Discovery im DACH-Raum

Der Discovery-Markt im deutschsprachigen Raum befindet sich im Wandel. Künstliche Intelligenz, Cloud-Technologien und die zunehmende Digitalisierung verändern die Art und Weise der Arbeitsabläufe von Discoveries und Untersuchungen in Unternehmen. Besonders GenAI eröffnet neue Möglichkeiten für effizientere Recherchen, schnellere Analysen und automatisierte Prozesse.

Gleichzeitig entstehen neue Anforderungen: Unternehmen müssen den richtigen Ausgleich zwischen Effizienz, Qualität, Nachvollziehbarkeit und regulatorischer Sicherheit finden. Hinzu kommen wachsende Datenmengen, neue Datenquellen sowie steigende Anforderungen an Datenschutz, Datensouveränität und Compliance. Aber auch KI-generierte Inhalte als Gegenstand von Untersuchungen sind ein neues Phänomen.

Viele Organisationen stehen zudem vor der Herausforderung, fehlendes Spezialwissen, begrenzte Ressourcen und veränderte Rollenbilder im Discovery-Umfeld zu bewältigen. Gefragt sind daher moderne Strategien, innovative Technologien und ein ganzheitlicher Blick auf den gesamten Lebenszyklus von Daten.

Fall-Portfolios im DACH-Raum: Meist überschaubare Fallzahlen, aber hoher Datenaufwand

Die Studie zeigt, dass Unternehmen im DACH-Raum überwiegend kleine bis mittelgroße Discovery-Portfolios bearbeiten, wobei der Aufwand vor allem durch die Identifikation, Sicherung und Auswertung von Daten geprägt wird. So gaben 62 Prozent der Befragten an, in den letzten fünf Jahren ein bis zehn Discovery-Fälle bearbeitet zu haben, während nur drei Prozent mehr als 50 Fälle verzeichneten. Auch die Zahl der betroffenen Personen ist meist überschaubar: In 44 Prozent der Fälle waren elf bis 20 Custodians beteiligt, während Verfahren mit mehr als 50 Custodians die Ausnahme darstellen. Die meisten Discovery-Fälle werden innerhalb von ein bis drei Monaten (46%) oder drei bis sechs Monaten (26%) abgeschlossen. Gleichzeitig steigt mit der Unternehmensgröße die Anzahl der Datenquellen und damit die Komplexität der Prozesse, insbesondere wenn fehlende Legal-Hold-Funktionen oder eingeschränkte Exportmöglichkeiten in Bestandssystemen den manuellen Aufwand erhöhen.

Von der manuellen Dokumentenprüfung zur GenAI-gestützten Analyse

GenAI bietet neue Möglichkeiten, indem relevante Dokumente automatisiert identifiziert, analysiert und strukturiert aufbereitet werden. Dadurch können Review-Prozesse deutlich beschleunigt und konsistenter gestaltet werden.

Als zentrale Anwendungsfälle werden Relevanzreview, Data-Privacy-Review und GenAI-basierte Chatbots genannt. Beim Relevanzreview unterstützt GenAI die Bewertung und Priorisierung von Dokumenten anhand natürlicher Sprachbeschreibungen und kann Aufgaben entlang definierter Kriterien eigenständig vorbereiten. Im Data-Privacy-Review hilft die Technologie dabei, personenbezogene und sensible Daten automatisiert über verschiedene Dokumenttypen hinweg zu erkennen, zu kategorisieren und für Berichte aufzubereiten. GenAI-gestützte Chatbots ermöglichen zudem die gezielte Analyse großer Discovery-Datenbestände, indem sie Fragen zu Personen, Zeiträumen oder Sachverhalten beantworten und relevante Inhalte samt Quellenbezug zusammenführen.

Die Rolle von Spezialist:innen verschiebt sich daher von der manuellen Prüfung hin zur Steuerung KI-gestützter Workflows sowie zur Interpretation und Absicherung der Ergebnisse.

Zentrale Ergebnisse der Studie

1. Steigender Druck auf Discovery-Prozesse

Die Ergebnisse zeigen, dass Discovery längst kein reines Thema für Rechtsabteilungen mehr ist. Neben Legal und Compliance spielen heute insbesondere IT, Cyber Security, Corporate Security und Interne Revision eine zentrale Rolle. Die zunehmende Verbreitung digitaler Untersuchungsverfahren eröffnet neue Möglichkeiten zur fachbereichsübergreifenden Zusammenarbeit, stellt Unternehmen jedoch gleichzeitig vor organisatorische und Governance-bezogene Herausforderungen. Die Schwierigkeit liegt dabei weniger in der Anzahl der Fälle als vielmehr im Umfang und der Tiefe einzelner Untersuchungen. Skalierbare und effiziente Discovery-Ansätze werden daher immer wichtiger.

2. Kosten werden zum zentralen Steuerungsfaktor 

Die Kosten für Discovery-Untersuchungen variieren erheblich und werden von Datenvolumen, Verfahrensumfang und Review-Aufwand maßgeblich beeinflusst. Besonders der Dokumentenreview stellt weiterhin einen wesentlichen Kostenfaktor dar. Gleichzeitig zeigen die Ergebnisse, dass viele Unternehmen noch keine vollständig standardisierten Verfahren etabliert haben und dadurch Potenziale für mehr Effizienz und Planbarkeit ungenutzt bleiben.

3. Automatisierung als Schlüssel zur Effizienz

GenAI nimmt eine relevante Position in Discovery-Prozessen ein. Besonders bei Zusammenfassungen, Relevanzbewertungen, Identifikation personenbezogener und vertraulicher Informationen und der Analyse großer Dokumentenbestände werden erhebliche Effizienzgewinne erwartet. 

4. Menschliche Expertise bleibt entscheidend 

Trotz aller technologischen Fortschritte bleibt menschliches Fachwissen unverzichtbar. Insbesondere Qualitätssicherung, die Einordnung von Kontexten sowie risikobasierte Bewertungen erfordern weiterhin erfahrene Expert:innen. Die größten Potenziale entstehen durch das Zusammenspiel von KI-gestützter Automatisierung und menschlicher Entscheidungsfähigkeit.

Ausblick

Als größte Herausforderungen der kommenden Jahre nennen die Befragten KI-generierte Inhalte, mobile Endgeräte, Cloud-Daten sowie Informationen aus sozialen Medien. Gleichzeitig gewinnen Initiativen zur Standardisierung von Prozessen, zum Aufbau analytischer Kompetenzen und zur Verbesserung der Legal-Hold-Readiness an Bedeutung. Die Studie kommt zu dem Ergebnis, dass erfolgreiche Discovery-Strategien künftig vor allem dort entstehen, wo Unternehmen die Ziele Wertschöpfung, Kostensenkung und Sicherheit in Einklang bringen.

Methodik

Die Studie basiert auf einer Befragung von 505 Teilnehmenden aus der DACH-Region. 51 Prozent der Befragten stammen aus Deutschland, 25 Prozent aus Österreich und 24 Prozent aus der Schweiz. Die Teilnehmenden repräsentieren eine Vielzahl von Branchen, darunter Finanzdienstleistungen, Industrie, Automotive, Healthcare, Technologie, Transport und öffentliche Verwaltung.

Laden Sie hier die Studie herunter und erfahren Sie alle Informationen im Detail.