Forside › eDiscovery teknisk · Gennemgået oktober 2026 · Af John Nielsen
En søgetermrapport (hitliste) viser for hver søgeterm, hvor mange dokumenter den rammer, og hvordan hits fordeler sig. Den er det tekniske grundlag for at vurdere, om søgningerne er for brede, for smalle eller syntaktisk forkerte, og for at justere dem, før gennemgangen begynder. En god rapport skelner mellem samlede hits, unikke hits og hits med familier, og den følges af stikprøver, der viser, om hits faktisk er relevante.
Hvordan parterne bruger træfrapporten i forhandlingen om søgekriterier, er beskrevet fra advokatens side på digital-bevissikring.dk: → Søgeord og afgrænsning: aftaler med modparten. Her gennemgås, hvordan rapporten laves og læses teknisk.
Rapportens kolonner
En brugbar søgetermrapport har typisk disse kolonner for hver term:
- Søgeterm · Den præcise syntaks, som den blev kørt
- Dokumenter med hits · Antal elementer, termen rammer
- Unikke hits · Elementer, som kun denne term rammer
- Hits med familie · Antal elementer, når mails og vedhæftninger tages med
- Fordeling pr. person · Hvor hits ligger
Tallene skal være angivet på samme niveau, fx efter deduplikering, og det skal fremgå hvilket. → Deduplikering: global, pr. person og near-duplicates
Samlede hits og unikke hits
Samlede hits viser, hvor mange dokumenter en term rammer. Summen af alle termers hits er større end det samlede antal dokumenter, fordi mange dokumenter rammes af flere termer. Unikke hits viser, hvor mange dokumenter der forsvinder, hvis termen fjernes. Det er det tal, der er relevant, når en term skal vurderes.
En term med mange samlede hits, men få unikke, bidrager lidt, fordi de samme dokumenter findes af andre termer. En term med mange unikke hits er afgørende for resultatet, og den bør gennemgås særligt grundigt, fordi den både kan være den vigtigste term og den største kilde til støj.
Familiehits
Når en term rammer en vedhæftning, kommer mailen og de andre vedhæftninger typisk med i gennemgangen. Antal elementer med familie er derfor det tal, der afgør gennemgangsmængden. En term, der rammer få vedhæftninger i lange mailtråde med mange bilag, kan udløse mange flere dokumenter, end hittallet antyder.
Falske positiver
En falsk positiv er et dokument, som en term rammer, men som ikke er relevant. Typiske årsager:
- Homonymer. Et kundenavn, der også er et almindeligt ord eller et efternavn.
- Korte wildcards. En kort stamme med stjerne rammer mange urelaterede ord.
- Signaturer og ansvarsfraskrivelser. Et firmanavn i en mailsignatur rammer alle mails fra den afsender.
- Nyhedsbreve og automatiske mails. Systemmails og markedsføring indeholder mange almindelige termer.
- Citeret tekst. Termen står i en ældre mail i tråden, ikke i den nye tekst.
Falske positiver findes ved stikprøver blandt hits: Udtræk et tilfældigt udsnit af en terms hits, og vurder, hvor stor en del der er relevant. Udtrækket skal være tilfældigt, ikke de første dokumenter i listen, som ofte er sorteret efter dato eller person. Hvordan stikprøver bør udtages og beskrives, er forklaret på digital-bevissikring.dk: → Stikprøver i store datamængder
Falske negativer
Falske negativer er relevante dokumenter, som ingen term rammer. De er sværere at finde, fordi de ikke står i hitlisten. Tre metoder bruges:
- Stikprøver blandt dokumenter uden hits, især fra de relevante personer og perioder.
- Kendte relevante dokumenter. Hvis parterne allerede kender vigtige dokumenter, kan det testes, om søgningerne finder dem.
- Ordlister fra indekset. Gennemgang af ord, der ligner søgetermerne, kan afsløre stavemåder og sammensætninger, der mangler. → Søgetermer teknisk: syntaks, wildcards og bøjninger
Dokumenter, der slet ikke kunne søges i, er en særlig kategori. De bør stå som en egen linje i rapporten. → OCR og ikke-søgbare filer
Iterativ justering
Justering af søgninger er en cyklus:
- Kør termerne, og lav rapporten.
- Identificér termer med uforholdsmæssigt mange hits eller ingen hits.
- Tag stikprøver, og vurder andelen af relevante hits.
- Justér: tilføj nærhedskrav, fjern for korte wildcards, tilføj varianter, ekskludér kendte støjkilder med forsigtighed.
- Kør igen, og sammenlign med forrige version.
Hver version af søgningen gemmes med dato, syntaks og resultat. Det gør det muligt at vise, hvorfor den endelige søgning ser ud, som den gør, og at den ikke er indsnævret uden grund.
Fordeling pr. person og over tid
Ud over tallene pr. term er fordelingen nyttig. Hvis næsten alle hits for en term ligger hos én person, kan det skyldes, at termen indgår i vedkommendes signatur eller faste skabeloner. Hvis hits samler sig i en bestemt måned, kan det skyldes et projekt, en kampagne eller et nyhedsbrev. En simpel fordeling pr. person og pr. måned afslører ofte støjkilder hurtigere end stikprøver, og den kan vise, om en term faktisk rammer den periode, sagen handler om. Fordelingen bør dog bruges til at finde årsager, ikke som et mål for relevans i sig selv.
Eksklusioner
Det kan være fristende at fjerne støj med NOT eller ved at ekskludere afsendere som nyhedsbreve. Det er effektivt, men risikabelt, fordi en eksklusion fjerner hele dokumenter. Brug hellere en positiv afgrænsning, fx nærhedskrav, og hvis eksklusioner bruges, så dokumentér dem og tag stikprøver blandt de ekskluderede dokumenter.
Faldgruber
- Tal uden niveau. Hits før og efter deduplikering eller med og uden familie blandes sammen.
- Syntaksfejl uden fejlmeddelelse. En term med nul hits er ofte forkert skrevet, ikke irrelevant.
- Rapporten laves kun én gang. Uden iteration bliver de første termer de endelige.
- Stikprøver, der ikke er tilfældige. De første dokumenter i en liste er ikke repræsentative.
- Ændrede data mellem kørsler. Hvis nye kilder er tilføjet, kan tal fra to kørsler ikke sammenlignes direkte.
Rapporten som bilag
Søgetermrapporten er et teknisk bilag, som modparten eller retten kan få forelagt. Den bør derfor være forståelig uden værktøjet: præcis syntaks, forklaring af kolonnerne, datakilder og periode, tidspunkt for kørslen og værktøjets version. Et kort afsnit om iterationerne og stikprøvernes resultater gør det muligt at se, at søgningerne er testet.
Hvis søgningerne bruges til at udvælge dokumenter til teknologiassisteret gennemgang, er rapporten også startpunktet for den senere validering. → Validering af AI-assisteret gennemgang
Hvad rapporten kan og ikke kan vise
En søgetermrapport viser, hvad søgningerne rammer. Den viser ikke, om de rammer alt relevant. Det kræver stikprøver blandt dokumenter uden hits og en vurdering af ikke-søgbart materiale. Rapporten bør derfor altid ledsages af en kort beskrivelse af, hvordan fuldstændigheden er vurderet, og hvilke begrænsninger der er tilbage.
Dokumentation
Gem for hver kørsel: termer og syntaks, dato, værktøj og version, datakilder og periode, rapportens tal, stikprøvernes størrelse og resultat, og begrundelsen for hver justering. Det er den dokumentation, der gør det muligt at forsvare den endelige søgning, hvis den senere bliver anfægtet. Gem også de rå eksporter af hitlisterne, ikke kun et regneark med redigerede tal, så tallene kan genskabes fra værktøjet.
Kilder og versioner
- Microsoft Learn: Keyword queries and search conditions for eDiscovery
- Microsoft Learn: Partially indexed items in eDiscovery
- ISO/IEC 27050-1: Electronic discovery, overview and concepts
Senest gennemgået: oktober 2026.
Næste skridt
Del af: eDiscovery teknisk
Læs også: Søgetermer teknisk: syntaks, wildcards, nærhed og danske bøjningsformer · OCR og ikke-søgbare filer: det, søgningen ikke finder
→ eDiscovery teknisk · For sagkyndige · Tlf. 70 13 63 23 · Digital bevissikring hos Nielco IT
