Kelsen-Gründer Sergio Aragón auf dem Demo Day des Microsoft-Accelerators.
Kelsen: Selbstlernender Algorithmus für Rechtsfragen
Darf mich mein Arbeitgeber ohne Abmahnung kündigen? Oder: Welche Konsequenzen drohen, wenn ich meine Wohnung ohne Zustimmung des Vermieters untervermiete? Rechtsfragen wie diese will der selbstlernende Algorithmus Kelsen zukünftig in Echtzeit beantworten. Bis dahin ist der Weg allerdings noch lang, denn das LegalTech-Startup aus Berlin befindet sich in einer sehr frühen Phase: Kelsen beantwortet Fragen bisher nur zu 30 Prozent korrekt. Das Startup ist eines von sieben Teilnehmern der zweiten Klasse des Microsoft-Accelerators, die im Dezember mit dem Demo Day verabschiedet wurde. Es setzte sich gegen 500 Bewerber durch.
Kelsen-Gründer und -CEO Sergio Aragón ist selbst Anwalt und erklärt im Gespräch mit Gründerszene die Funktionsweise des Algorithmus, ob er jemals zu 100 Prozent korrekte Antworten geben wird und warum im B2B-Bereich großes Potenzial steckt.
Sergio, warum arbeitet ihr an Kelsen?
Wir wissen, dass so gut wie jeder täglich von rechtlichen Problemen umgeben ist, man aber nicht immer sofort einen Anwalt einschalten kann oder möchte. Nahezu jeder Rechtsfall ist bereits irgendwo aufgetreten, jede Rechtsfrage irgendwann schon gestellt worden. Daneben verbringen auch Anwälte selbst unfassbar viel Zeit mit der Suche nach relevanten Rechtsprechungen und Gesetzen, weil die Daten schwer zu finden sind und viel zu unstrukturiert vorliegen. Wir wollen das ändern, indem wir die unstrukturierten Daten aller existierenden deutschen Rechtsquellen strukturieren, analysieren und für jedermann zur Verfügung zu stellen.
Was für Datenquellen benutzt ihr?
Wir strukturieren die rechtlichen Daten aller existierenden deutschen Rechtsquellen, das heißt Gesetzgebung, Rechtsprechung, Fachartikel und Diskussionsforen.
Auf welchem Stand der Entwicklung befindet ihr euch gerade?
Wir haben im Dezember unseren Prototyp gelauncht, der derzeit 500.000 Rechtsfälle aus allen Fachgebieten umfasst. Allgemein kann man unser Projekt in zwei große Bereiche teilen: Big Data und Machine Learning. Zurzeit fokussieren wir uns auf Big Data, sammeln und strukturieren also die großen Mengen an rechtlichen Daten. Die Weiterentwicklung des Machine Learnings kommt später, auch wenn wir hier bereits ein paar Features wie etwa grundlegende Natural-Language-Processing-Algorithmen verwenden, um die in natürlicher Sprache eingegebenen Fragen zu verstehen.
Gibt es eine Roadmap für diese Meilensteine und das finale Produkt?
Es ist offensichtlich ein sehr komplexes Projekt. Für die nächsten Monate wollen wir, dass möglichst viele User Kelsen mit Fragen bombardieren und die Ergebnisse bewerten, damit der Algorithmus lernt. Bis Mitte des Jahres wollen wir 90 Prozent aller deutschen Rechtsquellen strukturieren. Gleichzeitig werden wir Schritt für Schritt neue Machine-Learning-Technologien integrieren, um die Ergebnisse von Kelsen zu verbessern.
Ihr beantwortet Fragen derzeit mit 30 Prozent Genauigkeit. Könnt ihr jemals 100 Prozent erreichen?
Es hängt davon ab, was man unter Genauigkeit versteht. Für uns bedeutet es, inwiefern der Algorithmus die Frage des Users versteht und passende Fälle bereitstellt. Eine 100-prozentige Genauigkeit wird Kelsen wohl nie erreichen, weil jede Frage individuell ist.
Dennoch liegt zwischen 30 und 100 Prozent eine große Spanne.
Wir wollen die Genauigkeit kontinuierlich vorantreiben. Und wir sehen bereits seit dem Launch im Dezember die ersten Verbesserungen. Häufige Fragen etwa zu Mietrecht oder Familienrecht sind schon jetzt teilweise sehr präzise. Aber auch mit der Erweiterung der Datenquellen wird die Genauigkeit stetig zunehmen. Wir schätzen eine Exaktheit von ungefähr 85 Prozent in circa zwei Jahren als sehr realistisch ein.
Ihr wart Teil des Microsoft-Accelerators. Erhoffte sich Microsoft dadurch, euren Algorithmus selbst verwenden zu können?
Bis jetzt gab es keine Intention unsere Software zu verwenden oder uns zu kaufen, aber dafür wäre es auch viel zu früh.
War es dennoch wertvoll, am Accelerator teilgenommen zu haben?
Absolut. Es waren eben nicht nur vier Monate mit Mentoren und der Erfahrungsaustausch mit anderen Startups. Das wertvollste war für uns, dass wir mit mehreren Spezialisten sprechen durften. Wir haben beispielsweise zwei Stunden mit Travis Barrett reden können, einem der klügsten Köpfe von Microsoft im Bereich Machine Learning. Das war sehr wichtig für uns.
Noch sitzt ihr in den Räumlichkeiten von Microsoft. Was kommt danach?
Wir werden wahrscheinlich wieder ins Betahaus gehen und suchen zur Zeit nach einem Büro.
Und gleichzeitig sucht ihr nach einer Finanzierung?
Wir haben eine sehr komplizierte Roadmap und suchen deshalb gezielt nach Investoren, die das Geschäftsmodell wirklich verstehen. Machine Learning ist nicht mit einem Marktplatz-Modell vergleichbar. In der Pre-Seed-Runde benötigen wir etwa 100.000 bis 250.000 Euro Kapital.
Wie wollt ihr denn Geld verdienen?
Im B2C-Bereich bieten wir Kelsen den Usern als Freemium-Modell an. Der aber viel größere, profitablere und auch anspruchsvollere Bereich ist B2B. Da geht es vor allem darum, dass wir rechtliche Daten strukturieren und analysieren, was für jeden Anwalt, Akademiker oder Jurastudenten unglaublich wertvoll ist. Etwa 30 Prozent der Zeit eines Anwalts geht allein für Recherchen drauf. Wir werden Kelsen als SaaS Anwaltskanzleien als alternatives Rechtsinformationssystem anbieten, das ihnen die Recherche nicht nur erleichtert, sondern auch die Suchergebnisse verbessert und relevante Verknüpfungen zwischen rechtlichen Fällen aufdeckt und visualisiert. Darüber hinaus soll Kelsen ein effektives Daten-Management-Tool für Kanzleien sowie öffentliche Institutionen werden, die mit großen Mengen an rechtlichen Daten arbeiten.