KI-Kartellrecht: Behörden setzen auf computergestützte Prüfung

Der alte Aktenraum für Kartellrechtsfälle hatte Kisten, Kaffee und jemanden aus dem Nachwuchsteam, der um 2 Uhr morgens das Wort „privilege“ entdeckte. Dieses Bild ist inzwischen veraltet. Das hilfreichere mentale Modell ist eine Aufsichtsbehörde mit öffentlichen Beschaffungsdaten, öffentlichen Preissignalen, hochgeladenen Dokumenten und genug Werkzeugen, um zuerst nach Mustern zu fragen und erst danach Memos zu lesen. Das heißt nicht, dass Behörden magische Kartelldetektoren gekauft haben. McCann FitzGerald sagt, dass Wettbewerbsbehörden in der EU und darüber hinaus KI nutzen, um Marktinformationen zu sammeln, effizienter zu werden und die Durchsetzung des Kartellrechts zu verbessern. Der praktische Punkt ist enger gefasst und unangenehmer: Wenn Verhalten strukturierte Spuren hinterlässt, kann jemand diese Spuren prüfen, bevor Ihr Antwortschreiben fertig poliert ist.

Was computergestütztes Kartellrecht eigentlich bedeutet

Isabella Lorenzonis Arbeitspapier des Jean Monnet Network liefert die am wenigsten dramatische Bestandsaufnahme des neuen Werkzeugkastens. Es beschreibt Text-Mining-Systeme auf Basis von Verarbeitung natürlicher Sprache, Dokumentenmanagement-Software mit Funktionen zur Mustererkennung durch maschinelles Lernen sowie digitale Screening-Tools im öffentlichen Beschaffungswesen. Übersetzt heißt das: Behörden lesen nicht nur E-Mails und Eingaben, sie bauen Arbeitsabläufe auf, die Dokumente gruppieren, wiederkehrende Formulierungen erkennen und Beschaffungsmuster markieren können. Ihr Lieferantenvertrag braucht hier keine Poesie, sondern Prüfbarkeit, Aufbewahrungskontrollen und eine belastbare Erklärung dafür, wie Preis- und Bietentscheidungen getroffen werden.

Der Inception Report der Hellenic Competition Commission zu Computational Competition Law and Economics beschreibt dieselbe Entwicklung als Teil einer breiteren Bewegung hin zu Screening-Tools und Algorithmen zur Erkennung kollusiven Verhaltens. Das ist wichtig, weil Screening eine Triage-Funktion ist und kein abschließendes Urteil. Ein Modell kann eine Behörde auf eine Ausschreibung, einen Markt oder eine Gruppe von Unternehmen hinweisen, die menschliche Aufmerksamkeit verdienen. Das Compliance-Risiko besteht daher nicht darin, dass ein Algorithmus ein rechtsstaatliches Verfahren ersetzt. Es besteht darin, dass schwache Aufzeichnungen und unordentliche Kommunikation ein Unternehmen interessanter aussehen lassen, als es nötig gewesen wäre.

Der Durchsetzungsablauf verändert sich, bevor es das Recht tut

McCann FitzGerald verweist auf die Untersuchung der Europäischen Kommission gegen Reifenhersteller als prominentes Beispiel für KI-unterstützte Kartellrechtsdurchsetzung. Die Kommission vermutete, dass mehrere Reifenunternehmen, darunter Michelin, öffentliche Mitteilungen genutzt haben könnten, um künftige Verkaufspreise zu signalisieren und zu koordinieren, insbesondere Großhandelspreise für Ersatzreifen für Pkw und Lkw im EWR. Die rechtliche Theorie ist alt genug, um Meinungen über Faxgeräte zu haben. Der Beweisarbeitsablauf ist das, was sich verändert hat.

Für Unternehmen bedeutet das: Öffentliche Aussagen sind nicht nur ein Kommunikationsrisiko, sondern auch ein Datenrisiko. Preisankündigungen, Investorenunterlagen, Website-Updates, Ausschreibungsunterlagen und Materialien von Branchenverbänden können über Zeiträume und Gegenparteien hinweg verglichen werden. McCann FitzGerald warnt außerdem, dass präventives Monitoring und eine schnellere Analyse großer Informationsmengen die Marktaufsicht, Untersuchungen und Durchsuchungen im Morgengrauen erhöhen könnten. Das ist kein Grund, mit Kommunikation aufzuhören. Es ist ein Grund, sicherzustellen, dass die Prüfung öffentlicher Kommunikation Wettbewerbsrechtsberatung einbezieht, bevor der Satz über künftige Preise zum Problem aller wird.

Vereinigtes Königreich und

EU warten nicht auf perfekte Werkzeuge Dentons sagt, dass die Europäische Kommission und die britische Competition and Markets Authority die Durchsetzung im Bereich KI verstärken und dabei auf jahrelanger Arbeit zu Algorithmen und digitalen Märkten aufbauen. Das sollte ganz wörtlich verstanden werden. Behörden schauen sowohl darauf, wie Unternehmen Algorithmen einsetzen, als auch darauf, wie Regulierer computergestützte Methoden nutzen können, um sie zu untersuchen. Entwicklerinnen und Entwickler, die zwischen Produktgeschwindigkeit und rechtlicher Prüfung feststecken, sollten davon ausgehen, dass beide Seiten dieses Satzes inzwischen echte operative Themen sind.

Die einfache Policy-Erklärung lautet so: Wenn Ihr Produkt Preise, Rankings, Beschaffung, Matching, Zuteilung oder Marktzugang beeinflusst, dokumentieren Sie die menschlichen Entscheidungspunkte und die verwendeten Datenquellen. Wenn Ihr Vertriebsteam an Ausschreibungen teilnimmt, bewahren Sie die Begründung für Angebote so auf, dass sie ohne interpretativen Tanz rekonstruiert werden kann. Wenn Ihr Legal-Tech-Produkt Discovery, Beschaffungsanalysen oder Fallsuche in regulierte Sektoren verkauft, gestalten Sie es für Herkunftsnachweise, Zugriffskontrollen und Prüfpfade, denn der Käufer kann eine Behörde sein oder ein Unternehmen, das behördentaugliche Kontrolle erwartet.

Behörden brauchen ebenfalls Governance, nicht nur Modelle

Richard Mays Stanford-Law-Paper zur Nutzung generativer KI durch Wettbewerbsbehörden ist hilfreich, weil es nicht so tut, als sei die Einführung kostenlos. Es argumentiert, dass Behörden eine Top-down-Governance-Strategie, Risiko-Leitplanken, Skalierungspläne und Zusammenarbeit mit anderen Behörden brauchen. Das ist die Regulierer-Version des Memos, das Unternehmen bereits von externen Anwältinnen und Anwälten erhalten. Modelle, die zur Informationsgewinnung eingesetzt werden, brauchen weiterhin Begrenzungen des Anwendungsbereichs, Validierung, menschliche Prüfung und Aufzeichnungen, die zeigen, warum aus einem Hinweis eine Untersuchung wurde.

Der CodeX-Bericht von Stanford Law zum Computational Antitrust Project bei der OECD zeigt, warum dies eher institutionell als experimentell wird. Er sagt, dass das Projekt seinen vierten behördenübergreifenden Bericht am 18. Juni 2025 bei der OECD in Paris vorgestellt hat und dabei Regulierer, Wissenschaftlerinnen und Wissenschaftler, Praktikerinnen und Praktiker sowie Technologinnen und Technologen zusammenbrachte, um zu diskutieren, ob das Kartellrecht computergestützte Methoden aufnehmen kann, ohne rechtliche Garantien zu verlieren. Separat sagt der Adoptionsbericht von Schrepel und Groza, dass das Team des Stanford Computational Antitrust Project im ersten Quartal 2022 Partnerbehörden eingeladen hat, Fortschritte bei der Umsetzung computergestützter Werkzeuge zu teilen. Die Evidenz der Network Law Review aus 25 Kartellbehörden weist in dieselbe Richtung: Computergestütztes Kartellrecht ist inzwischen eine Frage behördlicher Fähigkeiten, keine Kuriosität für ein Konferenzpanel.

Die nächste Compliance-Frist steht nicht in einem Amtsblatt. Sie kommt, wenn eine Aufsichtsbehörde Ihre Angebote, Dokumente, öffentlichen Aussagen und historischen Fälle schneller vergleichen kann, als Ihr Team die Chronologie zusammenstellen kann. Unternehmen müssen nicht in Panik geraten, denn das ist selten ein sinnvoller Governance-Modus. Sie müssen Wettbewerbs-Compliance aber als Daten-Governance mit rechtlichen Folgen behandeln, weil die Personen, die die Akte lesen, sie heute möglicherweise zuerst durchsuchen, gruppieren und screenen.