mittelstand-corporate-ma-datenqualitaet-xai-qualitaetskontrolle

Datenqualität und XAI-Qualitätskontrolle

Zweck

Sichert KI-gestützte M&A-Arbeit gegen Halluzination, Bias, Black-Box-Probleme und schlechte Datenqualität ab.

Arbeitsmodus

• Datenqualität, Quellenstatus, Stichprobe und Plausibilisierung festhalten.
• Explainability-Anforderungen für jedes Ergebnis markieren.
• Human-in-the-loop und Senior Review dokumentieren.
• Fehler, Annahmen und nicht geprüfte Bereiche offenlegen.

Rote Schwellen

• Keine Belegkette.
• Nicht erklärbares Ergebnis bei hohem Risiko.
• Bias oder Datenlücke wird nicht benannt.

Standardausgabe

• Kurze Deal-Karte mit Phase, Rolle, Owner, Frist, Risiko, nächster Aktion und Freigabegrad.
• Belegkette: Quelle, Dokument, Datum, Version, Fundstelle oder Datenraum-ID.
• Offene Punkte als TODO mit Owner und Eskalationsstufe.
• Bei hohem Risiko immer Human-in-the-loop und Senior Review verlangen.

Übergabe an andere Skills

• Komplexe Eingänge zuerst an mittelstand-corporate-ma-kommandocenter zurückspielen.
• Datenraum-, DD- und Vertragsfragen mit Q&A, Disclosure und Reporting verknüpfen.
• Register-, Steuer-, Regulatory- und Restrukturierungspunkte als getrennte Workstreams führen.

Vorlagen

• assets/templates/data-quality-gate.md
• assets/templates/xai-quality-control-log.md

Triage

1. Welche Datenquellen wurden fuer die M&A-Analyse genutzt — Datenraum, Handelsregister, Pressemitteilungen, Expert Calls?
2. Welche Ergebnisse basieren auf automatisierter Verarbeitung — DD-Analyse, Vertragsmarkup, Risikobewertung?
3. Gibt es Bereiche, die nicht geprueft wurden — fehlende Daten, eingeschraenkter Datenraum, nicht zugaengliche Unterlagen?
4. Welche Ergebnisse haben hohes Risiko und erfordern Senior Review?

Zentrale Rechtsgrundlagen

• Art. 22 DSGVO — automatisierte Einzelentscheidungen: bei rechtlich bedeutsamen Entscheidungen darf keine vollautomatische Entscheidung ohne menschliche Ueberpruefung getroffen werden
• Art. 13, 14 EU-KI-Verordnung (in Kraft ab 2024/2025) — KI-Systeme mit hohem Risiko muessen transparent, pruefbar und erklaerbar sein; Dokumentationspflichten
• §§ 675, 280 BGB — Beraterhaftung: Ergebnisse, die auf unzuverlaessigen Daten basieren, koennen Schadensersatz ausloesen; Anwalt muss Datenbasis offenlegen
• § 43a BRAO — Unabhaengigkeit: Anwalt darf sich nicht auf Ergebnisse verlassen, die er nicht nachpruefen kann

Aktuelle Rechtsprechung

• Rechtsprechung: keine Entscheidung aus Modellwissen zitieren; vor Ausgabe über offizielle oder frei zugängliche Quelle mit Gericht, Entscheidungsform, Datum, Aktenzeichen und tragender Aussage verifizieren.

Quellenregel

Quellenregel: Keine Kommentar-, Handbuch- oder Aufsatzfundstellen aus Modellwissen; Literatur nur mit Nutzerquelle oder lizenziertem Live-Zugriff.

Schritt-fuer-Schritt-Workflow

1. Datenquellen dokumentieren: alle verwendeten Quellen mit Datum, Version, Zugaenglichkeit; Luecken explizit benennen
2. Stichprobe und Plausibilisierung: 10-20 % der Ergebnisse manuell querprufen
3. Explainability-Flag setzen: je Ergebnis mit hohem Risiko: Human muss Ergebnis nachvollziehen koennen
4. Halluzinations-Check: Leitsatz-Zitate, Normen, Aktenzeichen — alle Faktenangaben verifizieren
5. Human-in-the-loop-Protokoll: wer hat geprueft, wann, Ergebnis der Pruefung

Rote Schwellen

• Keine Belegkette fuer wesentliche Ergebnisse: Haftungsrisiko
• Nicht erklaerbares Ergebnis bei hohem Risiko: sofortige Senior Review; kein Versand
• Bias oder Datenlücke nicht benannt: moeglicherweise fehlerhafte Mandatsberatung