Vier Use-Cases, die sich wirklich auszahlen.

Vier KI-Use-Cases liefern in einer Kanzlei am ehesten messbaren Wert. Der Rest ist meistens Marketing. Beginnen Sie mit diesen; sie lehren Sie, was KI in Ihrer Kanzlei kann und nicht kann, bevor Sie größer wetten.

01

Posteingang-Klassifizierung + Routing

LLM klassifiziert eingehende Mail (Mandant, Gericht, Marketing, intern) und routet. Nahe-Null-Risiko, hohes Volumen, sofortiger Payoff. 4-Wochen-Rollout typisch.

02

Dokumenten-Zusammenfassung

LLM fasst eingehende Dokumente (Verträge, Briefe, Berichte) vor Partner-Review zusammen. Partner liest 200 Wörter statt 20 Seiten; detailliert nur wenn nötig.

03

Fristen-Extraktion (mit Pflicht-Human-Review)

LLM extrahiert Fristen aus beA-Nachrichten und E-Mails. Mensch bestätigt, bevor etwas nach DATEV/RA-MICRO geschrieben wird. Spart Stunden wöchentlich, Null-Risiko wenn Review-Gate durchgesetzt ist.

04

Content-Drafting mit Freigabe

LLM entwirft LinkedIn-Posts, Blog-Artikel, Newsletter. Partner reviewt gegen vordefinierte Kriterien in <5 min. Siehe Content-Automation-Leitfaden für Tiefe.

Vier Use-Cases. Kein Mysterium. Alles andere ist Marketing, das so tut, als wäre es Produkt.

Was nicht funktioniert (und warum).

Viele KI-für-Legal-Produkte behaupten Fähigkeiten, die sie nicht zuverlässig liefern. Hier, was wir getestet und scheitern gesehen haben - zumindest mit aktuellen Modellen. Das kann sich ändern, aber Skepsis ist der richtige Default.

01

Autonome Rechtsberatung

KI gibt bindende Rechtsberatung ohne Human-Review: noch zu unzuverlässig. Halluzinationen zu häufig, Zitate zu unzuverlässig, Kontext zu leicht misszuverstehen. Human-in-the-Loop ist Pflicht.

02

Vertragsverhandlungs-Bots

KI verhandelt Vertragstermine mit der anderen KI: beeindruckende Demos, schwache Praxis. Verhandlung hängt von Strategie, Mehrdeutigkeit, Machtdynamik - Dinge, die LLMs schlecht handhaben.

03

End-to-End-Fall-Vorhersage

KI sagt Fall-Outcomes vorher: einige spezialisierte Tools funktionieren für enge Domänen (Patent-Litigation in USA), aber allgemeine Vorhersage ist unzuverlässig und nicht wert zu wetten für die meisten Kanzleien.

04

KI-Paralegals ohne Supervision

Das Marketing sagt „vollautonom". Die Realität: sie brauchen Supervision wie jede Junior-Arbeitskraft. Behandeln Sie sie als Beschleunigung, nicht Ersatz.

Compliance: BRAO, DSGVO,
Mandatsgeheimnis.

Legal-Profis operieren unter strengeren Daten-Regeln als die meisten Branchen. KI-Deployment muss alle drei Achsen gleichzeitig respektieren - voll machbar, nur nicht zufällig.

01

BRAO / Anwaltsregeln

Keine Beratung ohne Supervision. Keine vergleichenden Behauptungen. Keine garantierten Outcomes. Der Generierungs-Prompt erzwingt das zur Output-Zeit; die Review-Checkliste verifiziert zur Sign-off-Zeit.

02

DSGVO

Unsere Empfehlung: Modelle mit Verarbeitung in der EU und Verträge ohne Training auf Ihren Daten. Aufbewahrung beim Anbieter höchstens 30 Tage, nur die nötigen Personendaten, ein Protokoll für jeden KI-Aufruf und Löschung auf Antrag.

03

Mandatsgeheimnis

Unsere Empfehlung: Mandatsdaten gehen nur dann an einen externen Dienst, wenn die Aufgabe es verlangt, etwa für eine Extraktion. Dann an ein Modell mit Verarbeitung in der EU, festen Löschfristen und Vertrag zur Auftragsverarbeitung. An einen Dienst mit Verarbeitung in den USA nur mit Ihrer ausdrücklichen Zustimmung.

Modelle und Endpoints
— Stand 2026.

Die KI-Landschaft verschiebt sich monatlich, aber die stabilen Wahlen für EU-basierte Kanzleien 2026 sind:

Unsere Regel: Das Modell folgt dem Risiko der Aufgabe, nicht umgekehrt. Wahl hängt von Risiko-Profil und Latenz-Toleranz ab — nicht von „welches ist am besten“.

  • Kommerzielles Spitzenmodell mit Verarbeitung in der EU, mit Vertrag ohne Training auf Ihren Daten.
  • Ein zweiter Anbieter als Ausweichweg, damit ein Ausfall oder eine Preisänderung den Ablauf nicht stoppt.
  • Ein europäischer Anbieter, wenn auch das Unternehmen hinter dem Modell in der EU sitzen soll.
  • Ein selbst betriebenes offenes Modell für besonders sensible Extraktion, ohne externe Aufrufe.
  • Vermeiden: US-gehostete API ohne Datenresidenz-Vereinbarung. Vermeiden: On-Device-Tools, die nach Hause telefonieren.

Governance, der Kanzleien vertrauen.

KI in einer Kanzlei muss regierbar sein - auditierbar, reversibel, reviewbar. Vier Mechanismen, die „Black Box" in „nachvollziehbares System" verwandeln:

01

Audit-Log pro Call

Jeder KI-Call wird geloggt: Prompt, Input, Output, wer ihn angefordert hat, Zeitstempel. Wir empfehlen, das Protokoll zwölf Monate in einer Datenbank auf einem Server in der EU aufzubewahren, exportierbar.

02

Human-in-the-Loop bei bindenden Outputs

Alles, was nach DATEV, beA oder an Mandanten geht ohne Human-Review: nein. Reviews sind geloggt - wer freigegeben, wann, gegen welche Kriterien.

03

Rollback-Fähigkeit

Jede automatisierte Entscheidung muss reversibel sein. Eine falsch geschriebene Frist kann wieder ausgetragen werden. Ein falsch getaggtes Dokument umgetaggt. Alles via UI, kein Engineer nötig.

04

Quartals-Review der False Positives/Negatives

Jedes Quartal reviewen Partner eine Stichprobe von KI-Entscheidungen. Was lag falsch? Was wurde übersehen? Erkenntnisse zurück in Prompts und Review-Kriterien.

Wie man startet — Jahr eins.

Wenn Sie gerade beginnen, hier der Jahr-Eins-Plan, der bei den Kanzleien funktioniert hat, denen wir geholfen haben. Widerstehen Sie der Versuchung, alles auf einmal zu machen; jeder Schritt braucht Zeit, Gewohnheit zu werden.

  • Monat 1-2: Posteingang-Klassifizierung + Routing. Low-Risk, High-Volume. Lehrt die Kanzlei, was KI tut und nicht tut.
  • Monat 3-4: Dokumenten-Zusammenfassung. Partner erleben Zeitersparnis direkt. Baut Vertrauen auf.
  • Monat 5-7: Fristen-Extraktion mit Pflicht-Review. Höhere Einsätze; rechtfertigt die Review-Disziplin.
  • Monat 8-12: Content-Drafting mit Freigabe. Fügt Wert ohne Risiko hinzu. Oft das für Mandanten sichtbarste KI-Feature.
  • Nach Jahr 1: Bewertung, ob weitere Use-Cases hinzugefügt werden - basierend auf tatsächlichen Ergebnissen, nicht Demos.

Häufige Fragen.

01Welche KI-Modelle empfehlen Sie für Kanzlei-Arbeit?+
Aktuelle Spitzenmodelle mit Verarbeitung in der EU. Modellnamen wechseln alle paar Monate, die Kriterien nicht: Verarbeitung in der EU, kein Training auf Ihren Daten, sicheres juristisches Deutsch. Für hochriskante Aufgaben (Fristen-Extraktion, beratungs-ähnliche Outputs) bevorzugen wir Claude, weil es Anweisungen zuverlässig befolgt. Für Volumen-Aufgaben (Klassifizierung, Zusammenfassung) funktioniert beides.
02Sind unsere Daten sicher bei diesen Modellen?+
Für Mandatsdaten empfehlen wir Modelle mit Verarbeitung in der EU und Vertrag zur Auftragsverarbeitung, etwa Azure OpenAI oder Claude über AWS. Dort werden Eingaben nicht zum Training von Modellen genutzt. Für Aufträge ab Oktober 2026 gilt: Dateien und Zugänge mit Personendaten nehmen wir erst an, wenn der Vertrag zur Auftragsverarbeitung unterschrieben ist. Der Vertrag nennt, welcher Dienst die Daten wo verarbeitet. Für maximale Sicherheit können offene Modelle (Llama, Mistral) für einzelne Aufgaben auch auf Ihrem eigenen Server laufen.
03Welche KI-Use-Cases zahlen sich zuerst in einer Kanzlei aus?+
1) Klassifizierung und Routing von Posteingangs-Nachrichten. 2) Dokumenten-Zusammenfassung vor Partner-Review. 3) Fristen-Extraktion aus beA und E-Mail (mit Pflicht-Human-Review). 4) Content-Drafting mit menschlicher Freigabe. Diese vier decken die meisten realen Vorteile ab.
04Was ist mit Halluzinationen in Legal-KI?+
Das Risiko ist real und wir designen drumherum. Drei Kontrollen: (1) strukturierte Outputs erzwungen - keine Freiform-Behauptungen; (2) Quellen-Zitate für jede faktische Behauptung erforderlich; (3) Pflicht-Human-Review für alles rechtlich Bindende. Halluzination beim Review heißt „ablehnen und neu", nicht „publizieren".
05Müssen Anwälte Prompt-Engineering lernen?+
Nein. Die Prompts sind im Workflow eingebettet - Anwälte reviewen nur Outputs. Ein Partner oder Assistenz, der das Review-UI nutzt, muss nicht wissen, was ein Prompt ist. Das ist absichtlich - KI sollte unsichtbare Infrastruktur sein, keine neue Fähigkeit zu lernen.