Vertragsmanagement für Dienstleister per KI

Das echte Ausmaß des Problems

Ein mittelständisches FM-Unternehmen verwaltet typischerweise 30 bis 120 aktive Dienstleisterverträge: Reinigungsdienste nach Gebäude und Reinigungsklasse, Wachschutz mit verschiedenen Objekten, Aufzugswartung und TÜV-Prüfungen, Winterdienst, Grünpflege, Schädlingsbekämpfung, IT-Infrastruktur, Energieversorger und Sicherheitstechnik. Jeder Vertrag hat andere Kündigungsfristen, andere Preisgleitklauseln, andere SLA-Anforderungen und andere Verlängerungsregeln.

Das Problem ist mathematisch: Wer 80 Verträge mit durchschnittlich 14 Seiten verwaltet, hat 1.120 Seiten Vertragstext. Kein Mensch liest diese vollständig und regelmäßig. Was entsteht, ist strukturelle Blindheit, nicht durch Fahrlässigkeit, sondern durch schiere Menge.

Die WorldCC/IACCM-Benchmarkstudie 2023 (über 750 Organisationen) zeigt, dass schlechtes Vertragsmanagement Unternehmen durchschnittlich 9 bis 12 Prozent ihres jährlichen Contractvolumens kostet, durch verpasste Verhandlungsfenster, übersehene Preisanpassungsklauseln, nicht eingeforderte Vertragsstrafen bei SLA-Verstößen und unbemerkte Auto-Verlängerungen. Im Facility Management ist die Lage besonders heikel, weil viele Verträge langfristig angelegt sind (3 bis 10 Jahre), seltene Laufzeitereignisse haben und die inhaltliche Zuständigkeit zwischen Einkauf, Technik und FM-Leitung aufgesplittet ist.

Konkrete Fallstricke in FM-Dienstleisterverträgen:

• Stille Verlängerungsklauseln mit Fristen zwischen 4 und 26 Wochen vor Ablauf, und Laufzeiten, die sich um 1 bis 5 Jahre verlängern
• Preisgleitklauseln auf Basis von Indizes (VPI, Tariflöhne), die automatisch greifen, ohne dass jemand aktiv zustimmt
• Exklusive Dienstleistungsrechte, die Ausschreibungen für neue Anbieter faktisch blockieren
• Vertragsstrafen bei SLA-Unterschreitung, die nie eingefordert werden, weil niemand systematisch prüft
• Veränderte Leistungsumfänge durch Nachtrag-Protokolle, die den Hauptvertrag de facto erweitern, ohne dort zu erscheinen

Über 40 Prozent der Mittelstandsunternehmen verwenden noch keine digitalen Tools für Lieferanten- und Dienstleisterverträge, zeigt eine Analyse von tacto.ai (2024). Ihr Instrument: Excel-Tabellen und Outlook-Erinnerungen, die von einzelnen Personen gepflegt werden, und beim nächsten Elternzeit oder Jobwechsel ihre Verlässlichkeit verlieren.

Mit vs. ohne KI, ein ehrlicher Vergleich

Der wichtigste Unterschied ist nicht die Zeitersparnis, es ist die Verlässlichkeit. Ein gut konfiguriertes CLM-System vergisst keine Frist, schläft sich nicht durch einen Bearbeitungsstand und wechselt nicht die Stelle.

Einschätzung auf einen Blick

Zeitersparnis, mittel (3/5) Vertragsmanagement ist keine tägliche Aufgabe, es ist eine periodische. Pro Monat entstehen realistisch 2 bis 4 Stunden eingesparte Pflege: keine manuelle Datumsuche mehr, kein Nachschlagen in PDF-Archiven, keine Fristpflege in Excel. Das ist deutlich weniger als bei Mieterkorrespondenz (tägliche Entlastung) oder Dienstleistungsprotokoll-Digitalisierung (jede Schicht). Hier ist der Wert nicht Volumen, sondern Verlässlichkeit.

Kosteneinsparung, hoch (4/5) Die Kostenwirkung ist direkt und benennbar. Eine einzige verhinderte Auto-Verlängerung bei einem Reinigungsvertrag über 120.000 Euro Jahresvolumen finanziert ein CLM-System für mehrere Jahre. Die WorldCC/IACCM-Benchmarks zeigen, dass schlechtes Vertragsmanagement 9 bis 12 Prozent des Vertragsvolumens kostet, ein Teil davon sind Verlängerungsklauseln, die systematisch ausgenutzt werden. Im FM-Kontext kommen außerdem nicht eingeforderte Vertragsstrafen hinzu: Wenn der Winterdienst dreimal in Folge nicht rechtzeitig ausrückte, aber niemand die SLA-Klausel kennt, wird kein Abzug geltend gemacht.

Schnelle Umsetzung, niedrig (2/5) Das ist der ehrlichste Wert in diesem Bild. Die Software selbst läuft in Wochen, aber die Bestandsmigration nicht. 80 aktive Dienstleisterverträge zu importieren, KI-Extraktion zu prüfen, Verantwortlichkeiten zuzuweisen und Eskalationspfade einzurichten dauert realistisch 10 bis 14 Wochen. Wer das unterschätzt, fängt zu groß an und bricht ab. Unter den verglichenen Anwendungsfällen ist das einer der aufwändigeren Einstiege, vergleichbar mit Schlüsselverwaltung digital eher als mit schnellen Optimierungstools.

ROI-Sicherheit, mittel (3/5) Der ROI ist messbar und direkt zuzuordnen, das unterscheidet ihn von indirekten Ansätzen wie Energieanalyse oder Prozessoptimierung. Aber er hängt stark von zwei Faktoren ab: dem Vertragsvolumen (je mehr Verträge, desto wahrscheinlicher eine verhinderte Verlängerung im ersten Jahr) und dem Glücksfaktor, welche Fristen zufällig gerade anstehen. In einem Jahr ohne fällige Verlängerungen produziert das System Ordnung und Transparenz, aber kein messbares Einspar-Event.

Skalierbarkeit, hoch (4/5) CLM-Systeme skalieren ideal: 50 Verträge oder 500 kosten denselben Grundaufwand im laufenden Betrieb. Jeder neue Dienstleister fließt automatisch in das System. Unternehmen, die wachsen oder portfolioübergreifend mehrere Objekte managen, profitieren überproportional, ein Vertrag gilt für alle Objekte, Fristen werden zentral überwacht.

Richtwerte, stark abhängig von Vertragsvolumen, Vertragstypen und vorhandener Digitalisierungstiefe im Bestand.

Was das System konkret macht

Der technische Kern ist NLP, Natural Language Processing. Das System liest Vertragstexte als Volltextdokument, erkennt relevante Passagen (Laufzeiten, Kündigungsklauseln, Preisgleitformeln, SLA-Definitionen) und überträgt sie in strukturierte Felder, die maschinell verarbeitbar sind.

Phase 1: Extraktion PDFs oder Word-Dateien werden hochgeladen. Das Modell liest den Volltext und extrahiert automatisch:

• Vertragsparteien, Vertragsbeginn und -ende
• Kündigungsfristen und Kündigungsform (Textform, eingeschrieben, fristgerechte Meldung)
• Automatische Verlängerungsklauseln: Verlängerungsdauer, Verlängerungsbedingungen
• Preisgleitklauseln: gebundener Index, Anpassungsintervall, Anpassungsformel
• SLA-Anforderungen: Reaktionszeiten, Behebungszeiten, Qualitätsstandards
• Vertragsstrafen und Gutschriftregelungen bei Nichterfüllung

Phase 2: Fristenüberwachung Das System errechnet Erinnerungszeitpunkte auf Basis der extrahierten Fristen. Typisch: erste Meldung 12 Monate vor Fristende, zweite 3 Monate vorher, kritische Warnung 4 Wochen vorher. Wer zuständig ist, wer eskaliert wird, lässt sich konfigurieren.

Phase 3: Analyse und Vergleich Mehrere Verträge desselben Vertragstyps (z. B. alle Reinigungsverträge nach Objekt) lassen sich nebeneinander legen: Welcher Anbieter hat die kürzeste Reaktionszeit zugesagt? Welcher hat die großzügigste Preisgleitformel? Welcher Vertrag enthält Vertragsstrafen, die noch nie aktiviert wurden?

Was der Mensch weiterhin tut: Das System extrahiert und erinnert, es verhandelt nicht, bewertet keine Leistungsqualität und kennt keine betrieblichen Hintergründe. Die Entscheidung, einen Vertrag zu kündigen, zu verlängern oder neu zu verhandeln, bleibt beim FM-Verantwortlichen. Das ist kein Defizit, es ist die richtige Arbeitsteilung.

Was KI bei Klauseln richtig erkennt, und wo sie sich irrt

Das ist die Sektion, die kein Anbieter in seinen Produktbroschüren schreibt, sie ist trotzdem die wichtigste für einen realistischen Einsatz.

Was LLM-basierte Systeme zuverlässig erkennen:

• Standardklauseln mit klarer Sprache: „Der Vertrag läuft bis zum 31. Dezember 2027 und verlängert sich stillschweigend um jeweils ein weiteres Jahr, sofern er nicht mit einer Frist von drei Monaten zum Jahresende gekündigt wird.”
• Nominal genannte Fristen in Wochen oder Monaten
• Vertragsparteien, Vertragsgegenstand, Beginn und Ende
• Verweise auf externe Dokumente (z. B. „gemäß Leistungsverzeichnis Anlage 1”)
• Indexierungsklauseln, wenn der Index namentlich benannt ist (VPI, Tariflohn Gebäudereinigung)

Wo es kritisch wird, dokumentierte Schwächen: Eine Studie aus dem Journal of Empirical Legal Studies (2025, Stanford University) testete führende Legal-AI-Plattformen mit 200+ juristischen Anfragen. Das Ergebnis: Halluzinationsraten zwischen 17 Prozent (LexisNexis Lexis+ AI) und 33 Prozent (Thomson Reuters Westlaw AI). Nicht falsche Antworten in jedem fünften Fall, falsch erkannte oder erfundene Inhalte. Im Vertragskontext bedeutet das:

• Verneinende Klauseln: „Preisanpassungen sind ausgeschlossen” wird manchmal als Preisanpassungsklausel gelesen, das Gegenteil von dem, was da steht.
• Bedingte Fristen: „Die Kündigung ist zum 30. September möglich, wenn der Vertrag das vierte Laufzeitjahr erreicht hat”, die Bedingung wird manchmal ignoriert, die Frist einfach übernommen.
• Handschriftliche Nachträge und eingescannte Anmerkungen: OCR macht Fehler, und das Modell liest den fehlerhaften Text weiter. Nachtrags-Protokolle, die einen Hauptvertrag modifizieren, werden manchmal als eigenständige Dokumente behandelt, nicht als Änderungen.
• Sehr langer oder komplexer Fließtext: Bei Verträgen über 30 Seiten mit verschachtelten Querverweisen nimmt die Extraktionsqualität ab, das ist das bekannte „Lost-in-the-Middle”-Problem der Transformer-Architektur.

Die praktische Konsequenz: Stichprobenkontrolle ist kein optionales Feature, sie ist der kritische Schritt. Für jeden Vertragstyp, den du neu ins System einpflegst, prüfe die ersten zehn Extraktionen manuell: Stimmt die Frist? Stimmt die Verlängerungsregel? Stimmt die Preisklausel? Erst dann freigeben. Ein System, das 95 Prozent korrekt extrahiert und das niemand prüft, ist teurer als ein System mit 80-Prozent-Genauigkeit und guter Stichprobenkontrolle.

Wann du ein spezialisiertes Tool brauchst: Generische LLM-Tools (ChatGPT, Claude) eignen sich für Einmalprüfungen einzelner Verträge, aber nicht für die systematische Verwaltung eines Vertragsbestands. Dafür brauchst du ein CLM-System, das Versionierung, Audit-Logs, Zugriffsrechte und automatische Fristenüberwachung mitbringt, nicht nur Texterkennung.

SLA-Monitoring: Was sich automatisieren lässt und was nicht

SLA-Klauseln in FM-Dienstleisterverträgen haben einen besonderen Charakter: Sie sind oft präzise formuliert, aber selten systematisch überwacht. Ein Reinigungsvertrag enthält typischerweise Reinigungsfrequenzen, Qualitätsstufen nach DIN-Norm, zulässige Reklamationsquoten und Reaktionszeiten bei Beschwerden. Ein Aufzugswartungsvertrag definiert Entstörungszeiten, Bereitschaftsdienst-Reaktion und Präventionsintervalle. Ein Wachschutzvertrag regelt Patrouillengänge, Meldesysteme und Eskalationspfade.

Was ein KI-System bei SLAs automatisch leisten kann:

• Alle SLA-Klauseln aus dem Vertragstext extrahieren und in vergleichbare Strukturfelder überführen
• Über mehrere Anbieter hinweg vergleichen: Wer hat die bessere Entstörungszeit zugesagt?
• Erinnerungen setzen, wenn SLA-Reviews nach Vertrag fällig sind
• Abweichungsberichte vorbereiten, wenn du Leistungsdaten einpflegst

Was ein CLM-System nicht kann: Es überwacht keine tatsächliche Leistung. Das System weiß, dass der Reinigungsanbieter drei Beschwerden pro Monat als Grenzwert zugesagt hat, aber nicht, ob im Oktober fünf Beschwerden eingegangen sind. Die Verbindung zwischen Vertragspflicht und realem Leistungsnachweis muss manuell oder über ein integriertes CAFM-System hergestellt werden. Ein CLM allein ist kein SLA-Monitoring in Echtzeit, es ist ein Vertragsspiegel, kein Betriebstagebuch.

Diese Integration, CLM + CAFM-Leistungsdaten, ist der nächste Evolutionsschritt, aber auch ein anderes Projekt. Für FM-Unternehmen ohne CAFM ist der pragmatische Ansatz: Die KI kennt die Vertragsklausel, der zuständige Mitarbeitende prüft quartalsweise manuell die Leistungserfüllung und dokumentiert Abweichungen.

Für CAFM-gestützte Umgebungen gibt es erste Integrationen, die Störungsmeldungen automatisch gegen Reaktionszeitklauseln prüfen, aber das gehört in den Scope eines deutlich größeren Projekts, nicht in den Einstieg.

Konkrete Werkzeuge, was wann passt

ContractHero, Die erste Adresse für deutsches FM im Mittelstand. Hosting ausschließlich in Frankfurt, ISO 27001:2022 und BSI-C5-zertifiziert, deutschsprachige Oberfläche und Support. Die KI extrahiert aus PDF-Bestandsverträgen automatisch Fristen, Vertragsparteien, Zahlungsbedingungen und Kündigungstermine. Fristenüberwachung mit konfigurierbaren Eskalationspfaden. Ab Essential 390 €/Monat (5 Nutzer, 500 Verträge). Geeignet ab ca. 80–100 aktiven Dienstleisterverträgen.

Microsoft 365 Copilot, Wenn der Vertragsbestand bereits in SharePoint liegt und du keine separate CLM-Software einführen willst, ist Copilot ein pragmatischer Zwischenschritt. Du kannst Verträge hochladen und natürlichsprachig abfragen: „Welche Aufzugswartungsverträge enden 2025?” oder „Zeige alle Verträge mit automatischer Verlängerungsklausel.” Das ersetzt kein dediziertes CLM mit Fristenkalendar, aber schafft Überblick in M365-Umgebungen mit wenig Zusatzaufwand. Ca. 30 Euro/Person/Monat zusätzlich zur bestehenden M365-Lizenz.

Legartis, Schweizer Legal-AI-Workspace mit EU-Hosting und ISO 27001-Zertifizierung. Stärker auf Vertragsanalyse und Risikoklauselerkennung ausgelegt als auf Fristenverwaltung, ergänzt ContractHero gut, wenn du neue Verträge vor Unterzeichnung auf unvorteilhafte Klauseln prüfen willst. Geeignet für Einkaufs- und Rechtsabteilungen, die Dienstleisterverträge aktiv verhandeln.

ChatGPT oder Claude für Einzelprüfungen, Für das schnelle Durchleuchten eines einzelnen Vertrags ohne System-Overhead: Vertrag hochladen, fragen. Nicht für den laufenden Betrieb geeignet (keine Versionierung, kein Fristenkalendar, kein AVV ohne Enterprise-Plan), aber als Einstiegs-Plausibilitätscheck gut. Besonders nützlich, wenn du nicht sicher bist, ob sich der Aufwand eines vollständigen CLM-Systems für euren Bestand lohnt.

Zusammenfassung: Wann welcher Ansatz

• 80+ aktive Verträge, DSGVO-sensitiv, deutscher Mittelstand → ContractHero
• M365 bereits im Einsatz, 30–80 Verträge, kein separates CLM gewünscht → M365 Copilot mit SharePoint-Ordnerstruktur
• Neue Verträge prüfen und verhandeln (vorgelagerter Schritt) → Legartis ergänzend
• Einzelnen Vertrag ad hoc analysieren → ChatGPT / Claude als Einmalprüfung

Datenschutz und Datenhaltung

Dienstleisterverträge enthalten personenbezogene Daten: Namen von Ansprechpartnern und Vertragsinhabern, Kontaktdaten, manchmal Gehaltsinformationen in Werkvertragsklauseln. Sobald diese Daten an ein KI-System übergeben werden, gilt die DSGVO, Art. 28 DSGVO schreibt für jeden Cloud-Anbieter, der im Auftrag personenbezogene Daten verarbeitet, einen Auftragsverarbeitungsvertrag (AVV) vor.

Darüber hinaus enthalten Dienstleisterverträge oft vertrauliche Geschäftsinformationen: Preise, Rabattstrukturen, Bonusklauseln, strategische Einkaufsbedingungen. Diese sind zwar nicht immer personenbezogen im DSGVO-Sinne, aber schutzbedürftig im Sinne des Geschäftsgeheimnisschutzes (GeschGehG).

DSGVO-Implikationen von Vertragsdaten in LLMs, ein praktischer Hinweis: Wenn du einen Vertrag in ChatGPT oder Claude (Standardzugang) hochlädst, verlässt das Dokument dein Unternehmen und landet auf US-Servern. Für den Ad-hoc-Test eines einzelnen, nicht sensiblen Vertrags mag das hinnehmbar sein, für den Regelbetrieb ist es das nicht. Selbst wenn der konkrete Vertrag keine personenbezogenen Daten enthält: Das systematische Eingeben von Geschäftsinformationen in US-Cloud-Dienste ohne AVV ist rechtlich riskant und bedarf der Zustimmung deines Datenschutzbeauftragten.

DSGVO-konforme Optionen:

• ContractHero: Hosting in Frankfurt, ISO 27001:2022 und BSI-C5, AVV als Standard mit jedem Kunden. Erste Wahl für KRITIS-nahe Sektoren oder Unternehmen mit strikten Compliance-Anforderungen.

• Legartis: EU-Hosting, ISO 27001-zertifiziert, Schweizer Unternehmen. AVV verfügbar.

• Microsoft 365 Copilot: Über das EU Data Boundary-Programm lässt sich sicherstellen, dass Daten in europäischen Rechenzentren verarbeitet werden. EU Data Boundary muss explizit aktiviert sein, Standardkonfiguration ist nicht ausreichend.

• Claude oder ChatGPT im Enterprise-Plan: Dann ist ein AVV verfügbar und die Datennutzung für Training deaktiviert. Trotzdem US-basiert ohne echte EU-Datenresidenz, mit euren Datenschutzbeauftragten abklären, ob das ausreicht.

Praktischer Hinweis für den Rollout: Bevor ihr das erste Produkt live schaltet, AVV anfordern, unterzeichnen lassen, Datenschutzbeauftragte einbinden. Das ist kein optionaler Schritt, auch wenn die Plattform selbst ihn nicht erzwingt. Die Praxis zeigt: Wer diese Schritte am Anfang überspringt, holt sie 18 Monate später nach, unter Zeitdruck und oft mit aufwändigen Korrekturen.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

Die Software ist der kleinste Teil. Der größte Aufwand: die Bestandsmigration.

• Bestehende Verträge sichten, in ein einheitliches Format bringen, ins System laden: bei 80 Verträgen ca. 3–5 Arbeitstage intern
• KI-Extraktion stichprobenartig prüfen und Korrekturen einpflegen: 2–3 Arbeitstage
• Verantwortlichkeiten definieren, Eskalationspfade konfigurieren: 1 Arbeitstag
• Schulung der Nutzer: halber Tag
• Externer Implementierungspartner (optional): 1.500–4.000 Euro für Onboarding-Support

Laufende Kosten (monatlich)

• ContractHero Essential: 390 Euro/Monat (5 Nutzer, 500 Verträge)
• M365 Copilot als Ergänzung: ca. 30 Euro/Person/Monat
• Legartis (Vertragsanalyse-Ergänzung): Einstiegspakete verfügbar, Enterprise auf Anfrage

Was du dagegenrechnen kannst

Die wichtigste Zahl: Was kostet eine einzige unbemerkte Verlängerung?

Ein Reinigungsvertrag für ein Bürogebäude mit 5.000 qm Nutzfläche liegt bei 8.000 bis 15.000 Euro im Jahr. Verlängerung für 3 Jahre: 24.000 bis 45.000 Euro Bindung, die hätte verhindert werden können, plus das entgangene Neuverhandlungspotenzial von 10 bis 20 Prozent. Bei einem Aufzugswartungsvertrag für 7 Anlagen: 30.000 bis 60.000 Euro im Jahr, Dreijahresbindung bis 180.000 Euro Volumenwirkung.

Das CLM-System kostet im ersten Jahr ca. 7.700 Euro (ContractHero Essential ohne Implementierungskosten). Eine einzige verhinderte Auto-Verlängerung eines mittleren Dienstleistervertrags übersteigt diesen Betrag.

Wie du den ROI wirklich nachweist: Führe ein Ereignisprotokoll: Welche Fristen wurden im ersten Jahr durch das System erkannt? Welche wurden aktiv genutzt (Kündigung, Neuverhandlung)? Welches Vertragsvolumen war betroffen? Das ist kein theoretisches Rechenmodell, es sind konkrete Vertragslinien mit Eurobeträgen. Damit kannst du dem Geschäftsführer nach 12 Monaten sagen: „Das System hat uns drei Verlängerungen eingespart, Gesamtvolumen 67.000 Euro.”

Drei typische Einstiegsfehler

1. Mit dem vollen Vertragsbestand starten und auf KI verlassen. Der Reflex: Alles hochladen, dann ist das System vollständig. In der Praxis landen dabei veraltete Vertragsversionen, Nachtrags-PDFs ohne Bezug zum Hauptvertrag und schlecht eingescannte Dokumente mit OCR-Fehlern im System. Die KI extrahiert zuverlässig, aber aus fehlerhaftem Input entstehen fehlerhafte Fristen. Ein Aufzugswartungsvertrag, dessen Verlängerungsklausel wegen eines OCR-Lesefehlers (Sechs- statt Dreimonatsfrist) falsch übernommen wurde, schützt dich nicht. Lösung: Mit den 10 wichtigsten und am besten lesbaren Verträgen starten, Extraktion manuell validieren, dann skalieren.

2. Keine Verantwortlichkeiten definieren, Erinnerungen schickt niemand. Das System sendet automatisch eine Erinnerung drei Monate vor Fristende. An wen? An die allgemeine Facility-Management-Adresse? An den ehemaligen Kollegen, dessen Konto noch existiert? An alle fünf Systemnutzer gleichzeitig, sodass sich niemand zuständig fühlt? Das ist die häufigste Betriebsfalle: Das System funktioniert, aber die Governance dahinter nicht. Lösung: Für jeden Vertragstyp eine namentliche Verantwortlichkeit und eine Eskalationskette festlegen, bevor der erste Vertrag freigegeben wird.

3. Das System eingeführt, aber die Qualität der Extraktion nie mehr geprüft. Das ist der gefährlichste Fehler, weil er still entsteht.

Wenn ein neuer Anbieter einen Vertrag mit einer ungewöhnlichen Klauselstruktur einreicht, kann das NLP-Modell eine Frist fehlerhaft oder gar nicht extrahieren. Das System zeigt trotzdem eine Frist an, nur die falsche. Oder keine, obwohl eine vorliegt. Wer das System nach dem Rollout nicht mehr stichprobenartig prüft, baut Vertrauen auf, das er nicht hat. Der Lösungsansatz ist organisatorisch, nicht technisch: Jedes Quartal eine Stichprobe von zehn Verträgen händisch gegenchecken, stimmen Frist und Verlängerungsregel mit dem Originaltext überein? Das dauert eine Stunde und schließt die Lücke zwischen Tool-Vertrauen und tatsächlicher Qualität.

Was mit der Einführung wirklich passiert, und was nicht

Die ersten vier Wochen nach dem Go-live sind erfahrungsgemäß die entscheidende Phase, und die meisten Probleme passieren nicht mit der Software, sondern mit dem Umfeld.

Widerstandsmuster, das fast immer auftaucht: Die Person, die bisher die Excel-Tabelle mit den Vertragsfristen gepflegt hat, fühlt sich entlastet, oder überflüssig. Beides ist ein falsches Bild: Das CLM-System übernimmt Daten-Verwaltung und Erinnerungen, aber nicht das Urteilsvermögen. Ob ein Vertrag nach dem nächsten Fristende wirklich gekündigt werden soll, ob die Leistung des Anbieters gut genug war und ob eine Ausschreibung realistisch ist, das entscheidet weiterhin Mensch. Hilfreich ist, diese Person aktiv in die Konfiguration einzubinden: Wer die Fristenstruktur im System miterarbeitet hat, verteidigte sie anschließend.

Was wirklich nicht funktioniert: Das System wird keine internen Diskussionen darüber lösen, wer für welchen Dienstleistervertrag zuständig ist. Wenn Einkauf, Haustechnik und FM-Leitung sich diese Frage schon vor dem CLM gegenseitig zugespielt haben, passiert das nach dem CLM auch noch, jetzt mit CC in der System-Notification. Governance-Fragen sind keine Softwarefragen.

Was konkret hilft:

• Alle betroffenen Personen vor dem Rollout in einem 60-minütigen Workshop einbinden: Wer sieht welche Verträge? Wer entscheidet was? Wer bekommt welche Erinnerungen?
• Den ersten Monat mit einer „Findungsphase” kommunizieren: Das System kann Fehler in der Extraktion enthalten, Hinweise bitte sofort melden, nicht stumm hinnehmen.
• Einen 90-Tage-Check einplanen: Was hat das System im ersten Quartal erkannt? Welche Fristen waren nah? Welche Extraktion war falsch? Erst dann urteilen, ob das Tool seinen Zweck erfüllt.

Realistischer Zeitplan mit Risikohinweisen

Realistischer Hinweis: Der Zeitplan oben ist der optimistische. Wenn dein Vertragsbestand größtenteils als ältere Scan-PDFs mit handschriftlichen Korrekturen vorliegt, verdopple die Phasen 2 und 4.

Häufige Einwände, und was dahintersteckt

„Wir haben doch eine Excel-Tabelle mit allen Fristen, die reicht.” Stimmt, wenn sie vollständig ist, aktuell ist und wenn die Person, die sie pflegt, nicht krank, im Urlaub oder gekündigt ist. In der Praxis: Die Tabelle ist so vollständig wie die letzte Aktualisierung, und die letzte Aktualisierung war beim letzten Vertrag, der aufgefallen ist. Was nicht auffällt, kommt nicht in die Tabelle. Das ist genau das Muster, das zu verpassten Fristen führt.

„390 Euro im Monat für Fristen-Tracking ist zu teuer.” Verglichen womit? Einem Vollzeit-Mitarbeitenden, der nichts anderes macht? Einem Berater, der jährlich alle Verträge prüft? Oder dem Schaden durch eine einzige verpasste Kündigung? Bei einem FM-Unternehmen mit 80 Verträgen und mittlerem Jahresvolumen pro Vertrag von 50.000 Euro liegt das jährliche Vertragsvolumen bei 4 Millionen Euro. Eine vermiedene Verlängerung von 5 Prozent eines Mittelvertrags finanziert zwei Jahre Software.

„Unsere KI darf keine Verträge in die Cloud hochladen, Datenschutz.” Berechtigte Sorge für US-gehostete Dienste. Nicht berechtigte Sorge für ContractHero (Frankfurt, BSI-C5, AVV Standard). Die Antwort ist nicht „kein CLM”, sondern „das richtige CLM mit deutschem Hosting und dokumentierter AVV.” Datenschutz ist ein Auswahlkriterium für das Tool, kein Ausschlusskriterium für die Technologie.

„Was, wenn die KI eine Frist falsch erkennt und wir eine wichtige Kündigung verpassen?” Das ist der legitime Kern aller technischen Bedenken, und deshalb gibt es die Stichprobenkontrolle. Kein System ohne Stichprobenkontrolle, kein Vertrauen in die Extraktion ohne manuellen Gegencheck der ersten Zyklen. Ein gut konfiguriertes CLM mit regelmäßiger Prüfung ist deutlich verlässlicher als eine Excel-Tabelle, die seit vier Monaten nicht mehr aktualisiert wurde. Aber es ist kein System, das blinde Delegation erlaubt.

Woran du merkst, dass das zu dir passt

Du hast mehr als 50 aktive Dienstleisterverträge über verschiedene Anbieter und Leistungsbereiche verteilt, und du weißt nicht auswendig, welcher davon als nächstes die Kündigungsfrist hat.

Deine Vertragsverantwortung ist auf mehrere Personen verteilt (Einkauf, Technik, FM-Leitung), und im letzten Jahr ist mindestens einmal eine Absprache untergegangen.

Du hast in den letzten drei Jahren mindestens einen Vertrag automatisch verlängert gesehen, den du eigentlich hätte kündigen oder neu ausschreiben wollen.

Dein Vertragsbestand liegt zentral als PDFs in einem Verzeichnis, nicht noch als Papier in Ordnern ohne strukturierte Ablage.

Wann es sich noch nicht lohnt, drei harte Ausschlusskriterien:

1. Unter 50 aktiven Dienstleisterverträgen. Der Einrichtungsaufwand und die laufenden Kosten eines CLM-Systems amortisieren sich bei kleinem Bestand nicht. Ein gut gepflegter Outlook-Kalender mit strukturierten Erinnerungen und eine Excel-Tabelle mit Stammdaten sind dann die richtige Lösung, und deutlich billiger.

2. Vertragsbestand überwiegend als Papier oder schlecht eingescannte Dateien ohne Volltextsuche. Bevor KI etwas extrahieren kann, muss der Text maschinenlesbar sein. Das bedeutet: Erst digitalisieren, OCR-Qualität sicherstellen, dann einführen. Wer diesen Schritt überspringt, bekommt ein System, das aus unlesbaren Dokumenten falsche Fristen zieht, und das ist schlimmer als keine Automatisierung.

3. Kein dedizierter Verantwortlicher für Vertragspflege verfügbar. Ein CLM-System läuft nicht von selbst. Es braucht jemanden, der die Extraktion stichprobenartig prüft, neue Verträge einpflegt und Eskalationspfade bei Fristmeldungen abarbeitet. Diese Person muss realistisch 2 bis 4 Stunden im Monat für das System aufwenden. Ist das nicht gesichert, wird das System zur Karteileiche, mit dem Nachteil, dass man fälschlicherweise annimmt, es funktioniere.

Das kannst du heute noch tun

Öffne NotebookLM (kostenlos, Google-Konto ausreichend) und lade drei deiner aktivsten Dienstleisterverträge hoch, am besten einen Reinigungsvertrag, einen Wartungsvertrag und einen Sicherheitsdienstleistungsvertrag. Stelle dann die Frage: „Welche Kündigungsfristen gelten für jeden dieser Verträge, und wann verlängern sie sich?”

Das dauert 20 Minuten. Was du danach weißt: Ob KI-Extraktion für deine Vertragstypen und Formate funktioniert, bevor du irgendetwas kaufst oder konfigurierst.

Für die vertiefte Analyse einzelner Verträge oder als Ergänzung:

Quellen & Methodik

• Vertragsmanagement-Kosten 9% des Contractvolumens: WorldCC (vormals IACCM), „The World’s Largest and Most Comprehensive” Benchmark Report 2023 (worldcc.com); bestätigt durch „Poor Contract Management Continues to Cost Companies 9% of Their Bottom Line” (worldcc.com, laufend aktualisiert). Stichprobe: 750+ Organisationen international.
• LLM-Halluzinationsraten im Legal-Bereich: Magesh et al., „Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools”, Journal of Empirical Legal Studies (2025), über Wiley Online Library. Getestete Systeme: LexisNexis Lexis+ AI (17%), Thomson Reuters Westlaw AI (33%); 200+ juristische Testfragen.
• Schlechte Vertragsverwaltung im Mittelstand: tacto.ai, „Automatische Vertragsverlängerung: Definition und Einsatz” (2024); bestätigt durch verschiedene Praxisberichte aus IT-Daily, heise Business-Services (2024/2025).
• KI im Vertragsmanagement Praxis: GPM/IPMA-Präsentation „Die Anwendung von KI im Vertragsmanagement”, Vortrag Schneider/Scherdel, Oktober 2024 (gpm-ipma.de).
• ContractHero-Preise und Zertifizierungen: Veröffentlichte Preisliste und Zertifizierungsnachweis des Anbieters (Stand Mai 2026).
• SLA im FM: FM-Connect Vereinbarungen, „SLA im Gebäudereinigungsvertrag” und „Anlage zum Wartungsvertrag: Service Level Agreements” (vereinbarungen.fm-connect.com, laufend aktualisiert).
• Implementierungsaufwände: Erfahrungswerte aus CLM-Projekten bei FM-Unternehmen und Immobilienverwaltern mit 50–300 aktiven Verträgen (Stand April 2026).

Du willst wissen, welche eurer Dienstleisterverträge als Erstes ins System sollten, und ob ContractHero oder ein anderer Ansatz für eure Vertragsgröße passt? Meld dich für ein kurzes Gespräch.