Von digitalen Artefakten zu gerichtlichen Feststellungen: Anwendung des J-DEAF-Rahmens durch KI-gestützte forensische Überprüfung

Von Dr. Shani Roffeh, Adv

Veröffentlicht October 22, 2026

Richterliche Kompetenz im Umgang mit digitalen Beweisen — Forschungsartikel III

Zusammenfassung

Die zunehmende Heranziehung digitalforensischer Beweise in gerichtlichen Verfahren wirft eine grundlegende Frage auf: Wie können Gerichte zwischen technologisch zutreffenden Befunden und sachverständigen Schlussfolgerungen unterscheiden, die über das hinausgehen, was durch die zugrunde liegenden Beweise nachgewiesen wird?

Der erste Artikel dieser Forschungsreihe identifizierte die Wissenslücke der Justiz, die sich aus der Unterscheidung zwischen digitalen Daten, forensischen Befunden, sachverständiger Auslegung und rechtlichen Schlussfolgerungen ergibt. Der zweite stellte das Judicial Digital Evidence Assessment Framework (J-DEAF) vor, ein vorgeschlagenes analytisches Protokoll mit sieben Bereichen, das juristische Fachkräfte bei der Bewertung der Zuverlässigkeit und der beweisrechtlichen Bedeutung digitaler Sachverständigengutachten unterstützen soll.

Dieser dritte Artikel vollzieht den Übergang von der konzeptionellen Entwicklung zur praktischen Anwendung.

Anhand einer hypothetischen forensischen Untersuchung zur mutmaßlich unbefugten Offenlegung vertraulicher Dokumente zeigt der Artikel, wie J-DEAF Schlussfolgerungslücken, unvollständige Untersuchungen, unbelegte Zuordnungen und Unsicherheiten aufdecken kann, die sich in scheinbar eindeutigen forensischen Berichten verbergen.

Besondere Aufmerksamkeit gilt dem Problem unsichtbarer Beweise: der Möglichkeit, dass automatisierte forensische Werkzeuge potenziell relevante Informationen filtern, klassifizieren, ausschließen oder nicht anzeigen, bevor die untersuchende Person mit der inhaltlichen Auslegung beginnt.

Der Artikel stellt ferner S.N.R-IQ vor, ein KI-gestütztes forensisches Prüfsystem, das derzeit im Beta-Betrieb läuft, als eine sich entwickelnde technologische Umsetzung, die für die strukturierte Bewertung digitaler Sachverständigenbeweise relevant ist.

Obwohl S.N.R-IQ bereits forensische Sachverständigengutachten analysieren und mögliche Diskrepanzen zwischen technischen Befunden und sachverständigen Schlussfolgerungen erkennen kann, wurde seine Wirksamkeit bislang weder durch unabhängige empirische Validierung noch durch systematischen Einsatz in Rechtsanwaltskanzleien nachgewiesen.

Der Artikel schlägt ein transparentes Modell der unter menschlicher Aufsicht durchgeführten KI-gestützten Beweisbewertung vor und skizziert die für eine künftige Evaluation erforderlichen methodischen Sicherungen.

Schlüsselwörter: Digitale Beweise; Digitale Forensik; J-DEAF; S.N.R-IQ; Künstliche Intelligenz; Sachverständigenaussagen; Federal Rule of Evidence 702; Richterliche Kompetenz; Forensische Transparenz; Zuverlässigkeit von Schlussfolgerungen; Automatisierte Beweisfilterung.

1. Einleitung: Von analytischen Grundsätzen zur praktischen Untersuchung

Digitalforensische Beweise nehmen in der heutigen Prozessführung eine zunehmend wichtige Stellung ein.

Gerichte befassen sich regelmäßig mit Sachverständigengutachten, die auf Computeruntersuchungen, Mobilgeräten, Cloud-Diensten, elektronischer Kommunikation, Netzwerkprotokollen und automatisierten forensischen Anwendungen beruhen.

Diese Gutachten enthalten häufig technisch anspruchsvolle Befunde, die in einer Weise präsentiert werden, die wissenschaftliche Gewissheit suggerieren kann.

Technologische Komplexität belegt jedoch nicht notwendigerweise die Richtigkeit der aus diesen Befunden gezogenen Schlussfolgerungen.

Eine forensische Anwendung kann eine Datei korrekt identifizieren, ein Authentifizierungsereignis aufzeichnen, gelöschte Informationen wiederherstellen oder eine Abfolge von Systemvorgängen rekonstruieren. Ob diese Beobachtungen menschliches Verhalten, Kenntnis, Absicht oder Verantwortlichkeit nachweisen, ist eine gesonderte Frage.

Der erste Artikel dieser Reihe, Die Wissenslücke der Justiz bei digitalen Beweisen: Von technischen Befunden zu rechtlichen Schlussfolgerungen, untersuchte die Unterscheidung zwischen vier analytischen Ebenen:

(1) Zugrunde liegende digitale Daten.

(2) Durch die Untersuchung gewonnene forensische Befunde.

(3) Sachverständige Auslegung dieser Befunde.

(4) Gerichtliche Schlussfolgerungen zu streitigen Tatsachen.

Der zweite Artikel, Entwicklung des J-DEAF-Bewertungsrahmens: Ein strukturierter, überprüfbarer Ansatz für digitale Sachverständigenbeweise nach US-amerikanischen beweisrechtlichen Standards, schlug ein Protokoll mit sieben Bereichen zur Untersuchung des Verhältnisses zwischen diesen Ebenen vor.

Diese Bereiche sind Quelle, Datenerhebung, Integrität, Methodik, Auslegung, Transparenz und beweisrechtliche Bedeutung.

Der vorliegende Artikel behandelt die nächste Frage:

Wie lässt sich dieser analytische Rahmen auf einen tatsächlichen Untersuchungsprozess anwenden, und welche Rolle könnte künstliche Intelligenz bei der Erkennung von Lücken spielen, die juristische Fachkräfte andernfalls möglicherweise übersehen?

Ziel ist es nicht, forensische Fachkompetenz oder richterliches Ermessen zu ersetzen.

Vielmehr soll untersucht werden, ob ein strukturierter, technologisch unterstützter Prozess die Argumentation, die digitalen Sachverständigengutachten zugrunde liegt, sichtbarer, besser überprüfbar und einer kritischen Anfechtung zugänglicher machen kann.

2. Die rechtliche Grundlage: Zuverlässigkeit erfordert mehr als technische Genauigkeit

2.1 Federal Rule of Evidence 702

Nach Federal Rule of Evidence 702 müssen Sachverständigenaussagen Anforderungen hinsichtlich der Qualifikation des Sachverständigen, der ausreichenden Tatsachengrundlage, der Zuverlässigkeit der angewandten Grundsätze und Methoden sowie der zuverlässigen Anwendung dieser Grundsätze und Methoden auf den Sachverhalt erfüllen.

Die Änderung von 2023 behandelt ausdrücklich das Erfordernis, dass ein Sachverständigengutachten eine zuverlässige Anwendung der Methodik auf die Tatsachen des Falls widerspiegeln muss.

Die Erläuterung des Advisory Committee betont, dass Gerichte prüfen müssen, ob die beweisführende Partei die einschlägigen Zulässigkeitsvoraussetzungen nach dem Beweismaß der überwiegenden Wahrscheinlichkeit nachgewiesen hat.

Diese Unterscheidung ist bei digitalforensischen Untersuchungen besonders wichtig.

Die Tatsache, dass eine anerkannte forensische Anwendung ein bestimmtes Ergebnis hervorgebracht hat, belegt nicht automatisch, dass die Interpretation dieses Ergebnisses durch die untersuchende Person zuverlässig ist.

Ein Werkzeug kann ein Authentifizierungsereignis korrekt identifizieren, ohne die Identität der Person festzustellen, die es ausgelöst hat.

Ebenso kann eine wiederhergestellte Datei authentisch sein, ohne nachzuweisen, dass ihr Eigentümer sie wissentlich erstellt, auf sie zugegriffen oder sie übermittelt hat.

Die Verantwortung des Gerichts beschränkt sich daher nicht auf die Feststellung, ob die Technologie ordnungsgemäß funktioniert hat.

Es muss auch prüfen, ob die Schlussfolgerungen des Sachverständigen innerhalb der durch die verfügbaren Informationen gestützten Grenzen bleiben.

2.2 Die in Joiner festgestellte analytische Lücke

In General Electric Co. v. Joiner, 522 U.S. 136 (1997), erkannte der Supreme Court an, dass ein Gericht eine sachverständige Aussage zurückweisen darf, wenn die analytische Lücke zwischen den Daten und der gutachterlichen Beurteilung zu groß ist.

Dieser Grundsatz ist nicht auf digitale Beweismittel beschränkt.

Dennoch liefern digitalforensische Untersuchungen besonders wichtige Beispiele, weil technische Beobachtungen Bedeutungen annehmen können, die erheblich über ihre ursprüngliche Funktion hinausgehen.

Ein Computerprotokoll kann belegen, dass ein System ein Ereignis aufgezeichnet hat.

Ein Sachverständiger kann dieses Ereignis als Beleg für menschliche Aktivität interpretieren.

Eine Partei kann die Interpretation des Sachverständigen anschließend als Nachweis eines Fehlverhaltens darstellen.

Jeder dieser Übergänge bedarf einer beweismäßigen Grundlage.

Die für J-DEAF vorgeschlagene zentrale Funktion besteht darin, diese Übergänge ausdrücklich offenzulegen und einer systematischen Prüfung zugänglich zu machen.

3. Ein hypothetischer Fall: Die Untersuchung zur Offenlegung vertraulicher Dokumente

3.1 Der Vorwurf

Betrachtet sei ein hypothetisches Zivilverfahren wegen der behaupteten unbefugten Offenlegung vertraulicher Unternehmensdokumente.

Einem Mitarbeiter wird vorgeworfen, sensible geschäftliche Informationen von einem Unternehmenscomputer an einen externen Empfänger übertragen zu haben.

Der Arbeitgeber beauftragt eine digitalforensische Untersuchung.

Das daraus hervorgehende Sachverständigengutachten enthält mehrere Feststellungen:

Auf dem dem Mitarbeiter zugewiesenen Arbeitsplatzrechner befand sich ein vertrauliches Dokument.

Im maßgeblichen Zeitraum wurde auf die Datei zugegriffen.

Systemaufzeichnungen weisen auf Aktivitäten unter Beteiligung eines externen Speicher- oder Kommunikationsmechanismus hin.

Das Benutzerkonto des Mitarbeiters wurde im maßgeblichen Zeitraum authentifiziert.

Eine forensische Anwendung erzeugte eine Zeitleiste, die diese Ereignisse miteinander verknüpfte.

Der Sachverständige gelangt zu dem Schluss, dass der Mitarbeiter das vertrauliche Dokument persönlich an einen unbefugten Dritten übertragen hat.

Der Arbeitgeber stützt sich auf diese Schlussfolgerung als zentralen Bestandteil seines Vorbringens.

3.2 Die scheinbare Beweiskraft

Auf den ersten Blick erscheint das Gutachten überzeugend.

Der Arbeitsplatzrechner wurde mithilfe forensischer Software untersucht.

Die erhobenen Daten wurden gesichert.

Hashwerte wurden dokumentiert.

Die Untersuchung ergab eine detaillierte technische Zeitleiste.

Das Gutachten enthält Bildschirmaufnahmen, extrahierte Aufzeichnungen und Beschreibungen des Untersuchungsablaufs.

Keines dieser Merkmale ist an sich problematisch.

Vielmehr können sie die technische Zuverlässigkeit und Reproduzierbarkeit einzelner Feststellungen stützen.

Die Schwierigkeit entsteht, wenn die Schlussfolgerung zum persönlichen Verhalten des Mitarbeiters allein deshalb als erwiesen behandelt wird, weil die zugrunde liegenden digitalen Aufzeichnungen korrekt wiederhergestellt wurden.

3.3 Die fehlenden Schlussfolgerungsschritte

Das Gutachten lässt möglicherweise mehrere Fragen unbeantwortet.

Wurde der Arbeitsplatzrechner ausschließlich von dem Mitarbeiter genutzt?

Könnte auf das Benutzerkonto aus der Ferne zugegriffen worden sein?

Beruhte der aufgezeichnete Dateizugriff auf einer bewussten menschlichen Handlung oder auf einem automatisierten Prozess?

Belegt die Aufzeichnung zum externen Gerät, dass gerade das betreffende vertrauliche Dokument übertragen wurde?

Gab es unabhängige Belege für eine Übermittlung an den behaupteten Empfänger?

Wurden alternative Erklärungen berücksichtigt und dokumentiert?

Diese Fragen belegen nicht, dass die Schlussfolgerung des Sachverständigen falsch ist.

Sie verdeutlichen, dass die Tragfähigkeit der Schlussfolgerung von Informationen und Erwägungen abhängt, die eigenständig geprüft werden müssen.

Diese Unterscheidung ist für J-DEAF von zentraler Bedeutung.

4. Anwendung der sieben J-DEAF-Prüfbereiche

4.1 Quelle: Was hat das System tatsächlich aufgezeichnet?

Der erste Prüfbereich untersucht die Herkunft und Bedeutung der zugrunde liegenden digitalen Informationen.

Eine Systemaufzeichnung sollte nicht interpretiert werden, ohne den für ihre Erzeugung verantwortlichen Mechanismus zu verstehen.

In der hypothetischen Untersuchung muss die untersuchende Person das relevante Betriebssystem, den Protokollierungsmechanismus, das Anwendungsverhalten und die Ereignisdefinitionen bestimmen.

Beispielsweise kann ein Ereignis, das auf das Öffnen einer Datei hinweist, eine unterschiedliche Bedeutung haben, je nachdem, ob es aus einem Anwendungsprotokoll, einem Dateisystemartefakt oder einem automatisierten Indexierungsprozess stammt.

Die bewertende Person sollte folgende Fragen stellen:

Welches Ereignis zeichnet die Quelle tatsächlich auf?

Welche technischen Bedingungen erzeugen dieses Ereignis?

Kann dieselbe Aufzeichnung auch ohne das behauptete Verhalten entstehen?

Ziel ist es, die Bedeutung der ursprünglichen Beobachtung festzustellen, bevor ihr eine beweismäßige Bedeutung zugeschrieben wird.

4.2 Datenerhebung: Welche Informationen wurden erhoben?

Der zweite Prüfbereich untersucht den Umfang und die Grenzen der forensischen Datenerhebung.

Eine Untersuchung kann das erhobene Material unverfälscht sichern und zugleich potenziell relevante Informationskategorien auslassen.

Beispielsweise könnte die untersuchende Person den lokalen Speicher des Arbeitsplatzrechners erhoben haben, ohne Aufzeichnungen zur Cloud-Synchronisierung, Fernzugriffsprotokolle oder serverseitige Kommunikationsdaten einzuholen.

Solche Auslassungen machen die Untersuchung nicht zwangsläufig ungültig.

Sie können jedoch die Schlussfolgerungen begrenzen, die sich vernünftigerweise daraus ziehen lassen.

Die bewertende Person muss zwischen Beweismitteln unterscheiden, die nicht existieren, solchen, die nicht verfügbar waren, und solchen, die nie untersucht wurden.

Dabei handelt es sich um wesentlich unterschiedliche Sachverhalte.

4.3 Integrität: Was belegt die Sicherung?

Die Überprüfung von Hashwerten und dokumentierte Verfahren zur Gewährleistung der Beweismittelkette können wesentlich dazu beitragen, sicherzustellen, dass erhobene Daten unverändert geblieben sind.

Sie belegen jedoch nicht die Wahrheit jeder aus diesen Daten abgeleiteten Aussage.

Ein verifiziertes forensisches Abbild kann eine irreführende Aufzeichnung unverfälscht bewahren.

Ein korrekt extrahiertes Protokoll kann ein Ereignis enthalten, dessen Bedeutung missverstanden wurde.

Die Prüfung der Integrität muss daher von der Prüfung der Interpretation getrennt bleiben.

Die maßgebliche Frage ist nicht, ob die Überprüfung von Hashwerten wertvoll ist.

Sie lautet vielmehr, ob der Sachverständige dieser Überprüfung Schlussfolgerungen zugeschrieben hat, die sie für sich genommen nicht stützen kann.

4.4 Methodik: War die Untersuchung für die Fragestellung geeignet?

Der vierte Prüfbereich betrifft die eingesetzten Methoden und Werkzeuge.

Digitalforensische Anwendungen erfüllen ein breites Spektrum von Funktionen, darunter Extraktion, Indexierung, Parsing, Klassifizierung, Erstellung von Zeitleisten und Wiederherstellung gelöschter Informationen.

Ihre Zuverlässigkeit muss im Hinblick auf die jeweils ausgeführte Aufgabe beurteilt werden.

Ein Werkzeug, das ein Dateisystemartefakt zuverlässig identifiziert, bestimmt nicht zwangsläufig die Identität oder Absicht einer handelnden Person.

Die bewertende Person sollte daher die Werkzeugversion, relevante Einstellungen, Verifizierungsverfahren, bekannte Einschränkungen und die Eignung der Methode für die zu untersuchende Aussage prüfen.

4.5 Interpretation: Wo wird aus Beobachtung eine Schlussfolgerung?

Dieser Prüfbereich behandelt die zentrale analytische Schwierigkeit.

Die untersuchende Person kann feststellen, dass ein Benutzerkonto authentifiziert wurde und ein dateibezogenes Ereignis eingetreten ist.

Die Schlussfolgerung, dass der Mitarbeiter das Dokument persönlich übermittelt hat, erfordert zusätzliche Erwägungen.

Diese Erwägungen können von Annahmen über die Kontrolle des Benutzerkontos, den Gerätezugriff, Fernverbindungen, automatisierte Aktivitäten und den Zusammenhang zwischen den aufgezeichneten Ereignissen abhängen.

Eine strukturierte Bewertung sollte jede Annahme benennen und feststellen, ob sie durch Beweismittel gestützt wird.

Das Vorliegen einer plausiblen alternativen Erklärung widerlegt die Schlussfolgerung des Sachverständigen nicht automatisch.

Ihre Bedeutung hängt von den Beweismitteln ab, die diese Erklärung stützen oder ausschließen, sowie vom anwendbaren rechtlichen Maßstab.

4.6 Transparenz: Kann die Untersuchung inhaltlich nachvollziehbar überprüft werden?

Transparenz erfordert mehr als ein umfangreiches technisches Gutachten.

Ein Gutachten kann Hunderte von Seiten extrahierter Informationen enthalten und dennoch kaum erläutern, wie die untersuchende Person relevante Artefakte ausgewählt oder alternative Interpretationen ausgeschlossen hat.

Eine inhaltlich nachvollziehbare Überprüfung kann Zugang zu Untersuchungsnotizen, Werkzeugeinstellungen, Quellaufzeichnungen, Verifizierungsverfahren und Beschreibungen analytischer Einschränkungen erfordern.

Der Zugang unterliegt weiterhin rechtmäßigen Offenlegungsbeschränkungen, Vertraulichkeitsschutz und den Umständen des Verfahrens.

Die wesentliche Frage lautet, ob eine andere qualifizierte untersuchende Person die Erwägungen, die die Daten mit der Schlussfolgerung verbinden, inhaltlich nachvollziehbar beurteilen könnte.

4.7 Beweismäßige Bedeutung: Was wurde tatsächlich nachgewiesen?

Der letzte Prüfbereich kehrt zu der Aussage zurück, zu deren Nachweis das Beweismittel angeboten wird.

Im hypothetischen Fall lautet diese Aussage nicht lediglich, dass eine Datei existierte oder ein Systemereignis eingetreten ist.

Sie lautet vielmehr, dass ein bestimmter Mitarbeiter vertrauliche Informationen persönlich und ohne Befugnis übertragen hat.

Die bewertende Person muss feststellen, welche Elemente dieser Aussage gestützt sind, welche ungewiss bleiben und welche zusätzlichen bestätigenden Belege erforderlich sein könnten.

Eine angemessen begrenzte Schlussfolgerung könnte feststellen, dass die Aufzeichnungen mit einer Übertragung unter Beteiligung des Arbeitsplatzrechners oder des Benutzerkontos vereinbar sind, zugleich aber anerkennen, dass die persönliche Zurechnung weiterhin von zusätzlichen Beweismitteln abhängt.

Eine solche Schlussfolgerung kann dennoch rechtlich bedeutsam sein.

Ihr Wert liegt darin, präzise zu vermitteln, was die Beweismittel nachweisen können und was nicht.

5. Das Problem unsichtbarer Beweismittel: Automatisierte Filterung vor der sachverständigen Interpretation

5.1 Das Problem der Auswahl vor der Interpretation

Eine weitere Schwierigkeit entsteht, bevor der Sachverständige mit der Interpretation der extrahierten Informationen beginnt.

Moderne forensische Anwendungen können große Mengen digitalen Materials mittels automatisierter Klassifizierung, Filterung, Indexierung, Deduplizierung und Priorisierung verarbeiten.

Diese Vorgänge sind häufig notwendig, um umfangreiche Datensätze handhabbar zu machen.

Sie können jedoch auch beeinflussen, welche Informationen für die untersuchende Person sichtbar werden.

Die Schlussfolgerungen der untersuchenden Person können daher nicht nur von den zugrunde liegenden Beweismitteln abhängen, sondern auch von der Konfiguration und dem Verhalten der zu ihrer Organisation verwendeten Software.

Dies schafft ein eigenständiges analytisches Problem.

Wie kann ein Sachverständiger Informationen beurteilen, die nie angezeigt wurden, und wie kann ein Gericht die Bedeutung von Informationen bewerten, deren Ausschluss nicht dokumentiert wurde?

5.2 Drei Kategorien fehlender Beweisinformationen

Eine hilfreiche analytische Unterscheidung lässt sich zwischen drei Situationen treffen.

Erstens: Nicht erhobene Informationen.

Relevante Daten können aufgrund technischer Einschränkungen, nicht verfügbarer Zugangsdaten, unzugänglicher Systeme oder des festgelegten Untersuchungsumfangs außerhalb der Untersuchung bleiben.

Zweitens: Erhobene Informationen, die jedoch herausgefiltert oder aus der Arbeitsansicht der untersuchenden Person ausgeschlossen wurden.

Das zugrunde liegende Material kann im erhobenen Datensatz vorhanden sein, aufgrund von Suchbegriffen, Filtern, Klassifizierungsregeln oder Verarbeitungsbeschränkungen jedoch in den angezeigten Ergebnissen fehlen.

Drittens: Untersuchte Informationen, die jedoch im abschließenden Sachverständigengutachten weggelassen wurden.

Die untersuchende Person kann bestimmte Informationen berücksichtigt, sich jedoch gegen deren Aufnahme in das Gutachten entschieden haben.

Diese Situationen erfordern unterschiedliche Formen der Prüfung.

Eine Einschränkung der Datenerhebung betrifft die Vollständigkeit des verfügbaren Materials.

Eine Einschränkung durch Filterung betrifft das Verhältnis zwischen dem erhobenen Material und den zur Untersuchung angezeigten Informationen.

Eine Auslassung im Gutachten betrifft das Verhältnis zwischen der durchgeführten Untersuchung und den mitgeteilten Schlussfolgerungen.

Sie sollten nicht als gleichwertig behandelt werden.

5.3 Warum dies für die gerichtliche Bewertung von Bedeutung ist

Betrachtet sei ein forensisches Gutachten, das eine Reihe von Dateizugriffsereignissen feststellt, die auf bewusstes Handeln hindeuten.

Wenn die Software Aufzeichnungen über Hintergrundsynchronisierungen automatisch ausgeschlossen hat, könnte die untersuchende Person Informationen, die für eine alternative Erklärung relevant sind, nicht geprüft haben.

Das Problem besteht nicht darin, dass automatisierte Filterung grundsätzlich unzuverlässig wäre.

Filterung ist für wirksame forensische Arbeit häufig unerlässlich.

Das Problem entsteht, wenn Umfang und Folgen der Filterung unbekannt oder unzureichend dokumentiert sind.

Dementsprechend sollte in den J-DEAF-Prüfbereichen Datenerhebung, Methodik und Transparenz geprüft werden, ob sich relevante Verarbeitungsentscheidungen identifizieren und bewerten lassen.

Dazu gehört die Frage, ob die verfügbare Dokumentation den Umfang der Extraktion, die angewandten Filter und etwaige Materialkategorien erläutert, die möglicherweise ausgeschlossen wurden.

5.4 Die Grenzen nachträglicher Überprüfung

Nicht jedes ausgelassene Element lässt sich rekonstruieren.

Manche Daten wurden möglicherweise nie erhoben.

Andere Informationen können aufgrund des Systemverhaltens, von Aufbewahrungsrichtlinien oder technischen Einschränkungen verloren gegangen sein.

Eine überprüfende Person sollte daher nicht davon ausgehen, dass eine unvollständige Dokumentation stets vervollständigt werden kann.

Wenn die Originaldaten oder Verarbeitungsaufzeichnungen nicht verfügbar sind, sollte diese Einschränkung selbst dokumentiert werden.

Das Fehlen von Informationen sollte nicht automatisch als Beleg zugunsten einer der Parteien interpretiert werden.

6. Darstellung der Schlussfolgerungskette

Der praktische Wert von J-DEAF liegt darin, den Zusammenhang zwischen Beweismitteln und Schlussfolgerung sichtbar zu machen.

In der hypothetischen Untersuchung lassen sich die Erwägungen in vier Ebenen gliedern.

Dieses Modell bestimmt nicht, ob der Mitarbeiter verantwortlich ist.

Es benennt die Fragen, die beantwortet werden müssen, bevor die technischen Feststellungen diese Schlussfolgerung stützen können.

Der Rahmen vermeidet zudem einen irreführenden numerischen Ansatz zur Beurteilung der Zuverlässigkeit.

Ein leistungsfähiger Datenerhebungsprozess kann eine nicht belegte Zurechnung nicht automatisch ausgleichen.

Ebenso beseitigt eine gut dokumentierte Beweismittelkette nicht die Unsicherheit hinsichtlich menschlicher Absichten.

Jeder Schlussfolgerungsschritt muss für sich genommen geprüft werden.

7. Von der manuellen Bewertung zur KI-gestützten Prüfung: Einführung in S.N.R-IQ

7.1 Die Begründung für technologische Unterstützung

Die von J-DEAF vorgeschlagene strukturierte Prüfung kann von juristischen Fachkräften verlangen, umfangreiche Sachverständigengutachten, technische Aufzeichnungen, methodische Beschreibungen und streitige Tatsachenbehauptungen miteinander zu vergleichen.

Diese Arbeit kann anspruchsvoll sein, insbesondere wenn Gutachten umfangreiche Fachterminologie oder mehrere Ebenen von Schlussfolgerungen enthalten.

Künstliche Intelligenz bietet eine potenzielle Möglichkeit, den Prüfungsprozess zu unterstützen.

Anstatt forensische Sachverständige oder Richterinnen und Richter zu ersetzen, kann ein KI-gestütztes System dabei helfen, die relevanten Aussagen zu ordnen, mögliche Unstimmigkeiten zu erkennen und die menschliche Aufmerksamkeit auf Fragen zu lenken, die einer weiteren Prüfung bedürfen.

Das zentrale Ziel ist nicht die automatisierte Rechtsprechung.

Es besteht darin, die Argumentation, die technische Befunde mit rechtlichen Behauptungen verbindet, besser sichtbar zu machen.

7.2 S.N.R-IQ: Ein bestehendes System im Beta-Stadium

S.N.R-IQ ist ein KI-gestütztes System zur Beweisanalyse, das entwickelt wurde, um die Prüfung digitalforensischer Sachverständigengutachten und der damit verbundenen beweisbezogenen Argumentation zu unterstützen.

Zum Zeitpunkt der Abfassung befindet sich das System im Beta-Betrieb.

Zu seinen bestehenden Fähigkeiten gehören die Analyse forensischer Sachverständigengutachten und die Erkennung möglicher Lücken zwischen den in diesen Gutachten beschriebenen technischen Befunden und den von den Sachverständigen vertretenen Schlussfolgerungen.

Diese Funktionalität ist für das von J-DEAF behandelte Problem unmittelbar relevant.

Das System bietet die Möglichkeit zu untersuchen, ob KI-gestützte Analysen die strukturierte Erkennung von Schwächen in Schlussfolgerungen, unbelegten Annahmen und Fragen, die einer fachlichen Klärung bedürfen, unterstützen können.

Dabei muss jedoch eine wichtige Unterscheidung gewahrt bleiben.

Das Vorhandensein analytischer Funktionalität belegt weder, dass die Ausgaben des Systems durchweg korrekt sind, noch, dass es besser abschneidet als erfahrene juristische Fachkräfte oder dass seine Nutzung die richterliche Entscheidungsfindung verbessert.

S.N.R-IQ wurde bislang nicht systematisch in Anwaltskanzleien eingesetzt, und dieser Artikel legt keine unabhängige kontrollierte Studie vor, die seine Wirksamkeit belegt.

Dementsprechend liegt seine gegenwärtige Bedeutung darin, eine funktionsfähige Technologie im Beta-Stadium zu sein, die sich für eine weitere strukturierte Evaluation eignet.

7.3 Das Verhältnis zwischen J-DEAF und S.N.R-IQ

J-DEAF und S.N.R-IQ sind als eigenständige, jedoch potenziell komplementäre Entwicklungen zu verstehen.

J-DEAF ist ein vorgeschlagener rechtsanalytischer Rahmen.

S.N.R-IQ ist ein technologisches System, das KI-gestützte Analysen forensischer Sachverständigengutachten durchführen kann.

Der Rahmen stellt einen strukturierten Fragenkatalog zum Verhältnis zwischen Daten, Methodik, Interpretation und rechtlicher Bedeutung bereit.

Das System bietet eine potenzielle Möglichkeit, die Anwendung dieser Fragen auf komplexes Dokumentenmaterial zu unterstützen.

Beides darf nicht gleichgesetzt werden.

J-DEAF kann ohne S.N.R-IQ manuell angewendet werden.

Ebenso belegt die Existenz von S.N.R-IQ nicht, dass jeder Aspekt seiner Funktionsweise anhand sämtlicher sieben J-DEAF-Bereiche validiert wurde.

Eine vollständige Zuordnung zwischen dem Rahmen und den im System implementierten Funktionen ist ein notwendiger Bestandteil der künftigen technischen und empirischen Evaluation.

7.4 Das vorgeschlagene Modell einer menschlich beaufsichtigten Prüfung

Ein künftiger KI-gestützter Arbeitsablauf kann mehrere Phasen umfassen.

Zunächst bestimmt die juristische prüfende Person die genaue Aussage, die durch das forensische Gutachten belegt werden soll.

Zweitens werden das einschlägige Sachverständigengutachten und die ergänzenden Unterlagen geprüft.

Drittens führt S.N.R-IQ eine KI-gestützte Analyse durch und identifiziert dabei mögliche Unstimmigkeiten, nicht hinreichend gestützte Schlussfolgerungsschritte oder Fragen, die weiterer Untersuchung bedürfen.

Viertens bewertet eine qualifizierte menschliche prüfende Person die vom System ausgegebenen Hinweise anhand des Originalmaterials.

Abschließend entscheidet die prüfende Person, ob zusätzliche forensische Untersuchungen, Klarstellungen oder Sachverständigenbeweise erforderlich sind.

Dieser Arbeitsablauf wird als Forschungsmodell vorgeschlagen und ist nicht als Aussage zu verstehen, dass derzeit jede Phase innerhalb von S.N.R-IQ automatisiert ist.

Diese Unterscheidung ist wesentlich, weil ein System eine möglicherweise nicht hinreichend gestützte Schlussfolgerung erkennen kann, ohne Zugang zu sämtlichen zugrunde liegenden Quelldaten zu haben.

Unter solchen Umständen kann es eine Dokumentations- oder Begründungslücke erkennen, jedoch nicht notwendigerweise feststellen, dass die ursprüngliche forensische Schlussfolgerung sachlich falsch ist.

8. Die Risiken der KI-gestützten forensischen Prüfung

Die Einführung künstlicher Intelligenz in die Beweisbewertung bringt eigene methodische Herausforderungen mit sich.

8.1 Falsch-positive und falsch-negative Ergebnisse

Ein KI-System kann eine Lücke in der Schlussfolgerung erkennen, obwohl die Argumentation der sachverständigen Person hinreichend gestützt ist.

Umgekehrt kann es eine erhebliche methodische Schwäche übersehen.

Beide Fehler sind relevant.

Eine wirksame Evaluation muss daher nicht nur die Anzahl der erkannten potenziellen Probleme erfassen, sondern auch, ob diese zutreffend erkannt wurden, wie bedeutsam und wie relevant sie sind.

8.2 Halluzinationen und unbelegte technische Aussagen

Generative KI-Systeme können plausible Erklärungen erzeugen, die durch das bereitgestellte Material nicht gestützt werden.

Bei der forensischen Prüfung können solche Fehler besonders schwerwiegend sein, weil technische Fachsprache den Anschein von Autorität erwecken kann.

Jeder wesentliche Hinweis, den ein KI-gestütztes System erzeugt, sollte daher auf identifizierbares Quellenmaterial zurückführbar oder eindeutig als überprüfungsbedürftige Hypothese gekennzeichnet sein.

8.3 Automatisierungsbias

Juristische Fachkräfte können systemgenerierten Schlussfolgerungen übermäßiges Gewicht beimessen.

Ein von einer hochentwickelten Software präsentierter Befund kann objektiver erscheinen als eine gleichwertige menschliche Beobachtung.

Dieses Risiko ist besonders bedeutsam, wenn das System Personen unterstützen soll, die nicht über vertiefte technische Fachkenntnisse verfügen.

Die prüfende Person muss weiterhin dafür verantwortlich bleiben, die Relevanz und Richtigkeit der vom System ausgegebenen Hinweise zu beurteilen.

8.4 Vertraulichkeit und Datenschutz

Forensische Gutachten können personenbezogene Informationen, vertrauliche Kommunikation, Geschäftsgeheimnisse, rechtlich geschützte vertrauliche Unterlagen oder sensible Ermittlungsunterlagen enthalten.

Jeder praktische Einsatz einer KI-gestützten Prüfung muss die Rechtmäßigkeit der Verarbeitung, Zugriffskontrollen, Vertraulichkeit, Datenaufbewahrung und den Umgang mit Informationen berücksichtigen, die möglicherweise einem rechtlichen Vertraulichkeitsschutz unterliegen.

Diese Pflichten hängen von der Rechtsordnung, der Art des Verfahrens und der technischen Architektur des Systems ab.

8.5 Reproduzierbarkeit und Versionskontrolle

KI-gestützte Analysen können durch Modellversionen, Konfigurationsänderungen, Verarbeitungseinstellungen und Unterschiede im bereitgestellten Material beeinflusst werden.

Ein methodisch vertretbares Forschungsprotokoll sollte die relevanten Systemversionen, Eingabedokumente, soweit verfügbar die Analyseeinstellungen sowie die daraus resultierenden Ausgaben dokumentieren.

Ohne angemessene Dokumentation können spätere prüfende Personen möglicherweise nicht feststellen, weshalb unterschiedliche Ergebnisse erzeugt wurden.

9. Vorschlag für eine empirische Evaluation der KI-gestützten J-DEAF-Prüfung

9.1 Forschungsfrage

In der nächsten Phase dieser Forschung sollte untersucht werden, ob die KI-gestützte Bewertung die Fähigkeit juristischer Fachkräfte verbessert, Lücken in Schlussfolgerungen digitalforensischer Sachverständigengutachten zu erkennen.

Die vorgeschlagene Forschungsfrage lautet:

Verbessert der Einsatz von S.N.R-IQ im Rahmen einer strukturierten J-DEAF-Bewertung die Genauigkeit, Vollständigkeit oder Effizienz bei der Erkennung nicht hinreichend gestützter forensischer Schlussfolgerungen gegenüber einer herkömmlichen juristischen Prüfung?

Diese Frage ist empirischer Natur.

Sie lässt sich nicht allein durch den Nachweis beantworten, dass das System analytische Hinweise erzeugt.

9.2 Vorgeschlagenes vergleichendes Studiendesign

Eine kontrollierte Studie könnte drei Gruppen vergleichen.

Gruppe A: Juristische Fachkräfte, die eine herkömmliche Prüfung ohne strukturiertes J-DEAF-Arbeitsblatt oder KI-Unterstützung durchführen.

Gruppe B: Juristische Fachkräfte, die das manuelle J-DEAF-Bewertungsprotokoll verwenden.

Gruppe C: Juristische Fachkräfte, die J-DEAF mit Unterstützung durch S.N.R-IQ verwenden.

Die Teilnehmenden würden standardisierte forensische Gutachten prüfen, die eine Mischung aus hinreichend gestützten Schlussfolgerungen, tatsächlichen Schwächen in Schlussfolgerungen und bewusst konstruierten Mehrdeutigkeiten enthalten.

Die Studie sollte einen unabhängig entwickelten Referenzstandard verwenden und bewerten, ob die Teilnehmenden zutreffend zwischen verlässlichen Schlussfolgerungen und nicht hinreichend gestützten weitergehenden Ableitungen unterscheiden.

9.3 Vorgeschlagene Ergebnismaße

Das primäre Ergebnismaß sollte die zutreffende Erkennung wesentlicher Schwächen in Schlussfolgerungen sein.

Sekundäre Ergebnismaße können umfassen:

Raten falsch-positiver und falsch-negativer Ergebnisse.

Erkennung plausibler alternativer Erklärungen.

Erkennung fehlender oder gefilterter Informationen.

Qualität der an forensische Sachverständige gerichteten Klärungsfragen.

Zeitaufwand für den Abschluss der Bewertung.

Kalibrierung der Urteilssicherheit.

Übereinstimmung zwischen unabhängigen Bewertenden.

Die Studie sollte auch Fälle umfassen, in denen die Schlussfolgerungen der sachverständigen Person gut gestützt sind.

Andernfalls könnte ein System, das lediglich eine pauschale Skepsis fördert, erfolgreich erscheinen, ohne die beweisbezogene Argumentation zu verbessern.

9.4 Vorkehrungen zur Absicherung der Forschung

Das Forschungsdesign sollte vor der Erhebung der Ergebnisdaten festgelegt werden.

Geeignete Vorkehrungen würden eine unabhängige fachliche Prüfung der Testmaterialien, eine verblindete Bewertung, soweit durchführbar, vorab definierte Bewertungskriterien und die Dokumentation der Systemversionen umfassen.

Werden praktizierende Rechtsanwältinnen und Rechtsanwälte oder andere Personen als Teilnehmende rekrutiert, müssen die geltenden Ethik- und Vertraulichkeitsanforderungen berücksichtigt werden.

Eine kommerzielle Beteiligung und die Beziehung der forschenden Person zu S.N.R-IQ sollten offengelegt werden.

Die Ergebnisse sollten zwischen einer verbesserten Leistung bei standardisierten Übungen und nachgewiesenen Verbesserungen in tatsächlichen Gerichtsverfahren unterscheiden.

Letztere können nicht automatisch aus Ersteren abgeleitet werden.

10. Auswirkungen auf die Rechtspraxis und die richterliche Fortbildung

Der vorgeschlagene Ansatz hat Auswirkungen, die über die Prüfung einzelner Sachverständigengutachten hinausgehen.

Juristische Fachkräfte, deren Hauptfachkenntnisse außerhalb der Informatik liegen, sind zunehmend mit digitalen Beweismitteln konfrontiert.

Eine im Familienrecht tätige anwaltliche Person muss möglicherweise die Bedeutung von Metadaten aus Nachrichtendiensten bewerten.

Eine im Arbeitsrecht tätige anwaltliche Person kann mit einem Sachverständigengutachten zur Computernutzung am Arbeitsplatz konfrontiert sein.

Eine strafverteidigende Person muss möglicherweise die Ergebnisse einer Datenextraktion aus Mobilgeräten prüfen.

Eine in wirtschaftsrechtlichen Streitigkeiten tätige anwaltliche Person kann mit Vorwürfen konfrontiert sein, die auf Cloud-Aufzeichnungen oder Versionsverläufen elektronischer Dokumente beruhen.

In jedem dieser Kontexte besteht die Herausforderung nicht notwendigerweise darin, selbst digitalforensische Sachverständige zu werden.

Sie besteht darin, den Unterschied zwischen einer technischen Beobachtung und der rechtlich relevanten Aussage zu erkennen, zu deren Nachweis diese Beobachtung vorgebracht wird.

Ein strukturierter analytischer Rahmen kann juristischen Fachkräften helfen, präzisere Fragen zu formulieren und zu erkennen, wann eine fachliche Klärung erforderlich ist.

KI-gestützte Systeme könnten diesen Prozess künftig unterstützen, indem sie prüfenden Personen helfen, komplexes Material zu ordnen und Fragen zu erkennen, die Aufmerksamkeit verdienen.

Der Bildungswert solcher Systeme muss jedoch unabhängig evaluiert werden.

Ein System, das detaillierte Kritik ohne hinreichende Genauigkeit erzeugt, könnte die Verwirrung verstärken, statt sie zu verringern.

Das Ziel sollte daher ein angemessen kalibriertes fachliches Urteil sein und nicht die automatische Erzeugung von Einwänden gegen Sachverständigenbeweise.

11. Diskussion: Die Grenzen technologischer Unterstützung

Die Entwicklung von J-DEAF und das Aufkommen von S.N.R-IQ werfen eine weitergehende Frage zum künftigen Verhältnis zwischen künstlicher Intelligenz und richterlicher Argumentation auf.

Das in dieser Forschungsreihe behandelte Problem besteht nicht lediglich darin, dass Richterinnen und Richter sowie Rechtsanwältinnen und Rechtsanwälte möglicherweise nicht über spezialisierte technische Kenntnisse verfügen.

Es besteht darin, dass die Überführung technischer Befunde in rechtliche Schlussfolgerungen eine identifizierbare und vertretbare Argumentationskette erfordert.

Diese Kette kann Annahmen, methodische Einschränkungen, fehlende Informationen oder alternative Erklärungen enthalten.

Die Einführung künstlicher Intelligenz beseitigt diese Schwierigkeiten nicht.

Vielmehr kann die KI-gestützte Analyse eine zusätzliche Interpretationsebene schaffen, die ihrerseits einer kritischen Prüfung bedarf.

Ein verantwortungsvoller Ansatz muss daher vergleichbare Anforderungen an Transparenz, Nachvollziehbarkeit und kritische Bewertung auf den KI-gestützten Prüfungsprozess anwenden.

Die maßgebliche Frage ist nicht, ob ein KI-System eine beeindruckende Analyse erzeugt.

Sie lautet vielmehr, ob die Analyse wesentliche Probleme zutreffend erkennt, deren beweisrechtliche Relevanz erläutert und eine aussagekräftige menschliche Überprüfung ermöglicht.

Der vorgeschlagene Beitrag einer Verbindung strukturierter juristischer Bewertung mit technologischer Unterstützung liegt darin, diese Fragen systematischer und potenziell leichter überprüfbar zu machen.

Ob sich dieser Beitrag in messbaren Verbesserungen niederschlägt, bleibt Gegenstand künftiger Forschung.

12. Schlussfolgerung

Digitalforensische Beweismittel können technisch korrekt sein und zugleich Schlussfolgerungen stützen, die über das hinausgehen, was die zugrunde liegenden Informationen belegen.

Der erste Artikel dieser Reihe identifizierte die mit dieser Unterscheidung verbundene richterliche Wissenslücke.

Der zweite schlug J-DEAF als strukturierten, überprüfbaren Rahmen zur Untersuchung des Verhältnisses zwischen technischen Befunden, sachverständiger Interpretation und rechtlich relevanten Aussagen vor.

Dieser dritte Artikel hat gezeigt, wie der Rahmen auf eine hypothetische forensische Untersuchung zur behaupteten unbefugten Offenlegung vertraulicher Informationen angewendet werden kann.

Er hat zudem das Problem unsichtbarer Beweismittel als eine bedeutsame Frage für weitere Untersuchungen identifiziert: Informationen können bereits nicht verfügbar, gefiltert oder ausgelassen sein, bevor ihre Bedeutung als Beweismittel berücksichtigt wird.

Schließlich hat der Artikel S.N.R-IQ als ein bestehendes KI-gestütztes System im Beta-Stadium vorgestellt, das forensische Sachverständigengutachten analysieren und mögliche Lücken zwischen technischen Befunden und sachverständigen Schlussfolgerungen erkennen kann.

Seine gegenwärtigen Fähigkeiten bilden eine Grundlage für künftige empirische Untersuchungen, rechtfertigen jedoch noch keine Aussagen über eine unabhängig nachgewiesene Wirksamkeit.

In der nächsten Forschungsphase sollte untersucht werden, ob eine strukturierte KI-gestützte Prüfung gegenüber einer herkömmlichen und einer manuell strukturierten rechtlichen Beurteilung messbare Verbesserungen bewirkt.

Ziel ist es nicht, die richterliche Urteilsbildung vom Menschen auf Maschinen zu übertragen. Vielmehr soll sichergestellt werden, dass weder menschliche Sachkunde noch technologische Autorität an die Stelle eines nachweisbaren Zusammenhangs zwischen Beweismitteln und Schlussfolgerung treten.

Ein digitaler Befund ist rechtlich nicht deshalb überzeugend, weil er durch hochentwickelte Technologie erzeugt wurde, sondern weil die Argumentation, die diesen Befund mit der streitigen Tatsachenbehauptung verknüpft, einer substanziellen Überprüfung standhalten kann.

Literaturverzeichnis

[1] Roffeh, S. (2026). The Judicial Knowledge Gap in Digital Evidence: From Technical Findings to Legal Conclusions. October 17, 2026. https://www.roffeh.com/articles/judicial-knowledge-gap-digital-evidence

[2] Roffeh, S. (2026). Developing the J-DEAF Assessment Framework: A Structured, Testable Approach to Digital Expert Evidence under U.S. Evidentiary Standards. October 19, 2026. https://www.roffeh.com/articles/j-deaf-assessment-framework-digital-expert-evidence

[3] Federal Rule of Evidence 702, einschließlich der Änderung von 2023 und der Erläuterung des Advisory Committee. https://www.law.cornell.edu/rules/fre/rule_702

[4] Daubert v. Merrell Dow Pharmaceuticals, Inc., 509 U.S. 579 (1993).

[5] General Electric Co. v. Joiner, 522 U.S. 136 (1997).

[6] Kumho Tire Co. v. Carmichael, 526 U.S. 137 (1999).

[7] National Institute of Standards and Technology. (2022). Digital Investigation Techniques: A NIST Scientific Foundation Review. NISTIR 8354.

[8] National Institute of Standards and Technology. (2006). Guide to Integrating Forensic Techniques into Incident Response. NIST SP 800-86.

[9] National Institute of Standards and Technology. (2025). Informational Scientific Primers for Officers of the Court: Intended to Strengthen Use of Forensic Science Evidence. NIST SP 1500-28.

[10] Goodison, S. E., Davis, R. C., & Jackson, B. A. (2015). Digital Evidence and the U.S. Criminal Justice System: Identifying Technology and Other Needs to More Effectively Acquire and Utilize Digital Evidence. RAND Corporation / National Institute of Justice.

[11] Scientific Working Group on Digital Evidence (SWGDE). Best Practices for Computer Forensic Examinations, Version 2.0.

[12] Scientific Working Group on Digital Evidence (SWGDE). Requirements for Report Writing in Digital and Multimedia Forensics.

[13] Federal Rules of Evidence 901 und 902.

[14] S.N.R-IQ. Evidence Intelligence for Lawyers. Systeminformationen zum Betastadium. https://www.roffeh.com/eviq

Offenlegung zu Forschung und Technologie

Die Verfasserperson ist an der Entwicklung des J-DEAF-Forschungsrahmens und von S.N.R-IQ beteiligt. Das System wird in diesem Artikel als bereits bestehende Technologie im Betastadium beschrieben. Es wird weder eine unabhängige Validierung noch ein vergleichender Leistungsvorteil, eine gerichtliche Billigung oder eine nachgewiesene Verbesserung rechtlicher Ergebnisse behauptet. Die Fallstudie ist hypothetisch und stellt keine empirische Evaluation des Systems dar.