eDiscovery: Von der Pflicht zur Wertschöpfung
eDiscovery wird wie der Datenschutz in der Regel als lästige Pflicht wahrgenommen. Alle relevanten Daten und Informationen für Behörden und Gerichte zu ermitteln, ist aufwändig, bindet personelle Ressourcen und kostet richtig Geld. Doch diese Argumentation gilt nur so lange, wie das Thema isoliert betrachtet wird. Unternehmen, die den eDiscovery-Prozess auf der einen Seite mit Information Governance und auf der anderen mit Künstlicher Intelligenz zur Prozessoptimierung verbinden, etablieren einen Wertschöpfungskreislauf. So werden aus Kosten Investitionen.
Die Zahlen sprechen eine eindeutige Sprache: 70 Prozent aller Kosten bei Rechtsstreitigkeiten in den USA entfallen auf das Suchen und Bereitstellen der relevanten Informationen. Davon wiederum entstehen 70 Prozent durch die Honorare der Anwälte, die sich durch die Informationen durcharbeiten müssen. Schließlich: 98 Prozent aller vor US-Bundesgerichten ausgetragenen Streitigkeiten enden mit einem Vergleich. Je besser also der eDiscovery-Prozess, desto besser die Ausgangslage, einen möglichst günstigen Vergleich auszuhandeln.
eDiscovery braucht Automatisierung
Doch das ist leichter gesagt als getan. Denn es gibt viele Schritte im eDiscovery-Prozess, die automatisiert werden müssen. Wie findet man zuverlässig relevante Inhalte nicht nur in den Speichersystemen und in der Cloud, sondern auch auf allen (mobilen) Endgeräten? Muss ein Unternehmen hier unter Umständen Zehntausende Laptops einsammeln, um sie durchsuchen zu können? Und was heißt das für die Produktivität, wenn zum Beispiel Außendienstmitarbeiter ohne Computer arbeiten müssen?
Die Automatisierung muss also bereits bei der Informationssammlung beginnen – unterbrechungsfrei und zuverlässig. Die Suche muss darüber hinaus genau sein. Schlüsselwörter, Hash-Werte und Metadaten sind dabei die richtigen Suchkategorien. Und schon hier kommen bereits Analysemethoden ins Spiel. Denn die Automatisierungslösung muss verstehen, was ein Schlüsselwort im Kontext bedeutet: Ist Java eine Insel, eine Programmiersprache oder eine Kaffeesorte?
eDiscovery braucht Künstliche Intelligenz
Am anderen Ende des eDiscovery-Prozesses stehen die Schritte Analyse und Redaktion. Das sind genau diejenigen Stufen, für die viele Unternehmen ganze Heerscharen von internem und externem Personal beschäftigen. Genau wie am Anfang der Prozesskette besteht an deren Ende das größte Automatisierungspotenzial. Und auch hier geht es wieder um die Genauigkeit. Diese lässt sich nur durch Mustererkennung mittels künstlicher Intelligenz erreichen. Schließlich müssen die als relevant ermittelten Informationen unabhängig von ihrer Form automatisch bearbeitet werden, um zum Beispiel die in relevanten E-Mails genannten personenbezogenen Informationen von Unbeteiligten zu anonymisieren.
Diese Stärke des eDiscovery-Angebots von OpenText™ ist gleichsam amtlich. Denn mit seinen beiden Komponenten EnCase und Axcelerate deckt die Lösung beide Seiten des Gesamtprozesses – die Reduzierung des Volumens und die Aufbereitung der Informationen nach Relevanz – bestmöglich ab. Speziell in den Phasen „Identification“, „Processing“, „Review“, „Analysis“ und „Production” erzielen die OpenText-Lösungen nach Aussage des Marktforschungsunternehmens Ovum Bestwerte.
eDiscovery braucht EIM
Doch das ist bei Weitem nicht alles. Denn die Stärke des Angebots liegt in seiner Einbettung in das größere OpenText-Portfolio für Enterprise Information Management (EIM), insbesondere mit Information Governance und mit Magellan, der Plattform für künstliche Intelligenz. Im Ovum-Bericht heißt es: Enterprise Content Management, das richtig angewandt wird, hilft das Content-Volumen in den Unternehmen und in der Folge Risiken zu senken. Und auch die Bedeutung von Analytics heben die Marktforscher hervor: Analytics könne auch in anderen Phasen des eDiscovery-Prozesses genutzt werden, um die relevanten Informationen von den irrelevanten zu scheiden und die Menge an Daten und Dokumenten, die gesichtet werden müssen, zu senken.
Kontinuierliche Optimierung steigert die Wertschöpfung
Nun sind es aber nicht nur Rechtsstreitigkeiten, die einen eDiscovery-Prozess erfordern. Die Europäische Datenschutz-Grundverordnung ist das beste Beispiel dafür, dass der Prozess Teil der Unternehmensroutine werden muss. Damit aber unterliegt er wie alle anderen Prozesse einer permanenten Optimierungsanforderung. Jeder einzelne durchlaufene eDiscovery-Prozess muss nach seinem Ende auf seine Qualität und sein Verbesserungspotenzial hin analysiert werden. Zu den Erkenntnissen, die sich dabei gewinnen lassen, gehört zum Beispiel die Neuordnung von Zuständigkeiten und Verantwortlichkeiten oder eine Optimierung der Speicherorte und Zugriffsberechtigungen für bestimmte Informationstypen wie zum Beispiel personenbezogene Daten, aber auch das geistige Eigentum des Unternehmens.
All dies senkt nicht nur die rechtlichen Risiken, sondern nützt auch dem Geschäft insgesamt und erhöht zum Beispiel den Schutz der Kronjuwelen von Unternehmen, ihre Firmengeheimnisse. So kommen wir von Information Governance über eDiscovery hin zu Erkenntnissen auf Basis von künstlicher Intelligenz und wieder zurück zu einem optimierten Informationsmanagement für mehr Wertschöpfung.
