Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Tag 1: Das Fundament bauen – Aufnahme, Suche, Retrieval
Modul 1: Die Landschaft des Legal Engineers
- Lernziele – das Verständnis der Rolle, wo KI in juristischen Arbeiten passt und die beiden Risiken, die alles durchziehen.
- Inhalte
-
- Die Rolle des Legal Engineers und warum sie gerade jetzt eingestellt wird
- Wo KI passt: E-Discovery, Prüfung, Verträge, Recherche, Ermittlungen; das EDRM-Modell in einfachen Begriffen
- Bauen vs. Kaufen
- Die beiden Risiken, die alles durchziehen: Vertraulichkeit/Geheimhaltung und Vor Gericht Standfestigkeit
Modul 2: Juristische Daten sind unordentlich – Aufnahme und Extraktion
- Lernziele – die Realität juristischer Daten im großen Maßstab handhaben.
- Inhalte
- Über 1.400 Dateitypen, E-Mail und PST, gescanntes Papier, Load-Files (.dat/.opt); eingebettete Metadaten, die wichtig sind
- Textextraktion (Tika), OCR und Deduplizierung als Wahlmöglichkeit
- Labor: FreeEed-Ingestion – Aufbau einer Ingestion-Pipeline über eine absichtlich unordentliche Dokumentensammlung (E-Mail/PST, Scans, Load-Files)
Modul 3: Suche und Retrieval – das Fundament
- Lernziele – das eDiscovery-Kernprimitive bauen: alles in allem finden.
- Inhalte – Volltextsuche und Indizierung (Solr/Lucene); Relevanz, Metadaten- und Datumsfilterung; Suche über OCR-gescannte Inhalte
- Labor: eDiscovery-Suche – Indexieren eines Korpus und Durchführen echter eDiscovery-artiger Suchen, einschließlich in OCR-gescannten Bildern
Modul 4: RAG für juristische Dokumente – mit Zitaten
- Lernziele – RAG über juristische Dokumente aufbauen, das seine Quellen zitiert.
- Inhalte
- Warum Retrieval statt Fine-Tuning für sensible Materialien – das Modell verschlingt die Dokumente nie
- Chunking, Embeddings und vor allem Zitate / Provenienz
- Mehrdokumenten- und Thread-Zusammenfassung
- Labor: Juristisches RAG mit Zitaten – Aufbau eines RAG-Q&A über eine Dokumentensammlung, die mit Quellenzitaten antwortet
Tag 2: Es privat, vor Gericht standfest und versandreif machen
Modul 5: Privatsphäre, Geheimhaltung und lokaler Betrieb – das Geheimhaltungs-Trap
- Lernziele – juristische Daten lokal halten und zertifizieren können.
- Inhalte
- Wohin die Daten tatsächlich gehen, wenn sie auf eine Cloud-KI treffen
- Verzicht auf Geheimhaltung, Pflicht zur Kompetenz und das Spektrum der „Privatsphäre“ (vertraglich vs. physisch)
- Morgan gegen V2X und warum lokal gerichtsdefensibel ist
- Bereitstellen lokaler Modelle (Ollama / vLLM) und Überwachung des ausgehenden Datenverkehrs
- Labor: Lokales Modell + Egress-Beweis – ein lokales Modell durchgehend betreiben und mit Überwachung beweisen, dass keine Daten das Unternehmen verlassen haben.
Modul 6: Vor Gericht standfeste KI-Prüfung
- Lernziele – eine KI-Prüfung messen und dokumentieren, damit sie vor Gericht Bestand hat.
- Inhalte
- Die Zahlen, die vor Gericht Stand haben: Recall, Elusion, Präzision, Ground-Truth-Validierung; TAR / aktives Lernen
- Transparenz (warum hat es dieses Dokument kodiert?) und Reproduzierbarkeit – das Modell fixieren, Einstellungen festlegen, alles loggen
- Der „case snapshot“, der es jemandem ermöglicht, Ihre Prüfung ein Jahr später erneut durchzuführen und dasselbe Ergebnis zu erhalten
- Labor: Standfeste Prüfung – eine KI-Prüfung gegen eine blinde Ground Truth messen und ein Reproduzierbarkeitspaket produzieren.
Modul 7: Versand es – Workflow, private Bereitstellung und Governance
- Lernziele – die Teile zu einem Workflow zusammenstellen, privat bereitstellen und bewerten.
- Inhalte
- Ein mehrstufiger juristischer Workflow (Aufnahme → Suche → Zusammenfassung → Prüfung → Produktion) mit Mensch im Loop
- Kernelemente der privaten/On-Prem-Bereitstellung (containerisieren; die Daten im Haus halten)
- KI-Governance für Juristen in Kürze und Bewertung des Systems mit SAIS-100 (die Elephant Scale Secure AI Score)
- Labor: Bewerten und Verpacken – einen mehrstufigen Workflow verdrahten, mit SAIS-100 bewerten und für private Bereitstellung verpacken.
Abschlussprojekt (integriert über Tag 2 hinweg)
- Eine private, vor Gericht standfeste Legal-AI-Anwendung von A bis Z bauen – Aufnahme eines unordentlichen Korpus, Suche darin, Beantwortung von Fragen darüber mit Zitaten unter Verwendung eines lokalen Modells, Messen einer standfesten Prüfung und Verpackung für private Bereitstellung.
- Die Teilnehmer verlassen den Kurs mit einem Portfolio-Projekt, das die Arbeit eines Legal Engineers darstellt.
Optionaler Tag 3 / Fortgeschrittene Module (lieferbar als 3. Tag oder modulare Serie)
- Ermittlungen: Entitäten, Beziehungen und Zeitleisten – Personen/Organisationen/Datum extrahieren, E-Mail-Threads rekonstruieren, Chronologien erstellen, nah verwandte Dokumente und Dokumentlinie abbilden. Labor: Aufbau einer Zeitleiste und Entity/Relationship-Ansicht.
- Agentic und mehrstufige juristische Workflows (Vertiefung) – reichere Orchestrierung, Vertragsanalyse, Multi-Dokumenten-Synthese, Werkzeugnutzung und Guardrails als Designprinzip. Labor: Aufbau eines mehrstufigen Workflows mit einem menschlichen Kontrollpunkt.
- Bereitstellung im großen Maßstab – On-Prem- und Appliance-Bereitstellung, verteilte Verarbeitung für große Volumen, regulierte Umgebungen (CJIS, Regierung, Hochschule), Hardware-Auslegung. Labor: Containerisierung und Skalierung eines Verarbeitungsjobs über Worker hinweg.
- Governance- und Compliance-Vertiefung – die KI-Regulierungslandschaft (über 100 US-Staaten-KI-Gesetze, EU AI Act), Audit-Anforderungen und eine vollständige SAIS-100-Governance-Audit. Labor: Audit eines Legal-AI-Systems gegen einen Governance/Standfestigkeits-Checklist.
Voraussetzungen
- Sicherer Umgang mit Python und grundlegenden APIs
- Nützlich: Vertrautheit mit LLMs auf Benutzerebene (kein ML-Hintergrund erforderlich – wir bauen das mentale Modell)
- Kein juristischer Hintergrund erforderlich – die benötigten juristischen Konzepte werden im Kontext vermittelt
Zielgruppe
- Software-/KI-Ingenieure, die in die Legal-Tech-Branche wechseln
- Ingenieure von Legal-Tech-Unternehmen, die Vertiefung im juristischen Domänenwissen benötigen
- Technisch orientierte Juristen/E-Discovery-Spezialisten/Information-Governance-Experten, die bauen, statt nur zu kaufen
- Jeder, der die Rolle des „Legal Engineers“ oder „KI-Legal Engineers“ anstrebt
14 Stunden
Erfahrungsberichte (1)
Ich habe Wissen über die Streamlit-Bibliothek von Python erworben und werde sie sicherlich verwenden, um Anwendungen in meinem Team zu verbessern, die mit R Shiny erstellt wurden.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maschinelle Übersetzung
