Kalibriertes Vertrauen

Kapitel 1 · Das Vertrauensproblem des digitalen Rechts

1.1 Ein Zitat, das nichts trägt

Ein Gedankenbeispiel: Eine Anwältin bereitet einen Schriftsatz vor. Sie fragt ein modernes KI-Rechtsrecherche-System nach der Rechtslage zu einer Kündigungsfrist. Innerhalb von Sekunden erhält sie eine klare, gut formulierte Antwort — und, was noch beruhigender wirkt, ein Zitat: ein Aktenzeichen, ein echtes Urteil, eine Fundstelle. Sie übernimmt die Passage. Sie hat keinen Grund zu zweifeln; alles sieht aus wie sorgfältige juristische Arbeit.

Was sie nicht sieht: Das zitierte Urteil existiert zwar, aber es trägt die Aussage nicht. Es behandelt eine andere Konstellation; die Frist, die die KI ihm zuschreibt, steht dort nicht. Der Verweis ist echt und zugleich wertlos. Man nennt das misgrounding — einen Beleg, der aussieht wie ein Beleg, aber keiner ist.

Eine Untersuchung von 2024 zeigt, wie wenig ein echtes Aktenzeichen allein garantiert. Das Stanford-RegLab prüfte drei kommerzielle Recherchewerkzeuge an seinem Fragenbestand. Je nach Werkzeug enthielten 17 bis 33 Prozent der Antworten eine falsche Aussage oder einen Verweis, der die Aussage nicht trug.¹ Als Fehler zählte dort also nicht erst die erfundene Quelle, sondern schon das reale, aber unpassende Urteil. Die Zahl beschreibt den damaligen Test mit seiner Definition. Sie ist eine datierte Beobachtung, keine Qualitätsnote für jedes Rechtswerkzeug.

Damit zerbricht eine Gleichung, die dem digitalen Recht bislang stillschweigend zugrunde lag: verlinktes Zitat = belegte Aussage. Sie ist falsch.

1.2 Warum das im Recht besonders schwer wiegt

Ein gelegentlich falsches Zitat kann im Recht erhebliche Folgen haben. Die rechtliche Bedeutung einer Aussage hängt auch von Quelle, Fassung, Fundstelle und Verfahrensstand ab; je nach Frage kommen zeitliche Geltung, systematischer Zusammenhang und konkurrierende Auffassungen hinzu.² Eine unbelegte Rechtsaussage kann zutreffen. Ihre Richtigkeit lässt sich aus ihrem Wortlaut allein aber nicht prüfen.

Daraus folgen vier Fragen, die das ganze Buch begleiten:

• Stimmt die Aussage? Das betrifft ihre inhaltliche Korrektheit.
• Existiert die genannte Quelle? Das betrifft den Verweis.
• Stützt die Quelle diese Aussage? Das betrifft die Tragfähigkeit des Zitats.
• Hat das Modell diese Quelle tatsächlich verwendet? Das betrifft die Treue der Quellenangabe zum Entstehungsprozess.

Die Existenz einer Quelle lässt sich meist leichter prüfen als ihre Tragfähigkeit im konkreten Fall. Ob das Modell sie tatsächlich verwendet hat, ist nochmals eine andere Frage: Eine passende Fundstelle kann auch erst nachträglich an eine fertige Antwort angehängt worden sein.³ Ein System, das nur die Existenz seiner Quellen prüft, erzeugt genau die Sicherheit, die unsere Anwältin in die Irre geführt hat: einen Beleg, der da ist, aber nicht trägt.

1.3 Nicht mehr Vertrauen, sondern das richtige

Die naheliegende Reaktion auf dieses Problem lautet: Wir müssen mehr Vertrauen schaffen. Bessere Oberflächen, überzeugendere Sprache, eine starke Marke. Doch ein hoher Vertrauenswert ist kein Qualitätsmerkmal. Nutzer können einem fehlerhaften System zu stark vertrauen, weil es souverän auftritt. Und sie können ein zuverlässiges System zu wenig nutzen, weil seine offen ausgewiesene Unsicherheit als Schwäche missverstanden wird. Das Erste erhöht das Risiko unkritischer Übernahme, das Zweite verschenkt den Nutzen einer belastbaren Information.

Die richtige Zielgröße ist deshalb nicht maximales, sondern kalibriertes Vertrauen: Wie stark man sich auf eine Aussage stützt, soll ihrer nachgewiesenen Vertrauenswürdigkeit und dem Risiko des konkreten Falls entsprechen.⁴ Die Forschung zum Vertrauen in technische Systeme trennt dafür seit Langem drei Ebenen: die Vertrauenswürdigkeit (eine nachweisbare Eigenschaft des Objekts), das wahrgenommene Vertrauen (eine Haltung des Nutzers) und die Reliance (das tatsächliche Verhalten, sich darauf zu stützen). Kalibrieren heißt, die Lücke zwischen Haltung und Eigenschaft zu schließen. Weil eine Haltung nur so gut sein kann wie das, worauf sie sich stützt, endet jede ernsthafte Antwort bei einer Frage der Messung: Wie macht man die Vertrauenswürdigkeit einer juristischen Aussage sichtbar?

1.4 Die Größe ist nicht die Antwort

Ein verbreiteter Stolz digitaler Rechtsprojekte ist ihre Größe: Millionen von Knoten, Milliarden von Kanten, ein stetig wachsender Graph. Größe ist ein Skalierungsindikator — aber kein Qualitätsnachweis.⁵ Für den Wert eines Rechtsgraphen ist nicht entscheidend, wie viele Knoten er enthält, sondern was ein Knoten fachlich bedeutet, wie er entstanden ist, wie belastbar seine Einordnung ist und ob eine Aussage ihren Beleg trägt. Ein kleiner, sauber belegter Graph ist mehr wert als ein riesiger, dessen Aussagen niemand verantworten kann. Gleichgültig ist die Reichweite trotzdem nicht: Die an der konkreten Frage gemessene Abdeckung ist eine Qualitätsdimension — nur keine, die sich an der Knotenzahl ablesen lässt.

Für den Rechtsgraphen folgt daraus eine Aufgabe: Herkunft, rechtlichen Bezug und zeitliche Reichweite einer Aussage so auszuweisen, dass sie geprüft werden können. Die Geltung einer Norm und der Zeitpunkt, zu dem der Graph von ihr erfährt, sind dabei zwei verschiedene Angaben. Und eine Aussage über Wirkungen braucht einen anderen Nachweis als die Aussage über einen Normtext.

1.5 Die größere Verheißung — und ihre Gefahr

Wenn Recht erst einmal als verknüpfter, belegter Zusammenhang vorliegt, wird mehr möglich als die einzelne Rechtsauskunft: Recht wird als Wirkungszusammenhang lesbar. Man kann nicht nur fragen, was gilt, sondern was daraus folgt — welche Entscheidung welche Muster erzeugt, welche Norm auf welche gesellschaftlichen Verhältnisse wirkt. Aus der Rechtsdatenbank wird eine Erkenntnisinfrastruktur.⁶

Diese Verheißung ist echt, aber gefährlich, wenn man sie naiv einlöst. Ein Wirkungssatz — etwa: „diese geldpolitische Entscheidung treibt die Vermögenspreise und über sie die Mieten“ — ist etwas grundlegend anderes als ein Rechtssatz. Er ist empirisch, mehrfach verursacht, umstritten und oft wertgeladen. Wer ihn wie eine Rechtstatsache behandelt, importiert Streitbares als Faktum und beschädigt genau die Glaubwürdigkeit, die den Graphen erst wertvoll macht. Die Wirkungsanalyse ist deshalb nicht zu verwerfen, sondern zu disziplinieren: durch eine strikte Trennung von Fakt, Kausalität und Wertung. Ob eine Folge „unannehmbar“ ist, entscheidet der Mensch, und es wird als seine Wertung ausgewiesen, nicht als Tatsache des Systems.

1.6 Ein Versprechen, das man halten kann

Der rote Faden lässt sich in einem Satz fassen: Die Qualität eines Rechtsgraphen ist nicht seine Größe, sondern die kalibrierte, belegte und überprüfbare Vertrauenswürdigkeit seiner Aussagen — und diese lässt sich messen, ohne mehr zu versprechen, als man beweisen kann.

Zum zweiten Halbsatz gehört, klar zu sagen, was heute nicht geht. Die schärfste Qualitätsdimension — die Prüfung, ob eine Fundstelle eine Aussage trägt — ist für die hier untersuchte Instanz noch nicht unabhängig abgenommen. Die Reichweite vorhandener Prüfverfahren ist an ihren Daten und Aufgaben zu bestimmen. Ein Zertifikat, das diese Dimension behauptete, wäre unehrlich. Deshalb steht jedes Maß mit seiner Reichweite und seiner Grenze da. „Prüfbar statt behauptet“ gilt nach außen wie nach innen: für die Aussagen des Systems ebenso wie für die Aussagen über das System.

1.7 Der Weg durch dieses Buch

Der Weg führt durch mehrere Disziplinen: die Erkenntnistheorie (was heißt es, eine Rechtsaussage zu wissen?), die Rechtstheorie von Kelsen bis Alexy (warum Geltung nicht Wahrheit ist und wie man Werte abwägt), die Datenwissenschaft (wie man Qualität und Kalibrierung misst), die Ökonomie (wie man Wirkungen modelliert und wo die Grenze liegt) und die Soziologie des Rechts (warum ein Rechtssystem sich nicht selbst zum politischen Akteur machen darf). Wer vom Ergebnis her liest, kann mit dem vierten und dem letzten Kapitel beginnen; die Kapitel 2 und 3 liefern die Begründung nach.

Kapitel 2 · Was heißt es, eine Rechtsaussage zu wissen?

2.1 Wissen ist mehr als eine richtige Meinung

Ein Aktenzeichen steht unter der Antwort. Das Urteil existiert. Beim Lesen zeigt sich: Es behandelt einen anderen Fall. Die Anwältin hat nun eine Fundstelle, aber noch keinen Grund, der die Antwort trägt. Was fehlt, lässt sich erst prüfen, wenn klar ist, was als Wissen zählt.

Ein klassischer Ansatz fasst Wissen als gerechtfertigte wahre Überzeugung. Drei Bedingungen müssen zusammenkommen. Ich muss etwas für wahr halten (die Überzeugung), es muss tatsächlich wahr sein (die Wahrheit), und ich muss einen tragfähigen Grund dafür haben (die Rechtfertigung). Fehlt die dritte Bedingung, habe ich bestenfalls eine Meinung, die zufällig stimmt — kein Wissen.

Für juristische Auskünfte ist die Unterscheidung praktisch. Ein richtiges Ergebnis und eine Begründung, die es trägt, sind verschiedene Prüfgegenstände. Welche Begründung eine gerichtliche Entscheidung enthalten muss, bestimmt dagegen das jeweilige Verfahrensrecht. Aus diesem erkenntnistheoretischen Modell folgt keine allgemeine Regel über die Aufhebbarkeit eines Urteils.

2.2 Die stehengebliebene Uhr: wenn der Beleg zufällig stimmt

Dass mit der klassischen Formel etwas nicht stimmt, hatte Bertrand Russell schon 1948 mit einem einfachen Beispiel gezeigt. Jemand wirft einen Blick auf eine Uhr, die — was er nicht weiß — vor genau zwölf Stunden stehen geblieben ist. Die Uhr zeigt zufällig die richtige Zeit. Er glaubt also etwas Wahres, und er hat einen guten Grund dafür, denn Uhren gehen gewöhnlich richtig. Und doch würde niemand sagen, er habe die Uhrzeit gewusst: Dass sein Grund und die Wahrheit zusammentreffen, ist reines Glück.¹ Edmund Gettier hat 1963 in einem drei Seiten langen Aufsatz gezeigt, dass solche Fälle sich systematisch konstruieren lassen: Die Rechtfertigung kann in Ordnung sein, die Überzeugung wahr — und das Ganze dennoch kein Wissen, wenn beides nur zufällig zusammenfällt.²

Die stehengebliebene Uhr ist ein Bild für die zufällig zutreffende Auskunft. Beim unpassenden Urteil fehlt allerdings schon eine Rechtfertigung, die die Aussage trägt. Der Fall ist daher eine Analogie zur Gettier-Frage, kein Nachweis, dass jedes unpassende Zitat ein Gettier-Fall ist.

Für den Rechtsgraphen bleiben die vier Fragen aus Kapitel 1 zu unterscheiden: Stimmt die Aussage? Existiert die Quelle? Stützt sie diese Aussage? Und hat das Modell sie tatsächlich verwendet? Die dritte Frage betrifft die Tragfähigkeit des Zitats, die vierte seine Treue zum Entstehungsprozess.³ Eine passende Fundstelle beantwortet die vierte Frage nicht. Diese Unterscheidung ersetzt keine Theorie des Wissens. Sie macht einen konkreten Fehler prüfbar: Der Verweis ist echt, doch die angebotene Begründung hält nicht.

2.3 Niemand weiß allein: die epistemische Abhängigkeit

Es gibt einen zweiten Grund, warum das Recht ein erkenntnistheoretisch besonderes Feld ist. Der einsame Denker, der alles selbst nachprüft, ist im Recht eine Fiktion. Kein Anwalt liest jedes Urteil im Original, kein Richter überprüft jede zitierte Kommentarstelle bis zur Quelle, keine Studentin leitet die herrschende Meinung selbst her. Wir alle verlassen uns — auf Gerichte, auf Kommentare, auf Datenbanken, auf die Sorgfalt derer, die vor uns gearbeitet haben.

Der Philosoph John Hardwig hat dafür in zwei einflussreichen Aufsätzen den Begriff geprägt: epistemische Abhängigkeit.⁴ In arbeitsteiligen Wissensfeldern ist es oft rationaler, sich auf das Zeugnis eines vertrauenswürdigen anderen zu verlassen, als alles selbst prüfen zu wollen — niemand hat die Zeit, die Nähe zur Quelle und die Expertise für alles zugleich. Wissen ruht dann auf einer Kette von Zeugnissen, und diese Kette ist nur so belastbar wie das Vertrauen an jeder Verbindungsstelle. Hardwigs schärferer Satz lautet: Am Grund des Wissens steht nicht Evidenz, sondern Vertrauen — das Vertrauen darauf, dass der, auf den ich mich stütze, sorgfältig und ehrlich war.

Ein Rechtsgraph ist eine materialisierte Zeugniskette: Jede Kante — dieses Urteil zitiert jene Norm, dieser Leitsatz stammt aus jener Entscheidung, diese Fassung galt in jenem Zeitraum — ist ein Zeugnis, das jemand oder etwas abgegeben hat. Wenn Hardwig recht hat, entscheidet über den Wert des Graphen nicht, dass er Zeugnisse enthält, sondern dass er ihre Vertrauenswürdigkeit ausweist: Woher stammt diese Kante? Wer oder was hat sie erzeugt? Wie belastbar ist die Quelle? Ein Graph, der Zeugnisse sammelt, ohne Herkunft und Güte mitzuführen, verlängert die Kette, ohne sie zu stärken. Hier setzt an, was in der Datenwelt Provenienz heißt.

2.4 Die Warrant-Kette: von der Objektqualität zur Stützung

Aus diesen Bausteinen lässt sich eine Kette von vier Gliedern bilden, die vom Datum bis zum Handeln reicht. Man kann sie die Warrant-Kette nennen, nach dem juristisch geprägten Begriff der Stützung einer Behauptung.

Das erste Glied ist die Objektqualität. In der Datenwissenschaft hat sich dafür seit der Arbeit von Wang und Strong ein Maßstab durchgesetzt, der nicht „Fehlerfreiheit“ heißt, sondern fitness for use — Eignung für den Gebrauch.⁵ Qualität ist danach keine absolute Eigenschaft der Daten, sondern eine Relation zwischen den Daten und dem Zweck, für den sie gebraucht werden. Ob eine Kante taugt, entscheidet sich am juristischen Verwendungszusammenhang, nicht an einem abstrakten Reinheitsideal.

Das zweite Glied ist die Vertrauenswürdigkeit — eine nachweisbare Eigenschaft des Objekts, die auf seiner Qualität, seiner Provenienz und seiner Zitatstützung beruht. Das dritte Glied ist das Vertrauen — eine Haltung des Nutzers, die sich auf diese Eigenschaft stützen sollte, aber auch danebenliegen kann. Das vierte Glied ist die Reliance — das tatsächliche Verhalten, sich in einer konkreten Entscheidung auf die Aussage zu stützen. Diese Vierteilung ist das Arbeitsmodell dieses Buches. Sie greift Unterscheidungen der Vertrauensforschung auf.⁶ Angemessenes Vertrauen soll sich an den nachgewiesenen Eigenschaften orientieren; angemessene Nutzung berücksichtigt zusätzlich die Folgen eines Fehlers. Die statistische Kalibrierung einer Prognosezahl ist ein eigener, engerer Prüfgegenstand (Kapitel 4).

An einem Beispiel: Die Aussage „die Kündigungsfrist beträgt in diesem Fall drei Monate“ hat Objektqualität, wenn Norm, Fassung und Fundstelle für den konkreten Zweck stimmen. Sie ist vertrauenswürdig, soweit Herkunft, Aktualität und Zitatstützung nachgewiesen sind. Sie verdient Vertrauen genau in dem Maß, in dem dieser Nachweis reicht — nicht weiter. Und sie rechtfertigt Reliance, etwa die Notierung der Frist im Fristenkalender, nur dann, wenn die nachgewiesene Vertrauenswürdigkeit das Risiko des konkreten Falls deckt. Fehlt etwa der Nachweis der Fassung, darf sich das Vertrauen nicht auf die Glieder dahinter stützen.

Entscheidend ist die Gerichtetheit der Kette: Jedes Glied darf nur so viel Gewicht tragen, wie das vorige ihm liefert. Vertrauen, das über die nachgewiesene Vertrauenswürdigkeit hinausgeht, ist unverdient. Eine Nutzung, die das Fehlerrisiko übergeht, verlangt eine eigene Prüfung; ob sie rechtlich fahrlässig ist, lässt sich aus diesem Modell allein nicht bestimmen. Dass die Kette am „Datum“ beginnt und nicht am „Vertrauen“, übersetzt Hardwigs Einsicht: Die Haltung ist nur so gut wie das Zeugnis, auf dem sie ruht.

Diese Denkform stammt nicht aus der Technik, sondern aus dem Recht. Stephen Toulmin gliederte 1958 das tragfähige Argument nach einem Muster: von einem Datum über eine Stützung (den warrant) zu einer Behauptung — versehen mit einem Härtegrad und offen für einen Einwand.⁷ Sein ausdrückliches Vorbild war die juristische Beweisführung; er nannte Logik „verallgemeinerte Jurisprudenz“. Wenn dieses Buch die Qualität eines Rechtsgraphen als Assurance Case modelliert — Evidenz stützt ein Argument, das Argument trägt eine Behauptung, und beides bleibt offen für Widerlegung —, importiert es also keine fremde Denkform in das Recht. Es holt eine juristische zurück.⁸

2.5 Erkenntnistheorie als Institutionenfrage

Bis hierhin klang alles nach dem einzelnen Erkennenden. Ein Rechtsgraph ist aber keine Person, sondern eine Einrichtung. Für Einrichtungen des Wissens hat Alvin Goldman mit seiner sozialen Erkenntnistheorie einen eigenen Maßstab formuliert: Praktiken, Verfahren und Institutionen des Wissens sind nicht daran zu messen, ob sie überzeugen, populär sind oder sich gut verkaufen, sondern daran, ob sie wahrheitsförderlich sind — ob sie mehr wahre und weniger falsche Überzeugungen hervorbringen.⁹ Goldman nennt das den veritistischen Maßstab.

Er sagt, wofür ein Rechtsgraph gebaut sein muss: nicht dafür, den Nutzer möglichst stark zu überzeugen (das wäre das maximale Vertrauen aus Kapitel 1), sondern dafür, ihn möglichst zuverlässig zu wahren Überzeugungen zu führen — und ihn dort, wo das System es nicht sicher weiß, ehrlich im Zweifel zu lassen. Ein System, das seine Nutzer selbstbewusster macht, ohne sie richtiger zu machen, ist veritistisch schädlich, so überzeugend seine Oberfläche auch sei.

Daraus folgt eine Leitplanke: Ein Rechtsgraph muss wahrheitsorientiert bleiben und darf nicht zum Überzeugungsinstrument werden. Er soll informieren, belegen, offenlegen, wo er unsicher ist — nicht überreden. Die Versuchung wächst mit jeder Ausbaustufe. Der veritistische Maßstab ist die Grenze, an der sich Erkenntnisinfrastruktur und Propaganda scheiden.

2.6 Der Graph als operationalisierte Erkenntnistheorie

Aus den Begriffen werden vier Anforderungen an die Konstruktion:

• Herkunft ausweisen: Wer hat eine Angabe erzeugt, aus welcher Quelle?
• Zitatstützung prüfen: Welche Passage trägt welche Aussage?
• Prognosen kalibrieren: Für welche geprüfte Gruppe passt die angesagte Wahrscheinlichkeit zur beobachteten Quote?
• Prüfungslücken benennen: Welche Auskunft ist belegt, welche bleibt offen?

Ein Graph kann diese Nachweise speichern und Prüfungen unterstützen. Welche Verpflichtung die gebaute Instanz bereits erfüllt, muss jeweils am konkreten Bestand gezeigt werden. Die philosophische Herleitung ersetzt diese Prüfung nicht.

Für Normen kommt eine weitere Frage hinzu: Wann galten sie? Eine Quelle kann korrekt wiedergegeben sein und dennoch die falsche Fassung für den Fall liefern.

Kapitel 3 · Geltung ist nicht Wahrheit

3.1 Eine Norm ist nicht wahr — sie gilt

Eine Rechtsnorm ist überhaupt nichts, was wahr sein könnte. „§ 573 BGB“ ist nicht wahr und nicht falsch — die Norm gilt oder sie gilt nicht. Wahrheit und Geltung sind zwei verschiedene Weisen, in denen ein Satz in der Welt stehen kann, und sie folgen verschiedenen Gesetzen.

Hans Kelsen hat diese Trennung mit größter Schärfe gezogen. Für ihn gehört eine Norm der Welt des Sollens an, nicht der des Seins.¹ Aus einer Tatsache folgt niemals unmittelbar eine Norm, und eine Norm wird nicht dadurch wahr, dass die Wirklichkeit sich nach ihr richtet — sie gilt, weil sie in der rechtlich vorgesehenen Weise gesetzt wurde. Ein Gesetz, das ausnahmslos gebrochen wird, verliert dadurch nicht sofort seine Geltung; eine Regelmäßigkeit im Verhalten begründet umgekehrt noch kein Sollen.

Für einen Rechtsgraphen ist das eine architektonische Weichenstellung. Er muss zwei Arten von Sätzen führen und darf sie nie vermengen: die Normen selbst — sie gelten in einem Zeitraum — und die Aussagen über Normen — sie können wahr oder falsch, gut oder schlecht belegt sein. Ob § 573 BGB am 1. März 2019 galt, ist eine Geltungsfrage. Ob unser System korrekt behauptet, dass er damals galt, und ob ein Beleg diese Behauptung trägt, ist eine Frage der Wahrheit und der Zitatstützung aus Kapitel 2. Dieselbe Zeile im Graphen berührt beide Register. Geltung ist nicht Wahrheit — und ein Rechtsgraph, der das ernst nimmt, braucht dafür eine eigene zeitliche Bauform.

3.2 Warum Geltung Zeit hat: die zwei Uhren

Eine Aussage über die Geltung einer Norm braucht einen zeitlichen Bezug. Eine Norm tritt in Kraft und tritt außer Kraft; sie wird geändert, aufgehoben, durch eine neue Fassung ersetzt. Nichts an der Welt muss sich ändern, damit gestern galt, was heute nicht mehr gilt — es genügt ein Gesetzgebungsakt. Wer Recht abbilden will, muss deshalb die Frage „wann galt das?“ beantworten können und dabei ausweisen, welche Zeiträume sein Bestand tatsächlich abdeckt.

Das ist erst eine von zwei Uhren. Neben der Frage, wann eine Norm galt, steht die Frage, wann wir das wussten. Beide können auseinanderfallen. Ein Gericht kann rückwirkend feststellen, dass eine Vorschrift von Anfang an nichtig war; ein Gesetz kann rückwirkend in Kraft treten; und der eigene Kenntnisstand kann sich korrigieren — man trägt heute nach, was schon seit Monaten galt. Die Datenwissenschaft nennt diese beiden Uhren valid time und transaction time und ein System, das beide führt, bitemporal.²

Ein bitemporaler Rechtsgraph kann deshalb zwei Fragen getrennt beantworten: „Was galt am 1. März 2019?“ und „Was glaubten wir am 1. Juni 2020, dass am 1. März 2019 galt?“. Die zweite Frage erlaubt, eine frühere Auskunft zu rekonstruieren. Damit lässt sich zeigen, welchen Rechtsstand das System damals führte. Ob eine Beratung zutreffend war und welche Nachforschung nötig war, ist damit noch nicht entschieden. Der damalige Systembestand kann selbst eine geltende Änderung übersehen haben.

Ein Beispiel: Eine Vorschrift wird zum 1. Januar geändert; das System erfasst die Änderung erst am 15. März. Wer das System im Februar befragte, erhielt die alte Fassung. Ein bitemporales System kann diese Episode später rekonstruieren: Es weiß, dass ab dem 1. Januar die neue Fassung galt (die erste Uhr), und es weiß, dass es selbst dies erst seit dem 15. März weiß (die zweite Uhr). Die Beraterin kann belegen, was das System ihr im Februar sagte — und das System kann seinen eigenen Irrtum datieren, statt ihn nachträglich zu übermalen.

Die gebaute Instanz führt Felder für Gültigkeits- und Systemzeit. Ihre Trennung muss am Inhalt geprüft werden: Zwei verschieden benannte Spalten sind noch keine zwei unabhängig belegten Uhren.

Wie schnell ein Datum seinen Beleg verliert, zeigt eine Zahl aus dem Projekt selbst. Eine Messung vom Juli 2026 hatte rund 98,6 Prozent der aktiven Normknoten ein ausdrückliches Fassungsdatum bescheinigt.³ Woher diese Daten stammten, hat sechs Wochen lang niemand nachgeprüft; gezählt wurde nur, ob eines vorhanden war. Als es Ende August geschah, sah die Zahl anders aus. Nach dem Projektbericht vom 31. August 2026 trugen von 111.365 aktiven Normknoten 108.580 ein Fassungsdatum, rund 97,5 Prozent. Der Bericht ordnete 72.740 dieser Daten als belegt ein; bei 15.706 fehlte jeder Beleg. Bei 1.430 Normen war das Ausfertigungsdatum als Fassungsdatum übernommen worden, weil ein Skript „keine Änderung nachgewiesen“ mit „geltende Fassung“ gleichgesetzt hatte; bei 1.393 davon stimmte es wörtlich mit dem Ausfertigungsdatum überein.⁴ Mit der Juli-Zahl ist die neue Quote nur bedingt zu vergleichen: Die Bezugsmenge war inzwischen von 109.005 auf 111.365 Normknoten gewachsen.

Die Zahl war nicht falsch. Sie war, was dieses Buch dem Zitat vorwirft: vorhanden, echt und ohne Herleitung. Ein vorhandenes Datum ist also noch kein gesicherter Rechtsstand.

Auch der Augustbericht verlangt Prüfung. Er nennt 9.322 im Knoten belegte und 65.017 über die amtliche Standangabe belegte Daten. Ihre Summe beträgt 74.339, nicht 72.740. Ob sich die Gruppen überschneiden, lässt sich aus der Darstellung nicht erkennen. Die Zusammenfassung liefert deshalb noch keinen nachvollziehbaren Gesamtnachweis.

Ein tragfähiger Messbericht nennt Bestand, Stichtag, Abfrage und Überlappungen. Ein Rechtsgraph muss zusätzlich unterscheiden, ob ein Datum die einzelne Vorschrift, den letzten Änderungsstand des gesamten Gesetzes oder nur die Erfassung bezeichnet.

3.3 Woher die Geltung kommt: der Stufenbau

Wenn eine Norm nicht wahr ist, sondern gilt — woraus bezieht sie dann ihre Geltung? Kelsens Antwort ist der Stufenbau der Rechtsordnung: Eine Norm gilt, weil eine höhere Norm ihre Erzeugung ermächtigt. Die Verordnung gilt kraft des Gesetzes, das Gesetz kraft der Verfassung, die Verfassung kraft der vorangegangenen Verfassung.⁵ Geltung ist also nichts, das einer Norm einfach anhaftet, sondern etwas Abgeleitetes und darum Nachvollziehbares: Man kann von jeder Norm aus fragen, welche höhere sie trägt.

Diese Denkform ist selbst schon ein Graph. Die Ableitungsbeziehung — „diese Norm ist gedeckt durch jene“ — ist eine Kante; die Geltung eines Knotens ist keine Behauptung, die man ihm anheftet, sondern ein Weg, den man abschreiten kann. Ein gut gebauter Rechtsgraph behauptet die Geltung einer Norm nicht, er zeigt ihre Herleitung. Das ist die Warrant-Kette aus Kapitel 2 auf der Ebene des Rechts selbst: Auch die Geltung will gestützt, nicht bloß angesagt sein.

Kelsens Kette endet an einem eigentümlichen Punkt — der Grundnorm, die selbst keine gesetzte Norm mehr ist, sondern die vorausgesetzte Bedingung dafür, dass die Ordnung überhaupt als Ordnung gedacht werden kann. Man muss Kelsen hier nicht folgen, um von ihm zu lernen. H. L. A. Hart hat eine nüchternere Deutung dagegengesetzt: An der Wurzel stehe kein transzendentales Als-ob, sondern eine soziale Tatsache — die rule of recognition, die tatsächlich geübte Praxis der Amtsträger, bestimmte Kriterien als maßgeblich anzuerkennen.⁶ Für unsere Zwecke muss der Streit nicht entschieden werden: In beiden Lesarten ist Geltung abgeleitet und rückverfolgbar, und genau das muss ein Graph abbilden. Was er nicht darf, ist, Geltung als nackte Eigenschaft eines Knotens zu setzen, die aus dem Nichts kommt.

3.4 Die Grundnorm auf dem Prüfstand

Von der rechtstheoretischen Grundnorm sind die Annahmen eines technischen Systems zu unterscheiden. Führt eine rechnerisch korrekte Ableitung zu einem problematischen Ergebnis, ist zunächst zu prüfen: Stimmen Daten, Regeln und die normativen Prämissen? Daraus folgt nicht, dass Kelsens Grundnorm durch dieses Ergebnis widerlegt wäre.

Die praktische Anforderung lautet: Systemannahmen müssen benannt und revidierbar sein. Eine Änderung muss erkennen lassen, wer sie aus welchem Grund beschlossen hat.

Für die Revidierbarkeit von Grundannahmen gibt es gewichtige Vorläufer. Der späte Kelsen selbst hat die Grundnorm als Fiktion im Sinne des „Als-ob“ gedeutet — als bewusst gesetzte Annahme, nicht als entdeckte Wahrheit.⁷ Die Erkenntnistheorie kennt dasselbe Motiv in Otto Neuraths Bild: Wir gleichen Seeleuten, die ihr Schiff auf offener See umbauen müssen, ohne es je in einem Trockendock neu errichten zu können.⁸ John Rawls hat daraus mit dem reflective equilibrium eine Methode gemacht: Prinzipien und Einzelurteile werden wechselseitig aneinander justiert, bis sie ins Gleichgewicht kommen — das Prinzip korrigiert das Urteil und das Urteil das Prinzip.⁹

Für die Revision gibt es auch eine formale Logik, und sie trägt eine juristische Signatur. Die Theorie der belief revision — wie man einen Bestand von Annahmen konsistent ändert, wenn Neues hinzutritt — ist in ihrer maßgeblichen Fassung von drei Autoren begründet worden. Einer von ihnen, Carlos Alchourrón, war Rechtstheoretiker und hat die Logik der Änderung normativer Systeme mit begründet.¹⁰ Dass Annahmen revidierbar sind, ist also keine erbauliche Floskel, sondern ein Vorgang mit präziser Logik.

Der Vorläufer, der dem Recht am nächsten steht, ist Gustav Radbruch. Er hat 1946, im Angesicht des staatlich verfügten Unrechts, seine Formel geprägt: Positives, ordnungsgemäß gesetztes Recht hat grundsätzlich den Vorrang — es sei denn, sein Widerspruch zur Gerechtigkeit erreiche ein so unerträgliches Maß, dass es als „unrichtiges Recht“ der Gerechtigkeit zu weichen habe.¹¹ Radbruch spricht von ungerechtem Gesetzesrecht, nicht von Systemannahmen. Übertragen lässt sich nur der Gedanke einer Schwelle: Nicht jede Unzweckmäßigkeit stellt eine Prämisse in Frage. Und Radbruchs Formel wirft die Frage auf, die nicht dem System überlassen werden darf: Wer stellt fest, dass ein Ergebnis „unerträglich“ ist? Das ist keine Rechenoperation, sondern eine Wertung — und sie gehört, wie die Kapitel 6 und 7 zeigen, dem Menschen und nicht dem Graphen. Der Graph kann anzeigen, dass eine Ableitung an eine solche Schwelle führt; ob sie überschritten ist, entscheidet und verantwortet der Mensch.

3.5 Aufhebung, nicht Löschung

Wie revidiert man, ohne die Vergangenheit zu zerstören? Die Dialektik hat dafür einen genauen Begriff: die Aufhebung. Das deutsche Wort trägt, wie Hegel betont hat, mehrere Bedeutungen zugleich — beenden, aufbewahren und emporheben. Etwas aufheben heißt gerade nicht, es spurlos zu vernichten, sondern es in seiner Geltung zu beenden und zugleich als überwundenes zu bewahren.¹² Verneint wird nicht ins Leere, sondern zu einem bestimmten Neuen hin, das das Alte als seine Vorgeschichte in sich trägt.

Ein bitemporaler Rechtsgraph übersetzt diese Denkfigur. Wird eine Norm durch eine neue Fassung ersetzt, wird der alte Knoten nicht blind gelöscht. Er wird als ersetzt durch markiert und mit einem Grabstein versehen — seine frühere Geltung bleibt erhalten, sein Geltungsende wird eingetragen, und der Pfad von der einen zur anderen Fassung bleibt begehbar.¹³ Was in der Philosophie eine Denkfigur ist, wird hier zur Integritätsregel der Datenbank: niemals blind löschen, immer aufheben. Nur weil der Graph seine überwundenen Zustände bewahrt, kann er die zweite Uhr aus Abschnitt 3.2 überhaupt lesen.

Ein schematisches Beispiel zeigt die benötigten Angaben:

Norm und Vorschrift      eindeutige Fundstelle
rechtlicher Zeitraum    mit Nachweis des Inkraft- und Außerkrafttretens
Systemzeitraum          wann diese Angabe im System geführt wurde
ersetzt durch           Verweis auf die folgende Textfassung
Quelle                  Herkunft und dokumentierte Nutzungsvoraussetzungen

Die Felder erlauben eine Rekonstruktion, wenn Werte und Änderungsverfahren stimmen. Ein offenes Intervall sagt zunächst nur, dass kein Ende eingetragen ist. Es beweist nicht, dass eine Vorschrift noch gilt. Ebenso belegt ein Ersetzungsverweis allein weder die Vollständigkeit der Historie noch eine unveränderliche Speicherung.

3.6 Was der Graph nicht kann: eine ehrliche Grenze

Ein System, das seine Regeln selbst setzt und seine Zustände selbst fortschreibt, gerät in eine alte Versuchung: sich auch für die eigene Richtigkeit zuständig zu halten. Niklas Luhmann hat das Rechtssystem als operativ geschlossen beschrieben — es prozessiert alles nach seinem eigenen Code Recht/Unrecht.¹⁴ Diese Selbstbezüglichkeit ist Stärke und Gefahr zugleich: Ein operativ geschlossenes System kann seine innere Widerspruchsfreiheit leicht mit äußerer Richtigkeit verwechseln.

Eine Anleihe bei der Logik ist hier erhellend, wenn man sie vorsichtig macht. Kurt Gödel hat gezeigt, dass ein hinreichend reiches formales System seine eigene Widerspruchsfreiheit nicht mit den eigenen Mitteln beweisen kann.¹⁵ Man darf diesen Satz nicht wörtlich auf einen Rechtsgraphen übertragen — der Graph ist kein formales System im Sinne der Beweistheorie, und wer hier einen mathematischen Beweis behauptete, überschritte die Grenze zur Scharlatanerie. Als strukturelle Mahnung trifft Gödel trotzdem einen Kern: Ein Wissenssystem sollte nicht der alleinige Bürge seiner eigenen Korrektheit sein.

Für die Prüfung dieses Systems folgt daraus eine organisatorische Forderung: Der Erbauer liefert Messungen und Belege; eine unabhängige Stelle prüft ihren Umfang, ihre Voraussetzungen und die Gegenfälle. Ein anderes Modell allein gewährleistet diese Unabhängigkeit nicht. Geteilte Daten, Prüfschlüssel oder Annahmen können dieselben Fehler erzeugen.

Wo ein benötigter Nachweis fehlt, muss die Ausgabe ihre Grenze benennen. Welche Aussage sie trotzdem sicher treffen kann, bleibt eine gesonderte Frage.

3.7 Übergang: von der Geltung zur Messung

Geltung, Quellenstand und Systemkenntnis brauchen getrennte Nachweise. Anschließend ist zu prüfen, wie zuverlässig die daraus erzeugten Auskünfte sind. Dafür genügt weder ein gefülltes Datumsfeld noch ein großer Bestand. Es braucht ein benanntes Ereignis, eine Prüfmenge und ein Verfahren, an dem sich die Qualitätsangabe messen lässt.

Kapitel 4 · Das Maßband

4.1 Von der Verpflichtung zur Zahl

Eine Auskunft kann korrekt sein und eine veraltete Fundstelle nennen. Eine Quelle kann aktuell sein und den entscheidenden Satz nicht stützen. Wer Qualität prüfen will, muss daher zuerst festlegen, welche Eigenschaft er prüft.

Qualität ist im Recht wie in den Daten kein einzelner Messwert, sondern ein Bündel von Eigenschaften. Die Forschung zur Datenqualität — von Wang und Strong bis zu den systematischen Übersichten der jüngeren Zeit — kommt immer wieder zum selben Ergebnis: Qualität zerfällt in Dimensionen, die sich nicht ineinander umrechnen lassen.¹ Für einen Rechtsgraphen lassen sich vier Familien unterscheiden:

• die Korrektheit — stimmt die Aussage inhaltlich? (die Wahrheitsfrage aus Kapitel 2);
• die Provenienz und Aktualität — woher stammt die Angabe, und gilt sie noch? (Hardwigs Zeugniskette aus Kapitel 2 und die zwei Uhren aus Kapitel 3);
• die Zitatstützung — trägt die Fundstelle die Aussage wirklich?
• die Konsistenz und Zugänglichkeit — widerspricht sich der Bestand nicht, und ist er überhaupt maschinell prüfbar?

Erst wenn diese Dimensionen einzeln benannt und einzeln gemessen sind, kann man sinnvoll von der „Qualität“ eines Knotens sprechen.

Ein Einwand liegt nahe: Wenn Größe kein Qualitätsmerkmal ist (Kapitel 1) — wo bleibt dann die Vollständigkeit? Ein makellos belegter Graph nützt der Anwältin nichts, wenn er ihre Frage gar nicht abdeckt. Vollständigkeit ist eine legitime Qualitätsdimension; die Datenqualitätsforschung führt sie ausdrücklich als eigene Größe. Nur ist sie kein Ersatz für Belegqualität. Und anders als die Knotenzahl ist die Abdeckung relativ zur Frage zu messen — nicht „wie viele Knoten“, sondern „ist der für diesen Fall einschlägige Bestand vorhanden und als vorhanden ausgewiesen?“. Wo der Bestand eine Frage nicht deckt, hat das System das offen zu sagen, statt die Lücke mit einer plausibel klingenden Antwort zu übertünchen.

4.2 Warum eine Note nicht genügt

Die Versuchung, all das in eine einzige Note zu gießen — einen „Trust-Score“ von 0 bis 100 —, ist groß und gefährlich. Eine Gesamtnote verbirgt genau das, worauf es ankommt: das Verhältnis der Dimensionen zueinander. Ein Knoten mit hervorragender Korrektheit, aber ohne nachweisbare Herkunft ist nicht „im Mittel ganz gut“; es fehlt ihm ein entscheidender Herkunftsnachweis. Ob und wofür er dennoch brauchbar ist, muss für den konkreten Zweck geprüft werden.

Die Messtheorie unterscheidet zwei Modellrichtungen. Bei reflektiven Konstrukten erklärt die angenommene Größe ihre Indikatoren. Bei formativen geht die Wirkungsrichtung umgekehrt: Die Komponenten bilden die Größe erst.² Dieses Buch behandelt die ausgewählten Qualitätsdimensionen als formatives Arbeitsmodell und legt fest, welche Mindestnachweise sich nicht gegeneinander aufrechnen lassen. Fehlende Zitatstützung lässt sich nicht durch hohe Aktualität „aufwiegen“, fehlende Provenienz nicht durch schöne Formulierung ersetzen. Deshalb ist das Maß kein Skalar, sondern ein Profil, das jede Dimension einzeln ausweist und die schwächste sichtbar lässt, statt sie im Durchschnitt verschwinden zu lassen. Die schwächste Dimension ist im Recht oft die entscheidende.

4.3 Kalibrierung als Handwerk

Angenommen, das System gibt zu einer Aussage eine Sicherheit an — „zu 90 Prozent belastbar“. Was macht diese Zahl ehrlich? Von allen Aussagen, denen das System 90 Prozent zuschreibt, müssen ungefähr 90 Prozent zutreffen. Eine Sicherheitszahl ist keine Stimmung, sondern ein Versprechen über die Trefferquote — und sie ist kalibriert, wenn die Quote das Versprechen einhält.³

Zuerst muss feststehen, was als zutreffend gilt und an welchen Fällen die Prüfung erfolgt. Für Herkunft, Aktualität und Zitatstützung sind unterschiedliche Fragen und Nachweise nötig. Ein einzelner Prozentwert verdeckt diese Unterschiede leicht.

Die schwächste Dimension kann als Grenze einer Systemregel dienen: Eine Ausgabe erhält beispielsweise keinen grünen Status, solange ihre Quelle nicht geprüft ist. Daraus entsteht aber noch keine kalibrierte Gesamtwahrscheinlichkeit. Dass zwei Eigenschaften jeweils in 90 Prozent der Fälle vorliegen, beweist nicht, dass sie in denselben 90 Prozent gemeinsam vorliegen. Dazu muss ihre gemeinsame Verteilung geprüft werden.

Ein Rechenbeispiel: Ein System versieht zweihundert Aussagen mit „90 Prozent“. Treffen davon 178 zu, beträgt die beobachtete Quote 89 Prozent — eine kleine Abweichung. Ob sie mit einer 90-Prozent-Prognose vereinbar ist, hängt auch von Stichprobengröße und Prüfverfahren ab. Treffen nur 120 zu, beträgt die Quote 60 Prozent; die Abweichung ist deutlich größer. Beide Befunde beschreiben die geprüfte Gruppe. Sie sagen nicht, welche einzelne Antwort falsch ist, und bestätigen keine Kalibrierung für andere Fragen oder eine andere Werkzeugfassung.

Der Brier-Score bewertet Wahrscheinlichkeitsprognosen anhand der quadrierten Abweichung zwischen Prognose und eingetretenem Ereignis. Die klassische Zerlegung unterscheidet Kalibrierung, Auflösung und die Unsicherheit der Ereignisse in der Grundmenge.⁴ Kalibrierung fragt, ob angesagte Wahrscheinlichkeiten zu den beobachteten Häufigkeiten passen. Auflösung fragt, ob die anhand der Prognosen gebildeten Gruppen tatsächlich unterschiedliche Ereignishäufigkeiten haben. Unterschiedliche Zahlen anzusagen, reicht dafür nicht.

Eine konstante Prognose von 70 Prozent kann bei einer entsprechenden Grundrate kalibriert sein. Sie unterscheidet innerhalb dieser Gruppe keine Fälle und liefert damit keine zusätzliche Auflösung. Ob sie trotzdem für eine Entscheidung nützt, hängt von dieser Entscheidung ab. Wer deutlich verschiedene Zahlen angibt und häufig falsch liegt, hat dadurch noch keine hohe Auflösung bewiesen.

All das setzt voraus, dass überhaupt eine Skala vorliegt. Selbstverständlich ist das nicht: Der Band Die Ordnung, die man nicht sieht misst an demselben Bestand (Stand 13. August 2026) ein Sicherheitsfeld, das 107.313 ordinale Werte neben 4.974 numerischen führt und in dem 1.0 und 1.000 als verschiedene Werte nebeneinanderstehen. Wo zwei Skalen in einem Feld liegen, ist die Frage nach der Kalibrierung noch verfrüht — ein nur numerischer Schwellenwertfilter erfasst die ordinalen Einträge nicht, wenn sie zuvor nicht nach einer dokumentierten Regel zugeordnet wurden.

Bruno de Finetti hat die subjektive Wahrscheinlichkeit operational gefasst: als den Einsatz, zu dem jemand zu wetten bereit ist — mit der Bedingung der Kohärenz, die verhindert, dass man sich selbst ausnehmen lässt.⁵ Eine Sicherheitszahl ist in diesem Sinne eine Wette des Systems auf die eigene Richtigkeit. Kalibrierung prüft, ob die angesagten Wahrscheinlichkeiten zu den beobachteten Häufigkeiten passen; sie ist weder ein Gewinntest noch mit der Kohärenz von Wettquoten gleichzusetzen. Zur Demut mahnt ein empirischer Befund: Gerade leistungsfähige neuronale Modelle sind oft über-zuversichtlich, geben also höhere Sicherheiten an, als ihre Trefferquote rechtfertigt.⁶ Ein Rechtsgraph, der solchen Modellen seine Sicherheitszahlen unbesehen abnähme, würde die gefährliche Selbstsicherheit aus Kapitel 1 nicht heilen, sondern automatisieren.

Fehlalarm und übersehener Fehler können unterschiedliche Folgen haben. Eine Prüfung, die zu oft anschlägt, wird irgendwann abgeschaltet. Eine, die zu selten anschlägt, wird geglaubt. Wie schwer beides wiegt, hängt vom Einsatz ab. Ein Qualitätsbericht muss deshalb neben der Prognosegüte auch Fehlertypen und ihre Kosten ausweisen. Der gewöhnliche Brier-Score gewichtet die quadrierte Prognoseabweichung; eine einsatzspezifische Kostenabwägung liefert er nicht.

Hinzu kommt eine einfache Kontrollregel: Eine Prüfung muss an einem bekannten Fehlfall zeigen, dass sie den Fehler erkennt. Ein Lauf ohne Treffer kann Erfolg bedeuten. Er kann auch bedeuten, dass nichts Passendes geprüft wurde (Kapitel 9.6).

4.4 Drei Regime der Unsicherheit

Nicht jede Unsicherheit ist von derselben Art, und der folgenschwerste Fehler eines Vertrauenssystems besteht darin, sie gleich zu behandeln. Es gibt drei Regime, und jedes verlangt eine andere Antwort.⁷

Das erste Regime ist das Risiko: eine Unsicherheit, der sich sinnvoll eine Wahrscheinlichkeit zuordnen lässt, weil man genug gleichartige Fälle kennt. Hier ist Kalibrierung die richtige Antwort — man sagt eine Zahl an und hält sie ein.

Das zweite Regime ist die Knight'sche Unsicherheit: eine Lage, in der es keine verlässliche Wahrscheinlichkeit gibt, weil der Fall neu, einzigartig oder die Datengrundlage zu dünn ist. Frank Knight hat diesen Unterschied 1921 gezogen — messbares Risiko auf der einen, echte Ungewissheit auf der anderen Seite —, und Daniel Ellsberg untersuchte später, wie Entscheidungen bei bekannten und mehrdeutigen Wahrscheinlichkeiten auseinanderfallen.⁸ Die richtige Antwort auf Knight'sche Unsicherheit ist nicht, eine Zahl zu erfinden. Sie ist das fail-closed: lieber keine Zahl als eine unbegründete. Eine erfundene 60-Prozent-Angabe, wo niemand die Wahrscheinlichkeit kennt, ist keine Information, sondern eine Lüge im statistischen Gewand.

Fail-closed heißt aber nicht stumm. Ein System, das schlicht nichts sagt, frustriert den Entscheider und verschenkt Wissen. Die richtige Form ist die informierte Enthaltung: Das System schweigt über die Zahl, wird aber gesprächig über den Kontext. Statt „keine Auskunft“ sagt es: „Eine belastbare Wahrscheinlichkeit lässt sich hier nicht berechnen; aber hier ist der Rand unseres Wissens — dieser Umstand fehlt, jene Quelle ist nicht verifiziert, diese Frage ist offen.“ Den genauen Rand des eigenen Wissens zu zeigen, ist selbst eine wertvolle juristische Information. Zwei Dinge sichern das ab. Erstens muss der aufgezeigte Kontext selbst belegt sein; man erfindet nicht die „fehlende höchstrichterliche Klärung“, man weist sie nach. Zweitens ist diese Enthaltung von der Darstellung echter Kontroverse zu unterscheiden, dem dritten Regime. Das gebaute System setzt eine solche Enthaltung an einer Stelle um (Stand September 2026): Trägt eine Norm kein Fassungsdatum und ist ihr gespeicherter Zeitwert erkennbar ein Serverstempel, gibt sein Auskunftswerkzeug kein Datum aus, sondern benennt den Grund — der gespeicherte Zeitwert sei der Einlesezeitpunkt, kein Rechtsstand. Ein vorhandenes, aber unbelegtes Fassungsdatum gibt es dagegen aus und kennzeichnet es als ohne Beleg.

Das dritte Regime ist die echte Kontroverse — der Fall, in dem nicht unser Wissen unsicher ist, sondern das Recht selbst unbestimmt. H. L. A. Hart hat dafür den Begriff der offenen Textur geprägt: Jede Rechtsregel hat einen Kern klarer Fälle und einen Randbereich, die Penumbra. Wie weit dort eine richtige Antwort bereits feststeht, ist rechtstheoretisch umstritten.⁹ Die Aufgabe des Werkzeugs bleibt, vertretene Positionen und ihre Gründe kenntlich zu machen. Eine Wahrscheinlichkeitszahl wäre hier ein Kategorienfehler, Schweigen eine Unterschlagung. Ehrlich ist allein die Sichtbarmachung der Unbestimmtheit: die vertretbaren Positionen mit ihren jeweiligen Stützen zu zeigen, statt sie in einen falschen Mittelwert zu zwingen. Ein Rechtsgraph, der die Penumbra als scheinbare Gewissheit ausgibt, verdeckt, dass hier noch zu entscheiden und nicht bloß nachzuschlagen ist.

Eine Zahl aus dem Risiko-Regime und eine Zahl aus einer verschleierten Kontroverse sehen gleich aus und meinen Gegensätzliches. Der Graph muss deshalb nicht nur eine Konfidenz führen, sondern auch das Regime, aus dem sie stammt.

Vom Unsicherheitsregime ist der Prüfstatus zu unterscheiden. Ist eine Quelle nicht erreichbar oder eine Zuordnung nicht nachvollziehbar, lautet der Status nicht prüfbar — mit dem konkreten Grund. Eine solche Zeile darf nicht als bestandene Prüfung gezählt werden. Der Status bezeichnet ein Hindernis der Prüfung; er ist kein viertes Regime rechtlicher Unsicherheit.

4.5 Schrödingers Katze — mit der gebotenen Vorsicht

Schrödingers Katze ist ein bekanntes Bild für das Problem, einen unbestimmten Zustand zu beschreiben.¹⁰ Für die Prüfung einer Rechtsauskunft hilft die Unterscheidung ohne physikalische Analogie: Fehlt dem System Wissen über eine vorhandene Quelle, ist das eine andere Lage als eine dokumentierte rechtliche Kontroverse. Unbekannt ist nicht unbestimmt.

Ob im Streitfall schon vor der Entscheidung genau eine richtige Rechtsantwort besteht, bleibt zwischen den in Abschnitt 4.4 genannten Theorien umstritten. Ein Bild aus der Physik entscheidet diesen Streit nicht.

4.6 Was das Maß nicht ist

Gemessen wird die Vertrauenswürdigkeit von Aussagen und ihren Stützen — niemals die Vertrauenswürdigkeit von Personen. Der Graph darf einer Norm, einer Fundstelle, einer Beleg-Kette eine Konfidenz zuschreiben; er darf keinem Richter, keiner Partei, keinem Anwalt eine Vertrauensnote geben. Wo aus dem Verhalten auf Präferenzen geschlossen wird — wie es die Ökonomie mit dem Begriff der offenbarten Präferenz tut —, ist das eine strukturelle Zuschreibung aus beobachtbaren Entscheidungen, keine psychologische Vermessung von Motiven.¹¹ Ein Maßband, das anfinge, Menschen zu benoten, verließe den Boden der Erkenntnisinfrastruktur und würde zum Überwachungsinstrument — genau die Grenze, die Goldmans veritistischer Maßstab aus Kapitel 2 markiert.

4.7 Übergang: messen ist nicht zertifizieren

Ein Messbericht beschreibt die geprüfte Fassung, die Prüfmenge, das Verfahren und das Ergebnis. Eine Zusicherung an Nutzer braucht zusätzlich einen klaren Umfang: Welche Eigenschaft gilt unter welchen Bedingungen als geprüft, und wann verliert diese Aussage ihre Grundlage? Diese Frage führt vom Messergebnis zur Freigabe.

Kapitel 5 · Man zertifiziert nur, was man beweisen kann

5.1 Zwei verschiedene Sprechakte

Messen ist nicht zertifizieren. Das klingt nach Wortklauberei und entscheidet doch über die Redlichkeit des ganzen Systems. Wer misst, gibt eine Aussage über den Ist-Zustand: „Bei den geprüften Fällen lag die Trefferquote bei 88 Prozent, mit dieser Fehlergrenze.“ Eine solche Aussage kann sich als falsch erweisen; dann korrigiert man sie. Wer zertifiziert, gibt ein Versprechen an Dritte: „Verlassen Sie sich darauf, diese Eigenschaft ist verbürgt.“ Ein falsches Versprechen korrigiert man nicht — man bricht es.

Ein Zertifikat richtet sich an jemanden, der auf seiner Grundlage handeln wird — an die Reliance, das letzte Glied der Warrant-Kette aus Kapitel 2. Deshalb wiegt es schwerer als jede Messung. Eine Messzahl bleibt im Haus; ein Zertifikat tritt hinaus und nimmt Verantwortung mit. Wo sich Menschen in eigenen Angelegenheiten auf eine Rechtsauskunft stützen, ist ein zu weit gehendes Zertifikat mehr als ein Fehler — es kann Haftungsfragen auslösen; deren Voraussetzungen sind gesondert zu prüfen. Die Grundregel lautet deshalb schlicht: Zertifiziere nie mehr, als du beweisen kannst — und sage klar, wo der Beweis endet.

5.2 Was ein ehrliches Zertifikat ist: der Assurance Case

Die sicherheitskritischen Ingenieurwissenschaften — dort, wo Zertifikate über Menschenleben entscheiden — haben dafür eine Form entwickelt, die sich übertragen lässt: den Assurance Case. Er besteht aus drei Teilen und einer eingebauten Selbstkritik. Eine Behauptung (etwa: „die Provenienz dieser Kante ist belastbar“) wird durch ein Argument gestützt, das Argument gründet in Evidenz — und das Ganze bleibt ausdrücklich offen für Defeater, also für Umstände, unter denen die Behauptung fiele.¹

Man erkennt darin Toulmins Stützung aus Kapitel 2 wieder, nun als Bauform eines Zertifikats, und die Defeasibility des juristischen Schließens: So wie eine rechtliche Schlussfolgerung unter einem Einwand zusammenbricht, nennt ein ehrliches Zertifikat die Bedingungen seines eigenen Scheiterns. Ein Zertifikat, das nur sagt, was es verbürgt, aber verschweigt, wann es nicht mehr gilt, ist kein Assurance Case, sondern Werbung.

5.3 Warum ein Zertifikat nie „beweist“

Über diesem Kapitel steht das Wort „beweisen“, und es ist Zeit, mit ihm ehrlich zu sein. Im strengen Sinn beweist ein empirisches Zertifikat gar nichts. Karl Popper hat gezeigt, dass sich ein allgemeiner Satz durch noch so viele bestätigende Fälle nicht verifizieren, sondern nur bewähren lässt — er übersteht Prüfungen oder scheitert an ihnen, aber „bewiesen für alle Zukunft“ wird er nie.² Pierre Duhem und später Willard Van Orman Quine haben gezeigt, dass keine Prüfung je eine einzelne Annahme isoliert trifft: Man prüft immer ein Bündel von Voraussetzungen zugleich, und ein Fehlschlag sagt nicht, welche von ihnen schuld war.³

Daraus folgt keine Resignation, sondern eine Haltung. Ein Zertifikat sagt nicht „bewiesen“, sondern „hat diese Prüfungen unter diesen Bedingungen bestanden“ — und es bleibt widerruflich, wenn neue Fälle es widerlegen. Es ist eine befristete Bewährung, kein ewiger Freispruch. Wer „geprüft“ mit „für immer sicher“ verwechselt, verspricht wieder mehr, als er halten kann — nur diesmal mit einem Siegel darauf.

5.4 Keine Selbst-Zertifizierung

Für dieses Vorhaben gilt: Der Erbauer entscheidet nicht allein über die Abnahme seiner Arbeit. Konformitätsbewertung unterscheidet Erklärungen des Herstellers, Prüfungen durch Kunden und Zertifizierung durch unabhängige Dritte.⁴ Das sind unterschiedliche Beziehungen zum Prüfgegenstand, keine automatische Rangfolge jeder denkbaren Prüfung. Auch ein Erbauer kann wichtige Fehler finden. Für eine unabhängige Freigabe müssen jedoch Prüfkriterien, Referenzen und Entscheidung gegen seine blinden Flecken abgesichert sein.

Diese Anforderung ist organisatorisch zu begründen; die philosophischen Analogien aus Kapitel 3 ersetzen den Nachweis nicht. Die Konsequenz ist die externe Kalibrierung: Die Prüfung, ob der Graph vertrauenswürdig ist, muss von außerhalb des Hauses kommen — mit unabhängigen Referenzen, dokumentierten Prüfverfahren und einer getrennten Abnahmeentscheidung. Ein anderes Modell kann helfen, genügt dafür aber nicht allein. Ein Modell, das seine eigenen Belege bewertet, führt eine Selbstunterhaltung und nennt sie Prüfung.

Zwei weitere Regeln gehören dazu. Erstens muss die Prüfung an echte Außenwelt-Ergebnisse gebunden sein — an nachprüfbare rechtliche Tatsachen, nicht an die innere Widerspruchsfreiheit des Systems; sonst misst man nur, wie gut das System mit sich selbst übereinstimmt, und nennt Konsistenz fälschlich Wahrheit. Zweitens muss diese Bindung dauerhaft sein und darf nicht mit der Zeit zu einer bequemeren, systemnäheren Ersatzgröße abdriften — eine Gefahr, die jeder Kennzahl droht, die lange genug optimiert wird. Die externe Kalibrierung ist kein einmaliger Stempel, sondern eine stehende Einrichtung.

Eine Grenze dieser Bindung ist mitzudenken. Im dritten Regime der Unsicherheit, der echten rechtlichen Kontroverse (Kapitel 4.4), gibt es das eine Außenwelt-Ergebnis noch nicht: Die vertretenen Antworten sind streitig; eine spätere autoritative Entscheidung liefert einen weiteren prüfbaren Bezugspunkt. Wogegen also kalibriert man die Darstellung einer Kontroverse? Gegen prüfbare Meta-Tatsachen: ob die gezeigten Positionen tatsächlich vertreten werden, ob ihre Fundstellen tragen, und — sobald eine höchstrichterliche Klärung vorliegt — ob die spätere Spruchpraxis so ausfiel, wie das System die Streitlage abgebildet hatte. Gemessen wird dort die Redlichkeit der Abbildung, nicht die Richtigkeit einer vorweggenommenen Antwort.

Die Selbst-Zertifizierung hat eine stillere Schwester, und sie ist in der gebauten Instanz dreimal aufgetreten, bevor sie einen Namen bekam. Ein System kann seine Provenienz vorbildlich führen — jede Kante trägt Herkunft, Methode und Konfidenz — und trotzdem unkalibriert sein, wenn niemand diese Angaben abfragt. Der erste Fall: Der Graph führte 1.355.442 Zuordnungen zu Rechtsgebieten, und jede einzelne war korrekt als abgeleitet gekennzeichnet — Methode: Klassifizierer, Konfidenz: mittel, Wahrheitswert: nicht bestätigt. Die redaktionell geprüfte Zuordnung des Vorgängersystems, über eine Million Zeilen, lag daneben und war nie übernommen worden. Das System hatte nicht gelogen; es hatte es gesagt, in einem Feld, das niemand las.⁵ Der zweite Fall: 9.636 Texte, im Lieferschein zutreffend als maschinell erzeugt, geprüft und rund 960 Zeichen lang ausgewiesen — jede Angabe belegbar. Als Kommentarbestand geprüft worden waren sie laut der internen Meldung bis dahin nicht. Es waren Werkstattnotizen über den eigenen Datenbestand, keine Kommentare, und ihr zweiter Absatz stand 9.636-mal wortgleich. Der dritte Fall steht in Kapitel 3: eine Zahl, gemessen und vorhanden, deren Herleitung sechs Wochen lang niemand nachfuhr.

Die drei Fälle sind eine Klasse. Korrekte Metadaten erzeugen Vertrauen, das sie nicht decken, solange niemand sie liest. Der Schutz lag jedes Mal an der richtigen Stelle und wirkte nicht, weil er nicht ausgewertet wurde. Das System hatte hingesehen und es aufgeschrieben. Daraus folgt eine Regel, die in der Konformitätsbewertung nicht steht, weil sie dort als selbstverständlich gilt: Eine Provenienz ist erst dann Teil der Qualität, wenn ihre Auswertung Teil des Betriebs ist. Ein Feld mit dem Wahrheitswert nicht bestätigt, das nie gefiltert wird, ist keine Vorsichtsmaßnahme; es ist eine Vorsichtsmaßnahme in einem Schrank.

Die Forschung an großen Bildmodellen kennt den Fall in anderer Gestalt. In den Aufmerksamkeitskarten der Vision Transformer standen helle Flecken an leeren Bildstellen, für die es keinen erkennbaren Grund gab. Dann stellte sich heraus, dass die Modelle sich dort Rechenregister angelegt hatten, weil ihnen niemand welche gegeben hatte. Die Karten hatten es die ganze Zeit angezeigt.⁶

5.5 Die schärfste Dimension und der Ausbaustand bei Veröffentlichung

Die Tragfähigkeit eines Zitats verlangt eine inhaltliche Prüfung: Welche Passage stützt welche Aussage? Dafür reichen ein existierender Verweis, ein thematisch passendes Urteil und ein plausibles Datum nicht. Von dieser Prüfung ist die Frage zu trennen, ob das Modell die Quelle tatsächlich beim Erzeugen der Antwort verwendet hat.⁷

ALCE prüft Zitatstützung mit Textfolgerungsmodellen; ClaimRAG-LAW untersucht einzelne Behauptungen an französischen und englischen Rechtsquellen.⁸ Solche Verfahren leisten mehr als eine Existenzprüfung. Ihre Güte für deutsche Rechtsauskünfte und für die hier untersuchte Instanz folgt daraus noch nicht.

Zum Zeitpunkt der Veröffentlichung dieses Bandes (15. Oktober 2026) umfasst die untersuchte Instanz des Legal Knowledge Graph 927.584 Knoten und 1.981.335 Kanten — darunter 201.344 Rechtsprechungs-Entscheidungen (89.205 Entscheidungen des Bundesgerichtshofs, 13.797 des Bundesverfassungsgerichts, 77.781 der übrigen Bundes- und Instanzgerichte sowie 20.561 des Europäischen Gerichtshofs), 106.034 Norm-Knoten aus 2.660 Bundesgesetzen, 580.728 Randziffer-Knoten und 39.478 Rechtsbegriffe — sowie auf den angebundenen Sichtbarkeitsflächen 4.145 verifizierte Anwaltsprofile, 2.248 Ortstexte und 1.562 Gerichtstexte. Für die inhaltliche Zitatrichtung führt der Graph zum Stichtag 6.161 semantisch klassifizierte CITES-Kanten über sechs Relationstypen (BESTAETIGT: 4.661, FORTENTWICKELT: 605, SCHRAENKT_EIN: 358, DISTANZIERT: 344, OFFEN_GELASSEN: 144, AUFGEGEBEN: 49), von denen 4.863 Kanten (78,9 Prozent) auf eine explizite Ziel-Randziffer (target_rz) verweisen.

Die Freigabegrenze dieses Buches bleibt trotz dieses Ausbaus unverändert streng: Die semantische Klassifikation und der Randziffer-Anker im Graphen verorten die Beziehung zwischen zwei Entscheidungen, ersetzen aber noch keine unabhängig abgenommene Prüfung frei erzeugter deutscher Rechtsaussagen auf Satz-für-Satz-Zitatstützung. Daraus folgt keine weltweite Behauptung, dass ein entsprechender Datensatz oder ein Verfahren nirgends existiert. Vorläufige Messungen müssen ihren Gegenstand und ihre Grenzen nennen. Eine Zusicherung über durchgängig tragende Zitate wäre ohne den entsprechenden externen Nachweis zu weitgehend.

5.6 Ehrlichkeit in Stufen: die Freigabestufen

Bliebe es bei diesem Eingeständnis, wäre das System ehrlich, aber gelähmt: Weil das Höchste noch fehlt, dürfte man gar nichts sagen. Ehrlichkeit lässt sich aber staffeln. Das leisten Freigabestufen — ein gestuftes Modell, in dem jede Stufe nur verbürgt, was auf ihr bewiesen ist, und ausdrücklich benennt, was sie nicht verbürgt.⁹

Auf der untersten Stufe steht das rohe, ungeprüfte Material: vorhanden, aber ohne jede Zusicherung. Darüber wachsen die Stufen mit dem, was sich beweisen lässt — nachgewiesene Provenienz, geprüfte Aktualität, kalibrierte Konfidenz, konsistente Struktur. Die höchste Stufe, die die volle Zitatstützung verbürgte, ist heute nicht erreichbar — und das System sagt das. Es hat eine sichtbare Decke, und die Decke ist Teil des Zertifikats. Der Nutzer erfährt nicht nur, was gesichert ist, sondern auch, wie hoch die Sicherung überhaupt reicht.

Diese Bauform hat einen alten Namen im Recht. Lon Fuller hat zu den inneren Prinzipien einer Rechtsordnung die Kongruenz gezählt — die Übereinstimmung zwischen dem, was eine Regel verspricht, und dem, was tatsächlich geschieht.¹⁰ Ein Zertifikat, das mehr verspricht, als es einlöst, verfehlt den hier aus Fuller abgeleiteten Maßstab. Die Freigabestufen sind Kongruenz, in eine Datenarchitektur übersetzt: Was das Siegel sagt und was das System liefert, sollen dasselbe sein.

5.7 Übergang: von der Behauptung zur Wirkung

Die Anforderungen verschärfen sich, wenn eine Auskunft nicht nur einen Normtext beschreibt, sondern Folgen einer Entscheidung behauptet. Dann muss der Beleg zusätzlich eine empirische Verbindung tragen. Die bloße Möglichkeit, zwei Knoten im Graphen zu verbinden, beweist noch keine Wirkung.

Kapitel 6 · Die Architektur der Wirkung

6.1 Die verlockendste und die gefährlichste Verheißung

Eine mögliche Wirkungskette dient als Prüfbeispiel: Der Ankauf von Vermögenswerten könnte deren Preise beeinflussen; steigende Preise könnten den Mietdruck erhöhen; unter weiteren Bedingungen könnte das Menschen aus ihren Wohnungen verdrängen. Die Kette endet bei einer schweren möglichen Folge: Obdachlosigkeit.

Hier ist damit keine dieser Verbindungen empirisch nachgewiesen. Jeder Pfeil verlangt eigene Quellen, einen Geltungsbereich und die Prüfung anderer Ursachen.

Wer eine solche Kette sichtbar machen kann, gibt Entscheidern — Richtern, Gesetzgebern, Verwaltungen — ein mächtiges Werkzeug in die Hand: Sie sähen mögliche Folgen ihres Tuns, bevor sie handeln. Das ist die verlockendste Verheißung dieses Buches und zugleich die gefährlichste. Denn jeder Pfeil dieser Kette ist etwas anderes als ein Rechtssatz. „§ 573 BGB gilt“ ist eine Geltungsaussage; „Anleihekäufe treiben die Mieten“ ist eine empirische Behauptung — mehrfach verursacht, umstritten, wertgeladen. Wer sie mit der gleichen Autorität in den Graphen schriebe wie eine Norm, würde Streitbares als Faktum ausgeben und genau die Glaubwürdigkeit zerstören, die den Graphen wertvoll macht. Die Antwort ist weder Begeisterung noch Verweigerung, sondern Disziplin in Gestalt von drei Trennungen. Ihr Grundsatz: Der Graph informiert über mögliche Wirkungen — attribuiert und widerlegbar —; er wertet und entscheidet nicht.

6.2 Erste Trennung: Fakt ist nicht Behauptung

Die erste Trennung betrifft den Status der „Tatsachen“ in der Wirkungskette. In der Welt der Normen gibt es feste Fundstellen. In der Welt der Wirkungen gibt es sie selten. Dass Anleihekäufe die Vermögenspreise treiben, ist keine abgeschlossene Wahrheit, sondern eine Behauptung, die jemand auf einer bestimmten Grundlage aufstellt und die ein anderer mit guten Gründen bestreitet. Ein Graph, der solche Sätze wie Fakten führt, verwechselt eine umkämpfte These mit einem Messwert.

Die richtige Bauform speichert jeden Wirkungs-Fakt deshalb nicht als Behauptung des Systems, sondern als attribuierte und widerlegbare Aussage: Wer sagt das? Auf welcher Grundlage? Offen für welchen Einwand? Die formale Maschinerie dafür ist längst entwickelt, und zwar bezeichnenderweise im Umfeld des juristischen Schließens. Die abstrakte Argumentationstheorie modelliert Aussagen als Argumente, die einander angreifen können, und bestimmt, welche Mengen von Argumenten gemeinsam haltbar sind.¹ Die strukturierte Argumentation baut das für das Recht aus: Sie unterscheidet strikte von widerlegbaren Regeln und kennt verschiedene Angriffsarten — das Widerlegen der Konklusion, das Untergraben einer Prämisse, das Aushebeln der Schlussregel selbst.² Und eigene Auszeichnungssprachen für widerlegbares Rechtswissen erlauben es, jede Aussage mit ihrer Quelle, ihrem Kontext und ihrer Anfechtbarkeit zu versehen.³

Die Wirkungs-Schicht erbt damit die Defeasibility, die schon beim juristischen Argument (Kapitel 2) und beim Zertifikat (Kapitel 5) auftrat: Ein Wirkungs-Fakt ist nie „wahr im Graphen“, sondern „behauptet von, gestützt auf, angreifbar durch“. So wird der häufigste Fehler abgewehrt — die stille Verwandlung einer streitigen empirischen These in eine scheinbare Systemtatsache.

6.3 Zweite Trennung: nicht jede Kausalität ist dieselbe

Die Pfeile zwischen den Gliedern — „treibt“, „erhöht“, „drängt“ — behaupten Kausalität, und Kausalität gibt es in drei sehr verschiedenen Stärken, die man im Alltag vermengt. Judea Pearl hat sie als Leiter der Kausalität mit drei Sprossen geordnet.⁴

Die unterste Sprosse ist die Beobachtung: Zwei Größen bewegen sich gemeinsam — Vermögenspreise und Mieten steigen im Gleichlauf. Das ist Korrelation, nicht mehr. Die mittlere Sprosse ist der Eingriff: Wenn die Zentralbank Vermögen ankauft, dann steigen die Mieten — eine Aussage über die Folgen eines Handelns, nicht bloß über ein Zusammentreffen. Die oberste Sprosse ist die Kontrafaktik: Hätte sie nicht angekauft, wären die Mieten niedriger geblieben — eine Aussage über eine nicht eingetretene Welt. Viele Wirkungsbehauptungen des Alltags stehen auf der untersten Sprosse und tun so, als stünden sie auf der mittleren oder oberen. Man sieht einen Gleichlauf und redet, als habe man einen Eingriffseffekt gemessen.

Für den Graphen folgt daraus eine Pflicht: Jede kausale Kante muss nach ihrer Sprosse typisiert sein und die Belastbarkeit dieser Typisierung mitführen. Echte Eingriffs- oder Kontrafaktik-Aussagen verlangen Interventionsdaten oder ein glaubwürdiges Modell; sie sind selten und umstritten. Hier verrichtet der Kalibrierungs-Apparat aus Kapitel 4 seine eigentliche Arbeit: Die Konfidenz einer Kausal-Kante sagt nicht bloß „wie sicher“, sondern „auf welcher Sprosse und in welchem Geltungsbereich“. Denn selbst ein sauber gemessener Eingriffseffekt trägt nicht beliebig weit. Nancy Cartwright hat gegen einen zu glatten Kausaloptimismus daran erinnert, dass Ursachen heterogen sind und ein Befund aus einem Kontext sich nicht ungeprüft in einen anderen übertragen lässt — „no causes in, no causes out“.⁵ Eine kausale Kante ohne angegebenen Geltungsbereich ist deshalb so unehrlich wie eine Sicherheitszahl ohne Fehlergrenze.

Diese Pflicht hat eine Kehrseite, die aus einer scheinbaren Schwäche eine Stärke macht. Weil kontrollierte Interventionsdaten in Makroökonomie und Rechtspraxis selten sind, wird ein großer Teil der Wirkungs-Kanten auf der untersten Sprosse stehen bleiben. Ein Graph, der jede Kante ehrlich nach ihrer Sprosse ausweist, macht gerade dadurch eine verbreitete unbegründete Kausalgewissheit sichtbar. Wo eine feste Ursache-Wirkungs-Kette unterstellt wird, der Graph aber zeigt, dass die Behauptung nur auf einem historischen Gleichlauf ruht, leuchtet er einen blinden Fleck aus. Eine Kante, die einen Eingriffs-Effekt behauptet, aber nur auf Beobachtungs-Evidenz steht, ist ein misgrounded kausaler Beleg — dieselbe Struktur wie das Zitat aus Kapitel 1, das existiert, aber die Aussage nicht trägt, nur eine Sprosse höher. Eine Grenze ist dabei streng einzuhalten: Fehlende Eingriffsdaten beweisen nicht die Abwesenheit einer Ursache — das wäre ein Argument aus der Unwissenheit. Der Graph zeigt nur, dass eine Gewissheit auf ihrer behaupteten Sprosse unbelegt ist, nicht, dass es keine Wirkung gibt. Der Befund bleibt überprüfbar: Welche Wirkung wird behauptet, und welche Art von Evidenz trägt sie?

6.4 Dritte Trennung: aus dem Sein folgt kein Sollen

Am Ende der Kette steht das Wort „Obdachlosigkeit“, und mit ihm regt sich das Urteil: Das ist nicht hinnehmbar. Dieses Urteil ist verständlich — aber es ist kein Fakt und keine kausale Aussage. Es ist eine Wertung. David Hume hat den Graben benannt, der hier verläuft: Aus Sätzen darüber, was ist, folgt niemals allein ein Satz darüber, was sein soll; der Übergang bedarf stets einer zusätzlichen, wertenden Prämisse, die nicht aus der Beobachtung stammt.⁶

Für den Graphen ist das die schärfste Selbstbeschränkung. Er kann eine behauptete Verbindung zu Obdachlosigkeit mit ihren Quellen und Grenzen darstellen — das ist die Sache der Fakten und der typisierten Kausalität. Er kann nicht daraus ableiten, dass die Entscheidung deshalb falsch oder verboten ist. Dieser letzte Schritt — von der möglichen Folge zum „unannehmbar“ — ist eine menschliche Wertung. Ihn dem Graphen zu überlassen, hieße Humes Graben zu überspringen und das Rechtssystem zum politischen Akteur zu machen. Die Wertung gehört deshalb nicht als Systemtatsache in den Graphen. Sie wird einem menschlichen Betrachter zugeschrieben und als dessen Wertung ausgewiesen. Dort, wo aus dem „ist“ des Graphen das „soll“ des Menschen wird, muss die Naht sichtbar bleiben.

6.5 Die drei Schichten am Beispiel

Führt man die Kette des Beispiels durch die drei Trennungen, wird aus einer suggestiven Parole eine ehrliche Analyse. Der Knoten „Vermögenspreis-Inflation“ ist kein Systemfaktum, sondern eine attribuierte, widerlegbare Aussage — behauptet von bestimmten Ökonomen, gestützt auf bestimmte Daten, bestritten von anderen. Die Kante „Anleihekäufe → Vermögenspreis-Inflation“ ist eine Eingriffs-Behauptung mit umstrittener Belastbarkeit und einem begrenzten Geltungsbereich (welche Marktlage, welcher Zeitraum). Für die weiteren Kanten — „Vermögenspreise → Mietdruck → Verdrängung → Obdachlosigkeit“ — ist gesondert zu prüfen, welche Beobachtungen und Modelle sie stützen. Ihre Stärke und ihr Geltungsbereich lassen sich nicht aus ihrer Position in der Kette ablesen. Und der Schlusssatz „Obdachlosigkeit ist unannehmbar“ ist eine Wertung, die dem entscheidenden Menschen zugeschrieben wird, kein Faktum des Systems.

Das Ergebnis ist nicht weniger, sondern mehr. Der Entscheider sieht die Kette — und dazu, wie belastbar jedes Glied ist, auf welcher Sprosse es steht, wie weit es trägt und an welcher Stelle die Wertung liegt, die er zu verantworten hat. Der Graph hat ihm nichts abgenommen und nichts vorgeschrieben. Informieren, ohne zu werten; zeigen, ohne zu entscheiden.

6.6 Die Auswahl ist selbst eine Setzung

Ein tiefer gehender Einwand bleibt. Die drei Trennungen disziplinieren, was der Graph mit den Ergebnissen tut — aber schon die Frage, welche Variablen und welche Pfeile überhaupt aufgenommen werden, ist eine Setzung. Wer entscheidet, dass „Anleihekäufe → Mieten“ eine erwägenswerte Kette ist und „Mietpreisbremse → Wohnungsknappheit“ nicht? Diese Auswahl ist nie wertfrei. Die Forschung zu Klassifikationen hat gezeigt, dass jede Kategorie und jeder Standard eine Sichtweise bevorzugt und eine andere zum Schweigen bringt, und dass statistische Größen gesellschaftliche Wirklichkeit nicht nur abbilden, sondern mitkonstruieren.⁷ Die Landkarte ist nicht das Gebiet.

Die Antwort ist deshalb nicht der Anspruch wertfreier Neutralität — den gäbe es nicht, und ihn zu behaupten wäre unehrlich. Die Antwort ist ontologische Transparenz und Modell-Pluralismus: Der Entwurf legt offen, dass die Auswahl der Wirkungsketten eine Setzung ist, und er trägt konkurrierende Modelle nebeneinander — die kausalen Annahmen des Neoklassikers neben denen des Keynesianers, jeweils als eigener, sauber attribuierter Teilgraph. Nicht Neutralität, sondern die Sichtbarmachung der Nicht-Neutralität ist der Gewinn.

Eine Schranke sichert das gegen den nächstliegenden Missbrauch. Modell-Pluralismus darf nicht zur falschen Ausgewogenheit werden, in der ein Randmodell und das herrschende Modell gleichgewichtig nebeneinanderstehen. Jeder konkurrierende Teilgraph trägt deshalb seine eigene Evidenz-Belastbarkeit mit — Sprosse, Geltungsbereich und Reliabilität aus Abschnitt 6.3. Der Graph sagt nicht „alle Modelle sind gleich gut“, sondern „hier sind die konkurrierenden, attribuierten Modelle, mit ihrer je eigenen Stütze“. So bleibt der veritistische Maßstab aus Kapitel 2 gewahrt: Pluralität, nicht Beliebigkeit.

6.7 Was diese Architektur verhindern soll — und was sie ermöglicht

Die drei Trennungen richten sich gegen drei typische Fehler der Wirkungsanalyse: umstrittene Empirie als Rechtstatsache auszugeben, bloße Korrelation als Ursache auszuweisen und das System selbst werten zu lassen. Sie benennen dafür den Status der Aussage, die Art ihrer empirischen Stützung und die zusätzliche Wertung. Verhindert ist damit noch nichts: Eine Bezeichnung allein hält keinen Fehler auf. Dafür braucht es Quellen, Prüfung und einen Betrieb, der die Grenzen auch auswertet.

Im Ergebnis soll ein Entscheider nachvollziehen können, welche möglichen Folgen belegt sind und welche normativen Prämissen in eine Bewertung eingehen. Die Auswahl dieser Prämissen und die Verantwortung für die Entscheidung bleiben ihm zugeordnet.

Kapitel 7 · Die Brücke zwischen Mensch und Graph

7.1 Die Naht

Der Graph stellt begründete Aussagen über mögliche Folgen dar; ob eine Folge „unannehmbar“ ist, entscheidet der Mensch. Genau dort, wo aus dem ist des Graphen das soll des Menschen wird, verläuft eine Naht — und die Versuchung ist groß, sie zu übermalen. Ein System, das schon so viel weiß, könnte doch gleich mitsagen, was zu tun ist. Genau darin liegt die Gefahr.

Die Naht ist kein Mangel, den man verstecken müsste. Sie ist das ehrlichste Merkmal des Systems. Was auf der menschlichen Seite bleibt, ist die Letztverantwortung, und sie ist nicht delegierbar, an niemanden und an nichts. Ein Werkzeug, das die Grenze zwischen dem, was es weiß, und dem, was der Mensch zu verantworten hat, sichtbar hält, entmündigt nicht — es befähigt. Offen ist, wie man diese Naht konstruiert: Wie fängt man die Wertung des Menschen ein, macht sie transparent und schreibt sie ihm zu, ohne dass der Graph sie verschluckt und ohne dass sie im Ungefähren bleibt? Die Antwort hat zwei Teile — eine Brücke und drei Schranken.

7.2 Alexys Gewichtsformel: eine Brücke, die das Recht schon gebaut hat

Man könnte meinen, die Verbindung von gemessener Empirie und menschlicher Wertung sei ein neues Problem. Sie ist es nicht. Eine einflussreiche Theorie der juristischen Abwägung — Robert Alexys Gewichtsformel für die Kollision von Rechtsprinzipien — hat die entscheidende Trennung bereits vollzogen. In ihr wird das Gewicht eines Prinzips im konkreten Fall aus drei Größen bestimmt: der Intensität des Eingriffs, dem abstrakten Gewicht des Prinzips und der Reliabilität der empirischen Annahmen darüber, wie intensiv der Eingriff tatsächlich ausfällt.¹

Diese Dreiteilung enthält bereits den Ort, an dem der Graph beitragen darf — und den, an dem er schweigen muss. Zur Intensität kann der Graph beitragen: Wie stark eine Maßnahme in ein Gut eingreift, ist zu einem guten Teil eine empirische Frage. Zur Reliabilität kann er unmittelbar beitragen: Sie ist die Belastbarkeit der empirischen Prämisse — genau der Konfidenz- und Sprossen-Apparat aus den Kapiteln 4 und 6. Das abstrakte Gewicht aber — wie schwer ein Prinzip an sich wiegt — ist eine Wertung, und sie bleibt beim Menschen.

Ein Beispiel: Ob eine Versammlung verboten werden darf, um eine Infektionswelle zu bremsen, hängt nicht nur davon ab, wie schwer Versammlungsfreiheit und Gesundheitsschutz an sich wiegen — das ist die Wertung —, sondern auch davon, wie verlässlich die Annahme ist, dass gerade diese Versammlung das Infektionsgeschehen treibt. Diese zweite Größe ist empirisch, und sie kann der Graph mit seiner Kausal-Typisierung und seiner Kalibrierung liefern. Die Brücke hat das Recht also selbst schon entworfen: Der Graph kann die empirische Grundlage für Intensität und Reliabilität bereitstellen. Die Bewertung der Eingriffsintensität und das abstrakte Gewicht bleiben Teil der verantworteten juristischen Abwägung.

Die Brücke darf nicht mehr versprechen, als sie hält. Alexys Formel ist umstritten. Jürgen Habermas hat gegen das Abwägen eingewandt, es setze Rechte einem irrationalen Auf- und Abrechnen aus und nehme ihnen ihre deontologische Härte; andere haben die Unvergleichbarkeit der Größen und die Scheingenauigkeit des Rechnens gerügt.² Deshalb wird hier nicht die Arithmetik übernommen. Kein System kann einen Wert ausrechnen. Übernommen wird allein die strukturelle Trennung der Variablen — die Einsicht, dass die Reliabilität der empirischen Prämisse eine eigene, messbare Größe ist, die sich von der Wertung scheiden lässt. Diese eine Größe gehört dem Graphen; die Wertung nie.

7.3 Die Wertung sichtbar machen

Wenn die Wertung beim Menschen bleibt, darf sie nicht im Nebel eines pauschalen „das ist unannehmbar“ verschwinden. Sie muss erfasst, aufgeschlüsselt und zugeschrieben werden. Dafür braucht es ein eigenes Werkzeug neben dem Graphen: eine Bewertungsanwendung — hier als Entwurf beschrieben, nicht als gebautes System —, in der der Mensch seine Wertung ausspricht und das System sie festhält, ohne sie sich zu eigen zu machen. Sie führt nicht Fakten über Normen, sondern die Wertungen von Menschen — streng getrennt von der faktenführenden Schicht, damit das eine nie als das andere ausgegeben wird.

Statt dass der Graph erklärt, „Obdachlosigkeit ist unannehmbar“, fragt die Anwendung den Menschen differenziert: Was genau ist unannehmbar — die Obdachlosigkeit als solche? Ihr Ausmaß? Ihre Verteilung? Ihre Unumkehrbarkeit? Und sie hält die Antwort als Wertung dieses Menschen fest, mit Urheber, Grundlage und Zeitpunkt. Aus einem diffusen Gefühl wird eine strukturierte, überprüfbare Wertaussage.

Eine erfasste Wertung kann von ihrem Urheber revidiert werden — nach der Disziplin des dritten Kapitels, dem Aufheben statt Löschen. Welche frühere Wertung mit welchen personenbezogenen Angaben aufbewahrt werden darf, verlangt allerdings eine eigene Regel für Zweck, Zugriff und Löschung. Revidierbarkeit ist keine Pflicht zur unbegrenzten Speicherung. So wird die Brücke wechselseitig: Der Graph reicht dem Menschen Intensität und Reliabilität, der Mensch reicht dem Graphen sein Gewicht. Die Wertung ist im System, aber sie ist nie die Wertung des Systems.

7.4 Erste Schranke: kein Personen-Scoring

Damit diese Brücke nicht zur Falle wird, braucht sie drei Schranken, und die erste ist die härteste. Bewertet werden Aussagen, Folgen und Entscheidungen — niemals Personen. Die Anwendung darf festhalten, dass eine bestimmte Entscheidung eine bestimmte Folge haben kann, die ein bestimmter Betrachter als unannehmbar wertet. Sie darf nicht einem Richter, einer Partei, einem Amtsträger eine Vertrauens- oder Gesinnungsnote geben.

Der Grund ist derselbe, der schon das Maßband band (Kapitel 4.6). Wo aus beobachtetem Verhalten auf Präferenzen geschlossen wird, ist das eine strukturelle Zuschreibung aus offenliegenden Entscheidungen — keine psychologische Vermessung eines Menschen und keine Unterstellung von Motiven.³ Man darf sagen: „Diese auf Aktenlage getroffene Entscheidung erzeugt diese Folge, die dieser Betrachter so wertet.“ Man darf nicht sagen: „Dieser Richter ist unzuverlässig“ oder „Diese Partei handelt aus niederen Beweggründen.“

7.5 Zweite Schranke: keine Ent-Differenzierung

Die zweite Schranke ist weniger sichtbar, aber nicht weniger wichtig. Ein Werkzeug, das Folgen zeigt, ist nur einen Schritt entfernt von einem Werkzeug, das vorschreibt, welche Folgen hinzunehmen sind — und dieser Schritt zerstört die Unterscheidung zwischen Recht und Politik. Niklas Luhmann hat beschrieben, wie moderne Gesellschaften ihre Leistungsfähigkeit der funktionalen Differenzierung verdanken: Das Rechtssystem operiert nach seinem eigenen Code und nicht nach dem der Politik oder der Wirtschaft.⁴ Ein Rechtsgraph, der selbst zu werten und zu entscheiden anfinge, machte sich zum politischen Akteur und verspielte die Rollentrennung, die ihn vertrauenswürdig macht.

Gunther Teubner hat für die richtige Rolle einen Begriff geprägt: das reflexive Recht.⁵ Reflexives Recht schreibt nicht die inhaltliche Antwort vor, sondern strukturiert das Verfahren, in dem die Beteiligten selbst zu ihrer Antwort finden. Das ist die Bestimmung des Graphen in der Wirkungs-Schicht: Er organisiert, wie Menschen abwägen — transparent, attribuiert, revidierbar —, aber er wägt nicht für sie ab. Er stellt die Bühne und das Licht; die Rolle des Wertenden spielt er nicht.

7.6 Dritte Schranke: die veritistische Leitplanke

Die dritte Schranke schützt vor der feinsten Abweichung. Die Wirkungs-Schicht lädt dazu ein, vom Zeigen zum Überreden hinüberzugleiten: von „hier sind die möglichen Folgen“ zu „also darfst du das nicht tun“. Der erste Satz ist wahrheitsorientiert; der zweite ist Überzeugungsarbeit. Goldmans veritistischer Maßstab aus Kapitel 2 verbietet diesen Übergang: Ein Erkenntnissystem ist daran zu messen, ob es zu wahren Überzeugungen führt, nicht daran, ob es die vom Betreiber gewünschte Schlussfolgerung befördert.⁶

Daraus lässt sich eine überprüfbare Regel machen — die Symmetrie. Ein ehrlicher Wirkungsgraph legt seinen geprüften Ausschnitt offen und zeigt darin belegte Folgen mit ihrer jeweiligen Belastbarkeit, auch die unbequemen, auch die, die gegen die vom Betreiber bevorzugte Wertung sprechen. Ein Propagandawerkzeug zeigt nur die Folgen, die eine vorab feststehende Schlussfolgerung stützen. Der Prüfstein lautet: Würde das System auch eine Folge sichtbar machen, die der Wertung seines Betreibers widerspricht? Nur wenn die Antwort Ja ist, dient es der Erkenntnis.

7.7 Die Bewertung der Bewertung

Die drei Schranken sichern, dass die Wertung dem Menschen bleibt. Offen ist damit eine Frage, die man leicht übersieht: Wer bewertet die Bewertung? Wäre „der Mensch entscheidet“ das letzte Wort, könnte sich hinter der Naht eine willkürliche, widersprüchliche oder interessengeleitete Wertung verbergen — und das System hätte sie nur ordentlich protokolliert, nicht prüfbar gemacht.

Die Evaluationsforschung kennt dafür einen eigenen Begriff: die Meta-Evaluation, die Bewertung einer Bewertung.⁷ Eine erfasste Wertung lässt sich an nachprüfbaren Kriterien messen — nicht an ihrem Inhalt (ob „unannehmbar“ richtig ist, bleibt beim Menschen), sondern an ihrer Verfasstheit. Ist sie attribuiert — wer, wann, auf welcher Grundlage? Ist sie in sich konsistent, wird also derselbe Maßstab an gleich gelagerte Fälle angelegt? Ist sie begründet oder bloß behauptet? Hat der Wertende auch die gegen ihn sprechenden Folgen zur Kenntnis genommen? Und ist sie revidierbar geführt?

Die vorgeschlagene Struktur kann eine solche Prüfung unterstützen. Wenn die Wertungen nach diesem Entwurf attribuiert, datiert, begründet und rechtmäßig revidierbar erfasst werden, lassen sie sich gegen frühere Wertungen desselben Urhebers und gegen die Wertungen anderer halten. Die Schranken dieses Kapitels werden damit zugleich zu Kriterien der Meta-Evaluation: kein Personen-Scoring, keine Ent-Differenzierung, Symmetrie. Das System nimmt dem Menschen die Wertung nicht ab; es macht sie verantwortbar.

7.8 Der Ertrag: befähigen statt entmündigen

Die Prüfung einer Bewertung richtet sich hier auf ihre Grundlage: Wer hat sie vorgenommen, welche Gründe sind genannt und welche Gegenargumente wurden berücksichtigt? Sie entscheidet nicht allein, welche Wertung inhaltlich richtig ist.

Für den Einsatz des Werkzeugs genügt diese Konstruktion noch nicht. Berufsrecht, Datenschutz und die Regeln für KI-Systeme verlangen zusätzliche Prüfungen am konkreten Verfahren.

Kapitel 8 · Recht und Verantwortung

8.1 Ein Werkzeug tritt in die Welt

Ein Rechtsgraph lebt nicht im luftleeren Raum. Sobald er benutzt wird, tritt er in ein dicht reguliertes Feld: in das anwaltliche Berufsrecht, in den Datenschutz und, seit Kurzem, in ein eigenes Recht der Künstlichen Intelligenz. Jedes dieser Felder stellt äußere Anforderungen an das Werkzeug — Anforderungen, die nicht aus der Erkenntnistheorie stammen, sondern aus der Verantwortung.

Provenienz, Qualitätsprüfung und menschliche Verantwortung können helfen, rechtliche Anforderungen zu erfüllen. Sie ersetzen keine Prüfung des konkreten Systems. Welche Pflichten gelten, hängt unter anderem von Zweck, Daten, Beteiligten und Einsatzbereich ab.

8.2 Das Berufsgeheimnis: wo die Verschwiegenheit ansetzt

Die erste und schärfste Anforderung kommt aus dem Kern des Anwaltsberufs: der Verschwiegenheit. § 203 StGB stellt die unbefugte Offenbarung bestimmter fremder Geheimnisse unter Strafe, auch bei Rechtsanwälten.¹ Ob eine Offenbarung erlaubt ist, muss für den konkreten Vorgang geprüft werden. Als der Gesetzgeber 2017 die Einschaltung von Dienstleistern — auch von IT- und Cloud-Diensten — neu ordnete, tat er das mit Bedacht: Ein Anwalt darf sich solcher Dienste bedienen, aber nur unter Bedingungen, die die Verschwiegenheit sichern — Verpflichtung zur Geheimhaltung, sorgfältige Auswahl, Textform.² Ein System, das mit Mandantengeheimnissen in Berührung kommt, muss diesen Rahmen einhalten; sonst kann sein Einsatz selbst zur Berufspflichtverletzung werden.

Der Rechtsgraph, um den es hier geht, ist auf veröffentlichten Entscheidungen und Normen aufgebaut. Er ist kein Speicher von Mandantengeheimnissen. Für die Verschwiegenheit ist deshalb vor allem der Nutzungskontext zu prüfen: dort, wo eine Anwältin konkrete Mandantstatsachen in eine Abfrage eingibt, um den öffentlichen Bestand darauf anzuwenden. Die Trennung zwischen der öffentlich gespeisten, faktenführenden Schicht und dem vertraulichen Nutzungskontext hilft, das Berufsgeheimnis zu wahren. Fragen der Vertraulichkeit und des Datenschutzes erledigt sie nicht von selbst.

8.3 Der EU AI Act: Hochrisiko und was er verlangt

Die zweite Anforderung ist neu und weitreichend. Die KI-Verordnung der Europäischen Union stuft KI-Systeme nach ihrem Risiko. Für die Justiz ist die Einordnung deutlich. Anhang III Nummer 8 Buchstabe a stuft als hochriskant ein: KI-Systeme, die bestimmungsgemäß von einer oder im Namen einer Justizbehörde verwendet werden sollen, „um eine Justizbehörde bei der Ermittlung und Auslegung von Sachverhalten und Rechtsvorschriften und bei der Anwendung des Rechts auf konkrete Sachverhalte zu unterstützen“.³ Man beachte das Wort unterstützen: Erfasst ist nicht erst der entscheidende Automat, sondern schon das zuarbeitende System. Zum Pflichtenkatalog gehören Risikomanagement, Daten-Governance, technische Dokumentation, Protokollierung, Transparenz, menschliche Aufsicht und ein Mindestmaß an Genauigkeit und Robustheit, eingefasst in ein Qualitätsmanagementsystem. Für die Hochrisiko-Pflichten nach Anhang III nennt die EU-Kommission nach der Änderung durch den AI Omnibus den 2. Dezember 2027 als Anwendungstermin.⁴

Ob ein Recherchewerkzeug als Hochrisiko-System einzuordnen ist, hängt von seinem vorgesehenen Einsatz und den gesetzlichen Kriterien ab. Der Einsatz durch oder im Namen einer Justizbehörde ist anders zu prüfen als eine reine Recherche in einer Kanzlei. Der Name „Rechtsgraph“ entscheidet die Einordnung nicht.

Die Anforderungen dieses Buches können Nachweise unterstützen: Kalibrierung für die Prognosegüte, Provenienz für Herkunft und Datenprüfung, begrenzte Ausgaben und Eingriffsmöglichkeiten für menschliche Aufsicht. Das sind Zuordnungen im Entwurf. Sie beweisen weder, dass alle gesetzlichen Anforderungen umgesetzt sind, noch, dass das System bereits regulierungskonform ist.

8.4 Der Algorithmus im Rechtsstaat

Die dritte Anforderung ist die grundsätzlichste, und die deutsche Staatsrechtslehre hat sie früh formuliert. Sie fragt nicht nur, ob ein algorithmisches System funktioniert, sondern ob es sich in die Ordnung des Rechtsstaats fügt. Thomas Wischmeyer hat die Transparenz intelligenter Systeme als rechtliches Erfordernis herausgearbeitet — gegen die „Blackbox“, deren Entscheidungen niemand nachvollziehen kann.⁵ Wolfgang Hoffmann-Riem hat vor der Verhaltenssteuerung durch Algorithmen gewarnt und die regulativen Herausforderungen benannt, die entstehen, wenn Technik gesellschaftliche Abläufe lenkt.⁶ Und Mario Martini hat mit seiner Untersuchung zur „Blackbox Algorithmus“ ein umfassendes Regulierungsprogramm entworfen: Transparenz, Anfechtbarkeit, Diskriminierungsschutz, menschliche Verantwortlichkeit.⁷

Über all dem steht ein verfassungsrechtlicher Anker für die Schranke aus Kapitel 7: Die rechtsprechende Gewalt ist den Richtern anvertraut, und die richterliche Entscheidung muss beim menschlichen Richter bleiben.⁸ Ein System darf informieren, aber nicht entscheiden. Was aus erkenntnistheoretischen und systemtheoretischen Gründen als Selbstbeschränkung gefordert war — der Graph wertet und entscheidet nicht —, ist für die Rechtsprechung zugleich ein Gebot der Verfassung. Die Zurückhaltung des Systems ist keine Bescheidenheit, die man ihm nachsehen müsste; sie ist dort eine rechtsstaatliche Pflicht.

8.5 Fullers innere Moral des Rechts — als Maßstab an das Werkzeug selbst

Lon Fuller hat die innere Moral des Rechts in acht Prinzipien gefasst — Bedingungen, die eine Ordnung erfüllen muss, um überhaupt eine Rechtsordnung und nicht bloß Macht zu sein.⁹ Man kann sie nicht nur an das Recht anlegen, sondern auch an jedes Werkzeug, das dem Recht dienen will.

Man lese sie als Prüfliste für einen Rechtsgraphen. Die Verkündung — Recht muss öffentlich zugänglich sein — verlangt vom Graphen Transparenz und Provenienz: keine verborgenen Quellen. Die Nicht-Rückwirkung und die Beständigkeit — Recht darf die Vergangenheit nicht heimlich umschreiben — verlangen die Bitemporalität aus Kapitel 3: aufheben, nicht löschen. Die Klarheit verlangt ehrliche Belastbarkeitsangaben statt vorgetäuschter Gewissheit. Die Widerspruchsfreiheit verlangt die Konsistenz-Dimension des Maßbands. Die Allgemeinheit verlangt, dass der Graph gleich gelagerte Fälle nach derselben, offengelegten Regel behandelt, statt von Fall zu Fall verdeckt anders zu entscheiden. Die Erfüllbarkeit — das Recht darf nichts Unmögliches verlangen — verlangt, dass das System dem Nutzer keine Gewissheit abfordert, die es selbst nicht liefert: Es schweigt, wo es nichts Belastbares zu sagen hat (fail-closed), statt den Nutzer mit Scheingewissheit in eine unmögliche Sorgfaltslage zu bringen. Und die Kongruenz — die Übereinstimmung zwischen verkündeter Regel und tatsächlicher Handhabung — verlangt, was Kapitel 5 zur Regel der Zertifizierung machte: Das Siegel muss halten, was es sagt.

Ein Werkzeug, das Herkunft verbirgt, historische Angaben unkenntlich ändert oder unbelegte Sicherheit zusichert, verfehlt diesen übertragenen Maßstab. Ob es zugleich gegen geltendes Recht verstößt, ist gesondert zu prüfen. Die Übertragung macht die Qualitätsforderungen anschaulich; sie ersetzt weder Fullers Theorie noch die rechtliche Prüfung.

8.6 Übergang: von der Einbettung zum Beitrag

Der Entwurf benennt Anforderungen an Quellen, Qualität und Verantwortung. Die rechtliche Einordnung und die Abnahme ihrer Umsetzung bleiben Prüfungen am konkreten Einsatz. Erst danach lässt sich sagen, welche Zusicherungen das Werkzeug tragen kann.

Kapitel 9 · Der eigene Beitrag und der offene Weg

9.1 Zurück zur Anwältin

Erinnern wir uns an die Anwältin aus dem ersten Kapitel. Sie hatte eine klare, gut formulierte Antwort erhalten, versehen mit einem echten Aktenzeichen — und war getäuscht worden, weil das zitierte Urteil die Aussage nicht trug. Nicht ein erfundener Beleg hatte sie in die Irre geführt, sondern ein echter, aber nicht tragender. Der Fehler lag nicht in einem Mangel an Selbstsicherheit des Systems, sondern in einem Übermaß davon.

Eine bessere Auskunft hätte getrennt ausgewiesen: Die Fundstelle existiert; die Stützung dieses Satzes ist geprüft — oder noch offen. Fehlt der Nachweis, braucht die Anwältin diese Grenze und den Grund dafür. Eine Prognosezahl hilft zusätzlich, wenn ihr Ereignis und ihre Kalibrierung für die geprüfte Fassung feststehen. Der Entwurf beschreibt diese Anforderungen. Dass das laufende System sie vollständig erfüllt, ist damit noch nicht gezeigt.

9.2 Der eigene Beitrag: die Integration

Was an alldem ist eigentlich neu? Die Antwort beginnt mit einem Eingeständnis. Fast jeder Baustein dieses Buches ist geliehen und älter als das Vorhaben — Gettiers Problem stammt von 1963, Kelsens Stufenbau ist ein Jahrhundert alt, Humes Graben zweieinhalb; dazu Toulmins Stützung, Pearls Leiter, Alexys Formel, Fullers Prinzipien. Es sind fremde Gedanken, und sie werden als solche ausgewiesen.

Der eigene Beitrag liegt in dreierlei. Erstens in der Integration: Die Bausteine werden nicht nebeneinandergestellt, sondern über die Warrant-Kette — von der Objektqualität über Vertrauenswürdigkeit und Vertrauen bis zur Reliance — miteinander verbunden. Erkenntnistheorie, Rechtstheorie, Maßband, Wirkungs-Disziplin und Governance erhalten in dieser Kette ihren Platz. Zweitens in der gebauten Instanz: Das Buch bezieht sich auf ein gebautes System. Dessen datierte Projektmessungen zeigen zugleich Grenzen: Getrennte Zeitfelder sind nicht überall getrennt belegt, und ein gespeichertes Fassungsdatum ist nicht immer als Rechtsstand gesichert.¹ Drittens in der Perspektive der Praxis: Es schreibt jemand, der die Instanz mit aufgebaut hat und den Berufspflichten unterliegt, von denen Kapitel 8 handelt. Die Integration ist die These; die Instanz zeigt, wo sie schon trägt und wo noch nicht; die Praxis ist die Prüfung, der sich beides stellen muss.

9.3 Der Stammbaum

Die verwendeten Theorien stehen bei den jeweiligen Argumenten: Erkenntnistheorie für den Nachweis einer Aussage, Rechtstheorie für Geltung und Verantwortung, Daten- und Vertrauensforschung für die Qualitätsprüfung. Das Buch verbindet diese Ansätze zu einem Konstruktionsvorschlag. Die Verbindung und ihre Übertragungen sind eigene Argumente; das Alter oder der Rang ihrer Quellen beweist sie nicht.

9.4 Was das Buch nicht beansprucht

Zur Redlichkeit gehört die Kehrseite: klar zu sagen, wo die Grenzen liegen. Vier Eingeständnisse.

Erstens: Die Wirkungs-Schicht ist der erkenntnistheoretisch riskanteste Teil des Vorhabens. Sie verspricht den größten Nutzen und trägt die größte Gefahr. Wer sie nachlässig einlöste, würde mehr zerstören, als er gewönne.

Zweitens: Die schärfste Qualitätsdimension — die Prüfung deutscher Rechtsaussagen auf Zitatstützung — ist für die hier untersuchte Instanz noch nicht unabhängig abgenommen. Sie ist ein Entwicklungsziel, kein erreichter Zustand, und dieses Buch zertifiziert sie nicht. Für andere Sprachen gibt es einschlägige Prüfverfahren und Datensätze. Ihre Übertragung auf deutsche Rechtsauskünfte verlangt Daten, Validierung und eine Prüfung der jeweiligen Aufgabe (Abschnitt 9.5).

Drittens: Das System hat während seiner Errichtung Fehlerklassen erzeugt, die kein Kapitel vorhergesehen hatte — mit einer Regelmäßigkeit, die vor dem Verfasser nicht haltmachte. Vier davon gehören hierher.² Die erste: Das Erreichbare tritt an die Stelle der Sache. Eine Zahl steht monatelang in einem Dokument, weil das Dokument näher liegt als die Datenbank, aus der sie stammt. An einem einzigen Tag wurde das zwölfmal bei einer einzigen Stelle des Projekts gezählt — einmal davon in dem Satz, der die Regel dagegen formulierte. Die zweite: Der grüne Wächter über einem Teil seines Gegenstands. Eine Prüfung meldete „alle in Ordnung“ und hatte 21 von 101 Fällen gesehen, weil ihre Schleife an der ersten Zeile abbrach, die nicht in ihr Muster passte. Ein solcher Wächter ist teurer als keiner; er besetzt den Platz, an dem sonst jemand nachsähe. Die dritte: Die Gegenprobe war nicht unabhängig. Drei Leseverfahren stimmten in einer Mehrheit überein, und zwei davon waren dieselbe Maschine. Ein echtes drittes widerlegte die Mehrheit in 20 von 26 Fällen. Die vierte: Die Bestandsaufnahme nach dem Eingriff. Wer nach dem Löschen prüft, ob etwas fehlt, findet nichts — das Gelöschte ist nicht mehr da, um zu fehlen. Keine dieser Klassen ist neu; Konformitätsbewertung, Messtheorie und Aktenführung kennen sie alle. Neu ist nur, dass ein System, das sie in seinen Kapiteln beschreibt, sie in seinem Bau trotzdem beging. Die Prüfung endet deshalb nicht mit dem Erscheinen des Buches, und der Verfasser ist von ihr nicht ausgenommen.

Viertens: Kein Satz dieses Buches beansprucht, das Thema erschöpft oder als Erster betreten zu haben.

9.5 Der offene Weg

Aus diesen Eingeständnissen folgt eine Arbeitsliste. An ihrer Spitze steht ein deutscher Goldstandard für Zitatstützung: ein unabhängig annotierter Referenzdatensatz, der deutschen Rechtsaussagen die Sätze zuordnet, die sie tragen oder nicht tragen. Erst er macht die höchste Freigabestufe erreichbar. Er darf nicht von einem kommerziellen Anbieter im eigenen Silo gebaut werden — das wäre Selbst-Zertifizierung durch die Hintertür (Kapitel 5.4): Wer die zu prüfende Instanz ist, darf nicht zugleich den Maßstab setzen, an dem sie gemessen wird. Der Goldstandard gehört deshalb in die Hand eines offenen Konsortiums aus Justiz, Universitäten und Anwaltschaft — als öffentliche Infrastruktur, einsehbar und unabhängig gepflegt. Das gilt ausdrücklich auch dann, wenn der Autor selbst ein kommerzieller Erbauer ist: Gerade deshalb muss der Prüfstein unabhängig von ihm sein.

Daneben muss die externe Prüfung dauerhaft eingerichtet sein. Sie braucht einen festgehaltenen Prüfumfang, zugängliche Belege und Regeln für neue Fassungen. Quellenpflege und Nachmessung gehören zum Betrieb, auch wenn ein früherer Lauf bestanden wurde.

Während der Arbeit an diesem Buch hat sich die Lage verändert. Im Mai 2026 ist mit ClaimRAG-LAW ein Prüfstand erschienen, der einen Teil dieser Aufgabe bearbeitet: Er trennt die Bewertung eines Rechts-Recherchesystems in Retrieval und Generierung und misst die Zitatstützung auf der Ebene der einzelnen Behauptung, nicht des ganzen Textes. Er tut es für das Französische und das Englische, und seine Autoren halten fest, dass die bestehenden Prüfstände „largely English-only“ seien und an den Fragen von Fachleuten ausgerichtet, während der Bedarf von Laien übersehen werde.³ Die Ausgabe vom 14. August 2026 beschreibt 317 Frage-Antwort-Paare und 968 manuell validierte Behauptungen.³ Für eine deutsche Anwendung sind neben passenden Daten auch Aufgabenbezug, Annotation und die Zuverlässigkeit der Prüfer zu validieren. Dass ein Verfahren in zwei Sprachen arbeitet, erledigt diese Fragen nicht.

Ebenfalls im Mai 2026 ist mit BenGER ein deutscher Rechts-Benchmark erschienen — 596 Klausuraufgaben und 531 doktrinale Aufgaben, bewertet von einem Modell als Richter, das gegen eine mehrfach besetzte menschliche Bewertung kalibriert wurde.⁴ Er zeigt für die untersuchten Aufgaben zweierlei. Erstens: Deutsche juristische Aufgaben lassen sich so bewerten. Zweitens: Er misst nicht die Zitatstützung, sondern die Subsumtion — die Fähigkeit, einen Sachverhalt unter eine Norm zu bringen. Wer beides verwechselt, hält die hier erhobene Forderung für erfüllt. Sie ist es nicht.

Ein dritter Punkt misst dieses Buch an seiner eigenen Regel. BenGER lässt ein Sprachmodell die Antworten anderer Sprachmodelle bewerten und weist die Übereinstimmung mit menschlichen Bewertern offen aus — Pearson r = 0,76, Cohens κ = 0,60.⁴ Das ist der Grenzfall zu Kapitel 5.4: Die Bewertung durch Sprachmodelle verlangt einen Nachweis ihrer Eignung; aus der gemeinsamen Technik allein folgt weder Unabhängigkeit noch deren Fehlen. Deshalb ist die ausgewiesene Kalibrierung gegen menschliche Mehrfachbewertung kein Beiwerk, sondern die Bedingung, unter der ein solcher Prüfstand überhaupt etwas zeigt. Ein Goldstandard für Zitatstützung wird dieselbe Vorsicht brauchen.

9.6 Kontrollfälle aus einem Arbeitstag

Ein interner Projektbericht vom 4. September 2026 beschreibt Kontrollfehler eines einzigen Arbeitstags, des 3. September 2026.⁵

Der erste stammt aus dem Landesrecht. Eine Kontrolle für den Zerleger amtlicher Verkündungsblätter meldete 94 Prozent grün. Dann wurde die Kontrolle selbst geprüft. Sie verglich nur die ersten 25 Zeichen der Aktentitel — und 1.118 von 1.218 Akten, 92 Prozent, teilen diese 25 Zeichen; „Erste Verordnung zur Änderung …“ allein 161-mal. Ein Akt, der nachweislich das Seelotsgesetz änderte, war als Änderung des Finanz- und Personalstatistikgesetzes durchgewinkt worden, weil beide Titel auf diesen 25 Zeichen gleich lauten.⁶ Die Kontrolle war genau für die Verwechslung blind, gegen die sie gebaut war. Und sie meldete nicht „unsicher“. Sie meldete grün.

Drei weitere Prüfungen maßen ihre eigene Spur. Eine Suche nach einem laufenden Prozess fand ihren eigenen Aufruf, weil er den Suchbegriff trug. Eine Abfrage, ob gerade jemand in die Datenbank schreibe, fand vier Schreiber; alle vier waren Leseabfragen, die nur anders begannen, als die Abfrage es erwartete. Eine Suche, ob eine stillgelegte Adresse noch irgendwo stehe, fand vierzehn Treffer — alle in dem Vermerk, der ihre Stilllegung dokumentierte.⁷ Keine der drei Prüfungen war falsch programmiert. Alle drei maßen etwas, das durch ihr eigenes Dasein entstanden war. Selbst-Zertifizierung ist also nicht nur eine Frage der Absicht, sondern der Mechanik.

Zwei übereinstimmende Messungen waren ein Scheinbeleg: Zweimal ergab sich 5.140, und beide Male war die Zahl falsch, weil zwar der Weg gewechselt worden war, nicht aber der Schlüssel. Zwei Messungen beweisen nichts, wenn beide denselben Schlüssel benutzen.⁸

Ein Nullbefund sah aus wie Erfolg: 215 Gesetze meldeten „nichts zu tun“, weil ihr Schlüssel nicht auflöste — ein Unterstrich, wo ein Bindestrich stand. Der Lauf war grün, das Protokoll war grün; aufgefallen ist es nur, weil eine Zahlenreihe zu glatt war. Ein Mustertreffer sagt nicht, in welcher Rolle ein Wort steht: Das Wort „Copilot“ in einem Urteil über einen Flugzeugabsturz ist keine Spur eines Sprachmodells, und „XXXL“ in zwei Markenbeschlüssen ist die Marke, um die es geht. Beide wären beinahe als Werkzeugspuren ersetzt worden. Und eine richtige Warnung mit falscher Begründung kann gefährlicher sein als keine: Vor einer Massenkorrektur an 4.937 Artikeln wurde zu Recht gewarnt, aber mit einer Erklärung, die nicht stimmte. Hätte man ihr geglaubt, wären die Artikel als „ohnehin korrekt“ liegen geblieben. Sie brauchten sehr wohl eine Korrektur, nur eine andere. Eine falsche Begründung beendet die Suche.⁹

Ein Fall kam ohne Fehler aus. Für 148 Kanten hätte sich über Zeitstempel herleiten lassen, wer sie angelegt hatte. Die Herleitung unterblieb; stattdessen wurde gefragt, mit der Begründung, eine Zuschreibung sei eine Entscheidung und keine Messung.¹⁰ Ein Zeitstempel kann einen Verdacht über die Herkunft einer Änderung begründen; er bestätigt ihren Urheber nicht von selbst. Das ist die Grenze aus Abschnitt 4.6.

Für das Maßband folgt daraus zweierlei. Eine Prüfung braucht neben ihrer Trefferquote einen bekannten Kontrollfall und eine Aussage über den tatsächlich erfassten Bestand; ein Wächter ohne vorgezeigten Fehlfall ist eine grüne Lampe. Und „nicht prüfbar“ ist ein eigener Prüfstatus, der weder als bestanden noch als inhaltlich widerlegt gezählt werden darf. Wie schwer ein Fehlalarm und eine falsche Entwarnung jeweils wiegen, hängt vom Einsatz ab.

Die Beispiele sind als interner Projektbericht nachgewiesen. Sie erlauben keine Schätzung, wie häufig diese Fehler im gesamten Betrieb oder in anderen Systemen vorkommen.

9.7 Die Reihe: was dieses Buch nicht leisten muss

Dieses Buch eröffnet die sechzehnbändige Reihe Schriften zur digitalen Rechtserkenntnis (Stand der Veröffentlichung am 15. Oktober 2026).¹¹ Es fragt: Wann darf man einer Rechtsaussage glauben? Die fünfzehn Schwesterbände stellen komplementäre Fragen an denselben Gegenstand und denselben wachsenden Rechtsgraphen (zum Veröffentlichungsstichtag 927.584 Knoten, 1.981.335 Kanten und 6.161 semantisch klassifizierte Zitatkanten mit 78,9 Prozent Randziffer-Ankern): Recht, das rechnet (Band 2) untersucht die deterministische Berechnung rechtlicher Größen und die Naht zur anwaltlichen Wertung. Das sichtbare Recht (Band 3) und Anwaltsreputation, prüfbar gemacht (Band 11) behandeln die öffentliche Adressierbarkeit juristischer Qualität und die rechtlichen Grenzen von Bewertungen. Zugang, der trägt (Band 4) prüft, was Legal-Tech-Werkzeuge unter Rechtsdienstleistungsgesetz und KI-Verordnung beweisen müssen. Die organisierte Kanzlei (Band 5) überträgt die Naht aus Kapitel 7 auf den Kanzleibetrieb. Das eingehegte Gesetz (Band 6), Im Namen des Volkes, ohne Namen (Band 7) und Die elektronische Dissertation (Band 9) untersuchen die rechtlichen Grenzen offener Rechts- und Wissenschaftsquellen zwischen Datenbankrecht, Urteilsanonymisierung und Publikationspflicht. Die Ordnung, die man nicht sieht (Band 8) und Vereinfachung ohne Verflachung (Band 13) widmen sich der juristischen Taxonomie und der messbaren Verständlichkeit von Rechtstexten. Was galt, als es geschah (Band 10), Verschwiegenheit in der Cloud (Band 12) und Vierundzwanzig gleiche Texte (Band 14) vertiefen die bitemporale Normenhistorie aus Kapitel 3, das Berufsgeheimnis aus Kapitel 8 und die mehrsprachige Rechtsgeltung. Die hinreichende Aussicht auf Erfolg (Band 15) und Der Anwalt, der zählt (Band 16) schließen den Bogen zur empirischen Prozessrisiko- und Kanzleiprognose. Jeder Band muss für seine eigene Behauptung geradestehen; keiner darf sich auf die Zuversicht eines anderen stützen.

9.8 Schluss: prüfbar statt behauptet

Eine Rechtsauskunft braucht mehr als ein überzeugendes Ergebnis. Ihre Quelle muss existieren und den Satz tragen; ihr zeitlicher Bezug muss zum Fall passen. Eine Sicherheitszahl braucht einen benannten Prüfgegenstand und eine nachgewiesene Kalibrierung.

Fehlt ein Nachweis, gehört diese Lücke zur Auskunft. Erst dann kann die Anwältin entscheiden, was sie übernimmt, was sie nachliest und wo sie weitere Prüfung braucht. Kalibriert, nicht maximal. Informierend, nicht entscheidend. Das ist der Anspruch an das Werkzeug und zugleich der Maßstab für seine nächste Abnahme.