KI-Produktentwicklung für Legal Technology gestaltet, implementiert und betreibt Software, die Modelle in begrenzten juristischen Aufgaben nutzt und dabei Mandatstrennung, Quellenautorität, Rechtsraum, Gültigkeitsdatum, Zitatprovenienz, professionellen Review und verantwortete Freigaben erhält.
Juristische Arbeit verbindet vertrauliche Sachverhalte, veränderliche Rechtsquellen, Verfahrensfristen und professionelles Urteil. Ein generierter Absatz kann überzeugend klingen und trotzdem den falschen Rechtsraum, eine überholte Norm, ein erfundenes Zitat oder eine Quelle ohne Beleg verwenden. Allgemeine Chat-Oberflächen verbergen diese Unterschiede. Sie erleichtern zudem, Mandatsdaten in einen ungeprüften Dienst zu übertragen, Berechtigungen zwischen Mandaten zu verwischen oder eine Schreibhilfe unbemerkt zum Entscheidungssystem zu machen.
Ein gutes Legal-AI-Produkt ahmt keinen abstrakten Anwalt nach. Es erledigt eine benannte Aufgabe mit kontrollierten Quellen, zeigt Belege für folgenreiche Aussagen und übergibt das Urteil an die verantwortliche Fachperson. Qualität zeigt sich deshalb in Nachvollziehbarkeit, Korrekturaufwand und sicherem Aufgabenabschluss, nicht nur in flüssigem Text. Vertraulichkeit, Berufsgeheimnis und rechtliche Wirksamkeit hängen vom Kontext ab. Software kann ihren Schutz unterstützen, aber niemals versprechen, sie automatisch zu erzeugen.
Autoritätsmodell
Eine Quelle ist erst mit Kontext juristische Autorität
Juristische Suche braucht mehr Struktur als semantische Ähnlichkeit. Gerichtsentscheid, Gesetz, Verordnung, Vertragsklausel, Kommentar und internes Memorandum besitzen unterschiedliches Gewicht. Rechtsraum, Instanz, Erlass- oder Entscheiddatum, Gültigkeitszeitraum, spätere Behandlung und Mandatskontext bestimmen die Verwendbarkeit. Diese Merkmale gehören als eigene Metadaten ins Produkt, ungelöste Zustände sichtbar in die Oberfläche.
Ein Zitat ist auch dann kein Beleg, wenn das Dokument existiert. Das Produkt muss prüfen, ob die Fundstelle gerade die Aussage trägt, eine genaue Referenz erhalten und das Original öffnen lassen. Bei generierten Entwürfen sind Zitat, Paraphrase und Schluss zu trennen. Ist der Quellenbestand unvollständig, widersprüchlich oder ausserhalb des freigegebenen Rahmens, ist Enthaltung eine Produktfähigkeit und kein Mangel.
| Aufgabe | Erforderlicher Nachweis | Menschliche Entscheidung |
|---|---|---|
| Klausel extrahieren | Genaue Stelle, Seite und Extraktionssicherheit | Ob die Klausel rechtlich oder kommerziell wesentlich ist |
| Playbook-Prüfung | Klausel, genehmigte Regel und erkannte Abweichung | Ob akzeptiert, verhandelt oder eskaliert wird |
| Juristische Recherche | Quellenart, Rechtsraum, Datum, Behandlung und Fundstelle | Ob die Autorität für das Mandat massgeblich ist |
| Entwurfsunterstützung | Quellenkarte für Tatsachen, Zitate und Rechtsaussagen | Richtigkeit, Strategie, Offenheit und endgültiges Arbeitsergebnis |
Informationsgrenzen
Mandatstrennung muss jeden Produktpfad überstehen
Anmeldung ist nur der Anfang. Das System muss bei jeder Suche und Werkzeughandlung entscheiden, auf welchen Mandanten, welches Mandat, Dokument, Kommentar und abgeleitete Artefakt ein Nutzer zugreifen darf. Das schliesst Embeddings, Caches, Evaluationsspuren, Supportlogs und Exporte ein. Ein gemeinsamer Vektorindex mit spätem Filter kann unsicher sein, wenn Ranking, Logging oder Diagnose zuvor fremde Mandatsinformationen offenlegen.
Anbieterbedingungen, Aufbewahrung, Trainingsnutzung, Unterauftragsverarbeiter und Betriebsort sind an Verpflichtungen und Mandantenweisungen zu prüfen. Sie sind Beschaffungs- und Architekturentscheidungen, keine Werbeetiketten. Testet Konfiguration und Datenfluss tatsächlich. Das Produkt soll Löschung, Rechteentzug und Legal Hold unterstützen, ohne zu behaupten, eine technische Einstellung garantiere Vertraulichkeit oder Berufsgeheimnis.
- Berechtigung vor Suche, Abruf, Werkzeugausführung und Export anwenden.
- Mandatskennung und Klassifikation auf abgeleiteten Artefakten erhalten.
- Sensible Inhalte aus unnötigen Prompts, Logs und Analysen ausschliessen.
- Informationsbarrieren, Teamwechsel und externe Freigabe prüfen.
- Aufbewahrung, Löschung und Vorfallpfade betrieblich nachweisbar machen.
Evaluation
Geprüft wird die Arbeit, die Juristen tatsächlich verifizieren müssen
Eine einzige Genauigkeitszahl verbirgt entscheidende Fehler. Baut Evaluationssets aus repräsentativem, erlaubtem Material und definiert erwartete Nachweise mit Fachpersonen. Segmentiert nach Aufgabe, Rechtsraum, Quellenart, Dokumentqualität und Tragweite. Klauselvergleiche lassen sich gegen markierte Stellen und Playbook-Regeln prüfen. Recherche verlangt Zitatexistenz, Aussagebezug, Gültigkeit und Vollständigkeit. Die Qualität eines Entwurfs braucht weiterhin professionelles Urteil.
Messt die Last, die zu Prüfenden wandert. Produziert ein Werkzeug elegantere Texte, die quellenweise rekonstruiert werden müssen, verschiebt es womöglich Arbeit, statt sie zu senken. Erfasst materielle Korrekturarten, unbelegte Aussagen, verpasste Ausnahmen, falsche Sicherheit und angemessene Enthaltungen. Freigabeschwellen richten sich nach Risiko, mit engem Startumfang und geprüftem Rollback, wenn Modell- oder Quellenänderungen das Verhalten verschlechtern.
- Geprüfte Fälle mit realer Aufgabenvariation und harten Randfällen verwenden.
- Entwicklungs-, Freigabe- und Regressionstestsets soweit möglich trennen.
- Nicht nur Zitatexistenz, sondern inhaltlichen Beleg prüfen.
- Korrekturaufwand und folgenreiche Lücken messen.
- Bei Änderungen an Quellen, Prompts, Modellen, Werkzeugen oder Rechten neu validieren.
Professionelle Kontrolle
Das Produkt unterstützt Verantwortung, statt sie zu verschleiern
Berufspflichten unterscheiden sich nach Rechtsraum und Rolle. Deshalb müssen Richtlinien konfigurierbar und Reviews ausdrücklich sein. Formal Opinion 512 der American Bar Association behandelt Kompetenz, Vertraulichkeit, Kommunikation, Aufsicht, Offenheit und Gebühren beim Einsatz generativer KI. Sie ist kein universelles Regelwerk, zeigt aber, weshalb ein allgemeines Akzeptanzkästchen für folgenreiche Rechtsarbeit nicht genügt.
Zeigt den Status jedes Artefakts: Maschinenvorschlag, geprüfter Auszug, freigegebene Klausel, interner Entwurf oder eingereichtes Dokument. Bewahrt auf, wer eine Änderung mit welchem Quellenstand freigegeben hat. Auch die Guidance der Courts and Tribunals Judiciary betont persönliche Verantwortung, Fehlergefahr und Sorgfalt mit privaten Informationen. Die Engineering-Folge ist klar: Automation, Oberflächenglanz oder ein hoher Durchschnittswert dürfen die verantwortliche Fachperson am Nutzungspunkt nicht ausblenden.
Woran gute Arbeit erkennbar ist
Konkrete Ergebnisse für KI Produktentwicklung für Legal Technology
- Jede KI-unterstützte Aufgabe besitzt Zweck, Nutzerkreis, Quellenrahmen und verbotene Nutzung.
- Mandanten-, Mandats- und Workspace-Rechte greifen vor Suche, Generierung und Export.
- Juristische Aussagen behalten Rechtsraum, Quellenart, Gültigkeitsdatum, Fundstelle und Link.
- Prüfende unterscheiden Quelltext, extrahierte Tatsache, Modellschluss und freigegebenes Arbeitsergebnis.
- Freigaben beruhen auf repräsentativen Rechtsaufgaben, materiellen Fehlerklassen und Betriebsnachweisen.
Betriebsmodell
So wird die Arbeit ausgeführt
- 01
Juristische Aufgabe und Verantwortung abgrenzen
Benennen Sie die Handlung genau, etwa Klauseln extrahieren, einen Vertrag mit einem Playbook vergleichen, eine Chronologie entwerfen oder mögliche Autoritäten finden. Halten Sie fest, wer das Ergebnis nutzen darf, welche Entscheidung bei einer qualifizierten Fachperson bleibt und welche Nutzung untersagt ist. Recherche, Entwurf, Triage und Entscheidungsunterstützung brauchen unterschiedliche Nachweise und Fehlertoleranzen.
- 02
Autorität, Mandate und Rechte modellieren
Bildet Rechtsräume, Gerichte, Erlasse, Versionen, Gültigkeitszeiträume, Zitatbeziehungen, Mandanten, Mandate, Informationsbarrieren und Dokumentklassen ausdrücklich ab. Erzwingt Zugriff bereits bei der Suche und nicht erst in der Oberfläche. Prüft Mandatstrennung, entzogene Rechte, externe Zusammenarbeit und Exporte als Produktverhalten.
- 03
Belegerhaltende Recherche und Entwürfe bauen
Ruft nur freigegebene Repositorien ab und führt Quellenkennungen durch Extraktion, Ranking, Generierung und Review. Zeigt zu einer vorgeschlagenen Aussage die genaue Belegstelle. Markiert fehlende Autorität, widersprüchliche Quellen oder Fragen ausserhalb des indexierten Rechtsraums, anstatt die Lücke mit plausibler Sprache zu füllen.
- 04
Rechtsaufgaben und schädliche Fehler evaluieren
Erstellt geprüfte Fälle nach Aufgabentyp, Rechtsraum, Dokumentart, Mandatssensibilität und Schwierigkeit. Bewertet Quellenbezug, Zitatgültigkeit, Sachtreue, Vollständigkeit, Enthaltung und Korrektur. Enthaltet Angriffe, mehrdeutige Weisungen, überholte Autorität, Scans und Berechtigungsversuche.
- 05
Mit Review, Audit und Vorfallkontrolle freigeben
Leitet Ergebnisse nach Tragweite und Unsicherheit weiter. Bewahrt Quellen, Modell- und Systemversion, Weisungen, Prüfhandlung und Endstatus so auf, dass ein Ergebnis untersucht werden kann. Überwacht materielle Korrekturen und Beinahefehler, sperrt unsichere Aufgabenpfade und validiert nach Änderungen an Modell, Recherche, Rechtsquellen oder Workflow erneut.
Bewertung
Fragen, die den Entscheid verändern
- Welche genauen Rechtsaufgaben unterstützt das Produkt und welches Urteil bleibt ausserhalb?
- Welche Repositorien gelten je Rechtsraum und Zeitpunkt als massgeblich?
- In welcher Schicht greifen Mandanten-, Mandats- und Informationsbarrieren?
- Welches Ergebnis braucht vor Nutzung oder Einreichung eine quellenweise Fachprüfung?
- Welcher Nachweis stoppt die Freigabe oder löst bei einem materiellen Fehler den Rollback aus?
Fehlermuster
Wo Teams die Kontrolle verlieren
Eine richtige Regel aus dem falschen Rechtsraum kann gefährlicher als ein offensichtlicher Fehler sein.
Die Suche kann Inhalte eines anderen Mandats preisgeben, auch wenn die Endantwort sie nicht wiedergibt.
Generierte Zitate können existieren, die Aussage nicht tragen oder inzwischen überholt sein.
Automatische Zusammenfassungen können entscheidende Ausnahmen, Vorbehalte und Unsicherheit entfernen.
Nutzer können einem eleganten Entwurf zu stark vertrauen, wenn Verantwortung und Prüfstatus unsichtbar sind.
Messung
Das fertige Ergebnis messen
Gemessen wird der abgeschlossene Prozess inklusive Review-Aufwand und Ausnahmen. Reines Output-Volumen beweist noch keine bessere Arbeitsweise.
- quellenbelegte Rechtsaussagen nach Aufgabe und Rechtsraum
- gültige Zitate mit geprüfter Fundstelle und Gültigkeitsstatus
- vor Suche und Export blockierte mandatsübergreifende Zugriffe
- materielle Korrekturen durch Prüfende pro abgeschlossener Aufgabe
- angemessene Enthaltung bei ungenügender oder widersprüchlicher Autorität
- Zeit bis Erkennung, Eindämmung und Neuvalidierung nach einem folgenreichen Fehler
Fragen
Häufige Fragen
Kann ein Legal-AI-Produkt Rechtsberatung erteilen?
Das Produkt sollte eine viel engere Aufgabe und Nutzergrenze definieren. Ob eine Tätigkeit Rechtsberatung ist und wer sie erbringen darf, hängt von Rechtsraum und Kontext ab. Engineering erhält Quellen, Rechte und Review, ersetzt aber keine berufliche Qualifikation und schafft keine Rechtsautorität.
Wie verhindert man erfundene juristische Zitate?
Begrenzt die Suche auf freigegebene Quellen, verlangt strukturierte Zitatkennungen, prüft Existenz und Fundstellenbezug und zeigt den Originalabschnitt. Testet erfundene, irrelevante und überholte Zitate ausdrücklich. Ohne Beleg soll das System sich enthalten und keine Referenz erfinden.
Sind Mandantendaten in einem KI-System vertraulich?
Das darf nicht vorausgesetzt werden. Prüft Anbieterbedingungen, Konfiguration, Zugriff, Aufbewahrung, Trainingsnutzung, Unterauftragsverarbeiter und Workflow gegen Pflichten und Mandantenweisungen. Minimiert Daten und erzwingt Mandatsrechte durchgängig. Vertraulichkeit und Berufsgeheimnis bleiben rechtliche und tatsächliche Fragen.
Welcher erste Legal-AI-Anwendungsfall ist sinnvoll?
Eine begrenzte, häufige Aufgabe mit identifizierbaren Quellen und Prüfkriterien ist meist besser testbar als offene Rechtsberatung. Beispiele sind Klauselentnahme, Chronologie oder Playbook-Vergleich. Entscheidend sind erlaubte Daten, Nutzerproblem, Fehlerfolge und die Fähigkeit, Ergebnisse fachlich zu evaluieren.
Quellen
Primärquellen
- Formal Opinion 512: Generative Artificial Intelligence Tools American Bar Association
- Artificial Intelligence Judicial Guidance Courts and Tribunals Judiciary
- Artificial Intelligence Risk Management Framework National Institute of Standards and Technology
Über den Autor
Tony Kim
Tony schreibt über angewandte AI, verlässliches Product Engineering und Systeme, die komplexe Response-Arbeit kontrollierbar machen.
Zeke
AI Product Engineering, das aus einem Software-Briefing ein zuverlässiges Produkt im Betrieb macht.
Produktverantwortliche, Gründungsteams und Software-Engineering-Teams. Ausgangspunkt sind der bestehende Ablauf, seine Grenzen und die vorhandenen Nachweise.
Zeke ansehen→