vorfeld Gutes über die Kanzlei gehört hat und die Marke bereits kennt.³⁵ Eine unbekannte Kanzlei sollte deshalb nicht voreilig einen Chatbot erstellen, da die Gefahr gross ist, dass das Angebot nicht genutzt wird.

Wenn der Nutzer bereit ist, den Chatbot zu gebrauchen, muss ihm ein Kundennutzen entstehen. Dabei kann dem Kunden ein Zeitvorteil oder ein Kostenvorteil geboten werden. Der Chatbot von Uniqlo bietet einen Zeitvorteil, indem er den Kundendienst rund um die Uhr verfügbar macht. Der Chatbot der PostFinance bietet ebenfalls einen Zeitvorteil, indem er Antworten zu allen Diensten der Post anbietet. Nef erklärt, dass dieses Konzept relativ einfach implementierbar ist.³⁶ Es empfiehlt sich deshalb für grössere Kanzleien, ihre Webseiten oder FAQ in einen Chatbot zu integrieren. Der Chatbot der PostFinance ist zusätzlich unterhaltsam. Dies erhöht die Verhaltensabsicht, den Chatbot vermehrt zu nutzen oder sogar weiterzuempfehlen.³⁷ Ausserdem kann ein Kundennutzen generiert werden, indem dem Nutzer ein Kostenvorteil geboten wird. Nach Nef ist dieser bei rechtlichen Fragen essenziell. Dies haben viele Betreiber von Legal Chatbots erkannt. Deshalb geben viele Legal Chatbots ausführliche Antworten zu rechtlichen Fragen. Allerdings scheitert oft die Anbindung an das Geschäftsmodell.³⁸

Wenn Kunden bereit sind, den Chatbot zu nutzen, sollte sich die Kanzlei überlegen, wie sie daraus einen Unternehmensvorteil kreieren kann. Um aus einem Chatbot einen Unternehmensvorteil zu generieren, braucht es einen Fit zur Strategie.³⁹ Diese Voraussetzung ist zentral, damit der Chatbot einen Beitrag zum Unternehmen leistet. Die PostFinance erreicht dies, indem der Chatbot auf andere Angebote der Post verlinkt. Kayak nutzt seine Social Media Strategie, indem es den Chatbot auf drei sozialen Medien anbietet und zur Buchung auf die Webseite verlinkt. Für Legal Chatbots bedeutet dies, dass der Zweck und die Gestaltung des Chatbots zur Strategie passen sollten.

Wenn die Voraussetzung des Strategiefits gegeben ist, sollte der Chatbot einen Unternehmensvorteil erzielen. Dies kann entweder durch einen höheren Umsatz oder durch Kosteneinsparungen geschehen. Der Chatbot der PostFinance generiert einen höheren Umsatz durch Cross-Selling. Der Chatbot von Kayak funktioniert als Marketingtool. Der Chatbot der Migros dient der Kundenakquise und Kundenbindung. Es ist wichtig, dass das Resultat des Chatbots zu einer «Action» führt, die sich für das Unternehmen lohnt. Dies kann eine Terminvereinbarung für eine Beratung sein. Viele Legal Chatbots führen nicht zu einem sinnvollen Resultat.⁴⁰ Um einen höheren Umsatz zu erzielen, sollten Legal Chatbots zu Marketingzwecken oder zum Aufzeigen anderer Services eingesetzt werden.

Ausserdem kann ein Unternehmensvorteil generiert werden, indem der Chatbot Kosten einspart. Dies erreicht der Chatbot von Uniqlo durch das Beantworten von Fragen für den Kundendienst. Dadurch lässt sich Personal einsparen. Der Chatbot der Helvetia kann einfache Informationen aufnehmen. Dies ist für Kanzleien besonders empfehlenswert. Wie Nef erklärt, könnten Chatbots im Vorfeld Informationen aufnehmen, was die eigentliche Rechtsberatung verkürzt.⁴¹ Der Chatbot von Kayak beruht auf verschiedenen Daten, die ständig aktualisiert werden. Ein Legal Chatbot könnte dies nutzen, indem er automatisch auf eine geordnete Datenbank von Bundesgerichtsentscheiden zugreift, die ständig aktualisiert wird, wie sie Weblaw zu Verfügung stellt.⁴² Dadurch könnte der Chatbot kanzleiintern Recherchezeit einsparen.

Die Implementierung von Legal Chatbots könnte für Kanzleien insbesondere zukünftig interessant sein. Nef erklärt, dass in den nächsten zehn Jahren mit massiven Verbesserungen im Bereich NLP und künstlicher Intelligenz zur rechnen ist, wenn sich die Technologie weiterhin so rasch entwickelt.⁴³

Die Ergebnisse aus dem Chatbotvergleich, dem Experteninterview und der Literaturanalyse zeigen, dass Legal Chatbots in vielen Kategorien gut abschneiden. Trotzdem bieten Chatbots aus anderen Branchen Erkenntnisse, die zur Verbesserung eingesetzt werden können.

Es lässt sich nicht mit einer generellen Formel beantworten, wie Legal Chatbots etwas von Chatbots aus anderen Branchen lernen können. Jede Branche ist durch andere Merkmale gekennzeichnet. Die Analyse von Chatbots aus fünf verschiedenen Branchen zeigt jedoch, dass es Verbesserungspotential gibt, welches mit dem erstellten Modell analysiert werden kann. Das Modell identifiziert den Kundennutzen und den Unternehmensvorteil als zentrale Elemente für einen erfolgreichen Chatbot. Nur bei einer etablierten Marke wird ein Chatbot genutzt. Dieser muss einen Kundennutzen in Form einer Zeit- oder Kostenersparnis bieten. Damit ein Unternehmen einen Chatbot implementiert, muss er einen Unternehmensvorteil in Form eines erhöhten Umsatzes oder tieferen Kosten erzielen. Dies setzt einen Strategiefit voraus. Um einen Chatbot erfolgreich zu gestalten, müssen Kanzleien diese Faktoren ausgestalten. Legal Chatbots bieten bereits einen relativ grossen Kundennutzen. Allerdings fehlt oft die Einbindung in die Strategie. Kanzleien sollten deshalb Chatbots so einsetzen, dass das Resultat einen Unternehmensvorteil generiert, indem sie zum Beispiel zu einer kostenpflichtigen Rechtsberatung führen. Ausserdem empfiehlt es sich, die Chatbots mit Datenbanken wie der Lawsearch von Weblaw zu verknüpfen, die regelmässig aktualisiert werden. Zudem sollten die unternehmenseigenen Webseiten in die Chatbots integriert werden, da dies eine günstige Option darstellt, einen Vorteil zu generieren. Das Modell und die Handlungsempfehlungen bieten Rechtsberatungen und Kanzleien eine integrative Orientierungshilfe für die Implementierung oder Verbesserung von Chatbots.

Im Rahmen dieser Arbeit werden lediglich Vertreter aus fünf Branchen untersucht. Für zukünftige Arbeiten wäre es interessant, eine umfassende quantitative Analyse von verschiedenen Chatbots durchzuführen. Dies war im Rahmen dieser Arbeit nicht realisierbar.

Die Rechtsbranche scheint somit technologisch nicht rückständig zu sein. Trotzdem kann sie zukünftig noch einiges von Chatbots aus anderen Branchen lernen.

1. Transkript Experteninterview mit Andreas Nef (25. Mai 2020)

Was für Erfahrung haben Sie mit Chatbots ausserhalb von Rechtswissenschaften gemacht?

Das erste Mal bin ich vor ca. 3 Jahren auf Chatbots getroffen. Oftmals war dies unbewusst auf Webseiten mit Marketingzwecken. Diese Bots wollten Leads generieren, indem man zu einem spezifischen Produkt weitergeleitet wurde. Insbesondere im Marketing bzw. im Affiliate Marketing habe ich Chatbots kennengelernt. Das war dann oft im asiatischen Markt, wie zum Beispiel bei Wish. Später bin ich dann im E-Commerce darauf gestossen.

Bei Chatbots gibt es immer zwei Aspekte zu beachten. Wie ist er aufgebaut und was soll er erzielen? Der Bot wird im E-Commerce genutzt, um mit einer riesigen Zielgruppe zu arbeiten, ohne dass es einen grossen Aufwand gibt. So wird der Lead proaktiv generiert. Während man sich auf der Webseite lange durchklicken muss, kann der Bot viel mehr Interesse erwecken. Deshalb findet man heute auch viel weniger Pop-up Fenster. Ein Chatbot wird als viel angenehmer wahrgenommen als ein Pop-up Fenster.

Wo sehen Sie allgemeine Defizite bei Chatbots im LegalTech, was machen Chatbots aus anderen Branchen besser?

Ich denke, die Rechtsbranche ist allgemein technologisch eher rückständig. Bei Legal Chatbots muss man sich, bevor man etwas programmiert, mit dem Legal Design Thinking auseinandersetzen. Wie kann ich einen juristischen Prozess vereinfachen, um dasselbe Endresultat zu erhalten? Bevor man beginnt, weiss man was das Endziel und der Mehrwert ist. Das Ziel muss es sein, eine Dienstleistung anzubieten, ohne dass ein Jurist anwesend sein muss. Das Resultat sollte gleich gut oder besser sein, als wenn ein Jurist tätig ist. Design Thinking braucht deshalb Zeit. Im juristischen Bereich sieht man deshalb nur in vereinzelten Teilgebieten Aktionen. Nur gewisse Denkschritte des Design Thinkings sind übertragbar. Je mehr ausprobiert wird, desto mehr kann man adaptieren. Ich denke nicht, dass im LegalTech das technische Knowhow fehlt. Es braucht jedoch viel mehr Zeit, um zu sehen, wie Kunden auf die Angebote reagieren.

Welche Challenges gibt es bei Legal Chatbots gegenüber Chatbots aus anderen Branchen?

Die grösste Challenge im juristischen Bereich ist, dass im Recht alle Fragen mit «es kommt darauf an» beantwortet werden. Ein Legal Chatbot kann zwar generelle Antworten geben. Aber ein Sachverhalt ist viel schwieriger ganz präzis zu beantworten, da es bei jedem Tatbestand abweichende Details gibt. Der Kunde kriegt dann eine Antwort, die nicht ganz komplett ist. Ein Chatbot kann nicht die komplette Lebensgeschichte erfragen. Ein Kunde muss mit dieser Ungewissheit derzeit leben können. Als Betreiber ist man deshalb fast gezwungen anzugeben, dass die Antwort nicht zu 100 % stimmt. Ein persönliches Gespräch ist deshalb derzeit nötig, um alle Faktoren berücksichtigen zu können. Für einen juristisch unerfahrenen Kunden ist schwer abschätzbar, wie zutreffend die Antwort auf die persönlichen Bedürfnisse zutreffen.

Was ist bei Legal Chatbots besonders wichtig zu beachten?

Welche Eigenschaften sind bei Legal Chatbots besonders wichtig?

Aufgrund der beschriebenen Ungewissheit für Kunden benötigen diese ein sehr grosses Vertrauen. Man kann nicht einen neuen Chatbot bauen, damit zum Kunden gehen und denken, dass der Kunde ihm vertraut. Deshalb ist eine renommierte Brand oder Kanzlei nötig, welche die Kunden kennen. Vielleicht kennen die Kunden die Brand aus den Medien. Dadurch kann man dieses Problem lösen. Ich bezweifle jedoch, dass dies das Problem vollständig löst. Dazu braucht es auch eine gesellschaftliche Entwicklung.

Die wichtigste Eigenschaft für den Kunden ist Kostengünstigkeit. Wenn man bei Flightright einen Anspruch durchsetzen will, zahlt man als Kunde fast nichts. Das Ganze ist auch für Flightright nicht teuer, da vieles automatisiert und gesammelt abläuft. Für den Kunden ist das Ganze viel günstiger, als wenn er zu einem Anwalt gehen müsste. Die automatisierten Prozesse ermöglichen den tiefen Preis. Wenn man sich überlegt, wie hoch die Entschädigung bei Flügen ist, macht man, wenn man Pech hat, sogar Verlust, wenn man dafür den Anwalt konsultiert. Gerade in diesen Bereichen kann ein Chatbot eine grosse Kostenersparnis bedeuten. Auch viele Rechtsberatungsprozesse können mit extrem tiefen Kosten abgewickelt werden. Plötzlich lassen sich rechtliche Aspekte prüfen, die sich vorher gar nicht prüfen liessen, da der Anwalt viel zu teuer war. So zum Beispiel im Strassenverkehrsrecht. Die Entwicklungen helfen auch dem Rechtsstaat, damit Leute ihre Rechte ausüben können.

Grössere Kanzleien haben intern auch LegalTech Labs, um solche Entwicklungen zu verfolgen. So zum Beispiel mit Prozess- und Dokumentenautomatisierung oder Chatbots. Gefahr besteht für kleinere regionale Kanzleien. Es ist fraglich, wie man diese mit einem Chatbot abdecken kann. Hier muss man mit dem Markt spielen. Zum Beispiel kann man ein zentrales Dienstleistungsunternehmen machen, das Chatbots für verschiedene rechtliche Aspekte herstellt. So könnte man den kleineren Kanzleien white-gelabelte Chatbots zu einem tieferen Preis anbieten.

Was denken Sie, was können sich Legal Chatbots von Chatbots aus anderen Branchen abschauen?

Die «Action» ist etwas, das besser implementiert werden könnte. Damit meine ich, was der Bot schlussendlich erzielen soll. Der Bot sollte ja schlussendlich nicht nur informieren, sondern auch einen Mehrwert generieren. Wie genau man das am besten macht, ist für mich auch nicht ganz klar. Das kann eine Terminvereinbarung, oder direkt die Erstellung eines Formulars oder die Aufnahme eines Sachverhaltes sein. Das ist sehr bereichsabhängig.

Wo sehen Sie den Benefit für juristisch tätige Unternehmen bzw. Kanzleien, Chatbots in ihr Business Modell zu integrieren?

Wie lässt sich aus Chatbots Geld machen?

Es gibt zwei Punkte. Entweder benutzt man den Chatbot im Front-end bei Kunden oder intern für seine Juristen. Im Front-end ist erstens das Marketing sehr gross. Das ist sehr simpel zu machen. Der Bot kann zeigen, was auf der Homepage ist und FAQ können implementiert werden. Die erste Informationsbasis kann man mit einem Chatbot machen. Die Daten hat man ja bereits. Warum sollte man diese nicht auch noch gerade in den Chatbot integrieren? Dafür muss man lediglich Copy Paste benutzen und ein wenig programmieren. Das ist sehr günstig, hat aber eine grosse Wirkung. Zweitens muss man sich überlegen, was man mit dem Bot erreichen will. Will man nur informieren oder will man bereits eine Kontaktaufnahme haben? Wie endet der Chatbot? Zum Beispiel kann er enden, indem man einen Termin vereinbart und diesen mit dem Kalender koppelt. Das ist einfach machbar und gibt dem Nutzer einen Mehrwert. Und die Kanzlei braucht keinen Assistenten, der einfach das Telefon abnimmt und Terminvereinbarungen macht. Was ein Chatbot auch machen kann, sind die ganzen Formulardinge auf der Homepage selbst, wie zum Beispiel Kontaktformulare, wo der Sachverhalt schon ein erstes Mal geschildert wird. Das kann man alles auch über den Chatbot abwickeln. Man kann also fast die ganze Webseite in einen Chatbot hineinverpacken.

Spannend sind auch interne Chatbots für die Juristen. Diese funktionieren basierend auf der internen Datenbank. Fälle lassen sich kategorisieren. Wenn man es schlau anstellt, muss der Jurist die Frage nur noch eingeben und erhält die passenden Dateien aus der Datenbank, ohne dass er sich durchklicken muss. Er kann die Antwort Copy Paste herausziehen und muss nur noch den Anfang und den Schluss personalisieren. Dadurch kann die Kanzlei bei Erstberatungen 15–20 Minuten sparen pro Beratung. So lassen sich die Personalkosten minimieren.

Wozu können Chatbots in der Zukunft genutzt werden, wenn sich die Technologie weiterentwickelt?

Können sie jemals den Anwalt ersetzen?

Ich denke, NLP ist derzeit in einem richtigen Boom. Wenn es bei den Entwicklungen bleibt wie derzeit, können wir in den nächsten 10 Jahren massiv viele Sachen vereinfachen. Hier sprechen wir nicht mehr von wenigen Parzellen von Schriftblöcken. Sondern von ganzen Schriftsätzen, die automatisiert erstellt werden können, ohne dass man gross darüber schauen muss. Ich habe mich mit Subsumptionsautomatisierung befasst und ein kleines Tool erstellt. In diesem wurden Tatbestände aus dem StGB definiert und für diese möglichst viele Wortspiele, Synonyme und Begriffskonstellationen eingespeichert, um die Wahrscheinlichkeit, ein Tatbestandsmerkmal zu erkennen, zu erhöhen. Der Dialogflow von Google hat dann die Wahrscheinlichkeiten ausgerechnet, welche Tatbestandsmerkmale erkannt wurden. Dadurch konnte mit einer gewissen Wahrscheinlichkeit ein bestimmtes Delikt identifiziert werden. Ich musste dazumals alles von Hand eintippen. IBM nutzt jedoch NLP zusammen mit Machine Learning. Dann braucht man nur noch eine gewisse Anzahl Begriffe. Man kann so verschiedene Sachverhalte «vorannotieren». So muss man nur noch kontrollieren, ob der Algorithmus es richtig annotiert hat oder nicht. Daraus lernt er dann. Irgendeinmal muss ich kaum mehr selbst kontrollieren und der Algorithmus wird immer besser. Er kann dann die Wahrscheinlichkeit ausrechnen, welches Delikt vorliegt. Basierend darauf kann er mir dann die passendsten BGE recherchieren und die passendsten Textabschnitte vorlegen. Dies will zum Beispiel IBM Discovery tun.

Den Anwalt ersetzen, werden sie meiner Meinung nach nicht. Was bestimmt weniger benötigt wird, sind Anwaltsassistenten, Paralegal oder sogar Juristen. Der Anwalt wird so viel Unterstützung kriegen bei einfachen Dingen, wie der Recherche und Schriftsätzen, dass er keinen Assistenten mehr benötigen wird. Andererseits wird auch Neues geschaffen. Im Bereich LegalTech braucht man jemanden, der die Datenbanken unterhalten und Bugs fixen kann, ohne dass man gleich einen Programmierer holen muss. Das heisst, es wird wahrscheinlich weniger Assistenten oder Juristen geben, aber das wird wieder gedeckt mit sogenannten Legal Engineers. Da öffnet sich ein neues Berufsfeld zwischen Anwalt und Jurist, welches viel mehr mit dem Technischen arbeiten wird. Ich bin hier sehr optimistisch.

2. Analyseraster

3. Ergebnisse des vorhergehenden Legal Chatbotvergleichs

Cedric Frenzer studiert Betriebswirtschaftslehre an der Universität St. Gallen. Er absolvierte einen Austausch an der University of Southern California. Nach einem Jahr Rechtsstudium hat er sich in Richtung Betriebswirtschaft umorientiert. Derzeit arbeitet er zudem in einem Finanzteam in einem internationalen Grosskonzern, wo er sich regelmässig mit Verträgen auseinandersetzt.