第二节 德国的法律人工智能

德国是工业大国，拥有制造业优势，既往的工业积淀为德国的人工智能研发提供了深厚的基础。因此，德国在“工业4. 0”时代的发展潜力巨大。但是，德国于人工智能领域的研究存在着起步较早但后继乏力的情况1，主要原因在于德国对人才和投资的吸引力不及美国和亚洲诸国，知识转化不畅，这对于中小企业发展人工智能尤其不利。同时，德国在人工智能领域还存在着立法滞后、隐私与数据保护过严的情况，影响了人工智能的数据获取。

该《人工智能战略》已于2020年更新，德国进一步加大了对人工智能的投资力度。以期保持德国的国际竞争力，应对人工智能技术带来的挑战。在该战略的指引下，德国尤其关注在工业4. 0中与美国和中国的竞争。2在此之后，德国人工智能发展提速，建立了多个研究平台，为中小企业的数字化发展提供了相当多的案例研究报告。

一、德国法律人工智能的底层应用现状

德国法律人工智能的底层应用指的主要是法律本体工程应用研究，通过使用最新的研究工具用于法律理论和法律实践，拓展计算机的应用范围，以满足从事法律事务的工作者以及公民的需求。在内容上，主要包括法律推理、裁量模型、信息检索和查询等方面。

根据相关研究，德国在人工智能相关的国际期刊上发表的论文位列世界第三，发表论文数量为23篇，占比6. 41%，前面两名分别是美国和英国。3这一部分的研究主要是以理论的形式呈现法律人工智能的应用场景，为具体场景的落地应用提供技术基础和理论支持。

(一)信息检索系统

法律本体是法律文件索引及检索的基础，能够对各类文档进行语义分析。德国在这一方面的研究主要由莱布尼兹法律中心推进，目前该机构搭建了较为成熟的模型体系。

1999年莱布尼兹法律中心开发的FOlaw( Functional Ontology for Law)系统，主要从法社会学的视角观察法律系统在社会中的作用，被称为功能性本体，用于制定法体系的立法和查询。4

莱布尼兹法律中心基于大量的常识性知识，继续研发了LRI-Core法律本体查询系统。5LRI-Core法律本体涉及了一系列抽象的概念，如物理、心理、作用、抽象世界等，另外，该本体为法律核心本体，可用于发展法律的本体概念。该模型已经使用在E-COURT和E-POWER等项目中。之后，莱布尼兹法律中心又将本体分为顶层、中间层和法律层，并以此为基础建立了LKIF核心本体。6

(二)裁量模型

裁量模型主要指的是基于归责和案例推理的司法裁量系统。 1989年Berman 在《人工智能帮助解决法律系统危机》一文中详细地描述了法律专家系统， 用人工智能系统模拟法官的思维，进行专家裁量预测，并且用计量方法观察法官的判决结果。7随后，在1999年 Hollatz通过对德国的精神损害和交通损害案例的研究，用200个非物质损害案例，采用高斯发散神经网络( radial based Gaussian function networks)将推理具体化为：伤害类型、持续时间长短、造成的后果的严重性、性别、职业的损害、特别严重情节和医疗损害，最后获得关于非物质损害的裁量模型，该文根据伤害程度、期待交警解决的程度、出事地点、出事时间、交通拥挤程度，建立了对事故解决时间的模糊评价系统。

总体而言，人工智能的本体论和裁量模型的搭建，为法律人工智能领域搭建产品和实现应用落地奠定了重要的基础，使在法律领域快速地获取、整合信息成为可能。

二、德国法律人工智能企业及其应用场景

在国家《人工智能战略》发布第一年，德国联邦政府已经启动了约100个部门间资助计划和合作，并着力推动中小企业在该领域的发展。8慕尼黑、图宾根、柏林、多特蒙德/圣奥古斯丁、德累斯顿/莱比锡的大学和德国人工智能研究中心( DFKI)成为国家6个AI研究中心。专注于人工智能的企业大量集中在这些地区，并在由联邦教育与研究部( BMBF)任命的指导委员会管理的平台Lernende Systeme上进行信息登记和汇总，具体名单详见表2-2-1。

除此之外，德国法律行业相关公司共同组成法律科技社区 Reinvent Law，吸纳了德国法律科技服务公司作为成员，致力于创建一个活跃的法律创新生态系统，名单详见表2-2-2。

基于这两个平台，可获得德国目前在法律领域的人工智能企业的相关信息。基于这些信息，可将这些企业分为3种业务类型：针对专业性法律产品研发企业、提供可应用于法律服务的数据分析和专注于法律相关业务的细分场景。

(一)针对专业性法律服务产品研发

1. Rfrnz GmbH：面向律师事务所的分析平台

Rfrnz GmbH服务于法律部门和律师事务所，是可供直接使用的，经过算法培训的合同分析平台。主要产品Rfrnz是一个智能合同分析系统，其可以通过人工智能识别并提取合同和文档中的相关信息，如主题、条款或个人数据，也可以用于识别不利或缺失的条款，快速提取所有相关信息，并指出异常和风险。 Rfrnz能够帮助客户汇总和评估所有相关信息，在检查标准化合同(如NDA和一般条款及条件)以及处理大量数据(如在并购交易和合规性方面)尤其有效。

具体而言，Rfrnz具有以下3个主要业务：

(1)NDA审查。客户可以通过使用Rfrnz NDA-Checker，快速识别保密协议的所有相关内容，同时将这些内容与公司标准进行比较，检测异常条款，将其合并到审核过程中。

(2)房地产领域。 Rfrnz 的产品能够在几秒钟内捕获租赁合同全部信息，并分析哪些租赁合同超出了预定义的格式条款，并且确定终止权、租户激励措施等。

(3)并购与尽职调查。客户可以通过使用Rfrnz的M&A工具，在数据室中检查大量合同文件，并根据主题相关性和数量进行评估，节省客户在有关核心法律问题的文档上花费的时间。

2. WtsAI：面向税收和金融领域的合规方案

WtsAI主要在税收和金融领域通过神经网络自动处理海量数据和特殊税收评估提供 AI 解决方案。 WtsAI 提供面向未来的税收和财务模拟系统，这一系统作为发现错误管理决策的基础可以降低企业出现违反合规性的风险，使企业行为在法律或程序上适应情势发展并立即对变化做出反应。

WtsAI的一个主要产品是Tax app，该产品能够进行异常检测，识别日常业务交易中异常或不正确条件的交易。通过使用“学习”算法，可以在标准案例和异常案例之间进行自动分类。该算法是基于当前法律(或逻辑)进行编程的神经网络，可以单独用于所有类型的公司交易。随着数据库的丰富和逻辑的扩展，该产品的自动化程度以及处理特殊情况的精度都在稳步提高。

WtsAI的一个具体应用场景就是FTA优化项目。大量的自由贸易协定和经济联盟给公司带来了重大的合规性和效率挑战，90%的欧盟出口产品都使用现有的FTA以避免关税。因此，WtsAI提供基于AI的FTA优化解决方案，可作为计划交易的信息和决策基础。

其中，FTA的法律框架和客户合同构成了智能算法的逻辑基础，该算法始终可以通过神经网络扩展其链接逻辑。 WtsAI的FTA优化工具可以模拟和可视化各种方案，增强的合规性安全。

目前，WtsAI的产品组合着重于分析增值税、关税和转让定价等税种。

3. Fraunhofer研究中心：多领域的法律辅助业务

(1)预测性警务

Fraunhofer SIT的“预测性警务”主要用于评估大数据收集以预测犯罪并调配警察的部署。其中，“社交媒体取证”支持个人犯罪档案的形成以促进执法目的，这一功能同样适用于基于大量文本的作者身份的识别。例如，在取证过程中确定某些人是否为社交媒体上非法文本的作者，就能够采取Fraunhofer提供的自然语言机器学习的方法。

(2)合同文本分析

Fraunhofer IAIS在多年开发的用于分析文本和文件的工具的基础上，建立了从合同文件中自动提取信息的技术。首先，扫描和提取其他文档中所有信息(文本结构、文本内容和图像)并用于训练机器学习，并对其进行评估、组合和丰富。之后，可以进一步分析和优化内容，并应用于商事交易中的反欺诈措施或为企业合同谈判提供准备。

(3)防止信用卡欺诈

由于信用卡数据的非法交易正在大规模泛滥，Fraunhofer IAIS在研究项目中开发了新颖的欺诈挖掘机制——MINTify规则软件。这一软件可以独立识别新的欺诈情形和模式，基于此，系统会自动创建透明且易于理解的规则，以防止出现新的欺诈模式。

MINTify规则软件支持银行在人工智能的帮助下进行数据保护，该软件基于自学习算法，可以随着时间的推移，更快、更好地检测数百万次交易中的欺诈模式。

4．潘安公司( Pan Amp)：智能化司法取证手段

潘安公司的技术产品可以根据数据模式全自动分析网络，这些数据模式能够独立进行进一步的自主开发和增强。智能化司法取证手段适合对以合法手段收集的数据进行调查，对大量数据进行自动取证分析。潘安公司已经开发出该技术来识别和记录特别是在全球网络中搜索得到的数据，并将其传输到可以在法庭上使用的在线证据。该技术还可以在DEEP INTERNET上找到内容，即可以应用在尚未被搜索引擎索引的区域或在搜索引擎技术上无法索引的区域。

同时，潘安公司内部开发利用了人工智能基于预定义的参数独立评估使用数据模式识别的内容。这一分析是跨协议进行的，并不依赖于搜索引擎的支持，可以用阿拉伯语、德语、英语、芬兰语、法语、希腊语、意大利语、挪威语、瑞典语、西班牙语和土耳其语来激活机器人技术。该技术面向法医科学家、调查人员、互联网安全专家和应急人员，以支持他们的调查工作。

5．银杏分析( Ginkgo)：智能化合同管理

银杏分析提供了基于人工智能的合同管理技术，帮助客户了解合同。银杏分析的产品内容具体包括两个部分：第一部分是对单词的理解，为此AI在大量的英语文本上进行了训练，形成一个能够理解同义词的模型。第二部分是对句子进行分类，即对可交付成果和义务的认可。该应用程序当前识别合同规定的服务内容及合同相对方的义务的准确性为91%。

6. Ayfie：诉讼辩护辅助工具

Ayfie Group AS是Ayfie Group的母公司，位于挪威奥斯陆。公司拥有挪威Ayfie AS，瑞典Ayfie AB，德国Ayfie GmbH和美国Ayfie Inc.

该公司主要为律师事务所和其他斯堪的纳维亚知识业务提供知识管理产品，美国公司专注于美国法律服务和金融市场，而德国公司则是高级NLP和机器学习的研发中心。

德国Ayfie GmbH主要产品为Ayfie Inspector，该产品是一个功能强大的文本分析工具，可以筛选出结构化或非结构化内容中的关键信息。它超越了组合单词或相似名称的筛选模式，连接活动、地点、事物和时间，并采用了相应的语言处理技术，最终呈现在具有数据可视化功能的界面上。

Ayfie Inspector为诉讼活动提供了有效的辅助，它能够为大量基于文本的内容添加结构以进行快速过滤和筛查，且直观的查询使大量数据易于搜索。

7. Busylamp：法律事务管理

Busylamp主要向律师事务所提供法律事务管理服务，其能够收集、跟踪、分配和报告法律工作的过程，包括案件名称、类型、法律服务提供者以及处理案件的预算。旗下产品可管理的法律事务囊括了简单分析任务和复杂的法律项目，包括合同、争议诉讼、知识产权或并购。 Busylamp产品的主要目的在于更有效地组织、协作和报告法律部门的工作及相关费用。

Busylamp的法律事项管理系统主要包括两个方面：

(1)提供对法律部门工作的协调意见，并对工作进行详细的跟踪。基于这一功能，Busylamp能够帮助事务所有效计划未来事务，规划预算，有效地预防风险并形成以数据为依据的决策。

(2)自动执行重复的手动任务。这一功能能够提高律师工作效率，降低律师在编写报告和搜索文档等方面的投入时间以提高生产率，帮助律师专注于高价值的法律工作。

8. ipQuants：知识产权领域的法律建议服务

ipQuants主要提供知识产权领域的基于数据驱动的法律建议。具体而言，ipQuants基于欧洲专利局( EPO)和上诉委员会( BOA)的资料库创建案例法分析模块，向客户提供20000多个上诉委员会( BoA)决策分析以了解结果和趋势，选择可行的法律方案。 ipQuants 的产品为 ipQuants Appeal Insights，该产品具有搜索案例和报告过滤选项来评估数百种方案的功能。例如，确定与特定的主席或上诉委员会技术成员有关的决定；通过基于“检查申诉”或“异议申诉”进行过滤，找到相关的申诉决策等。

9. Legartis：智能化合同分析服务

Legartis主要面向律师事务所以及公司法律、采购和财务部门提供合同智能解决方案，帮助企业自动查看和分析法律文件，提供快速从法律文件中提取相关信息的工具。

(二)提供可应用于法律服务的数据分析服务

1. Glanos：基于Web的文本挖掘

Glanos旗下产品DataSphere协作Web平台可进行文本挖掘进行分析，作为技术基础辅助法律工作。

DataSphere的搭建流程包括：

(1)团队合作：跨学科团队制定程序规范；

(2)文档注释：对协作文档进行注释，将文本分析的结果与手动注释进行比较；

(3)文本分析：使用机器学习和基于规则的自然语言处理( NLP)方法处理和分析数据；

(4)质量检查：通过手动反馈进行连续自动校正，并通过单元测试进行质量保证，每次更改文本分析时都会自动重新评估。

2. ThingsTHINKING GmbH：非结构化数据的信息提取

ThingsTHINKING开发的产品具有语言理解能力，能够对文档进行语义识别，并应用于非结构化数据中的信息提取。该产品为汽车、化学、制药、法律、建筑、审计和保险领域的客户提供服务。

(三)专注与法律相关业务的细分场景

1. Fraugster Limited：防范欺诈交易

Fraugster Limited使用人工智能系统自动检测条款并防止欺诈。具体而言，人工智能系统在审核交易合同时，会分析每个交易行为条款的上下文，以便在批准合法交易的同时准确阻止交易中可能发生的欺诈行为。

该产品的AI引擎基于学习算法，可检测并应对新的欺诈模式。结合计算机的计算能力，它在毫秒内处理数千个事务，实现无限增长。

2. PAIR Finance：债务索赔服务

PAIR Finance提供了一种新形式的应收款管理和债务追收。借助基于数据的机器学习技术，该公司支持其客户追偿未决索赔。

3. Retresco：金融合规和反金融犯罪

Retresco基于人工智能，在自然语言处理(NLP) 、自然语言生成(NLG)和自然语言理解( NLU)领域开发软件解决方案。其中，Restresco在金融智能自动化解决方案中，有效地设计了金融行业中基于文本的业务流程，并能应用于合规和反金融犯罪领域。具体包括使用基于AI的语言技术，创建监管报告(如资金活动报告、信用评估和可疑交易报告)。

4. IPlytics：专利问题的风险管理

IPlytics为公司提供了一个自动化平台，用于研究专利、标准、出版物、公司数据和文献资料。为此，IPlytics结合有关市场和技术数据的广泛信息，并将数百万份专利文件、科学出版物和公司简介数据整合到该软件中。 IPlytics作为一个IP分析工具，同时向企业提供了风险管理，提供了有关法律纠纷、许可协议、专利池或者标准必要专利的数据预警系统，在早期为客户估算可能的成本，识别与量化潜在风险。

5. Leverton：法律文档的结构性分析

Leverton提供的产品可以从文档中提取数据信息，并以结构化和可分类的方式进行设置，主要用于财务、税务和法律领域。公司主要产品之一是一个AI驱动的数据提取和合同分析平台，可帮助企业从公司和法律文档中提取和分析关键的结构化数据。

6. Motionscloud：智能索赔方案

Motionscloud主要为保险公司提供智能索赔解决方案，通过MotionsCloud估算引擎实时估算损失价值。还能采用各种媒体形式，包括文本、音频、照片和视频收集证据，减少欺诈，将保险索赔成本和索赔周期从数天缩短至数小时。

7. MindUp：防范欺诈行为

MindUp的产品针对的是电子商务中商家的欺诈行为，通过机器学习训练AI系统实现对欺诈行为的自动检测。同时MindUp与政府机构合作，共同扩大资料库，协助打击国际欺诈者，辅助调查网络犯罪行为。

四、小结

德国作为工业大国，在人工智能领域的发展享有基础优势，尽管德国的人工智能行业经历了一段时间的低迷期，但是，在2018年的国家战略发布后，在理论研究、立法进程、伦理审查和企业发展方面都呈现出高速发展的态势。

总体而言，德国对人工智能的信心正在增长，德国人工智能行业的实力在迅速增强。在未来，德国法律人工智能背靠这一有利的大环境，有着明朗的前景。

1 郑春荣主编：《德国发展报告(2019)——大变局时代的德国》，社会科学文献出版社2019年版。

2 KünstlicheIntelligenz(KI)isteinSchüsselzur Weltvon morgen, NationalStrategiefürKünstlicheIntelligenz, http:/-/www.kistrategie-deutschland.de.(abgerufen am 25. Mai 2020).

3 参见张妮、杨遂全、蒲亦非：《国外人工智能与法律研究进展述评》，载《法律方法》2014年第2期。

4 See Benjamins, V.R., Casanovas, P., Breuker, J., Gangemi, A.(Eds.) Law andthe Se-mantic Web, Legal Ontologies, Methodologies, Legal Information Retrieval, and Applications,https://www.springer.com/gp/book/9783540250630,last access: May, 25, 2020.

5 See Joost Breuker, Andre Valente,Radboud Winkels.Legal Ontologiesin Knowledge Engi-neering andInformation Management, Artificial- Intelligence and Law, 2004, Vol.12 p.241277.

6 See Rinke Hoekstra, Joost Breuker, Marcello Di Bello, etc. The LKIF Core Ontology of BasicLegal Concepts, http:/-/www.estrellaproject.org/lkifcore/,last access: Aug, 19, 2020.

7 See Donald H.Berman, Carole D. Hafner.The Potentialof ArtificialIntelligenceto HelpSolvethe Crisisin Our Legal System,Communications of- the ACM, 1989, Vol.32(8) p.928938.

8 冯一平、陈正：《德国教科动态德国人工智能战略中期报告公布》，载同济大学中德人文交流研究中心(Thhp/-/sinogermon-dialogue.tongji.edv.cn/30/56/c7114a144982/page.htm)。

9 Lernende Systemem, https://www. plattform-lernende-systeme. de/startseite. html. ( ab-gerufen am 25. Mai 2020).