„Der eindeutig wichtigste Anwendungsfall für juristische KI in der Praxis bleibt die automatisierte Analyse und Erstellung von Dokumenten”

Der Legal AI Use Case Radar, ein von einem interdisziplinären Forschungsteam der TU München ins Leben gerufene Projekt, gibt seit 2024 Aufschluss darüber, wie Juristinnen und Juristen in der DACH-Region KI anwenden. Dabei visualisiert das Forschungsteam Anwendungsfälle mithilfe eines Radars und veröffentlicht wichtige Forschungserkenntnisse in jährlichen Reports. Im Interview verrät Leiter des Projekts, Prof. Dr. Florian Matthes, welche Anwendungsfälle derzeit auf dem Vormarsch sind und welche Vorteile eine verstärkte Zusammenarbeit zwischen Forschung und Praxis hätte.

Herr Professor Matthes, der Legal AI Use Case Radar untersucht die Anwendungsfälle von Legal AI systematisch, vor allem durch Gespräche mit Juristinnen und Juristen in der DACH-Region. Wie werden diese Erkenntnisse dann im Radar visualisiert?

Mit der Radarvisualisierung wollten wir uns über die verfügbaren Tools und Technologien hinaus auf die Anwendungsfälle von Legal AI konzentrieren. Daher steht jeder Punkt auf dem Radar für einen bestimmten Anwendungsfall, den wir aus empirischen Untersuchungen mit Dutzenden von Juristen in der DACH-Region gewonnen haben. Die Platzierung jedes Punktes hängt von seiner rechtlichen Relevanz und der wahrgenommenen Risikobehaftung ab, die aus quantitativen Umfragen abgeleitet wurden, sowie von seinem akademischen Interesse – dieses wird auf der Grundlage einer umfangreichen Literaturrecherche zur Legal-KI-Forschung berechnet. Diese Metriken bilden den Kern des Radars und beschreiben verschiedene Blickwinkel jedes einzelnen Anwendungsfalls, den wir gefunden haben.

Im Juli 2024 wurde erstmals ein Report zum „Legal AI Use Case Radar” veröffentlicht, in diesem Jahr folgte der Report für 2025. Gibt es im Vergleich zum Vorjahr auffällige Veränderungen bzw. Use Cases, die im beruflichen Alltag von Juristinnen und Juristen nun häufiger auftreten?

Neben der anhaltenden Beliebtheit von Anwendungsfällen wie der Erstellung von Dokumenten (Verträgen), Übersetzungen, und der Unterstützung bei der Rechtsrecherche haben wir von neuen „rising Stars“ erfahren, beispielsweise der Erstellung von Rechtskorpora (aufgrund des Bedarfs an hochwertigen Datensätzen) und der Interpretation von Rechtssprache (unterstützt durch die zunehmenden Fähigkeiten der neuesten Modelle zum Verständnis von Rechtssprache). Allgemeiner gesagt deutet unsere Literaturrecherche darauf hin, dass alle Anwendungsfälle für juristische KI auf dem Vormarsch sind, was auf die wachsende Popularität des Themas im Forschungsbereich hindeutet. Der eindeutig wichtigste Anwendungsfall für juristische KI in der Praxis bleibt jedoch die automatisierte Analyse und Erstellung von Dokumenten.

Laut dem Report werden KI-Tools in der Rechtsbranche vor allem als Assistenten genutzt, etwa zur Erstellung von Mandantenschreiben. Die Forschung beschäftigt sich hingegen mit Themen wie Datenstrukturierung und Analyse. Trauen sich beispielsweise Kanzleien an diese Einsatzbereiche noch weniger heran, oder gibt es schlichtweg noch zu wenige spezialisierte Lösungen?

Das Thema Datenstrukturierung ist traditionell sicherlich eher ein forschungsorientiertes Thema; wir gehen jedoch davon aus, dass es zu einer verstärkten Zusammenarbeit zwischen Forschung und Praxis bei der Erstellung hochwertiger und aussagekräftiger Datensätze kommen wird, was für Praktiker, die mit Legal AI arbeiten, eindeutig von Vorteil ist. Wir stellen fest, dass Praktiker tatsächlich etwas zögerlich sind, bestimmte Anwendungsfälle wie rechtliche Entscheidungen oder sogar Aufgaben wie die Beantwortung von Fragen zu bearbeiten. In diesem Fall glauben wir, dass Rechtsfachleute mit besseren Trainingsdaten und robusteren Benchmarks weniger zögern würden, Tools einzusetzen, wenn sie sich ihrer Leistungsfähigkeit sicher sein können.

Gibt es abseits von ChatGPT, Copilot und Co. noch weitere Lösungen, die in Ihren Gesprächen genannt wurden und deren Nutzen Sie hoch einschätzen?

Es wurden auch andere führende LLMs wie Gemini genannt, aber auch spezialisiertere Tools wie Harvey (oft erwähnt) oder Henchman. Mehrere Experten berichteten über ihre Erfahrungen mit der Verwendung von ChatGPT-Instanzen von Microsoft Azure, während andere sich für Nicht-LLM-Tools zur Verarbeitung natürlicher Sprache wie spaCy entschieden.

Gibt es mit Blick auf den diesjährigen Report noch weitere Erkenntnisse, die Sie erwähnen möchten?

Trotz des vielversprechenden Wachstumstrends von Legal AI in der DACH-Region halte ich es für wichtig, einige der verbleibenden Herausforderungen und Bedenken hervorzuheben, die von den von uns befragten Juristen geäußert wurden.

Erstens wurde häufig das Gefühl geäußert, dass es kaum Vereinheitlichung oder Standardisierung gibt, sodass Praktiker keine klaren Richtlinien für die besten Anbieter für einen bestimmten Anwendungsfall haben. In diesem Zusammenhang haben wir viel über die Bewertung gehört – über das Fehlen von Standards, aber auch über das Fehlen eines gemeinsamen Verständnisses darüber, wie diese durchgeführt werden soll. Wir haben festgestellt, dass viele der derzeitigen Bewertungstechniken in der Branche eher ad hoc sind, was Vergleichbarkeit erschwert.

Schließlich stellten wir fest, dass die Diskrepanz zwischen der Forschung und der Praxis im Bereich Legal AI weiterhin besteht, was eine bessere Abstimmung zwischen den Forschungszielen und den realen Geschäftsanforderungen erforderlich macht.

Herr Professor Matthes, vielen Dank für das Interview!

Mehr Infos zum Legal AI Use Case Radar gibt es hier: Legal AI Use Case Radar