Die Illusion der Legal KI: Warum das Modell oft gar nicht der Unterschied ist
Legal KI erlebt einen beispiellosen Hype: Milliardenbewertungen, aggressive Preisstrukturen und ein Markt, der sich schneller entwickelt als viele ihn verstehen. Doch hinter der Dynamik steht eine unbequeme Frage: Wofür zahlen Kanzleien und Rechtsabteilungen eigentlich mehrere hundert Euro pro Nutzer und Monat?
Erst kürzlich hat der Legal KI Anbieter Legora eine Finanzierungsrunde über 550 Millionen US Dollar verkündet und damit eine Bewertung von über 5 Milliarden erreicht. Der amerikanische Konkurrent Harvey liegt bereits bei rund 11 Milliarden. Entsprechend groß ist in vielen Kanzleien die Sorge, den Anschluss zu verpassen, und entsprechend weitreichend sind die Investitionsentscheidungen, die unter Unsicherheit getroffen werden. Gleichzeitig bleiben die Unterschiede zwischen den Lösungen in der praktischen Anwendung oft überraschend schwer greifbar.
Die Antwort liegt dabei oft dort, wo viele nicht hinschauen: weniger im Modell selbst, sondern darin, wie diese Systeme in konkrete juristische Arbeitsprozesse eingebettet werden, und ob überhaupt klar ist, welches Problem sie lösen sollen.
Der Unterschied liegt selten im Modell
Spezialisierte Legal KI Lösungen kosten oft mehrere hundert Euro pro Nutzer und Monat. Die meisten Anbieter, darunter Harvey, Legora oder Libra, entwickeln jedoch keine eigenen KI-Modelle, sondern bauen auf sogenannten Foundation Models auf, also vortrainierten Basismodellen wie ChatGPT oder Claude. Der direkte Zugang zu diesen Modellen beginnt dagegen bei deutlich niedrigeren monatlichen Kosten.
Viele Juristen werden an dieser Stelle einwenden, dass ChatGPT, Claude und vergleichbare Modelle weder DSGVO-konform noch berufsrechtlich zulässig sind. Doch auch dafür gibt es Lösungen: Anbieter wie Logicc oder Langdock stellen diese Modelle in einer sicheren, unternehmensgeeigneten Infrastruktur bereit, und das zu einem Bruchteil der Kosten spezialisierter Lösungen.
Der Preisunterschied lässt sich daher nicht allein mit dem Modell erklären. Wenn spezialisierte Legal KI Mehrwert schafft, dann entsteht dieser vor allem oberhalb des Modells: in der Art, wie Kontext aufbereitet, Datenquellen angebunden und Ergebnisse in juristische Arbeitsabläufe übersetzt werden.
Der Denkfehler: Tools statt Probleme
In vielen Organisationen beginnt die Auseinandersetzung mit KI mit der Frage, welches Tool eingeführt werden sollte. Die entscheidendere Frage wird seltener gestellt: Welche Probleme sollen überhaupt gelöst werden? Ohne diese Vorarbeit wird jede Tool-Entscheidung letztlich zu einer teuren Wette. Dabei wird übersehen, dass es nicht die eine beste Lösung gibt, sondern dass ihr Wert vom jeweiligen Einsatz abhängt.
Drei Arten von Lösungen
Der Markt lässt sich vereinfacht in drei Kategorien einteilen, die jeweils eine klare Nischenführerschaft beanspruchen. Erstens: Analyse-Plattformen wie Legora oder Harvey. Ihre Stärke liegt in der strukturierten Auswertung großer Datenmengen, insbesondere in komplexen Mandaten. Zwar bieten sie auch zahlreiche weitere Funktionen, etwa die Prüfung von Verträgen anhand von Playbooks – diese sind jedoch nicht das, was sie vom Markt abhebt. Zweitens: Recherche-Plattformen wie Noxtua oder Libra, die durch den Zugriff auf kuratierte juristische Inhalte der Verlage C.H. Beck oder Dr. Otto Schmidt bei der Recherche und juristischen Einordnung die Nase vorn haben. Drittens: Basis-Modelle wie ChatGPT oder Claude, die über Plattformen wie Logicc oder Langdock in einer sicheren Umgebung nutzbar gemacht werden und bei Kosten und Flexibilität kaum zu schlagen sind.
Wer regelmäßig große Datenräume in M&A-Transaktionen auswertet oder umfangreiche Ermittlungsakten strukturieren muss, kommt an Plattformen wie Legora oder Harvey kaum vorbei. Wer hingegen vor allem juristische Recherche betreibt, profitiert eher von Lösungen wie Noxtua oder Libra. Und für standardisierte Aufgaben wie das Zusammenfassen von Dokumenten, die sprachliche Überarbeitung eines Schriftsatzes oder die Mandantenkommunikation reichen ChatGPT oder Claude oft bereits aus. In der Praxis kommt häufig eine Kombination dieser Lösungen zum Einsatz.
Wo der Mehrwert wirklich entsteht
Entscheidend ist nicht nur, welches Modell genutzt wird, sondern wie es in juristische Arbeit übersetzt wird. Leistungsfähige Systeme zerlegen Inhalte, ordnen sie rechtlich relevanten Fragestellungen zu und führen die Ergebnisse strukturiert zusammen.
Ein 200-seitiger Unternehmenskaufvertrag wird etwa nicht als Ganzes analysiert, sondern in einzelne Klauseln aufgeteilt, gezielt auf Risiken oder Abweichungen geprüft und anschließend in einer Übersicht verdichtet. Dabei können relevante Informationen aus internen Dokumenten oder externen Datenbanken eingebunden werden, statt sich allein auf das allgemeine Wissen des Modells zu verlassen. Wenn Analyse, Recherche oder Textüberarbeitung zudem direkt in Word oder Outlook stattfinden, sinkt die Hürde für die tägliche Nutzung erheblich. Nicht das Modell allein macht den Unterschied, sondern die Systemarchitektur, die es für juristische Arbeit nutzbar macht.
Warum der Vorsprung schrumpft
Der Vorteil spezialisierter Legal KI liegt heute vor allem in der Anwendungsschicht: in der Aufbereitung von Kontext, der Strukturierung juristischer Inhalte und der Einbettung in bestehende Workflows. Genau dieser Vorsprung ist jedoch nicht statisch.
Mit der rasanten Weiterentwicklung der Foundation Models verschiebt sich die Grenze dessen, was ohne spezialisierte Anwendungsschicht möglich ist. Größere Kontextfenster und bessere Reasoning-Fähigkeiten erlauben es zunehmend, komplexe Dokumente direkt zu verarbeiten. Gleichzeitig verlieren Integrationen an Exklusivität: Funktionen wie die Einbindung in Word oder Outlook werden mit Lösungen wie Microsoft Copilot oder neuen Add-ins von Claude zunehmend zum Standard.
Braucht es überhaupt Legal KI?
Für sehr datenintensive Anwendungen oder spezialisierte Recherchen bleibt Legal KI relevant. Für die allermeisten alltäglichen Aufgaben reicht jedoch ein Foundation Model wie ChatGPT oder Claude, sofern es in einer berufsrechtskonformen Umgebung genutzt wird.
Die entscheidende Frage ist daher nicht, welches Tool eingesetzt wird. Sondern ob die zugrunde liegenden Prozesse überhaupt verstanden und klar definiert sind. Denn nur wer weiß, welches Problem er löst, kann beurteilen, ob eine spezialisierte Lösung ihren Preis tatsächlich rechtfertigt.
Wer seine Prozesse nicht versteht, zahlt für einen Ferrari – und fährt ihn am Ende nur im ersten Gang.
Autor: Florian Weiser ist Partner der Technologieberatung KlareProzesse, mit der er gemeinsam mit seinem Team mehr als 60 Kanzleien und Rechtsabteilungen begleitet. Als Informatiker arbeitet er an der Schnittstelle von Technologie und juristischer Praxis und befasst sich mit der Frage, wie sich Künstliche Intelligenz sinnvoll in bestehende Arbeitsprozesse integrieren lässt.
