The post Law & Critique: When Sacred Mountains Meet Investment Arbitrators: Decolonizing Investment Arbitration appeared first on Critical Legal Thinking.

The post Law & Critique: The death of Awaab Ishak and juridification of unliveable social housing appeared first on Critical Legal Thinking.

The post The Restless Mind and the Faceless Sovereign: AI, Humanism, and the Subject That Resists appeared first on Critical Legal Thinking.

Live from Grand Forks, North Dakota!

Should the public be upset that courts aren’t using more AI? Justice Jerod Tufte of the North Dakota Supreme Court joins Kevin Frazier, director of the AI Innovation and Law Program at the University of Texas School of Law and a senior editor at Lawfare, to take up that question. Drawing on his background in computer engineering and his own experience testing and applying new tools, Tufte considers what the public should expect from courts as AI’s capabilities grow.

The conversation builds on Kevin’s study of how AI may alter government and the operation of our constitutional system. How should judges weigh the risks of adopting new tools against the costs of delay? What might those choices mean for the judiciary’s ability to fulfill its constitutional role? Together, Kevin and Justice Tufte examine how decisions about AI could shape the capacity of public institutions to serve the people who depend on them.

Big thanks to the University of North Dakota School of Law for hosting!

1. Welche Themen werden auf dem Verfassungsblog diskutiert?
2. Welche langfristigen Entwicklungslinien lassen sich aufzeigen?
3. Wie lassen sich diese Entwicklungen visualisieren?

I.    Datengrundlage

Grundlage der Auswertung sind alle Beiträge aus dem Zeitraum vom 30. Juli 2009 bis zum 21. Juli 2026. Sie wurden über die Sitemap der Seite zur lokalen Verarbeitung heruntergeladen. Eine Sitemap ist ein Verzeichnis, das eine Website für Suchmaschinen bereitstellt, um leichter gefunden zu werden. Die Verwendung der Beiträge erfolgt im Rahmen des Open-Access-Statements des Blogs, das Herunterladen, Durchsuchen und auch Bearbeiten der Volltexte gestattet. Der Datensatz wurde vor der Auswertung leicht bereinigt. Beiträge unter 150 Wörtern meist redaktioneller Natur blieben unberücksichtigt, ebenso wortgleiche Duplikate. Darüber hinaus wurden 15 fremdsprachige Texte aus zwei Symposien ausgeschlossen, die weder auf Deutsch noch auf Englisch verfasst waren. Eine Filterung nach Art des Beitrags, etwa der Ausschluss von Übersetzungen, erfolgte hingegen nicht. Von 10.383 abgerufenen Seiten blieben 10.012 Beiträge übrig.

II.  Methodenwahl

In der noch jungen Korpuslinguistik für die Analyse von Rechtstexten werden verschiedenste Verfahren zur Inhaltsanalyse angewandt. Möglich gewesen wäre eine Häufigkeitsanalyse. Diese zählt, wie oft einzelne Wörter oder Wortgruppen (oder auch Artikel des Grundgesetzes) in Texten vorkommen. Das setzt allerdings in der Regel voraus, dass man vorher weiß, wonach gesucht werden soll. Für einen thematisch heterogenen, zweisprachigen Blog erschien dies wenig geeignet. Es bietet sich auch die Auswertung der redaktionell vom Blog vergebenen Schlagwörter und Regionen an. Sie erfassen aber nicht alle Beiträge, denn gut ein Fünftel trägt kein Schlagwort, jeder vierte Beitrag keine Region. Zudem wurden viele Schlagwörter nur ein einziges Mal vergeben. Dies hätte eine unmittelbare Auswertung wenig erkenntnisreich gemacht, da so viele verschiedene Schlagwörter ohne Clusterung nur schwer darstellbar sind. Statt vorab festgelegter Kategorien (wie bei klassischer Inhaltsanalyse oder Wörterbuch-Verfahren) wurde ein Verfahren gewählt, das die Themen induktiv aus dem Textkorpus selbst ableitet. Diese Themenmodellierung wurde mit BERTopic vorgenommen, das auch schon bei juristischen Fachzeitschriften Anwendung gefunden hat.

III.              Erklärung der Methode

Kern der Methode ist, dass jeder Text zu einer Zahlenreihe wird, die einen Ort in einem mehrdimensionalen Raum bezeichnet. Jeder Beitrag des Blogs bekommt also eine spezifische Position in diesem Raum, und die Distanz zwischen zwei Beiträgen drückt ihre inhaltliche Verwandtschaft aus. Was inhaltlich zusammengehört, hat das Sprachmodell vorab an externen Trainingsdaten gelernt, Texte mit ähnlicher Bedeutung erhalten benachbarte Positionen im Raum. Aus dieser gelernten Ordnung errechnet es die Distanz zwischen den Blogbeiträgen. Wo sich viele Beitragspunkte häufen, liegt ein gemeinsames Thema. Dieses Thema wird gefunden, ohne dass es vorab von Menschen definiert werden muss. Deutlich wird dies an folgendem Beispiel.

Abbildung 1: Beispielhafte Darstellung (erstellt mit Claude [Opus 5])

Ein deutschsprachiger Beitrag über die Wahl der Bundesverfassungsrichter:innen und ein englischsprachiger über die Nominierung eines Supreme-Court-Richters landen in diesem Raum dicht beieinander – obwohl sie in verschiedenen Sprachen geschrieben sind, verschiedene Rechtsordnungen betreffen und kaum ein Wort gemeinsam haben. Ein deutschsprachiger Beitrag über Abwasserrecht liegt dagegen weiter entfernt, obwohl er dieselbe Sprache spricht und dieselbe Rechtsordnung meint. Gibt es mehrere Beiträge, die sich mit der Richterwahl beschäftigen, entsteht am Ende ein noch unbenanntes Thema „Richterwahl“. Im Einzelnen wurden folgende Schritte für die Analyse des Textkorpus vorgenommen:

• Embeddings: Ein Sprachmodell übersetzt jeden Beitrag in eine lange Zahlenreihe, die seinen Inhalt abbildet. Inhaltlich ähnliche Texte liegen in diesem Zahlenraum nah beieinander. Das verwendete Modell (BAAI/bge-m3) arbeitet dabei mehrsprachig.
• Dimensionsreduktion: Die Zahlenreihen sind zu lang, um darin Gruppen zu finden. Ein Verfahren namens UMAP (Uniform Manifold Approximation and Projection) verdichtet sie auf wenige Dimensionen und behält dabei möglichst viel von der Nachbarschaftsstruktur.
• Clustering: HDBSCAN sucht in dieser verdichteten Punktwolke nach dichten Bereichen. Vorgegeben wurde, dass ein Feinthema mindestens 25 Beiträge umfassen muss; die Zahl der Themen selbst ergibt sich aus den Daten.
• Beschreibung: Für jedes Cluster (Gruppe) werden die Wörter bestimmt, die es von allen anderen unterscheiden. Ein Wort ist dann kennzeichnend, wenn es innerhalb der Gruppe häufig, über alle anderen Gruppen hinweg aber selten vorkommt (c-TF-IDF). Ergebnis ist für jedes (noch unbenannte) Thema eine Liste charakteristischer Begriffe.
• Benennung: Aus diesen Begriffen und einigen Beispieltiteln formuliert ein lokal laufendes Sprachmodell (gemma4:12b über Ollama) einen deutschen Namen für das Thema.

Heraus kamen 106 Feinthemen, nach einer manuellen Sichtung und einer Zusammenlegung 105. Die 105 Feinthemen sind für einen Überblick immer noch zu kleinteilig, daher erfolgt eine Zusammenfassung auf Oberthemen. Der Zwischenschritt mit den Feinthemen wurde gewählt, um Fein- und Grobüberblick zu erhalten. Jedes Feinthema hat einen eigenen Ort im Bedeutungsraum, den Durchschnitt seiner Beiträge. Diese 105 Punkte wurden schrittweise verbunden, immer die beiden Gruppen zuerst, die am besten zusammenpassen (Ward-Verfahren), und der so entstehende Baum wurde auf 15 Gruppen durchgeschnitten. Die Namen vergab gemma4:12b aus den Bezeichnungen der enthaltenen Feinthemen und deren häufigsten Kennwörtern, alle fünfzehn in einem Durchgang, damit sie sich voneinander abgrenzen. Manche Oberthemen fassen dabei Heterogenes zusammen, was der Breite des Blogs geschuldet ist. Für einen ersten Zugriff eignet es sich dennoch: Legt man „Flüchtlingsrecht und Migrationspolitik“ neben „Klimaschutz und Umweltschutzrecht“, zeigt dies sofort, wann welche Debatte Konjunktur hatte.

IV.             Prüfung des Clusters und Validierung

Nach Durchlauf der aufgezeigten Schritte lässt sich eine Tabelle erstellen. In dieser ist je Zeile ein Beitragstext, mit Datum, Titel, Sprache, Schlagwörtern, Region, Feinthema und Oberthema. Das ermöglicht einen ersten Plausibilitätscheck durch Sichtkontrolle; hierfür wurde eine kleine Zufallsstichprobe (n = 20) gezogen, bei der zumindest die Themenzuordnung plausibel erscheint. Der wissenschaftlich saubere Weg wäre, umfangreichere Zufallsstichproben zu ziehen und diese von mehreren geschulten Personen unabhängig voneinander den Themen zuordnen zu lassen. Diese Zuordnung müsste dann mit der technischen Zuordnung verglichen werden. Dafür gibt es etablierte Maße der Intercoder-Reliabilität wie etwa Krippendorffs Alpha. Auf eine manuelle Validierung wurde aufgrund der zur Verfügung stehenden zeitlichen Ressourcen verzichtet.

Möglich ist jedoch eine andere Form der externen Clustervalidierung. Die redaktionellen Schlagwörter des Blogs sind nicht in die Modellierung eingeflossen und bilden eine unabhängige, von Menschen erstellte Ordnung desselben Textkorpus. Wenn die Cluster inhaltlich tragen, müssten sich die Beiträge eines Schlagworts in wenigen Themen bündeln. Gemessen wurde für jedes der 318 Schlagwörter mit mindestens 20 Beiträgen, welcher Anteil im jeweils stärksten Feinthema liegt. Im Median sind es 41,3 Prozent. Jedoch erzeugt auch eine willkürliche Zuordnung eine gewisse Bündelung, schon weil manche Themen sehr groß sind und ein zufällig gezogener Beitrag dort mit einer höheren Wahrscheinlichkeit landet. Als Vergleichsmaßstab wurde die Zuordnung von Beitrag und Thema deshalb tausendmal zerschnitten und neu ausgelost. Jeder Beitrag behält dabei genau ein Thema, und die Themengrößen bleiben erhalten; verändert wird nur, welcher Beitrag zu welchem Thema gehört. Der Zufall erreicht so im Mittel 7,8 Prozent und in keinem der tausend Durchgänge mehr als 8,3 Prozent. Damit liegt die Trefferquote mehr als fünfmal so hoch, wie der Zufall es nahelegen würde.

V.  Ein experimentelles Dashboard für eine interaktive Themenanalyse

Nach der eingeschränkten Validierung lässt sich der Datensatz bereits mit den üblichen Werkzeugen wie Python, R oder auch direkt in Excel auswerten. Wie viele Beiträge erschienen pro Jahr? Welches Fein- oder Oberthema, welches Schlagwort, welche Region taucht wann am häufigsten auf? Die graphische Darstellung in Veröffentlichungen war bisher oft durch die begrenzte Seitenzahl oder auch das jeweilige Forschungsinteresse der Autor:innen zwangsläufig begrenzt. Auch mag eine Vielzahl an Graphen (bspw. 13 Graphen auf 6 Seiten) zwar viel Information vermitteln, aber auch zu einer Überforderung führen. Durch digitale Medien kann jedoch ein anderer Zugriff gewählt werden. Es lässt sich schnell – diesmal mit einem Frontier-Modell (Claude: Opus 5) – ein kleines Dashboard (Visualisierungstool) der gesammelten Daten bauen. Hier ist einmal klar zwischen Auswertung des Korpus und der Darstellungsform zu unterscheiden. Entstanden ist eine HTML-Datei; diese kann mit den üblichen Browsern auf verschiedensten Endgeräten geöffnet werden. Sie enthält alle 9.535 für die Auswertung relevanten Informationseinheiten der ab 2012 veröffentlichten Beiträge (Datum, Titel, Schlagwort, Region, Oberthema, Feinthema, Sprache), aus denen die Graphen innerhalb der gesetzten Parameter lokal berechnet werden. Die Darstellung ist durch die Nutzer:innen anpassbar, ohne dabei überkomplex zu werden.

Abbildung 2: Export einer Darstellung aus dem Tool

Es gibt vier Ebenen, die sich jeweils über einen Button auswählen lassen: 15 Oberthemen, 105 Feinthemen, die 50 häufigsten Schlagwörter und die 25 häufigsten Regionen. Bei den Schlagwörtern wurden offensichtliche Doppelungen (bspw. Corona/Covid-19) zusammengeführt. Einstellen lassen sich außerdem die Zeiteinheit auf der X-Achse (Jahre, Quartale oder Monate) sowie das Maß auf der Y-Achse (relativer Anteil der Periode oder absolute Anzahl). Um weitere Informationen über die Beiträge zu gewinnen, kann die Sprache (Anteil/Anzahl in Deutsch/Englisch) sowie die Beiträge, auf welchen die Graphen beruhen, angezeigt werden. Der Sammeln-Button erhält die Auswahl beim Ebenenwechsel, sodass etwa Schlagwörter und Oberthemen nebeneinander angezeigt werden können. Mit dem Beispiel-Button kann direkt auf die Beiträge zugegriffen werden, auf denen der Graph beruht. Zuletzt ermöglicht der Button PNG, den aktuell angezeigten Plot als Bilddatei zu exportieren.

Das Tool kann über diesen Link aufgerufen werden.

VI.             Limitierungen

Das Projekt ist im Rahmen einer Summer School entstanden und tastet sich an die Korpuslinguistik heran. Es versteht sich daher als Experiment und nicht als abgeschlossenes Forschungsprojekt; entsprechend bestehen Limitierungen. Einige davon sind die folgenden:

• Ein Thema je Beitrag: Das Verfahren ordnet jeden Beitrag genau einem Thema zu. Ein Text, der zwei Gegenstände zugleich verhandelt, wird dem näherliegenden zugeschlagen. Der zweite Gegenstand verschwindet aus der Zählung. Die Qualität der Zuordnung zu Themen variiert stark.
• Keine Filterung nach Beitragsart: Ein Teil der Beiträge folgt einer eigenen Systematik. Die Kolumne referiert teilweise bestehende Beiträge, und Symposien versammeln in kurzer Zeit viele Texte zu einem einzigen Thema. Beides wurde nicht herausgefiltert. Ein Symposium bündelt ein Thema dadurch auf wenige Tage, das ohne diesen Anlass verstreut über Monate Eingang in den Blog gefunden hätte. Die Themenkurve zeigt dann einen Ausschlag, der auf eine redaktionelle Entscheidung zurückgeht und nicht auf den Verlauf der Debatte.
• Kein fachspezifisches Sprachmodell: Das verwendete Sprachmodell ist ein allgemeines und nicht auf juristische Fachsprache trainiert. Ein auf Rechtstexte abgestimmtes Modell würde feinere Unterscheidungen treffen. Die Qualität der Ergebnisse kommt daher auch nicht an eine manuelle Themenzuordnung heran.
• Lokale Verarbeitung: Die Auswertung des Textkorpus ist mit lokal laufenden KI-Modellen erfolgt. Es ist davon auszugehen, dass ein servergestütztes kommerzielles Sprachmodell ein besseres Ergebnis erzielen würde. Dabei sind die Texte vermutlich längst vollständig in die großen Sprachmodelle eingegangen – die Probe kann jede:r Autor:in selbst machen, indem sie oder er das bevorzugte Modell nach dem eigenen Beitrag fragt. Es geht hier aber um den Machbarkeitsnachweis, dass auch lokale Modelle ohne Upload der Daten auf den Server eines externen Anbieters ein gangbarer Weg für eine solche Analyse sind. Grundsätzlich sollte jedoch jede KI-gestützte Auswertung von Texten kritisch hinterfragt werden, da schon vermeintlich kleine Fehlinterpretationen zu einer ganz neuen Auslegung führen können.
• Fehlende (menschliche) Validierung: Das Projekt sollte mit überschaubarem menschlichem Arbeitseinsatz ein verwertbares Ergebnis liefern. Das machte es notwendig, die Themenclusterung der KI zu überlassen und nur minimal nachzujustieren. Die Überprüfung über die Schlagwörter stellt nur eine Annäherung an eine Validierung dar. Es wird fehlerhafte Zuordnungen geben.

VII.           Evaluation

Zusammengefasst lässt sich sagen, dass die KI-gestützte Textanalyse sehr schnell geht, gefühlt etwas zu schnell. Zwischen der ersten Zeile Code und einem ersten benutzbaren Werkzeug lagen wenige Tage. Ein Korpus von gut 10.000 Beiträgen einzulesen, in Vektoren zu übersetzen, zu clustern, benennen zu lassen und in eine interaktive Darstellung zu bringen, ist so einfach wie noch nie. Die einzige technische Hürde war eine Nacht, in der ein MacBook die Embeddings berechnet hat. Darin liegt zugleich die Gefahr. Je schneller die Schritte laufen, desto leichter verliert man den Überblick darüber, was geschehen ist. Beim Schreiben musste ich mehrfach in den Code zurück und meine Schritte nachvollziehen bzw. erneut rechnen lassen. Ein Aufteilen in einzelne protokollierbare Arbeitsschritte scheint hier ein sinnvolles Gegenmittel zu sein. Auch die regelmäßige Visualisierung in Tabellen zeigt Ungereimtheiten. Während diese Absicherung noch mit einfachen Mitteln möglich ist, verschiebt sich der Ressourcenaufwand von der Analyse zur Validierung der Ergebnisse. Nach eigenem Versuch sind fünf bis zehn Minuten je Beitrag eine realistische Richtgröße, um einen Blogbeitrag zuverlässig einzuordnen. Damit die menschliche Zuordnung Anspruch auf Intersubjektivität erheben kann, müssten mehrere geschulte Hilfskräfte dieselben Beiträge unabhängig voneinander codieren. Bei fünf Prozent des Korpus, also gut 500 Beiträgen, sind das schnell hunderte Stunden und selbst zum Mindestlohn mehrere tausend Euro. Hinzu kommt, dass eine Optimierung der Zuordnung einen iterativen Prozess aus KI-Clusterung und menschlicher Validierung voraussetzt, der diesen Aufwand mehrfach anfallen lässt. Schon diese grobe Schätzung zeigt, welche Kosten eine Bewertung der Clustergüte über die Intercoder-Reliabilität verursacht. Der Abgleich mit bereits bestehenden menschlichen Zuordnungen, wie er hier vorgenommen wurde, bleibt demgegenüber die (kostengünstige) zweite Wahl.

Die niedrigen Einstiegshürden in neue Erschließungsmethoden rechtswissenschaftlicher Texte sollten dennoch zu mehr Methodenoffenheit motivieren; eine Summer School (vielleicht auch eine für Rechtslinguistik) bietet dafür einen Ausgangspunkt. In zwei Wochen lassen sich zwar nur Grundlagen vermitteln, doch treffen diese auf etwas, das Jurist:innen ohnehin mitbringen, nämlich die Kenntnis der eigenen Fachkultur (sog. Domänenwissen). Erst aus diesem ergeben sich die Fragen, die zu stellen sich lohnt.

What happens to society, law and privacy when artificial intelligence makes it possible for police to detect nearly every observable crime? Matthew Tokson, Director of the Criminal Law Program and Associate Dean for Research and Faculty Development at the University of Utah S.J. Quinney College of Law, joins Kevin Frazier, director of the AI Innovation and Law Program at the University of Texas School of Law and a Lawfare Senior Fellow, to discuss this question. They recorded this conversation at the University of Nebraska College of Law as part of the Scaling Laws Roadshow.

<iframe src="https://embed.acast.com/61e878a1419a9b0013b27134/6acd02ccd3bfab176e8ef08c" frameBorder="0" width="100%" height="110px"></iframe>

The post Law & Critique: Green Grabbing and Constitutional Resistance in Mexico’s Lacandon Jungle appeared first on Critical Legal Thinking.

Unterschiedliche Wege

Schmidt eröffnete das Panel mit einem Verweis auf die zentrale Forderung aus dem Gutachten von Prof. Dr. Julian Krüper zum diesjährigen Juristentag: Das bestehende Defizit an empirischem Wissen über die juristische Ausbildung müsse systematisch behoben werden. Damit stellt sich die Frage, wie – und durch wen. Mit Letzterem eröffnete sie das Gespräch. Die Panelisten fanden auf ganz unterschiedlichen Wegen zur empirischen Forschung. Surmann, Doktorand und Mitarbeiter des Centers for Diversity in Law, über seine Bachelorarbeit zu Wolfgang Kaupens „Die Hüter von Recht und Ordnung“; Röhl über eine Anfrage des Qualitätsmanagements der Universität Konstanz, aus der ein Vergleich der juristischen Fakultäten Baden-Württembergs wurde; der Habilitand Hemler als Mitautor der iur.reform-Studie und mit seinem korpuslinguistischen Zugang zur rechtswissenschaftlichen Forschung, insbesondere seiner Untersuchung zur Entwicklung der Examensanforderungen. Gemeinsam ist allen dreien, dass es keinen einheitlichen Weg in die empirische Forschung gibt. Eine erste Erkenntnis über die Juristenausbildung lautet dabei, dass sie einen solchen Weg auch nicht fördert. An den laufenden wie abgeschlossenen Projekten der drei Panelisten wurde zugleich deutlich, dass es auch nicht die eine empirische Forschung zur Juristenausbildung gibt: Erkenntnisinteresse und Methode unterscheiden sich; Gemeinsamkeiten zeigen sich erst bei den Herausforderungen.

Surmann untersucht die soziale Zusammensetzung der Richterschaft. Für seine laufende Dissertation befragte er mehr als 1.000 Richter:innen aus ganz Deutschland zu ihrer sozioökonomischen Herkunft und erhob zugleich, wie zufrieden sie mit einer Juristenausbildung sind, die auf den Richterberuf ausgerichtet ist. Sein Blick auf die Richter:innen ist von dem Gedanken geprägt, dass Teilhabe und Vertrauen in den Rechtsstaat leiden können, wenn sich große Teile der Bevölkerung im „Rechtsstab“ nicht wiederfinden. An einer Frage zeigte er in der Diskussion beispielhaft, wie differenziert die Daten zu betrachten sind. Der Aussage, die juristische Ausbildung bereite angemessen auf die richterliche Tätigkeit vor, stimmten 50 Prozent „der befragten Richter:innen“ teilweise und 7,4 Prozent vollkommen zu. Wer diese Zahlen deutet, muss allerdings berücksichtigen, dass nur diejenigen befragt wurden, die die juristische Ausbildung erfolgreich durchlaufen, den Beruf ergriffen und ihn nicht wieder verlassen haben. Dieser „Survivorship-Bias“ ist nicht untypisch für Befragungen und für die empirische Forschung insgesamt. Röhl verglich gemeinsam mit Prof. Dr. Thomas Hinz rund 2.000 Examensklausuren der fünf juristischen Fakultäten Baden-Württembergs. Neben der Abiturnote als wichtigem Indikator für den Examenserfolg zeigte sich ein auffälliger Geschlechterunterschied: Obwohl die Studentinnen im untersuchten Datensatz durchschnittlich bessere Abiturnoten aufwiesen, erzielten sie im Examen im Mittel rund 0,3 Punkte weniger als ihre männlichen Kommilitonen. Die iur.reform-Mitglieder Hemler und Malte Krukenberg analysierten Examensklausuren aus vier Generationen seit 1948. Sie untersuchten Länge und Lesbarkeit der Sachverhalte, den Umfang der Lösungsskizzen sowie die Zahl der Rechtsgebiete und Aufgabenteile. Seit den 1990er-Jahren seien die Sachverhalte um 170 Prozent, die Lösungsskizzen sogar um 533 Prozent länger geworden. In der wachsenden Zahl der zu bearbeitenden Rechtsprobleme sehen die Autoren ein Anzeichen dafür, dass die Anforderungen im Examen gestiegen sind.

Schon der Auftakt zeigte damit nicht nur, wie unterschiedlich die Wege in die empirische Forschung sind, sondern auch, wie unterschiedlich ihre Methoden: von der eigenen Befragung über das Zusammentragen und Analysieren bestehender Daten bis zur massenhaften Auswertung von Textkorpora. Gemeinsam ist ihnen, dass sie nicht zu den Forschungsmethoden zählen, die in der Rechtswissenschaft traditionell im Mittelpunkt stehen.

Empirie braucht Fundierung

Röhl ordnete die Erforschung der Juristenausbildung eher der Bildungsforschung als der klassischen Rechtsdogmatik zu. Da ihm deren Methoden weniger vertraut seien, war sein Projekt auf die Zusammenarbeit mit dem Soziologen und Bildungsforscher Hinz angewiesen. Für Nachwuchswissenschaftler:innen sieht er dabei mehr Herausforderungen, da diese sich die entsprechenden Kenntnisse zusätzlich aneignen müssen – obwohl diese Kenntnisse im rechtswissenschaftlichen Betrieb bislang wenig Anerkennung fänden und im Zweifel auch keine Anstellung sicherten. Mit Blick auf die Aneignung methodischer Fähigkeiten knüpfte Surmann an diesem Punkt an. Ihm hätten statistische Grundkenntnisse aus dem interdisziplinären Bachelorstudium geholfen, vor allem aber – und das betonte er mit Nachdruck – der Besuch von Summer Schools, wie sie in anderen Disziplinen üblich seien und den Zugang zu empirischen Methoden eröffneten. Zuletzt könne auch der enge Austausch mit Betreuer:innen und Doktorand:innen anderer Fachrichtungen den Zugriff erleichtern. Über die Aneignung von Fähigkeiten hinaus brauche es jedoch auch Dritte außerhalb der Forschung. Die Erhebung von Daten, zumal personenbezogener, verlange nicht nur Datenschutzkonzepte, sondern zunächst überhaupt einen Zugang – zu Studierenden, Justiz, Verwaltung oder Anwaltschaft –, und dieser setze langfristige vertrauensvolle Beziehungen voraus. Hemler ergänzte, dass gerade Seniorität solche Zugänge öffnen könne, da Anfragen etablierter Lehrstuhlinhaber von Behörden häufig eher wahrgenommen und beantwortet würden als die des wissenschaftlichen Nachwuchses. Sein Eindruck dabei sei, dass die Justiz sich grundsätzlich eher geschlossen zeige, es aber positive Ausnahmen gebe, wie auch Röhl später betonte.

Von der Diagnose zur Gestaltung

Einen positiven Blick wagte auch Schmidt, indem sie Hemlers Unterscheidung zwischen „destruktiver“ und „konstruktiver“ Forschung aufgriff. Hemler habe darauf hingewiesen, dass viele Studien Defizite offenlegten, jedoch nur selten zeigten, wie eine bessere Ausbildung konkret aussehen könne. Surmann sah konstruktive Forschung vor allem in einer unvoreingenommenen, neutralen Herangehensweise. Etwa sollte das Studium der Rechtswissenschaften nicht vorschnell als besonders exklusiv beschrieben werden, ohne dass die Datengrundlage offengelegt oder der Vergleichsmaßstab geklärt wäre: Exklusivität im Verhältnis zu den übrigen Studienfächern oder Exklusivität gegenüber der Gesamtgesellschaft? Wer dabei Probleme überzeichne und allein auf die Rechtswissenschaften projiziere, riskiere Abwehrreaktionen im juristischen Berufsstand. Auch Röhl warnte vor einer einseitig negativen Erzählung. Das Staatsexamen habe etwa trotz seiner Belastungen Vorteile: Es werde anonym und flächendeckend durchgeführt und sei dadurch weniger von einzelnen Hochschulen oder Prüfenden abhängig.

Hier sei eine Anmerkung erlaubt: Wie weit dieser Schutz trägt, ist allerdings selbst eine empirische Frage. Towfigh, Traxler und Glöckner fanden in den nordrhein-westfälischen Prüfungsjahrgängen 2006 bis 2016 systematische Geschlechts- und Herkunftseffekte, die sich insbesondere in der mündlichen Prüfung zeigten: Vor rein männlich besetzten Kommissionen schnitten Frauen schlechter ab, bei gemischt besetzten Kommissionen verschwand der Unterschied.

Ob die Vorteile des Examens seine Belastungen rechtfertigen, ließ Röhl offen. Gerade das müsse empirisch untersucht und mit anderen Prüfungsmodellen verglichen werden. Hemler wollte die Frage weiter fassen. Forschung solle nicht nur Stärken und Schwächen bilanzieren, sondern Lösungen entwickeln: Welche Kompetenzen brauchen Jurist:innen im 21. Jahrhundert? Wie lassen sie sich fair prüfen? Welche Lehr- und Prüfungsformen fördern sie tatsächlich? Hinzu komme die Frage, wie sich das Studium angesichts des Nachwuchsbedarfs attraktiver gestalten lasse.

Forschung, die niemand liest?

Eine Veröffentlichung in einer Fachzeitschrift genügt nicht, wenn Zeit, Interesse oder institutionelle Anreize fehlen, sich mit den Ergebnissen zu befassen. Röhl verwies auf Landesgesetzgeber, Ministerien, Fakultäten und Prüfungsämter als wichtige Adressat:innen. Selbst eine gute, umfassende Studie bleibe wirkungslos, wenn sie die Verantwortlichen nicht erreiche. Hemler plädierte deshalb für kurze, verständliche Zusammenfassungen und für eine direkte Ansprache der zuständigen Stellen. Surmann benannte das Dilemma, dass Methoden und Grenzen transparent bleiben müssen, um den wissenschaftlichen Standard zu wahren, ohne die Leser:innen abzuschrecken. Ganz praktisch sei zudem darauf zu achten, dass Bezahlschranken potenziellen Leser:innen in Justiz und Verwaltung den Zugang nicht versperren. Das kurzweilige Panel endete mit einer umfassenden Diskussion mit den Zuhörer:innen, in der klar wurde, dass nicht nur Interesse an der Reform der juristischen Ausbildung besteht, sondern auch an empirischen Methoden, sowie die Bereitschaft, hier aus den Institutionen heraus zu unterstützen.

Was können Studierende aus empirischer Forschung zur Juristenausbildung mitnehmen?

Die ersten Nutznießer:innen der empirischen Forschung könnten die Studierenden der Rechtswissenschaften sein – und zwar nicht nur durch die daraus abzuleitenden Reformen, sondern auch durch die Kenntnis der Forschung selbst. Formate wie das Online-Panel scheinen Studierende bisher wenig zu erreichen. Forschende und juristische Fakultäten sollten Studierende nicht nur – wie im Rahmen von iur.reform oder der Jurafuchs-Umfragen – Gehör finden, sondern sollten vermehrt auch aktiv in die Forschung eingebunden werden. Sie erleben unmittelbar, wie Examensdruck, Lehre und Prüfungsvorbereitung zusammenwirken; der Austausch darüber verläuft, wenn überhaupt, meist informell und unter Studierenden. Eine Auseinandersetzung im Curriculum, die Verzerrungen in Prüfungen, Stress als Massenphänomen und die soziale Selektivität des eigenen Studienumfelds mit Zahlen sichtbar macht, könnte nicht nur den Umgang mit den eigenen Herausforderungen erleichtern, sondern auch den Blick für die spätere Berufspraxis weiten. Wie wertvoll das sein kann, habe ich bereits im ersten Semester erlebt. Ein Privilegientest in der Grundrechtevorlesung machte soziale Ungleichheiten auch unter Studierenden greifbar. Verständlich kommunizierte Zahlen aus der empirischen Forschung können subjektive Erfahrungen einordnen, damit auch Studierende über ihr Studium nicht nach Gefühl urteilen müssen.

Die vollständige Paneldiskussion ist online abrufbar.