Generative KI für Anwälte: Effizienz und Verlässlichkeit

Generative KI fur Anwalte: Effizienz und Verlässlichkeit in der Rechtspraxis

Generative KI für Anwälte hat die Pilotphase hinter sich gelassen. Der General Counsel Report 2026 von FTI Consulting und Relativity zeigt: 87 % der Unternehmensjuristen setzen generative KI bereits ein, gegenüber 44 % im Vorjahr. Das ist kein Trend mehr, sondern ein Strukturwandel in der Rechtsarbeit. Eine Zahl gibt dabei zu denken: Nur 22 % dieser Nutzer berichten von hohem Vertrauen in die Ergebnisse. Dieser Leitfaden zeigt, wo generative KI in juristischen Workflows verlässlich arbeitet, wo eine Prüfschicht unverzichtbar ist und welche Fragen Sie vor jeder Toolentscheidung stellen sollten.

Warum Nutzung und Vertrauen so weit auseinanderfallen

Der Sprung von 44 % auf 87 % vollzog sich, weil die Tools zugänglicher wurden und der Druck zunahm, nicht abgehängt zu werden. Associates begannen, ChatGPT für erste Recherchezusammenfassungen zu nutzen. Partner ließen Vertragsklauseln in einem Bruchteil der üblichen Zeit vergleichen. Die Ergebnisse sahen überzeugend aus, was die Nutzung weiter beflügelte.

Was länger brauchte, um sichtbar zu werden, war die Fehlerquote. Eine begutachtete Studie im Journal of Empirical Legal Studies vom April 2025 maß die Halluzinationsrate bei juristischen Rechercheaufgaben. GPT-4 ohne rechtsspezifisches Training halluzinierte bei 43 % der Anfragen. Zweckgebundene Plattformen schnitten besser ab: Lexis+ AI bei 17 %, Westlaw AI-Assisted Research bei 33 %. Besser, aber immer noch weit entfernt von dem Nulltoleranz-Standard, den juristische Arbeit erfordert.

Die Schlussfolgerung lautet nicht, dass KI grundsätzlich unzuverlässig ist. Sie lautet, dass Verlässlichkeit je nach Aufgabentyp und Trainingsgrundlage des Tools erheblich variiert. Diesen Unterschied zu verstehen, ist der Ausgangspunkt für jede belastbare KI-Richtlinie in einem Rechtsteam. Kanzleien und Rechtsabteilungen, die das verinnerlicht haben, gehören zur Minderheit, die hohes Vertrauen und messbare Effizienzgewinne gleichzeitig meldet.

Das Vertrauensgefälle hat eine konkrete wirtschaftliche Dimension. Teams mit hohem Vertrauen in ihre KI-Ergebnisse melden zu 89,5 % positiven ROI. Bei Teams mit niedrigem Vertrauen sind es nur 27,8 %. Der Unterschied liegt nicht im eingesetzten Tool, sondern in den Verifikationsprotokollen. Wer nicht systematisch prüft, vertraut nicht, und wer nicht vertraut, holt keinen ROI heraus.

Was generative KI in der Rechtspraxis tatsächlich leistet

Es gibt zwei grundlegend verschiedene Tätigkeiten, die generative KI in der Rechtspraxis übernimmt. Sie verhalten sich so unterschiedlich, dass beide als dieselbe Aufgabe zu behandeln eine wiederkehrende Fehlerquelle ist.

Die erste ist die Dokumentenanalyse: einen Vertrag, ein NDA oder ein Term Sheet lesen und Informationen extrahieren. Eine fehlende Haftungsbegrenzungsklausel identifizieren. Erkennen, dass das anwendbare Recht auf Delaware festgelegt ist, obwohl beide Parteien ihren Sitz in Deutschland oder Österreich haben. Die Standardbedingungen eines Lieferanten gegen eine Rahmenvertragsvorlage abgleichen. In diesem Bereich arbeitet KI am verlässlichsten, weil die Aufgabe Mustererkennung innerhalb eines definierten Dokuments erfordert, keine Erzeugung neuer juristischer Schlussfolgerungen.

Die zweite ist die Rechtsrecherche: Herausfinden, wie Gerichte eine Klausel ausgelegt haben, relevante Rechtsprechung zusammentragen, verstehen, wie eine Verordnung auf einen bestimmten Sachverhalt anwendbar ist. Hier steigt das Halluzinationsrisiko deutlich. Das Modell erzeugt Antworten, die autoritativ wirken, aber Entscheidungen referenzieren können, die nicht existieren, oder die Aussage einer realen Entscheidung falsch wiedergeben.

In der Praxis behandeln die sichersten Workflows beide Tätigkeiten getrennt, mit unterschiedlichen Prüfanforderungen. Das ist keine Bürokratie, sondern eine direkte Konsequenz aus den messbaren Verlässlichkeitsprofilen der beiden Aufgabentypen.

Vertragsanalyse und -prüfung: Wo die Zahlen überzeugen

Spezialisierte Legal-Tech-Plattformen berichten bei der Vertragsanalyse von einer Zeitersparnis von 70 bis 85 % bei Routinevereinbarungen. Diese Zahl ist belastbar, weil die Aufgabe gut abgegrenzt ist: Das Modell vergleicht Textmuster mit bekannten Risikomarkierungen, ohne juristische Schlussfolgerungen bilden zu müssen.

Für Kanzleien und Rechtsabteilungen, die viele gleichartige Verträge bearbeiten, NDAs, Geheimhaltungsvereinbarungen, Rahmenverträge, ist die Zeitersparnis real und reproduzierbar. Die abschließende Prüfung muss dennoch ein ausgebildeter Jurist übernehmen. Die KI markiert, was überprüft werden sollte; die Entscheidung, ob eine Klausel akzeptabel ist, bleibt beim Menschen.

Die Lage ändert sich bei individuell verhandelten Verträgen. Hier fehlt dem Modell das Referenzmaterial für einen verlässlichen Mustervergleich. Auch das Risikoprofil hängt von Faktoren ab, die kein Training vollständig erfasst: die Branche der Parteien, die jeweilige Verhandlungsposition, frühere Streitigkeiten zwischen denselben Akteuren. Für diesen Vertragstyp ist KI ein nützliches Hilfsmittel bei der Vorbereitung, kein verlässlicher Prüfer des Ergebnisses.

Ein sinnvoller Ansatz ist die Aufgabenteilung: Die KI übernimmt den strukturierten ersten Durchlauf und flaggt Klauseln, die Standardrisiken aufweisen. Der Jurist fokussiert seine Kapazität auf die Klauseln, die eine inhaltliche Beurteilung im Kontext dieses spezifischen Mandats erfordern. Das setzt voraus, dass die KI-Ausgabe nicht als abgeschlossenes Ergebnis behandelt wird, sondern als strukturierter Input für die juristische Arbeit.

KI-gestützte Rechtsrecherche: Warum eine Prüfschicht unverzichtbar ist

Die Halluzinationsraten aus der Studie des Journal of Empirical Legal Studies sind kein Argument gegen den Einsatz von KI in der Rechtsrecherche. Sie sind ein Argument dafür, wie dieser Einsatz strukturiert sein muss.

GPT-4 halluziniert bei 43 % der juristischen Rechercheaufgaben. Lexis+ AI bei 17 %. Der Unterschied kommt aus der spezialisierten Datenbasis und dem Retrieval-Ansatz: Rechtsdatenbanken liefern tatsächlich existierende Entscheidungen als Quellen; allgemeine Sprachmodelle erzeugen plausibelklingende Referenzen ohne diese Grundlage.

In beiden Fällen gilt: Jede von einer KI gelieferte Fallreferenz muss gegen die Primärquelle geprüft werden. Nicht stichprobenartig, sondern systematisch. Teams, die das strukturieren, also die Prüfschicht in den Workflow integrieren statt an den Rand zu schieben, gehören zu den 22,1 %, die hohes Vertrauen in ihre KI-Ergebnisse berichten, und zu den 89,5 % dieser Gruppe, die positiven ROI messen.

Die Frage ist nicht, ob man prüft, sondern wann und wie. Wer die Verifizierung als letzten Schritt vor Abgabe einplant, verliert im Zeitdruck genau diesen Schritt. Wer sie als festen Bestandteil jeder Recherchephase definiert, behält sie auch dann bei, wenn ein Mandat unter Druck steht.

Ein praktischer Anhaltspunkt: Wenn ein Jurist eine KI-Recherchezusammenfassung direkt in einen Schriftsatz übernimmt, ohne die Entscheidungen in der Primärquelle aufzurufen, ist die Prüfschicht nicht vorhanden. Das ist keine Frage des Vertrauens in das Tool, sondern eine Frage der beruflichen Sorgfaltspflicht, die unabhängig vom eingesetzten Werkzeug gilt.

Spezialisierte Plattform oder allgemeines KI-Tool: Die Entscheidung richtig treffen

Die Entscheidung folgt aus dem Risikoprofil der Aufgabe, nicht aus dem Marketingversprechen des Anbieters.

Allgemeine KI-Tools eignen sich für Aufgaben, bei denen eine fehlerhafte Ausgabe korrigierbar ist: Erstentwürfe interner Memos, Zusammenfassungen von Mandantengesprächen, erste Gliederung eines Schriftsatzes. Sie sind kein geeignetes Werkzeug für die finale Vertragsanalyse oder die Rechtsrecherche zu einem laufenden Verfahren.

Spezialisierte Legal-Tech-Plattformen unterscheiden sich in zwei entscheidenden Punkten: Jurisdiktionsbewusstsein und Datenschutzzusagen. Eine Plattform, die auf europäisches Vertragsrecht trainiert wurde, erkennt, dass eine salvatorische Klausel nach deutschem AGB-Recht anderen Anforderungen genügen muss als nach englischem Common Law. Und eine Plattform mit dokumentierten Datenschutzzusagen ist bei Mandantendaten keine Frage des Komforts, sondern des Berufsrechts.

Der Preisunterschied zwischen allgemeinen Tools und spezialisierten Plattformen ist real. Der richtige Vergleich ist jedoch nicht Lizenzgebühr gegen Lizenzgebühr, sondern Lizenzgebühr gegen die Kosten eines einzigen übersehenen Risikos in einem wesentlichen Vertrag.

Für Kanzleien im DACH-Raum kommt ein weiterer Aspekt hinzu: Die berufsrechtlichen Pflichten zur Vertraulichkeit von Mandantendaten gelten unabhängig davon, welches Tool eingesetzt wird. Ein Anbieter, der Daten auf US-amerikanischen Servern speichert und keine belastbaren Garantien zur Nicht-Nutzung für das Modelltraining macht, ist für mandatsbezogene Arbeit rechtlich problematisch. Das ist kein technisches Detail, sondern ein Eignungsmerkmal.

Einen Prüfworkflow aufbauen, der auch unter Druck standhält

Der verbreitetste Fehler ist kein Werkzeugfehler, sondern ein Prozessfehler: Die KI-Ausgabe steht zeitlich vor der Prüfung, aber die Prüfung wird zur Ausnahme statt zur Regel.

Ein stabiler Workflow für Vertragsanalyse sieht so aus: Das Modell markiert Klauseln, die einer Prüfung bedürfen. Der Jurist prüft diese Markierungen und ergänzt, was das Modell nicht gesehen hat. Die endgültige Einschätzung wird schriftlich dokumentiert, nicht mündlich abgestimmt. Änderungen werden nachvollziehbar festgehalten.

Für Rechtsrecherche gilt: Das Modell liefert eine Liste potenziell relevanter Entscheidungen. Der Jurist ruft jede Entscheidung in der Primärquelle auf und prüft Aktenzeichen, Datum und tatsächliche Aussage. Ergebnisse, die nicht direkt verifiziert wurden, fließen nicht in Schriftsätze oder Beratungsunterlagen ein.

Dieser Standard klingt zeitaufwendig. In der Praxis zeigt sich: Teams, die ihn eingeführt haben, arbeiten schneller als zuvor, weil die KI den ersten Durchlauf übernimmt und der Jurist gezielt prüft statt alles von vorn zu lesen. Der Schlüssel liegt im Schritt vor dem ersten Einsatz: zu klären, welcher Aufgabentyp welche Prüftiefe erfordert, und das als Teamstandard zu verankern.

Drei Fragen, bevor Sie sich für ein KI-Tool in der Kanzlei entscheiden

Bevor Sie eine neue Plattform einführen, lohnen sich drei präzise Fragen an den Anbieter.

Erstens: Welche Halluzinationsrate meldet das Tool bei juristischen Rechercheaufgaben, gemessen an einer externen, reproduzierbaren Methodik? Interne Benchmark-Zahlen reichen nicht aus. Ein Anbieter, der nur auf eigene Tests verweist, beantwortet diese Frage nicht.

Zweitens: Welche Datenschutzzusagen gelten für Mandantendaten, die durch das System laufen? Werden sie für das Training des Modells genutzt? Wo werden sie gespeichert? In EU-Mandaten mit DSGVO-Relevanz ist diese Frage nicht optional. Ein Anbieter, der sie nicht klar beantwortet, kommt für die Verarbeitung sensibler Mandantendaten nicht in Betracht.

Drittens: Für welche Jurisdiktionen ist das Tool speziell trainiert oder angepasst? Ein Tool, das auf US-amerikanisches Common Law optimiert ist, gibt bei Fragen zum deutschen Schuldrecht, zum österreichischen ABGB oder zur schweizerischen OR-Dogmatik keine verlässliche Ersteinschätzung.

Die Antworten auf diese drei Fragen trennen Werkzeuge, die für ernsthafte juristische Arbeit geeignet sind, von solchen, die für den internen Gebrauch ausreichen. Viele Kanzleien brauchen beides. Der Einsatzbereich muss aber klar definiert sein, bevor man die ersten Ergebnisse produktiv nutzt.