KI zur Entwirrung von 10.000 brasilianischen Grundbesitztiteln: Eine technische Fallstudie

Projektkontext und Problemstellung

Ein brasilianisches Immobilienunternehmen hat etwa 10.000 Grundbesitztitel in über 10 Gemeinden geerbt, die jahrzehntelang schlecht verwaltet wurden. Die Daten umfassen Hunderte von nicht registrierten "Schubladenverträgen" (informelle, nie eingereichte Verkäufe), doppelte Verkäufe derselben Immobilien, betrügerische Verträge, gefälschte Vollmachten, unrechtmäßige Besetzungen und etwa 500 laufende Gerichtsverfahren, darunter Ansprüche auf Ersitzung, Zwangszuteilungen, Räumungsklagen, Streitigkeiten über doppelte Verkäufe und 2 Sammelklagen. Das physische Dokumentenarchiv wird teilweise von der Polizei im Rahmen einer alten Ermittlung verwahrt.

Technischer Ansatz

Das Team (6 Anwälte + 3 Mitarbeiter) entschied sich gegen den vorherigen Aufbau einer Infrastruktur und wählte stattdessen einen entdeckungsorientierten Ansatz mit KI-Unterstützung. Der Plan umfasst fünf Schritte:

• Schritt 1 - Physisches Scannen: Dokumente werden nach Gemeinden organisiert und in Batches gescannt mit der Namenskonvention: [Gemeinde]_[Dokumenttyp]_[Sequenz] unter Verwendung eines Dokumentenscanners mit ADF (automatischer Dokumenteneinzug).
• Schritt 2 - OCR: In Betracht gezogen werden Google Document AI, Mistral OCR 3, AWS Textract oder andere Tools. Das Team bittet um Feedback zu Tools, die speziell für verschlissene lateinamerikanische Registerdokumente getestet wurden.
• Schritt 3 - Entdeckung: Die OCR-Ausgabe wird direkt in KI-Tools mit großen Kontextfenstern zur offenen Analyse vor der Datenbankeinrichtung eingespeist. Verwendung von Gemini 3.1 Pro (in NotebookLM oder anderer Oberfläche) für breite Batch-Analysen mit Prompts wie "Welche Grundstücke scheinen mit mehr als einem Käufer verknüpft zu sein?", "Markiere Verträge mit widersprüchlichen Daten", "Identifiziere Cluster verdächtiger Namen oder Aktivitäten" und "Hilf uns, Probleme und Lösungen für das zu sehen, was wir nicht sehen". Parallel dazu werden Claude Projects für ähnliche Analysen ausgeführt.
• Schritt 4 - Datenbereinigung und Standardisierung: Normalisierung der rohen extrahierten Daten vor dem Einfügen in die Datenbank. Behandlung von Gemeindenamen, die auf verschiedene Weisen geschrieben sind ("B. Vista", "Bela Vista de GO", "Bela V. Goiás") in kanonischer Form, Standardisierung von CPFs (brasilianische Personalausweisnummern) mit und ohne Satzzeichen, Korrektur inkonsistenter Grundstücksstatusbeschreibungen in Enum-Kategorien und Fuzzy-Matching von Käufernamen mit Schreibvarianten. Tools: Python + rapidfuzz für Fuzzy-Matching, Claude API zur Normalisierung von Freitextfeldern in Kategorien. Das Team fragt, ob Fuzzy-Matching + LLM-Normalisierung für 10.000 Datensätze mit jahrzehntelangen Inkonsistenzen ausreicht oder ob sie eine strengere Entitätsauflösung (z.B. Dedupe.io) benötigen.
• Schritt 5 - Datenbank: Gewählter Stack: Supabase (PostgreSQL + pgvector) mit NocoDB obenauf. Drei Optionen wurden bewertet: Airtable (am einfachsten zu starten, aber bei größerem Umfang begrenzt), direkte PostgreSQL (meiste Kontrolle, aber langsamere Iteration) und Supabase + NocoDB (als Mittelweg gewählt).

Das Ziel ist es, innerhalb von 30-60 Tagen ein echtes konsolidiertes Bild zu erhalten und die vorherigen gescheiterten Organisationsversuche zu vermeiden.