• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Friedrich-Alexander-Universität Lehrstuhl für Strafrecht, Strafprozessrecht und Rechtsphilosophie
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Fachbereich Rechtswissenschaft
Suche öffnen
  • Login
  1. Friedrich-Alexander-Universität
  2. Fachbereich Rechtswissenschaft
Friedrich-Alexander-Universität Lehrstuhl für Strafrecht, Strafprozessrecht und Rechtsphilosophie
Menu schließen
  • Startseite
  • Lehrstuhlteam
    • Lehrstuhlinhaber Prof. Dr. Hans Kudlich
    • Privatdozent Dr. Tobias Kulhanek
    • Honorarprofessor Dr. Axel Adrian
    • Sekretariat
    • Wissenschaftliche Mitarbeiter
      • PostDocs (Habilitanden)
      • Akad. Rätin a.Z.
      • Wissenschaftliche Mitarbeiterinnen und Mitarbeiter
    • Gastwissenschaftler
    • Lehrbeauftragter
    • Studentische Hilfskräfte
    • Ehemaliger Lehrstuhlinhaber
    • Ehemalige Mitarbeiter
    Portal Lehrstuhlteam
  • Lehrveranstaltungen
  • Forschung
    • Aktuelle Projekte
    • Promotionen am Lehrstuhl
    • Habilitationen
    Portal Forschung
  1. Startseite
  2. Honorarprofessor Dr. Axel Adrian
  3. Forschungsprojekte

Forschungsprojekte

Bereichsnavigation: Honorarprofessor Dr. Axel Adrian
  • Zur Person
  • Veranstaltungen
  • Forschungsprojekte
  • Mitarbeiter
  • Veröffentlichungen (Stand 2025)
  • Übersicht zu den Links meiner YouTube Videos und zu den Links der FAU TV Videos unserer Tagung

Forschungsprojekte

Projektleiter: Axel Adrian, Stephanie Evert

Mitarbeiter:

  • Nathan Dykes
  • Philipp Heinrich
  • Michael Keuchen
  • Thomas Proisl
  • zahlreiche studentische Hilfskräfte

Beginn: April 2020

Ende: März 2022

Akronym: LeAK 1

Finanzierung: Bayerisches Staatsministerium der Justiz (StMJ)

Forschungsziel:

Es wurde ein Demonstrator zur automatischen Anonymisierung und halbautomatischen Pseudonymisierung entwickelt und Evaluiert. Es wurden insbesondere Urteile von Amtsgerichten im Wohnraummietrecht und Verkehrsrecht bearbeitet.

In Deutschland werden derzeit nur sehr wenige Gerichtsentscheidungen veröffentlicht, vor allem weil sie mit großem Aufwand manuell anonymisiert werden müssen. Eine große Zahl rechtlich relevanter Dokumente ist jedoch für die Rechtspraxis und Rechtswissenschaft sowie für die Entwicklung digitaler Dienste in Wirtschaft, Politik und Verwaltung unverzichtbar. Damit große Mengen von Gerichtsentscheidungen zeit- und ressourceneffizient unter Beachtung der geltenden Datenschutzbestimmungen zur Verfügung gestellt werden können, sind automatisierte Verfahren zur Anonymisierung dieser Texte notwendig. Die so zur Verfügung gestellten Urteile könnten z.B. als Trainingsdaten für die Entwicklung von Verfahren auf Basis künstlicher Intelligenz (KI) genutzt werden, die die Arbeit von Gerichten und Behörden in Zukunft erleichtern.

Der Einsatz von rechtsgebietsspezifischen Softwarelösungen zur automatischen Anonymisierung von Gerichtsurteilen ist ein Novum im Bereich E-Justice und Legal Tech. Pionierarbeit wird in dem Projekt auch geleistet, indem erstmals Ergebnisse aus verschiedenen Rechtsgebieten systematisch zusammengeführt und Gerichtsurteile umfassend anonymisiert und pseudonymisiert werden. Damit werden dringend benötigte Daten für die digitale Transformation von Prozessen in staatlichen Institutionen in großem Umfang verfügbar gemacht. Darüber hinaus profitieren nicht nur die privatwirtschaftliche Legal-Tech-Community und bestehende Start-ups von der großen Datenbasis an anonymisierten und pseudonymisierten Urteilen, sondern auch die Digitalisierung von Staat und Verwaltung sowie die Innovationskraft des Wirtschaftsstandorts Deutschland insgesamt.

Weiterführende Links und Literatur:

https://www.linguistik.phil.fau.de/projects/leak-anger/

Projektleiter: Axel Adrian, Stephanie Evert

Mitarbeiter:

  • Philipp Heinrich
  • Michael Keuchen
  • zahlreiche studentische Hilfskräfte

Beginn: April 2023

Ende: März 2024

Akronym: LeAK 2

Finanzierung: Bayerisches Staatsministerium der Justiz (StMJ)

Forschungsziel:

Es wurde ein verbesserter Demonstrator zur automatischen Anonymisierung und halbautomatischen Pseudonymisierung entwickelt und Evaluiert. Es wurden insbesondere OLG-Urteile in Verkehrsunfall- bzw. Verkehrsversicherungssachen, sowie Banken- und Insolvenzsachen, Kapitalanlagesachen, Kostensachen und Schiedssachen untersucht. Des weiteren werden Deanonymisierungsexperimente durchgeführt und Usability-Studien für das selbstentwickelte User Interface.

In Deutschland werden derzeit nur sehr wenige Gerichtsentscheidungen veröffentlicht, vor allem weil sie mit großem Aufwand manuell anonymisiert werden müssen. Eine große Zahl rechtlich relevanter Dokumente ist jedoch für die Rechtspraxis und Rechtswissenschaft sowie für die Entwicklung digitaler Dienste in Wirtschaft, Politik und Verwaltung unverzichtbar. Damit große Mengen von Gerichtsentscheidungen zeit- und ressourceneffizient unter Beachtung der geltenden Datenschutzbestimmungen zur Verfügung gestellt werden können, sind automatisierte Verfahren zur Anonymisierung dieser Texte notwendig. Die so zur Verfügung gestellten Urteile könnten z.B. als Trainingsdaten für die Entwicklung von Verfahren auf Basis künstlicher Intelligenz (KI) genutzt werden, die die Arbeit von Gerichten und Behörden in Zukunft erleichtern.

Der Einsatz von rechtsgebietsspezifischen Softwarelösungen zur automatischen Anonymisierung von Gerichtsurteilen ist ein Novum im Bereich E-Justice und Legal Tech. Pionierarbeit wird in dem Projekt auch geleistet, indem erstmals Ergebnisse aus verschiedenen Rechtsgebieten systematisch zusammengeführt und Gerichtsurteile umfassend anonymisiert und pseudonymisiert werden. Damit werden dringend benötigte Daten für die digitale Transformation von Prozessen in staatlichen Institutionen in großem Umfang verfügbar gemacht. Darüber hinaus profitieren nicht nur die privatwirtschaftliche Legal-Tech-Community und bestehende Start-ups von der großen Datenbasis an anonymisierten und pseudonymisierten Urteilen, sondern auch die Digitalisierung von Staat und Verwaltung sowie die Innovationskraft des Wirtschaftsstandorts Deutschland insgesamt.

Weiterführende Links und Literatur:

https://www.linguistik.phil.fau.de/projects/leak-anger/

Projektleiter: Axel Adrian, Stephanie Evert

Mitarbeiter:

  • Bao Minh Doan Dang
  • Philipp Heinrich
  • Michael Keuchen
  • Melanie Rosa
  • Julian Werner
  • Leonardo Zilio
  • zahlreiche studentische Hilfskräfte

Beginn: Dezember 2022

Ende: Dezember 2025

Akronym: AnGer

Finanzierung: Bundesministerium für Bildung und Forschung (BMBF), Bayerisches Staatsministerium der Justiz (StMJ)

AnGer ist Teil des Forschungsclusters „Anonymisierung für einen sicheren Umgang mit Daten“  (https://www.forschung-it-sicherheit-kommunikationssysteme.de/foerderung/bekanntmachungen/anonymisierung)

Forschungsziel:

Es werden die technischen Möglichkeiten zur automatischen Anonymisierung und Pseudonymisierung in einem sehr breiten Umfang erforscht und ein Demonstrator zur automatischen Anonymisierung und Pseudonymisierung entwickelt, mit dem Urteile verschiedenster Instanzen und verschiedenster Rechtsgebiete aus dem Zivilrecht verarbeitet werden können. Des Weiteren werden verschiedenste sonstige Experimente, wie insbesondere Deanonymisierungsexperimente durchgeführt.

In Deutschland werden derzeit nur sehr wenige Gerichtsentscheidungen veröffentlicht, vor allem weil sie mit großem Aufwand manuell anonymisiert werden müssen. Eine große Zahl rechtlich relevanter Dokumente ist jedoch für die Rechtspraxis und Rechtswissenschaft sowie für die Entwicklung digitaler Dienste in Wirtschaft, Politik und Verwaltung unverzichtbar. Damit große Mengen von Gerichtsentscheidungen zeit- und ressourceneffizient unter Beachtung der geltenden Datenschutzbestimmungen zur Verfügung gestellt werden können, sind automatisierte Verfahren zur Anonymisierung dieser Texte notwendig. Die so zur Verfügung gestellten Urteile könnten z.B. als Trainingsdaten für die Entwicklung von Verfahren auf Basis künstlicher Intelligenz (KI) genutzt werden, die die Arbeit von Gerichten und Behörden in Zukunft erleichtern.

Der Einsatz von rechtsgebietsspezifischen Softwarelösungen zur automatischen Anonymisierung von Gerichtsurteilen ist ein Novum im Bereich E-Justice und Legal Tech. Pionierarbeit wird in dem Projekt auch geleistet, indem erstmals Ergebnisse aus verschiedenen Rechtsgebieten systematisch zusammengeführt und Gerichtsurteile umfassend anonymisiert und pseudonymisiert werden. Damit werden dringend benötigte Daten für die digitale Transformation von Prozessen in staatlichen Institutionen in großem Umfang verfügbar gemacht. Darüber hinaus profitieren nicht nur die privatwirtschaftliche Legal-Tech-Community und bestehende Start-ups von der großen Datenbasis an anonymisierten und pseudonymisierten Urteilen, sondern auch die Digitalisierung von Staat und Verwaltung sowie die Innovationskraft des Wirtschaftsstandorts Deutschland insgesamt.

Weiterführende Links und Literatur:

https://www.linguistik.phil.fau.de/projects/leak-anger/

https://www.forschung-it-sicherheit-kommunikationssysteme.de/projekte/anger

https://www.str2.rw.fau.de/files/2024/11/2024-04-17-AnoSiDat-Talk-Evert-Adrian.pdf

Projektleiter: Axel Adrian, Stephanie Evert, Michael Kohlhase, Lutz Schröder, Andreas Maier

Mitarbeiter:

  • Anil Basaran
  • Nathan Dykes
  • Michael Gritz
  • Merlin Humml
  • Stephan Prettner
  • Max Rapp
  • Verena Stürmer
  • studentische Hilfskräfte

Beginn: März 2024

Ende: Februar 2027

Akronym: DIREGA

Finanzierung: Bundesnotarkammer (BNotK), Bayerische Landesnotarkammer (LNotK), Bayerisches Staatsministerium der Justiz (StMJ)

Forschungsziel:

Es handelt sich um ein multidisziplinäres Forschungsprojekt „Digitaler Registerassistent“ im Auftrag der Bundesnotarkammer und in Zusammenarbeit mit dem der Bayerischen Notarkammer und dem Bayerischen Staatsministerium der Justiz.

Es geht um Grundlagenforschung im Bereich Recht und Informatik und insbesondere um Fragen, inwieweit mit Künstlicher Intelligenz (KI) juristische Entscheidungen maschinell unterstützt bzw. sogar automatisch getroffen werden können. Dabei sollen spezifische juristische Fragestellungen aus dem Handels-, Gesellschafts- und Registerrecht in Zusammenhang mit verschiedenen Teildisziplinen der KI-Forschung untersucht werden.

Mit Hilfe sog. Korpus- und Computerlinguistik (NLP) werden z.B. natürlichsprachliche Texte in juristischen Dokumenten in maschinenlesbare Sprache transformiert und Informationen automatisch ausgelesen. Mit sog. symbolischer KI müssen z.B. juristische Argumentationen formalisiert sowie juristisches Fach- und Praxiswissen maschinell repräsentiert und Verfahren des maschinellen Schließens evaluiert werden. Durch Verfahren der Mustererkennung bzw. der sog. subsymbolischen KI sind z.B. juristisch relevante Trainingsdaten zu generieren. Mit Maschinen erzeugte Ergebnisse sind schließlich stets auf juristische Stimmigkeit hin zu evaluieren. Durch die Entwicklung eines Prototypen im Rahmen des Forschungsprojekt sollen grundlegende Erkenntnisse gewonnen werden, wie Recht durch Technik bzw. mittels hybrider KI-Systeme in Zukunft ausgelegt und angewendet werden kann.

Weiterführende Links:

https://www.direga.fau.de/

Vorstellung des Projektes im Bay. Justizministerium im Rahemn der Denkfabrik Legal-Tech: https://www.youtube.com/watch?v=CWg3rkWyLr0

Projektleiter: Aurelius Adrian, Axel Adrian, Timo Meinhof

Beginn: April 2019

Ende: offen

Finanzierung: eigene Mittel

Forschungsziel:

Es werden Tools für Rechtsdienstleistungsprozesse entwickelt, wie z.B. Vertragsentwurfsautomat, Geldwäschedokumetationstool, semantischer Volltext-Suchassistent, etc.

Friedrich-Alexander-Universität
Lehrstuhl für Strafrecht, Strafprozessrecht und Rechtsphilosophie

Schillerstraße 1
91054 Erlangen
  • Videoportal
  • Impressum
  • Datenschutz
  • Barrierefreiheit
  • Facebook
  • RSS Feed
  • Twitter
  • Xing
Nach oben
Datenschutzeinstellungen

Unsere Webseite verwendet Cookies und ähnliche Technologien.

Einige Cookies sind für den Besuch dieser Webseite notwendig, also essenziell. Ohne diese Cookies wäre Ihr Endgerät ansonsten zum Beispiel nicht in der Lage, sich Ihre Datenschutzauswahl zu merken.

Falls Sie zustimmen, verwenden wir Cookies und Daten auch, um Ihre Interaktionen mit unserer Webseite zu messen, oder um externe Medien (z.B. Videos) einzubinden.

Sie können Ihre Einwilligung jederzeit unter Datenschutzerklärung einsehen und widerrufen. Auf der Seite finden Sie auch zusätzliche Informationen zu den verwendeten Cookies und Technologien.

Datenschutzeinstellungen

Alle akzeptieren

Speichern

Nur essentielle Cookies akzeptieren

Individuelle Einstellungen

Impressum Datenschutzerklärung Barrierefreiheit

Datenschutzeinstellungen

Hier finden Sie eine Übersicht aller verwendeten Cookies. Sie können Ihre Einwilligung zu ganzen Kategorien geben oder sich weitere Informationen anzeigen lassen und bestimmte Cookies auswählen.

Alle akzeptieren Speichern Nur essentielle Cookies akzeptieren

Zurück

Datenschutzeinstellungen

Essenzielle Cookies ermöglichen grundlegende Funktionen und sind für die einwandfreie Funktion der Website erforderlich.

Cookie-Informationen anzeigen Cookie-Informationen ausblenden

Name
Anbieter Eigentümer dieser Website
Zweck Speichert die Einstellungen der Besucher, die in der Consent-Banner ausgewählt wurden.
Datenschutzerklärung https://www.str2.rw.fau.de/datenschutz/
Hosts www.str2.rw.fau.de
Cookie Name rrze-legal-consent
Cookie Laufzeit 1 Jahr
Name
Anbieter Keine Übermittlung an Drittanbieter
Zweck Teste, ob ein Cookie gesetzt werden kann. Benutzersitzung speichern.
Datenschutzerklärung https://www.str2.rw.fau.de/datenschutz/
Hosts .www.str2.rw.fau.de
Cookie Name wordpress_[*]
Cookie Laufzeit Session
Name
Anbieter Keine Übermittlung an Drittanbieter
Zweck Dient zur Verwaltung des WebSSO-Sitzungsstatus.
Datenschutzerklärung https://www.str2.rw.fau.de/datenschutz/
Hosts www.str2.rw.fau.de
Cookie Name SimpleSAMLSessionID,SimpleSAMLAuthToken
Cookie Laufzeit Session
Name
Anbieter Keine Übermittlung an Drittanbieter
Zweck Bewahrt den Status der Benutzersitzung über Seitenanfragen hinweg.
Datenschutzerklärung https://www.str2.rw.fau.de/datenschutz/
Hosts www.str2.rw.fau.de
Cookie Name PHPSESSID
Cookie Laufzeit Session

Statistik-Cookies erfassen Informationen anonym. Diese Informationen helfen uns zu verstehen, wie unsere Besucher unsere Website nutzen.

Cookie-Informationen anzeigen Cookie-Informationen ausblenden

Akzeptieren
Name
Anbieter Rosenheimer Str. 143 C, 81671 München, Deutschland
Zweck Wird verwendet, um die Nutzung der Website durch den Besucher zu erfassen.
Datenschutzerklärung https://www.siteimprove.com/privacy/privacy-policy/
Hosts siteimprove.com
Cookie Name nmstat
Cookie Laufzeit 1000 Tage

Inhalte von Videoplattformen und Social-Media-Plattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Einwilligung mehr.

Cookie-Informationen anzeigen Cookie-Informationen ausblenden

Akzeptieren
Name
Anbieter Twitter International Company, One Cumberland Place, Fenian Street, Dublin 2, D02 AX07, Irland
Zweck Wird verwendet, um Twitter-Inhalte zu entsperren.
Datenschutzerklärung https://twitter.com/privacy
Hosts twimg.com, twitter.com
Cookie Name __widgetsettings, local_storage_support_test
Cookie Laufzeit Unbegrenzt
Akzeptieren
Name
Anbieter Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
Zweck Wird verwendet, um Youtube-Inhalte zu entsperren.
Datenschutzerklärung https://policies.google.com/privacy?hl=en&gl=en
Hosts google.com, youtube.com, youtube-nocookie.com
Cookie Name NID
Cookie Laufzeit 6 Monate
Akzeptieren
Name
Anbieter Vimeo Inc., 555 West 18th Street, New York, New York 10011, Vereinigte Staaten
Zweck Wird verwendet, um Vimeo-Inhalte zu entsperren.
Datenschutzerklärung https://vimeo.com/privacy
Hosts player.vimeo.com
Cookie Name vuid
Cookie Laufzeit 2 Jahre
Akzeptieren
Name
Anbieter Scribd, Inc., 460 Bryant St, 100, San Francisco, CA 94107-2594 Vereinigten Staten
Zweck Wird verwendet, um Slideshare-Inhalte zu entsperren.
Datenschutzerklärung https://www.slideshare.net/privacy
Hosts www.slideshare.net
Cookie Name __utma
Cookie Laufzeit 2 Jahre
Akzeptieren
Name
Anbieter Bayerischer Rundfunk, Rundfunkplatz 1, 80335 München, Deutschland
Zweck Wird verwendet, um BR-Inhalte zu entsperren.
Datenschutzerklärung https://www.br.de/unternehmen/service/impressum/impressum-datenschutzerklaerung-unternehmen-v2-100.html
Hosts www.br.de
Cookie Name atid
Cookie Laufzeit 1 Jahr
Akzeptieren
Name
Anbieter Bayerischer Rundfunk, Rundfunkplatz 1, 80335 München, Deutschland
Zweck Wird verwendet, um ARD-Inhalte zu entsperren.
Datenschutzerklärung https://www.ardmediathek.de/datenschutz
Hosts www.ardmediathek.de
Cookie Name atidvisitor
Cookie Laufzeit 1 Jahr

Impressum Datenschutzerklärung Barrierefreiheit