Thema und Inhalt der Dissertation
Die Arbeit untersucht, wie lernende Systeme – algorithmische Systeme, die in der Lage sind, ihr Entscheidungsverhalten mit jeder getroffenen Entscheidung anzupassen – in der Rechtsanwendung eingesetzt werden können, ohne die rechtsstaatliche Begründungsarchitektur zu unterlaufen.
Im Mittelpunkt steht dabei die Frage, ob und wie algorithmische Entscheidungen gerechtfertigt werden können, deren Entscheidungslogik sich einer Rekonstruktion im Einzelfall entzieht. Die klassischen Instrumente der juristischen Begründungslehre stoßen hier an ihre funktionalen Grenzen. Auf der Suche nach Lösungen für dieses Begründungsproblem wird die Arbeit an die Schnittstelle zur Informatik herangeführt:
Unter dem Stichwort der Erklärbarkeit hat sich dort ein breites Spektrum an Methoden herausgebildet, mit denen Modelle Auskunft über ihre Entscheidungslogik geben können – von lokalen Approximationen über kontrafaktische Erklärungen bis hin zu Entscheidungsbäumen. Diese Vielfalt ist allerdings nicht ohne Weiteres mit den normativen Anforderungen rechtsstaatlicher Rechtfertigung kompatibel.
Die Arbeit entwickelt daher einen normativen Begriff der Erklärbarkeit, der die computerwissenschaftlichen Ansätze in den rechtlichen Kommunikationszusammenhang überführt. Erklärbarkeit wird so als funktionales Äquivalent zur menschlichen Begründung konzipiert, das weder auf eine bloße argumentative Fassade noch auf die vollständige wissenschaftliche Rekonstruktion der Entscheidungsgenese zielt, sondern auf die kommunikativ verständige Darstellung der normativen Gründe technikbasierter Entscheidungen.
In einer Studie mit 4.250 Teilnehmenden werden abschließend unterschiedliche Formen algorithmischer Erklärungen im Verwaltungsverfahren getestet. Die Ergebnisse zeigen hier einen bislang kaum dokumentierten Befund: Kontrafaktische Erklärungen führen bei algorithmischen Entscheidungen zu überproportionalen Fairnessgewinnen und können insbesondere das Fairnessdefizit gegenüber menschlichen Entscheidungen signifikant verringern.
Die Untersuchung leistet damit zwei eng aufeinander bezogene Beiträge. Sie entwirft zum einen eine normative Theorie der Erklärbarkeit im Recht, die menschliche und maschinelle Rechtfertigungsformen in ein systematisches Verhältnis setzt, zum anderen zeigt sie empirisch, welche Formen algorithmischer Erklärungen geeignet sind, Fairness und Akzeptanz bei der Ausübung von Hoheitsgewalt zu stärken.
Betreuung und Disputation
Die Promotion wurde von Prof. Dr. Dr. h.c. Christoph Engel (Max-Planck-Institut zur Erforschung von Gemeinschaftsgütern) betreut. Das Zweitgutachten verfasste Prof. Dr. Christian Bumke (Bucerius Law School). Beide Gutachten bewerteten die Arbeit mit der Note „summa cum laude". Die mündliche Prüfung erfolgte Mitte März 2025 in Form einer Disputation, in deren Rahmen Arian Henning die wesentlichen Ergebnisse seiner Arbeit präsentierte. Den Vorsitz des Prüfungsausschusses hatte Prof. Dr. Matthias Jacobs inne.
Zur Person
Arian Henning studierte Rechtswissenschaften an der Bucerius Law School mit einem Auslandsaufenthalt an der Istanbul Bilgi University. Seine Promotion begann er am Max-Planck-Institut zur Erforschung von Gemeinschaftsgütern in Bonn, mit Forschungsaufenthalten an der ETH Zürich und der University of Oxford. Derzeit arbeitet er als wissenschaftlicher Mitarbeiter (Postdoc) am Max-Planck-Institut für Bildungsforschung in Berlin. Im Mai 2025 beginnt er sein Referendariat am Kammergericht Berlin.
