Kontradiktorisches Verifizierungsframework für KI-generierte Rechtsinhalte: Faktenprüfung, Zitationsvalidierung, Halluzinationserkennung und Bewertung der Veröffentlichungsreife.
npx clawhub@latest install legal-red-teamLegal Red Team ist ein produktionsreifes adversariales Verifikations-Framework für KI-generierte Rechtsdokumente. Es prüft systematisch die sachliche Richtigkeit, validiert Rechtsverweise anhand offizieller Quellen, erkennt bekannte Halluzinationsmuster, überprüft Rechenoperationen und bewertet Dokumente hinsichtlich ihrer Veröffentlichungsreife – alles auf Basis einer strukturierten Methodik mit sechs Kategorien. Dieser Skill stellt keine Rechtsberatung dar und ist dazu gedacht, eine qualifizierte rechtliche Fachprüfung zu ergänzen, nicht zu ersetzen.
npx clawhub@latest install legal-red-teamKlicke oben auf der Seite auf Installieren für die Ein-Klick-Einrichtung
Jedes Dokument wird anhand von sechs strukturierten Kategorien bewertet: sachliche Richtigkeit, Nachweise rechtlicher Autorität, arithmetische Validierung, Quellenüberprüfung, Erkennung von Spekulationen und Angemessenheit von Haftungsausschlüssen. Jede Kategorie verfügt über definierte Warnsignale und Prüfpunkte, die sicherstellen, dass kein häufiges Fehlermuster übersehen wird.
Die Fähigkeit zielt auf fünf wiederkehrende KI-Halluzinationsmuster in juristischen Inhalten ab: plausibel klingende, aber falsche Artikelnummern, selbstsicher vorgetragene, aber fehlerhafte Datumsangaben, als verbindliches Recht fehlcharakterisierte Leitlinien, veraltete Rechtsverweise sowie Rechenfehler bei der Berechnung von Fristen und Zeiträumen. Für jedes Muster ist eine definierte Erkennungstechnik festgelegt.
Befunde werden in vier Schweregradebenen klassifiziert — KRITISCH, HOCH, MITTEL und NIEDRIG — mit klaren Definitionen, Beispielen und erforderlichen Maßnahmen auf jeder Ebene. KRITISCHE Probleme müssen vor jeder Verteilung behoben werden.
Das Tool legal_quality_scorer.py erstellt eine zusammengesetzte Bewertung von 1–5 mit einer Aufschlüsselung nach Kategorien. Dokumente, die unter 4/5 bewertet werden, dürfen nicht verteilt werden; der vorgelagerte Verteilungsschranken-Workflow erzwingt null KRITISCHE Probleme sowie vollständige Haftungsausschlüsse.
Zwei Python-Skripte — legal_fact_checker.py und legal_quality_scorer.py — unterstützen Text- oder Dateieingabe, JSON-Ausgabe, ausführlichen Modus und gespeicherte Berichte. Sie dienen als Erstprüfungs-Tools, die darauf ausgelegt sind, in die manuelle adversarielle Überprüfung einzufließen.
Drei sofort einsatzbereite Workflows decken die vollständige adversarielle Prüfung, schnelle Zitatüberprüfungen und die Freigabekontrolle vor der Verteilung ab. Jeder Workflow enthält einen Validierungsschritt, um zu bestätigen, dass die Abschlusskriterien erfüllt wurden.
Führen Sie legal_fact_checker.py aus, um alle Zitate und Daten zu kennzeichnen, überprüfen Sie diese jeweils anhand von EUR-Lex oder eCFR, und führen Sie anschließend legal_quality_scorer.py aus, um vor der Weitergabe an Mandanten oder Mitarbeiter eine Bewertung von 4/5 oder höher sowie null KRITISCHE Befunde zu bestätigen.
Verwende Workflow 2 (Quick Citation Check), um alle rechtlichen Zitate aus dem Dokument zu extrahieren und jedes einzelne gegen die relevante offizielle Quelle zu überprüfen — so werden erfundene Artikelnummern oder falsch zitierte Bestimmungen erkannt, bevor sie das Rechtsteam erreichen.
Integrieren Sie legal_quality_scorer.py als automatisiertes Gate in eine Dokumentenerstellungs-Pipeline. Jedes Dokument, das weniger als 4/5 Punkte erzielt, wird zur manuellen Prüfung zurückgehalten; nur Dokumente, die den Schwellenwert und die Disclaimer-Anforderungen erfüllen, werden weiterverarbeitet.
Wenden Sie die sechsstufige Methodik mit einer adversarialen Denkweise an: Markieren Sie jede Tatsachenbehauptung und jede Zahl, überprüfen Sie Daten anhand des gesetzlichen Wortlauts, kennzeichnen Sie Spekulationen, die als Gewissheit dargestellt werden, und erstellen Sie einen nach Schweregrad klassifizierten Befundbericht für das Redaktionsteam.
npx clawhub@latest install legal-red-teamAnmelden, um eine Bewertung zu schreiben
Noch keine Bewertungen. Sei der Erste, der seine Erfahrungen teilt!