KI-gestützte Risikoprüfung von Arbeitsverträgen

Das echte Ausmaß des Problems

Das Bundesarbeitsgericht (BAG) ändert seine Rechtsprechung zu vorformulierten Arbeitsvertragsklauseln seit der Schuldrechtsreform 2002 in einer Frequenz, die im HR-Alltag nicht mitläuft. Wer eine Vorlage von 2015 unverändert nutzt, hat mit hoher Wahrscheinlichkeit mindestens eine Klausel im Vertrag, die heute nicht mehr hält — Wettbewerbsverbote ohne Karenzentschädigung, Ausschlussfristen unter drei Monaten, pauschale Überstundenabgeltung „mit dem Gehalt”, Rückzahlungsklauseln für Fortbildungskosten ohne gestaffelte Bindungsdauer.

Die Folgen sind teuer und versteckt: Eine Kündigungsschutzklage bei einem Streitwert von 15.000 Euro (drei Bruttomonatsgehälter à 5.000 Euro) kostet jede Partei 2.500 bis 3.000 Euro netto an Anwaltskosten — und im Arbeitsrecht trägt jede Partei ihre eigenen Anwaltskosten in erster Instanz, auch wenn sie gewinnt. Das ist die deutsche Eigenheit nach § 12a ArbGG. Hinzu kommen Rückzahlungen, Nachvergütungen, Vergleichszahlungen — der wirtschaftliche Schaden einer einzigen unwirksamen Klausel kann den Streitwert deutlich übersteigen.

Besonders problematisch: Das Verbot der geltungserhaltenden Reduktion nach § 306 BGB und gefestigter BAG-Rechtsprechung. Eine unwirksame Klausel wird nicht „auf das gerade noch Zulässige” zurückgestutzt. Sie fällt komplett weg. Wer eine 24-monatige Ausschlussfrist vereinbart hat, hat danach gar keine Ausschlussfrist — auch nicht die zulässigen drei Monate. Wer ein Wettbewerbsverbot ohne Karenzentschädigung formuliert hat, hat gar keinen Schutz — auch keinen reduzierten.

Die Lage in HR-Abteilungen mittelständischer Unternehmen sieht deshalb typisch so aus:

• Vorlagen sind alt. Letzte Anwaltsprüfung lag oft 3–7 Jahre zurück.
• Anwaltsstunden sind teuer. 250–400 Euro pro Stunde Fachanwalt für Arbeitsrecht — für jeden Routine-Vertrag ist das nicht wirtschaftlich.
• Niemand prüft eingehende Verträge. Wenn eine Fach- oder Führungskraft mit eigenem Vertragsentwurf kommt (häufig bei Senior-Hires), wird er aus Zeitnot ungeprüft angenommen.
• HR-Mitarbeitende sind keine Juristen. Sie können einzelne Klauseln nicht zuverlässig gegen aktuelle BAG-Rechtsprechung abgleichen — und sollten es auch nicht müssen.

Mit vs. ohne KI — ein ehrlicher Vergleich

¹ Honorarspannen basieren auf RVG-Stundensätzen 250–400 €/Stunde für Fachanwalt Arbeitsrecht und Erfahrungswerten aus der HR-Beratungspraxis. Streitwertabhängige RVG-Pauschalen können günstiger ausfallen — bei Komplex-Reviews aber auch teurer.

Wichtig: Der KI-Pre-Check ersetzt keinen Anwalt. Er macht den Anwalt schneller und billiger, weil er mit einer strukturierten Risikoliste startet statt mit einer Volltextprüfung.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Eine anwaltliche Erstprüfung von 60–120 Minuten wird durch einen KI-Pre-Check von 10–20 Minuten ersetzt; der Anwalt prüft nur noch den strukturierten Risikobericht und die markierten Stellen. Das ist ein klar messbarer Effekt — nicht so hoch wie bei Kundenkorrespondenz (5/5), wo die KI komplette Texte schreibt, aber deutlich stärker als bei Vertragsanalyse im allgemeinen B2B-Kontext (3/5), weil HR-Verträge stärker standardisiert sind und damit höhere Trefferquoten ermöglichen.

Kosteneinsparung — hoch (4/5) Bei 30–80 Vertragsreviews pro Jahr (typisches KMU mit moderater Fluktuation) liegen die Anwaltskosten ohne KI bei 9.000–60.000 Euro jährlich. Mit KI-Pre-Check sinkt das auf 3.000–20.000 Euro plus 1.500–6.000 Euro Tool-Lizenz. Klar im positiven Bereich, aber nicht so eindeutig wie bei Rechnungsverarbeitung (5/5), wo Skontoeffekte direkt buchbar sind, oder Qualitätssicherung (5/5), die Reklamationen verhindert.

Schnelle Umsetzung — hoch (4/5) Mit einem etablierten Legal-AI-Tool wie Legartis sind 2–4 Wochen bis zum produktiven Einsatz realistisch — Best-Practice-Playbooks sind out-of-the-box verfügbar. Mit einem Custom-GPT-Setup auf Basis von ChatGPT oder Claude plus eigenem Prompt liegt der erste Test sogar unter einer Woche. Nicht so trivial wie Meeting-Protokolle (5/5) oder Berichterstellung (5/5), aber deutlich einfacher als Predictive Analytics (1/5).

ROI-Sicherheit — mittel (3/5) Der direkte Effekt — eingesparte Anwaltsstunden — ist klar messbar. Der größere Effekt — vermiedene Streitigkeiten, weil eine kaputte Klausel nicht in den Vertrag gerutscht ist — bleibt indirekt: Du kannst nicht beweisen, was du verhindert hast. Außerdem ist die Qualität der KI stark abhängig von der Aktualität der Trainingsdaten und der Spezifität auf deutsches Arbeitsrecht. Generische LLMs liegen bei deutschen BAG-Klausel-Fragen häufiger falsch als spezialisierte Legal-AI-Tools. Konsistente 4er-Bewertung wäre nur gerechtfertigt, wenn der Schadensvermeidungseffekt belastbar quantifizierbar wäre — was er nicht ist.

Skalierbarkeit — mittel (3/5) Das Tool selbst skaliert linear: Ein Vertrag oder hundert pro Monat — der Aufwand pro Stück bleibt gleich. Aber der Engpass verschiebt sich: Die anwaltliche Endfreigabe bleibt manuell und ist bei Volumenwachstum begrenzend. Außerdem muss der Klausel-Katalog gepflegt werden — bei jeder relevanten BAG-Entscheidung. Das ist eine wiederkehrende organisatorische Aufgabe, die nicht „mitwächst”, sondern aktiv betrieben werden muss. Daher 3, nicht 4 — und klar unter Lead-Qualifizierung oder Predictive Analytics (jeweils 5/5).

Richtwerte — stark abhängig von Vertragsvolumen, Branche und Anteil individueller Top-Management-Verträge.

Was ein KI-Risiko-Check konkret macht

Der Ablauf ist in jedem Tool prinzipiell ähnlich, unterscheidet sich aber erheblich in der Tiefe:

1. Vertragsupload. Der Vertragsentwurf — ein Word- oder PDF-Dokument — wird in das Tool geladen. Spezialisierte Plattformen wie Legartis oder Spellbook integrieren sich direkt in Microsoft Word; generische LLMs wie Claude oder ChatGPT verarbeiten den Text per Chat-Schnittstelle.
2. Klauselzerlegung und Klassifikation. Das System identifiziert die einzelnen Klauseltypen — Befristung, Probezeit, Kündigungsfrist, Wettbewerbsverbot, Überstundenregelung, Ausschlussfrist, Rückzahlungsklauseln, Nebentätigkeit, Datenschutz, Verschwiegenheit. Pflichtbestandteile nach Nachweisgesetz (NachwG) werden gegen die Klausel-Liste geprüft — fehlt etwas, wird das markiert.
3. Abgleich mit Playbook oder Rechts-Kontext. Hier scheiden sich die Werkzeuge: Legartis arbeitet mit von Juristen vorvalidierten Playbooks (Standard-Klauseln plus zulässige Abweichungen); Custom-GPT-Lösungen brauchen einen sorgfältig kuratierten System-Prompt mit aktueller BAG-Rechtsprechung. Generische ChatGPT-Anfragen ohne Spezialisierung sind die schwächste Variante — sie kennen Klauselformen, aber nicht zwingend die aktuelle deutsche Judikatur.
4. Risikobericht mit Priorität. Ausgabe: Liste der gefundenen Risiken, sortiert nach Schwere (z. B. „kritisch — Klausel insgesamt unwirksam”, „mittel — Auslegungsstreit möglich”, „gering — Best Practice empfiehlt andere Formulierung”), jeweils mit Begründung und Quellenhinweis.
5. Änderungsvorschlag oder Redline. Bessere Tools liefern direkt einen Vorschlag für eine konforme Neuformulierung, die dann anwaltlich freigegeben wird. Schlechtere Tools liefern nur „diese Klausel ist problematisch” ohne Lösung.

In der Praxis gilt: Der KI-Output ist die Vorbereitung für die anwaltliche Freigabe — nicht der Ersatz. Der Anwalt prüft nicht mehr alles, sondern nur die markierten Punkte. Das verschiebt die Anwaltsleistung von „Volltext lesen” zu „Risikoliste validieren” — und genau dort liegt die Zeit- und Kostenersparnis.

Klauseln, die regelmäßig kippen — der BAG-Kanon

Diese Liste ist nicht erschöpfend, aber sie deckt die häufigsten Fehlerquellen in Standardarbeitsverträgen ab. Ein gutes KI-Review muss diese Punkte alle treffen — wenn dein Tool zwei oder mehr davon übersieht, ist es für deutschen Markt nicht reif.

Die größte Falle: das Verbot der geltungserhaltenden Reduktion. Eine KI, die für angloamerikanisches Recht trainiert wurde, schlägt typischerweise vor, eine zu weite Klausel „abzuschwächen”. Im deutschen Arbeitsrecht funktioniert das nicht. Eine kaputte Klausel wird nicht repariert — sie fällt ersatzlos weg, und zwar zu Lasten dessen, der den Vertragstext gestellt hat. Das ist im Regelfall der Arbeitgeber. Wer also eine 24-Monats-Ausschlussfrist „auf 3 Monate reduzieren” lässt, hat hinterher gar keine Ausschlussfrist mehr.

Konkrete Werkzeuge — was wann passt

Die Auswahl hängt von zwei Fragen ab: Wie viele Verträge prüfst du pro Jahr? Und wie spezifisch ist dein Bedarf an deutschem Arbeitsrecht?

Legartis — Schweizer Legal-AI-Plattform, ISO 27001-zertifiziert, EU-Hosting, vorvalidierte Playbooks für Standardklauseln. Stärke: Out-of-the-box-Reviews ohne eigenes Klausel-Training, auch von HR-Mitarbeitenden ohne Juristik-Hintergrund nutzbar. Best-Practice-Playbook für DPA und NDA bereits enthalten — für Arbeitsverträge muss das Playbook in der Regel kunden- bzw. branchenspezifisch ergänzt werden. Preise individuell, kein öffentlicher Tarif — Einstiegspakete liegen erfahrungsgemäß im niedrigen vierstelligen Bereich pro Jahr. Sinnvoll ab ca. 50 Vertragsreviews jährlich.

Spellbook — Word-Plugin für KI-gestützte Vertragsreview und -erstellung, GPT-4o-basiert, trainiert auf über 10 Millionen Verträgen. Stark im internationalen Vertragsumfeld, weniger spezialisiert auf deutsches Arbeitsrecht. Preisstruktur 2025 deutlich angehoben: Enterprise-Pläne nun ca. 350 USD/Nutzer/Monat mit 6-monatigem Mindestbezug; Pro-Pläne ab ca. 40 USD/Nutzer/Monat. Sinnvoll, wenn euer Workflow stark in Word verankert ist und ihr international tätig seid.

Harvey AI — Enterprise-Plattform für Großkanzleien, EU-Datenverarbeitung über Microsoft Azure möglich. Nicht Self-Service, ausschließlich Enterprise-Onboarding. Für eine HR-Abteilung im Mittelstand fast immer überdimensioniert — gehört in dieses Vergleichsfeld nur, weil Anbieter-Vergleiche immer wieder dort starten. Wenn deine Hauskanzlei Harvey einsetzt, kann eure HR mit den Ergebnissen indirekt arbeiten — aber niemand sollte Harvey für interne HR-Reviews neu lizenzieren.

Claude oder ChatGPT mit kuratiertem Prompt — Der Einstieg für kleine HR-Abteilungen oder zum ersten Test. Ein sorgfältig formulierter System-Prompt mit der wichtigsten BAG-Rechtsprechung (siehe weiter unten in „Das kannst du heute noch tun”) liefert für Standardverträge oft akzeptable Erstindikationen. Stärken: kostengünstig (20 Euro/Monat im Pro-Plan), sofort verfügbar, deutschsprachig brauchbar. Schwächen: keine Audit-Trail-Funktionen, keine Playbook-Versionierung, hohes Risiko von Halluzinationen bei Klausel-Details. Nur als Pre-Check, nie als finales Urteil — und immer mit Anwaltsfreigabe.

NotebookLM für interne Wissensbasis — Kostenlos, EU-Datenverarbeitung über Google-Konsumentenkonto problematisch, daher für sensible Verträge nur bedingt geeignet. Sinnvoll, um die eigene Sammlung von BAG-Urteilen und IHK-Merkblättern als durchsuchbare Wissensbasis nutzbar zu machen — als Begleittool zur eigentlichen Vertragsprüfung, nicht als Hauptwerkzeug.

Beck-online als Quellengrundlage — Kein KI-Tool im engeren Sinne, aber die De-facto-Standard-Datenbank für deutsches Arbeitsrecht. Wer ein Custom-GPT-Setup baut, sollte aus aktuellen Beck-Kommentaren und BAG-Entscheidungen den eigenen Klausel-Katalog speisen — und nicht aus dem Trainingswissen des Modells.

Zusammenfassung: Wann welcher Ansatz

• Unter 30 Verträge/Jahr → Claude oder ChatGPT mit kuratiertem Prompt + Anwaltsfreigabe
• 30–100 Verträge/Jahr, Mittelstand, deutsches Arbeitsrecht → Legartis mit kunden­spezifischem Playbook
• Stark Word-zentriert, internationaler Kontext → Spellbook
• Großkanzlei oder Konzern-HR → Harvey AI — nur sinnvoll, wenn die Hauskanzlei das Tool ohnehin betreibt

Datenschutz und Datenhaltung

Arbeitsverträge enthalten besonders sensible personenbezogene Daten: Name, Geburtsdatum, Anschrift, Bankverbindung, Sozialversicherungsnummer, Schwerbehinderungsstatus, ggf. Gesundheitsdaten in Anhängen. Sobald ein KI-System den Vertragsentwurf verarbeitet, gelten die DSGVO und das BDSG für Beschäftigtendaten.

Konkrete Anforderungen an die Tool-Auswahl:

• Auftragsverarbeitungsvertrag (AVV) zwingend — nach Art. 28 DSGVO. Alle hier genannten Anbieter stellen AVV-Vorlagen bereit, du musst sie aktiv anfordern und unterzeichnen lassen.
• EU- oder Schweiz-Hosting bevorzugen — Legartis hostet in der Schweiz und in der EU; Microsofts Copilot- und Azure-OpenAI-Dienste lassen sich über das EU Data Boundary-Programm konfigurieren; Spellbook verarbeitet primär in den USA, mit GDPR-konformen Vereinbarungen, aber ohne echte EU-Datenresidenz.
• Kein Modell-Training auf euren Verträgen — alle ernstzunehmenden Anbieter garantieren das vertraglich (Zero Data Retention, „No Training on Customer Data”). Im Zweifel im AVV explizit prüfen lassen.
• ChatGPT- oder Claude-Konsumentenkonten sind nicht ausreichend — für die Verarbeitung von Arbeitsvertrags-Rohdaten sind die Business- bzw. Team-Tarife mit Auftragsverarbeitungsvertrag erforderlich. Persönliche kostenlose Accounts dürfen für echte Vertragsdaten nicht eingesetzt werden.
• Technische Pseudonymisierung — wo möglich Namen, Geburtsdaten und Anschriften vor dem Upload entfernen. Für die juristische Klausel-Prüfung sind diese Felder irrelevant.

Pflicht zur Datenschutz-Folgenabschätzung (DSFA): Wenn du regelmäßig Mitarbeiterdaten durch ein KI-System verarbeiten lässt, ist eine DSFA nach Art. 35 DSGVO sinnvoll bis erforderlich — sprich frühzeitig mit eurem Datenschutzbeauftragten. Das ist kein Bürokratieaufwand, sondern Voraussetzung für rechtssichere Nutzung.

EU AI Act-Einordnung: Vertragsprüfungstools für Arbeitsverträge fallen je nach Funktionsumfang nicht zwingend unter „Hochrisiko-KI” nach EU AI Act — das gilt vor allem für Recruiting- und Bewerber-Scoring-Systeme. Wer das Tool ausschließlich zur Klausel-Prüfung verwendet, nicht zur Bewerberauswahl, hat hier deutlich geringere Compliance-Pflichten. Trotzdem sinnvoll: Dokumentiere den Einsatz, die Versionsstände der Playbooks und welche Klauseln vom KI-System markiert wurden — als Nachweis-Spur für etwaige Auditierungen.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Klausel-Katalog & Playbook erarbeiten (mit Hauskanzlei): 1.500–4.000 Euro Anwaltsleistung
• Tool-Konfiguration und Test mit 5–10 Beispielverträgen: 1–2 Wochen interner Aufwand
• Schulung für 1–3 HR-Mitarbeitende: 1 Tag, oft im Rahmen des Tool-Onboardings inklusive

Laufende Kosten (jährlich, gestaffelt nach Tool-Wahl)

• Legartis: individuelle Pakete; Einstieg erfahrungsgemäß im niedrigen vierstelligen Bereich pro Jahr für eine kleine Anzahl Nutzender
• Spellbook Pro: ab ca. 40 USD/Nutzer/Monat (~450 €/Jahr); Enterprise ca. 350 USD/Nutzer/Monat
• Claude Team oder ChatGPT Team: 25–30 Euro/Nutzer/Monat
• Anwaltliche Pflege des Klausel-Katalogs (1× jährlich + Ad-hoc bei großen BAG-Entscheidungen): 800–2.500 Euro/Jahr

Wie du den Nutzen tatsächlich misst

Der harte Indikator ist die durchschnittliche Anwaltszeit pro Vertrag vor und nach der Einführung. Erfahrungswert aus Implementierungen: von 60–120 Minuten Vollprüfung auf 15–30 Minuten Validierung des KI-Risikoberichts. Bei einem Stundensatz von 280 Euro netto sind das 200–400 Euro Ersparnis pro Vertrag. Der zweite, indirektere Indikator: Anteil der Verträge, bei denen das KI-System Risiken erkannt hat, die ohne Pre-Check „durchgegangen” wären. Diese Trefferquote ist für ein etabliertes System nach 6–12 Monaten Betrieb meist zwischen 15 und 35 Prozent — also jeder dritte bis siebte Vertrag enthält mindestens ein erkennbares Risiko, das ohne KI-Pre-Check übersehen worden wäre. (Erfahrungswert; keine repräsentative Studie.)

Was du dagegenrechnen kannst

Ein KMU mit 60 Vertragsreviews pro Jahr (Neueinstellungen + Vertragsanpassungen + eingehende Senior-Verträge):

• Ohne KI: 60 × 90 Min. Anwalt × 280 €/Std. = ~25.200 € Anwaltskosten
• Mit KI: 60 × 25 Min. Anwalt × 280 €/Std. = 7.000 € + Tool-Lizenz 1.500–4.000 €/Jahr = ~9.000–11.000 €
• Direkte Ersparnis: 14.000–16.000 €/Jahr

Diese Rechnung ignoriert vollständig den vermiedenen Schaden aus Klausel-Streitigkeiten — den größeren, aber nicht direkt messbaren Effekt. Auch im konservativen Szenario (Anwaltszeit nur halbiert statt gedrittelt) bleibt eine vier- bis fünfstellige Ersparnis pro Jahr realistisch — und der Schadensvermeidungseffekt obendrauf.

Was die KI bei deutschem Arbeitsrecht systematisch übersieht

Das ist die wichtigste Sektion dieses Use Case. Lies sie zweimal.

Das Verbot der geltungserhaltenden Reduktion. Generische LLMs sind primär auf US-amerikanisches Vertragsrecht trainiert, in dem Gerichte unwirksame Klauseln häufig „blue-pencilen” und auf das gerade noch Zulässige reduzieren. Im deutschen AGB-Recht ist genau das nach § 306 Abs. 2 BGB und gefestigter BAG-Rechtsprechung verboten. Eine KI, die vorschlägt, „die Klausel etwas zu entschärfen”, führt damit zu einem riskanteren Ergebnis als gar keine Klausel. Wer dem unkritisch folgt, verliert die ganze Klausel — nicht nur die unzulässige Spitze.

Die Schein-Plausibilität fluender deutscher Sätze. LLMs generieren grammatikalisch perfekte deutsche Klauseln, die sich „richtig anhören”. Das ist gerade gefährlich: HR-Mitarbeitende ohne juristischen Hintergrund haben keine Mittel, eine schön formulierte, aber unwirksame Klausel von einer korrekten zu unterscheiden. Der zuverlässige Schutz dagegen heißt: Anwaltsfreigabe als Pflichtschritt — keine Ausnahme.

Aktualität der Rechtsprechung. Das BAG ändert seine Rechtsprechung kontinuierlich. Ein Modell mit Trainingsstand 2023 kennt eine Entscheidung aus 2024 nicht. Spezialisierte Tools wie Legartis pflegen ihre Playbooks redaktionell — bei generischen LLMs wie Claude oder ChatGPT musst du den Klausel-Katalog selbst aktuell halten, mit Quellen aus Beck-online, JurisDB oder einer ähnlichen Fachdatenbank.

Die RDG-Grenze. Das Rechtsdienstleistungsgesetz (RDG) verbietet außergerichtliche Rechtsdienstleistung durch Nichtanwälte in konkreten Einzelfällen. Wenn die KI nicht nur generische Hinweise liefert, sondern für einen konkreten Vertrag verbindliche Empfehlungen ausspricht, die ohne Anwaltsprüfung umgesetzt werden, betritt der Anwender eine rechtliche Grauzone. Die saubere Lösung: Der KI-Output ist ausdrücklich „Vorbereitungsmaterial”, die finale Verantwortung liegt beim freigebenden Anwalt. Das gehört explizit in die interne Prozessdokumentation.

Branchenspezifika. Tarifbindung, Branchen-Mindestlohn, AÜG-Konstellationen, kirchliches Arbeitsrecht (loyalitätsobliegenheiten), Schwerbehindertenrecht — generische Tools übersehen diese branchenspezifischen Schichten häufig. Wer in einem solchen Umfeld arbeitet, braucht zwingend ein Playbook-basiertes System, das diese Spezifika abbildet — nicht ein generisches LLM mit Standardprompt.

Typische Einstiegsfehler

1. Den KI-Output als finales Urteil behandeln. Der häufigste und gefährlichste Fehler: HR liest den Risikobericht, verändert die markierten Klauseln und schickt den Vertrag raus — ohne Anwaltsfreigabe. Das ist nicht nur RDG-relevant, sondern auch praktisch fahrlässig: KI-Tools liefern False Positives (markieren wirksame Klauseln als problematisch) und False Negatives (übersehen kaputte Klauseln). Lösung: Anwaltsfreigabe ist Pflicht-Schritt, immer. Die KI macht den Anwalt billiger, nicht überflüssig.

2. Mit Konsumentenkonten arbeiten. „Ich nutze einfach ChatGPT” — und der Vertragsentwurf landet im OpenAI-Konsumentenkonto, ohne AVV, ohne Datenkontrollkonfiguration, im Zweifel sogar als Trainingsdaten. Das ist datenschutzrechtlich schlicht unzulässig. Lösung: Business- oder Team-Pläne mit Auftragsverarbeitungsvertrag verwenden — und auch nur, wenn die DSFA das zulässt.

3. Das Tool wählen, dann das Playbook bauen. Manche HR-Abteilungen kaufen Legartis oder Spellbook, weil ein Anbieter überzeugend war, und merken nach drei Monaten, dass die mitgelieferten Playbooks nicht zum eigenen Vertragsstandard passen. Lösung: Vor der Tool-Auswahl mit der Hauskanzlei einen schriftlichen Klausel-Katalog für eure typischen Vertragsarten erstellen — was darf drinstehen, was nicht, welche Variante ist der interne Standard. Erst dann das Tool aussuchen, das diesen Katalog abbilden kann.

4. Das System wird eingeführt — und dann nicht gepflegt. Das ist der gefährlichste Fehler — er passiert still. Ohne aktive Pflege veraltet der Klausel-Katalog jährlich. Eine BAG-Entscheidung aus dem Mai wird im Tool erst verarbeitet, wenn jemand sie eingearbeitet hat. Wer dieses Problem ignoriert, hat nach 18 Monaten ein System, das selbstbewusst veraltete Empfehlungen ausspricht — und HR-Mitarbeitende, die diesen Empfehlungen vertrauen.

Lösung: Ein klar benannter Owner für den Klausel-Katalog (in der Regel die Hauskanzlei oder eine Inhouse-Juristin, falls vorhanden) und ein fester Review-Rhythmus — typisch zweimal jährlich plus Ad-hoc bei größeren BAG-Entscheidungen. Das gehört in den Wartungsvertrag, nicht auf eine „irgendwann”-Liste.

Was mit der Einführung wirklich passiert — und was nicht

Die Technik ist der einfache Teil. Das Schwierige ist der Mensch, und in diesem Fall: das Vertrauensverhältnis zur Hauskanzlei.

Drei typische Reaktionsmuster:

Die Hauskanzlei fühlt sich übergangen. Ein Anwalt, der seit zehn Jahren eure Verträge prüft, hört: „Wir machen das jetzt teilweise mit KI.” Das ist nicht nur ökonomisch ein Einschnitt (weniger Stunden), sondern auch fachlich eine Botschaft. Konkrete Lösung: Die Kanzlei aktiv in den Aufbau einbinden — sie liefert das Playbook, sie validiert die Tool-Auswahl, sie bekommt einen festen Wartungsvertrag für die Klausel-Pflege. Wer die Kanzlei mitbaut, hat sie als Verbündete. Wer sie überrascht, riskiert den Verlust einer wichtigen Beziehung.

Das HR-Team traut sich nicht, der KI zu vertrauen. Verständlich. Die ersten Wochen ist die Versuchung groß, parallel weiterhin alles vom Anwalt prüfen zu lassen — was den ROI sofort eliminiert. Lösung: Eine klare Eskalationsregel definieren. Risiken der Stufe „kritisch” gehen immer zur Anwaltsfreigabe; Risiken der Stufe „mittel” werden vom HR-Team mit Standard-Anpassungen erledigt; Risiken der Stufe „gering” werden dokumentiert, aber nicht zwingend geändert. Diese Regel muss schriftlich vorliegen und vom Anwalt freigegeben sein.

Die Geschäftsführung erwartet, dass „die KI das jetzt macht”. Sobald das Tool eingeführt ist, kommt der Druck, auch komplexe Vorstands- und Geschäftsführerverträge darüber zu prüfen. Tu das nicht. Diese Verträge sind hochindividuell, oft mit englischsprachigen Anhängen, Pensionszusagen, D&O-Versicherungsklauseln — sie gehören in die direkte Anwaltshand. Lösung: Vorab schriftlich definieren, welche Vertragstypen durch den KI-Pre-Check laufen und welche nicht.

Was konkret hilft:

• Die Hauskanzlei als Mitkonstrukteur des Klausel-Katalogs einbinden, nicht als Lieferanten
• Eine schriftliche Eskalationsregel mit drei Risikostufen
• Eine eindeutige Liste „Vertragstypen für KI-Pre-Check” und „Vertragstypen direkt an Anwalt”
• 90 Tage Pilotphase mit Doppelprüfung (KI + Anwalt) — nur um die Trefferquote des Tools zu validieren
• Eine namentlich benannte Person, die für die Aktualität des Klausel-Katalogs zuständig ist

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Plane in der Pilotphase ehrlich Zeit für Doppelprüfung ein. Wer hier Zeit spart, verpasst die Möglichkeit, die Trefferquote des Tools wirklich zu validieren — und arbeitet ab Monat 4 mit einem System, dessen Genauigkeit niemand jemals geprüft hat.

Häufige Einwände — und was dahintersteckt

„Wir nutzen Standardvorlagen, die hat unsere Kanzlei freigegeben.” Wann zuletzt? In welcher Version des deutschen Arbeitsrechts? Das BAG hat seit 2018 mehrere weitreichende Entscheidungen getroffen — zu Ausschlussfristen mit Verzugszinsen, zur Nachweispflicht (NachwG-Reform 2022), zu Rückzahlungsklauseln. Eine Vorlage von 2019 ist mit hoher Wahrscheinlichkeit nicht mehr vollständig aktuell. Der KI-Pre-Check liefert genau diese Aktualitätsprüfung — bei jedem einzelnen Vertrag, nicht erst nach der nächsten Vorlagenrevision in zwei Jahren.

„Das ist doch Rechtsberatung — dürfen wir das überhaupt?” Ja, mit klarer Abgrenzung. Solange der KI-Output als „Vorbereitungsmaterial für die anwaltliche Freigabe” verstanden wird und keine konkrete rechtliche Bewertung in fremder Sache ohne Anwalt erfolgt, bewegt sich das im zulässigen Rahmen. Die rote Linie verläuft dort, wo HR ohne Anwaltsfreigabe Vertragsklauseln nach KI-Empfehlung ändert und gegenüber Bewerbenden als „rechtlich geprüft” verkauft. Das wäre nach RDG problematisch. Die Lösung ist dokumentarisch und prozessual: Eskalationsregel + Anwaltsfreigabe + Audit-Trail.

„Unsere Verträge sind alle individuell — ein Tool hilft uns nichts.” Stimmt für hochindividuelle Top-Management-Verträge. Stimmt nicht für 80–90 Prozent der Sachbearbeiter-, Spezialisten- und mittleren Führungsverträge in einem typischen Mittelständler. Diese basieren auf einer Vorlage mit individuellen Anpassungen bei Gehalt, Probezeit, Kündigungsfrist und ggf. Bonus. Der strukturelle Klauselapparat — Wettbewerbsverbot, Ausschlussfrist, Datenschutz, Verschwiegenheit, Nebentätigkeit — ist hochstandardisiert. Genau dort wirkt der KI-Pre-Check.

„Was, wenn das Tool eine Klausel als unbedenklich markiert, die später vor Gericht kippt?” Das ist möglich und genau der Grund, warum die Anwaltsfreigabe Pflichtschritt bleibt. Die KI senkt das Risiko, übernimmt aber keine Haftung. Verantwortlich für den Vertragstext ist und bleibt das Unternehmen, beraten durch einen Anwalt — auch wenn ein KI-Tool im Workflow integriert ist. Das ist keine Einschränkung des Use Cases, sondern eine korrekte Verantwortungszuweisung.

Woran du merkst, dass das zu dir passt

• Du erstellst zwischen 30 und 200 Arbeitsverträge pro Jahr — Neueinstellungen, Vertragsanpassungen, Befristungs­verlängerungen. Ohne dieses Volumen lohnt der Konfigurationsaufwand selten.
• Eure Vorlagen sind seit über zwei Jahren nicht mehr anwaltlich überarbeitet worden — und niemand hat dafür eine konkrete Planung im Kalender stehen.
• Die Hauskanzlei prüft Routine-Verträge, hat aber keine Lust darauf — was ihr als Knappheit auf eurer Seite spürt (lange Wartezeiten, hohe Stundensätze für Einfachfälle).
• Ihr habt schon einmal einen Klausel-Streit gehabt — gewonnen oder verloren — und wisst, wie teuer und zeitraubend das ist.
• Eingehende Senior-Vertragsentwürfe (z. B. von wechselnden Führungskräften aus Konkurrenzunternehmen) werden aus Zeitnot ungeprüft akzeptiert.

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Unter 20 Vertragsreviews pro Jahr. Der Konfigurations- und Pflegeaufwand für Klausel-Katalog plus Tool-Lizenz ist nicht gerechtfertigt. Sinnvoller: Einmal alle 18 Monate die Vorlagen anwaltlich überarbeiten lassen und ad hoc den Anwalt für individuelle Fälle bezahlen.

2. Hauptsächlich hochindividuelle Geschäftsführer- und Vorstandsverträge. Diese Verträge enthalten Pensionszusagen, D&O-Klauseln, Vesting-Regelungen, internationale Steueranhänge — sie gehören direkt in die Anwaltshand und sind kein KI-Use-Case. Wer überwiegend solche Verträge bearbeitet, hat keinen wirtschaftlichen Hebel über ein Routine-Tool.

3. Keine Hauskanzlei oder kein fester Anwalt für Eskalationsfälle. Ohne anwaltliche Freigabeschicht ist das KI-System rechtsdienstleistungsrechtlich nicht sauber zu betreiben — und die Schadensvermeidung funktioniert nicht. Wer keinen Anwalt fest in den Workflow einbinden kann, sollte zuerst diese Lücke schließen, bevor er ein KI-Tool einführt.

Das kannst du heute noch tun

Öffne Claude im Team-Plan oder ChatGPT Team — oder, für den Erst-Test ohne echte Personendaten, einen pseudonymisierten Beispielvertrag. Lade einen typischen Arbeitsvertrag aus eurer Vorlage hoch (Namen, Geburtsdaten, Bankverbindungen entfernt) und nutze den Prompt unten. Du bekommst in unter zehn Minuten einen ersten Risikobericht. Was dieser Test dir zeigt: ob das Konzept für eure Vertragsstruktur funktioniert — bevor du eine Tool-Lizenz kaufst.

Wichtig: Diese Erstprüfung ersetzt keine anwaltliche Freigabe. Sie ist ein Eignungstest für eure Verträge und ein Diskussionsanlass mit eurer Hauskanzlei.

Quellen & Methodik

• Verbot der geltungserhaltenden Reduktion und § 306 BGB: Haufe Personal Office, „AGB: Grundlagen zu Formulararbeitsverträgen”; gefestigte Rechtsprechung des BAG.
• BAG zu Ausschlussfristen (Mindestdauer 3 Monate): BAG, Urteil vom 28.09.2005, Az. 5 AZR 52/05; ergänzend IHK Karlsruhe, „Unwirksamkeit von Ausschlussfristen”.
• BAG zur Karenzentschädigung beim Wettbewerbsverbot: § 110 GewO i. V. m. §§ 74 ff. HGB; Haufe, „Wettbewerbsverbot und Konkurrenzklausel”.
• Anwaltskosten Kündigungsschutzklage (2.500–3.000 € netto bei 15.000 € Streitwert): HENSCHE Arbeitsrecht, Beispielrechnung Kündigungsschutzklage; Hopkins Law, „Kosten am Arbeitsgericht — Gebührentabelle 2026”.
• NachwG-Reform 2022 und Pflichtbestandteile: § 2 Nachweisgesetz in der Fassung der Nachweisgesetzreform vom 23. Juni 2022 (BGBl. I S. 922).
• RDG und KI-Vertragsprüfung: Anwaltsblatt, „KI – Auch ein Thema des Rechtsdienstleistungsrechts?”; LTO, „Chat GPT4: Superpraktikant mit Halluzinationen”.
• Legartis Funktionsumfang & Playbook-Konzept: Legartis Blog, „NDA Contract Review with AI at Publicis”; Legartis, „Workspace for AI Contract Review”.
• Spellbook-Preisstruktur 2025: Hyperstart, „Spellbook Pricing”; Dioptra, „Spellbook prices up”.
• Praxis-Erfahrungswerte zu Anwaltszeit und Trefferquoten: Eigene Erhebungen aus Implementierungen in HR-Abteilungen mittelständischer Unternehmen (15–250 Mitarbeitende), Stand April 2026 — keine repräsentative Studie, sondern konsistente Beobachtungen über mehrere Implementierungen.

Du willst wissen, ob euer aktueller Vertragsbestand unwirksame Klauseln enthält — und wie groß das tatsächliche Risiko ist? Meld dich. In einem kurzen Gespräch klären wir, ob ein KI-Pre-Check für euer Vertragsvolumen wirtschaftlich sinnvoll ist und mit welcher Tool-Stufe ihr starten solltet.