Fortschritte bei Automatisierung und Artificial Intelligence (AI) versprechen, dass sich viele klassische Aufgaben mittels eDiscovery künftig mit deutlich weniger manuellem Aufwand bearbeiten lassen. Aus den Versprechen und ersten eigenen Erfahrungen vieler Akteure im Alltag bilden sich Erwartungshaltungen, eDiscovery- und ähnliche Auswertungsverfahren insgesamt schneller und kostengünstiger durchführen zu können.
Unsere Studie zu Discovery und Data-Management im deutschsprachigen Raum mit mehr als 500 Teilnehmern aus Deutschland, Österreich und der Schweiz zeigt jedoch, dass Aufwand und Kosten von Discovery-Matters durch sehr unterschiedliche Faktoren geprägt werden.
Die entscheidende Frage ist daher nicht, ob Effizienzgewinne möglich sind, sondern unter welchen Voraussetzungen sie realisiert werden können.
Mehr als Datenvolumen
Kostendiskussionen in puncto eDiscovery beginnen häufig mit Kennzahlen wie Kosten pro Gigabyte oder Kosten pro Dokument. Kennzahlen können bei der Einordnung von Projekten hilfreich sein, die tatsächlichen Kostenunterschiede zwischen Matters jedoch oft nur teilweise erklären.
Die Ergebnisse unserer Studie zeigen, dass Discovery-Matters bereits hinsichtlich ihrer Ausgangsbedingungen erheblich variieren. Datenquellen, Custodians, Falldauer und Untersuchungsgegenstand können sich ebenso deutlich voneinander unterscheiden wie die zugrundeliegenden Systemlandschaften, Anforderungen an Qualitätssicherung und die Dokumentation oder der Umgang mit „non-custodial data“. Diese Faktoren beeinflussen maßgeblich, welcher Aufwand für die Aufarbeitung eines Sachverhalts erforderlich ist – und damit auch die Kosten.
Ein identisches Datenvolumen bedeutet deshalb folglich nicht zwangsläufig vergleichbare Kosten. Ein Matter, bei dem Daten aus wenigen, gut erschlossenen und inhaltlich homogenen Quellen mit einem klar definierten Prüfungsziel ausgewertet werden, folgt einer anderen Kostenlogik als ein Matter mit demselben Datenvolumen, bei dem Informationen aus zahlreichen Systemen zusammengeführt, unterschiedliche Fragestellungen untersucht oder mehrere Fachbereiche eingebunden werden müssen. Der Aufwand entsteht dabei nicht nur durch die Datenmenge, sondern auch durch die Komplexität ihrer Aufarbeitung und Bewertung.
Die Kostenlandschaft spreizt sich: Standardisierbare und komplexere Matter-Profile
Die Ergebnisse unserer Studie zeigen eine erhebliche Spannbreite sowohl bei den Gesamtkosten von Discovery-Untersuchungen als auch bei den Reviewkosten. Die Gesamtkosten pro Gigabyte liegen häufig unter 3.000 Euro, variieren jedoch deutlich. Die Reviewkosten reichen von unter 0,10 Euro bis über 2 Euro pro Dokument. Diese Unterschiede sind kein bloßer Preiseffekt. Sie spiegeln wider, dass Discovery-Matters unterschiedlichen Kostenlogiken folgen.
Besonders sichtbar werden diese Unterschiede dort, wo sich Matters hinsichtlich ihrer Standardisierbarkeit und damit auch ihrer Automatisierbarkeit unterscheiden. Während sich bestimmte Sachverhalte anhand etablierter Prozesse und wiederkehrender Prüfungsschritte bearbeiten lassen, erfordern andere einen deutlich höheren Grad an Analyse, Abstimmung und fachlicher Einordnung.
Standardisierbare Matter-Profile
Standardisierbare Matters zeichnen sich häufig durch klar definierte Fragestellungen, bekannte Datenquellen, homogene Inhalte, wiederkehrende Prüfungsziele und etablierte Prozesse aus. Beispiele sind PII-Reviews, standardisierte Auskunfts- oder DSAR-Prozesse, die Prüfung geleakter Daten nach bekannten vertraulichen Informationen sowie wiederkehrende Complianceprüfungen.
Hier können Automatisierung und AI besonders stark wirken, weil Such-, Analyse- und Reviewkriterien häufig wiederverwendbar sind. Bei ausreichendem Standardisierungsgrad lässt sich der manuelle Aufwand entsprechend deutlich reduzieren. Der Schwerpunkt verlagert sich dabei zunehmend von der eigentlichen Bearbeitung auf Qualitätssicherung, Validierung und Freigabeprozesse. Sind unter diesen Voraussetzungen auch die Inhalte in den Datenquellen sehr gleichartig, so sind auch die Ergebnisse sehr verlässlich. Somit sinkt in diesen Fällen auch der Aufwand für Qualitätssicherung, Validierung und Freigabe.
Komplexere Matter-Profile
Komplexere Matters sind häufig durch heterogene Datenlandschaften und Inhalte, die Abstimmung zwischen mehreren beteiligten Parteien, erhöhte Anforderungen an Datenschutz, Vertraulichkeit oder Nachvollziehbarkeit sowie Fragestellungen geprägt, die sich erst im Verlauf der Untersuchung konkretisieren. Beispiele sind Sachverhalte, bei denen Daten zunächst aus unterschiedlichen oder wenig erschlossenen Systemen identifiziert, extrahiert und zusammengeführt werden müssen, sowie grenzüberschreitende Matters mit zusätzlichen rechtlichen und organisatorischen Anforderungen.
Hier entstehen Kosten häufig weniger durch das reine Dokumentenvolumen als durch Unsicherheit, Abstimmungsbedarf und die Notwendigkeit belastbarer Einordnung. Umfang, Vorgehensweise und erforderliche Analysen entwickeln sich oft erst im Verlauf des Matters. Qualitätssicherung, rechtliche Bewertung, Dokumentation und fachliche Steuerung bleiben deshalb zentrale Bestandteile des Aufwands. Entsprechend können auch höhere Reviewkosten pro Dokument gerechtfertigt sein, wenn sie aus den konkreten Anforderungen des jeweiligen Matters resultieren. Im Bereich von Investigations beispielsweise können die Vorteile neuer Verfahren in Einzelfällen erheblich in den Hintergrund treten, nämlich genau dann, wenn Vollständigkeit in der Abdeckung der Datenbasis und die Suche nach der sprichwörtlichen Nadel im Heuhaufen einschlägig werden. In diesen Fällen liefern klassische Ansätze zumeist noch verlässlichere Ergebnisse, auch wenn beispielsweise GenAI-basierte Zusammenfassungen von langen Dokumenten Effizienzen im Review liefern können.
Es gibt daher nicht „die“ eDiscovery-Kosten. Mit zunehmender Automatisierung zeigt sich vielmehr eine wachsende Differenzierung zwischen stärker standardisierbaren Matter-Profilen und solchen, bei denen fachliche Einordnung, Qualitätssicherung und Steuerung weiterhin einen wesentlichen Teil des Aufwands bestimmen.
Transition braucht Ressourcen
Die stärkeren Effizienzpotentiale standardisierbarer Matters erklären, warum sich die Kostenlandschaft zunehmend differenziert. Sie bedeuten jedoch nicht, dass entsprechende Effizienzgewinne unmittelbar verfügbar sind. Bevor neue Technologien ihr Potential entfalten können, müssen Organisationen zunächst die Voraussetzungen für ihren effektiven Einsatz schaffen.
Auch unsere Studie deutet darauf hin, dass organisatorische und fachliche Rahmenbedingungen einen wesentlichen Einfluss auf Effizienz und Kosten haben. Der Aufbau analytischer Kompetenzen, die Standardisierung von Abläufen oder die Integration neuer Technologien in bestehende Prozesse erfordern zunächst Zeit, Ressourcen und Investitionen. Die Erfahrung unterstreicht auch, dass analytische Kompetenz zwingend mit detaillierter inhaltlicher Kenntnis der Fragestellungen eines zugrundeliegenden Matters gepaart sein muss.
Kurzfristig können die Kosten deshalb sogar steigen. Neue Werkzeuge müssen ausgewählt und eingeführt, Mitarbeitende geschult und Prozesse angepasst werden. Wesentliche Herausforderung ist zudem, das Mindset des Arbeitens zu ändern. Hinzu kommen Anforderungen an Qualitätssicherung, Governance und die Einbettung neuer Arbeitsweisen in bestehende Organisationsstrukturen. Nicht zuletzt haben auch die Lizenzbedingungen für Softwarelösungen erheblichen Einfluss auf die Kostenstrukturen. Auch an dieser Stelle ist nicht von konstanten Kostenverhältnissen, sondern von kontinuierlicher Veränderung auszugehen.
Der Übergang zu generativer AI (GenAI) ist damit selbst Teil der Kosten- und Effizienzgleichung. Effizienz entsteht nicht bereits durch die Verfügbarkeit neuer Technologien, sondern durch deren konsequente Integration in wiederholbare und belastbare Arbeitsabläufe.
Organisation und Sourcing als Kostenhebel
Viele Diskussionen über Effizienz durch eDiscovery konzentrieren sich auf Technologie. Für die tatsächliche Kostenentwicklung ist jedoch oft entscheidender, wie gut Organisationen wiederkehrende Matters steuern können.
Organisationen mit etablierten Prozessen können Matters früher einordnen, den relevanten Datenraum gezielter eingrenzen und wiederkehrende Arbeitsschritte stärker standardisieren. Sie haben vor allem geübte und geprüfte Handlungssicherheit diesbezüglich. Dadurch lässt sich Aufwand vermeiden, bevor er überhaupt entsteht. Entscheidungen über Scope, Datenquellen oder Reviewtiefe werden früher getroffen und schaffen eine bessere Grundlage für Kostensteuerung.
Dies wirkt sich auch auf den Einsatz externer Dienstleister aus. Unsere Studie zeigt, dass Unternehmen spezialisierte Leistungen wie Datensicherung, Datenanalyse, Hosting oder Digital Forensics regelmäßig auslagern, während andere Tätigkeiten häufiger intern erbracht werden. Gerade hier liegt ein Ansatzpunkt für bewusstes Sourcing statt spontaner Einzelbeauftragung. Wer wiederkehrende Anforderungen früh erkennt, kann interne und externe Ressourcen gezielter kombinieren, Leistungen besser bündeln und Kosten sowie Qualitätsanforderungen planbarer steuern. Für Unternehmen mit einem planbaren Discovery-Portfolio können spezialisierte eigene Teams und Managed-Service- oder modulare Modelle dabei helfen, Kosten, Qualität und Verfügbarkeit besser auszubalancieren. Für Unternehmen mit seltenen oder kleineren Matters kann dagegen eine flexible Kombination aus interner Steuerung und individueller externer Unterstützung sinnvoller sein.
Effizienz entsteht deshalb nicht erst durch Automatisierung oder AI. Sie entsteht häufig bereits durch die Fertigkeit, die richtigen Werkzeuge und Ressourcen sinnvoll zu kombinieren.
Der Unterschied liegt künftig weniger zwischen Organisationen mit und ohne GenAI als zwischen Organisationen, die neue Technologien in belastbare Prozesse integriert haben, und solchen, die jedes Matter weitgehend als Einzelfall organisieren müssen.
Fazit: Passender Aufwand pro Matter
Nicht der technologische Fortschritt allein bestimmt die Kosten eines Matters. Entscheidend ist, welche Eigenschaften das Matter mitbringt und wie gut die Organisation in der Lage ist, darauf einzugehen.
Standardisierbare Sachverhalte lassen sich zunehmend effizient bearbeiten. Bei komplexeren Matters bleiben dagegen fachliche Einordnung, Qualitätssicherung, Dokumentation und Steuerung wesentliche Bestandteile des Aufwands.
Die zentrale Herausforderung besteht deshalb nicht darin, einzelne Kostenkennzahlen zu optimieren. Erfolgreiches Kostenmanagement bedeutet, Umfang, Vorgehensweise und Ressourceneinsatz gezielt an den Anforderungen des jeweiligen Matters auszurichten. Dazu gehören die Einordnung des Matters und strategische Ableitungen, die Definition eines angemessenen Scopes, die Auswahl geeigneter Vorgehensweisen sowie der bewusste Einsatz interner und externer Ressourcen.
Effizienz bedeutet bei eDiscovery-Prozessen künftig nicht, jeden Arbeitsschritt maximal zu reduzieren. Sie bedeutet, den passenden Aufwand an der richtigen Stelle einzusetzen: geringe Grenzkosten bei standardisierbaren Tätigkeiten, gezielte menschliche Expertise bei komplexen Fragestellungen und eine Qualitätssicherung, die sicherstellt, dass Ergebnisse nachvollziehbar, belastbar und im Bedarfsfall auch verteidigbar sind.
