20 KI-Use-Cases für Kanzleien und Rechtsabteilungen: Beispiele aus der Kanzleipraxis

Vertragsprüfungen kosten Kanzleien und Rechtsabteilungen unverhältnismäßig viel Zeit für standardisierte Routineprüfungen, bei gleichzeitiger Gefahr, wichtige Details zu übersehen.

Ein Large Language Model (LLM) liest den Vertragstext gegen einen definierten Prüfkatalog, extrahiert kritische Klauseln, bewertet Risiken nach vordefinierten Kategorien und erstellt Prüfberichte in strukturierter Form.

Der Anwalt startet beim priorisierten Prüfbericht statt bei Seite 1, und der Prüfkatalog wird bei jedem Vertrag vollständig abgearbeitet. Die Zeitersparnis ist über die eigene Zeiterfassung messbar.

ChatGPT / Claude mit eigenem Prüfkatalog-PromptSpezialisiertes Legal-AI-Tool (Harvey, Luminance), Enterprise-Pricing auf AnfrageKanzlei-eigenes ChatGPT-Projekt mit hinterlegtem Kanzleistandard

Mandantenschreiben zu verfassen kostet unverhältnismäßig viel Anwaltszeit, besonders Routineupdates und Standarderklärungen, die keine juristische Expertise erfordern.

Ein Large Language Model (LLM) generiert Entwürfe für Mandantenkommunikation auf Basis von Aktendaten und Standardvorlagen, der Anwalt prüft, ergänzt und sendet ab.

Schreibzeit pro Mandantenschreiben von 20–45 auf 5–12 Minuten reduzieren; bei 5 Schreiben täglich entspricht das 1–2 Stunden freier Kapazität.

ChatGPT oder Claude direkt (heute einsatzbereit)M365 Copilot in Outlook (E-Mail-integriert)KI-Funktionen der Kanzleisoftware (RA-MICRO, advoware Legal Twin)

Juristische Recherche ist zeitintensiv und erfordert umfangreiche Datenbankzugriffe. Jüngere Anwälte und Referendare verbringen oft mehr Zeit mit Suche als mit Analyse.

Semantische Suche (RAG über verifizierte Rechtsdatenbanken) findet relevante Urteile, Gesetzestexte und Literatur; ein LLM erstellt strukturierte Zusammenfassungen mit Quellenangaben.

Recherchezeit pro Fragestellung von 2–4 Stunden auf 30–75 Minuten senken; breitere Abdeckung relevanter Urteile, schnellere Vorbereitung von Schriftsätzen und Gutachten.

Claude/ChatGPT + manueller juris-Volltext (kein Setup)Perplexity für Hintergrundrecherche (Pro 20 USD/Monat)juris KI-Suite, semantische Suche direkt in der Datenbank (Preis auf Anfrage)

Fristversäumnisse sind in der Rechtspraxis existenzbedrohend, und passieren oft durch manuellen Übertragungsfehler aus Dokumenten ins Fristenbuch.

NLP-basierte Textextraktion liest eingehende Schriftsätze, erkennt alle genannten Fristen automatisch und überträgt sie mit Vorfristen direkt ins Kanzleimanagementsystem.

Manuelle Fristeneingabe von 20–40 Min. auf 5 Min. täglich reduzieren, und die Übertragung aus dem Dokument ins Fristenbuch als Fehlerquelle entschärfen. Der Verifikationsschritt bleibt.

Make.com + Claude als EigenentwicklungLokal betriebenes Modell, wenn kein Volltext das Haus verlassen darfKanzleisoftware (advoware, RA-MICRO): Fristen-KI beim Anbieter erfragen

M&A-Due-Diligence erfordert die Sichtung tausender Dokumente in kurzer Zeit, ein enormer Aufwand, der oft auf zeitlich gepresste Teams fällt.

Ein LLM mit strukturiertem Prüfkatalog scannt den Datenraum, klassifiziert Dokumente per NLP, extrahiert Risikopositionen und erstellt strukturierte Prüfberichte je Kategorie.

Jedes Dokument wird einmal maschinell gelesen, die Anwälte lesen die risikopriorisierten tief. Wie viele Stunden das spart, misst du am Retro-Test auf einer abgeschlossenen Transaktion.

LLM-Einzelanalyse mit Prüfkatalog (Claude)Dediziertes DD-Tool mit Datenraum-Integration (Kira, Harvey)Enterprise-KI-Plattform mit Risiko-Dashboard (Luminance)

DSGVO-Compliance erfordert kontinuierliche Prüfung von Dokumenten und Prozessen, ein Aufwand, der in vielen Unternehmen reaktiv statt proaktiv passiert.

Ein LLM mit DSGVO-Prüfkatalog scannt Dokumente und Prozessbeschreibungen systematisch nach relevanten Tatbeständen und erstellt priorisierte Prüfberichte.

Der Prüfkatalog wird systematisch abgearbeitet statt aus dem Gedächtnis, der Datenschutzbeauftragte bewertet, statt zu suchen. Wie viel Zeit das spart, misst jede Kanzlei an der eigenen Prüfzeit.

Claude / ChatGPT mit eigenem PrüfkatalogWorkflow-Automatisierung via Make.com + LLMEnterprise-Compliance-Tools (OneTrust, Securiti), Preis auf Anfrage

Strukturell ähnliche Schriftsätze beginnen in jedem Verfahren wieder bei Null, während die anspruchsvollen Mandate liegen bleiben.

Ein LLM generiert auf Basis von Sachverhalt, Rechtsgrundlagen und angestrebtem Ziel einen strukturierten Erstentwurf nach Kanzlei-Standards.

Der Entwurf startet mit vollständigem Gerüst statt mit leerem Blatt. Die juristische Substanz und die Verantwortung bleiben beim Anwalt.

Claude / ChatGPT direkt (keine Einrichtung nötig)ChatGPT-Projekt mit Kanzlei-StilvorgabenHarvey AI für komplexe Wirtschaftsrechtssachen

Nach jedem Mandantengespräch geht Zeit für die Protokollerstellung verloren, und die Mitschrift bleibt trotzdem lückenhaft, weil niemand gleichzeitig zuhören und vollständig mitschreiben kann.

KI transkribiert die Aufzeichnung per automatischer Spracherkennung (ASR/Whisper), unterscheidet Sprecher mittels NLP-Diarisierung und extrahiert Vereinbarungen, Fristen und Next Actions in ein strukturiertes Protokollformat.

Das Protokoll liegt am selben Tag vor und entsteht aus dem vollständigen Gesprächsverlauf statt aus der Erinnerung. Die Voraussetzung ist die dokumentierte Einwilligung aller Beteiligten, ohne sie ist die Aufnahme nach § 201 StGB strafbar.

Otter.ai / Fireflies direkt (kein Setup)M365 Copilot in Teams (EU-Datenhaltung)Whisper lokal (maximaler Datenschutz, technischer Aufwand)

Ob ein Mandant klagen oder vergleichen soll, ist oft eine der folgenreichsten Beratungsleistungen. Ohne systematische Auswertung ähnlicher Fallkonstellationen und Richtertendenzen bleibt die Einschätzung Bauchgefühl.

LLM-gestützte semantische Suche (RAG über juris-Datenbank) analysiert Urteile zu vergleichbaren Sachverhalten und macht Muster in der Entscheidungspraxis sichtbar. Die Auswertung ist so belastbar wie der veröffentlichte Urteilsbestand, und jede Fundstelle wird vor der Verwendung in der Datenbank verifiziert.

Die Empfehlung stützt sich auf eine nachvollziehbare Auswertung vergleichbarer Entscheidungen statt auf Bauchgefühl, und die Methodik ist dokumentiert. Belastbar nur so weit, wie der veröffentlichte Urteilsbestand reicht.

LLM + juris-Export (kein Sondersetup)juris KI-Suite mit strukturierter ExtraktionsmethodikEnterprise Legal Analytics (Harvey AI, Luminance)

Unternehmen und Kanzleien müssen kontinuierlich Gesetzesänderungen verfolgen, ein Aufwand, der manuell kaum zu leisten ist.

LLM-basierte Monitoring-Pipelines (RSS-Auswertung + NLP-Relevanzfilterung) überwachen definierte Rechtsgebiete automatisch und senden gezielte Benachrichtigungen bei relevanten Änderungen.

Regulatorische Änderungen erreichen die Kanzlei in Tagen statt in Wochen, und die Suche entfällt zugunsten der Bewertung. Der eigentliche Ertrag ist die Mandantenbindung durch proaktive Information, nicht die gesparte Zeit.

Perplexity Spaces (kein Setup, Pro 20 USD/Monat)Feedly + Claude (RSS + Zusammenfassung)Make.com-Pipeline als Custom Monitor, Abrechnung nach Credits

Das Erstellen und Anpassen von Vertragsvorlagen kostet Kanzleimitarbeitende Stunden, die besser in komplexe Beratung investiert wären, und Mandanten warten länger als nötig auf Standardverträge.

Ein Large Language Model (LLM) erstellt auf Basis einer strukturierten Sachverhalts-Beschreibung einen ersten Vertragsentwurf und passt bestehende Vorlagen über iterativen Dialog auf den spezifischen Fall an.

Der Entwurf startet mit vollständigem Klauselgerüst statt mit der Suche nach der richtigen Altdatei, das setzt Kapazität für komplexe Beratungsmandate frei. Die tatsächliche Ersparnis misst jede Kanzlei an der eigenen Zeiterfassung.

Claude oder ChatGPT direkt (ab 20 €/Monat)ChatGPT-Projekt mit Kanzlei-StilvorgabenHarvey AI für komplexe Unternehmensverträge

In-house Legal Teams erfahren von regulatorischen Neuerungen oft zu spät, wenn der Geschäftsbereich schon handeln muss oder die Umsetzungsfrist läuft.

Ein NLP-basiertes Regulatory-Intelligence-System überwacht definierte Quellen rund um die Uhr, klassifiziert neue Veröffentlichungen per Relevanzfilter und liefert tagesaktuelle, branchengefilterte Änderungs-Alerts direkt an die Rechtsabteilung.

Regulatorische Änderungen systematisch erfassen statt zufällig, für 15–30 Minuten Auswertung am Tag; Compliance-Fristen einhalten statt reaktiv nachholen; Rechtsabteilung als Frühwarner positionieren statt als Feuerwehr.

Feedly + Claude (manueller Workflow)Make.com + Claude (automatisierte Pipeline)Wolters Kluwer Compliance Intelligence (Enterprise-Plattform)

Zeiterfassung und Mandatsabrechnung sind für viele Anwälte lästige Pflicht, die zu spät oder unvollständig erledigt wird, und damit zu Honorarverlust und Unstimmigkeiten führt.

Ein Large Language Model (LLM) analysiert Kalender- und E-Mail-Daten, schlägt daraus Zeiterfassungseinträge vor und generiert verständliche Kostennoten-Texte aus technischen Leistungsbeschreibungen.

Kostennoten-Erstellung von 1–3 Stunden auf unter 30 Minuten; in Stundensatz-Mandaten werden nachträglich erfasste Stunden zu abrechenbarem Honorar, die Höhe misst jede Kanzlei an der eigenen Zeiterfassung.

Claude/ChatGPT direkt für Kostennoten-Texte (sofort, Pro 20 USD/Monat)Clockify als Zeiterfassung (kostenlos bis 5 Nutzer, ohne KI-Vorschläge)Zeiterfassungsmodul des eigenen Kanzleimanagementsystems

Strafakten umfassen oft tausende Seiten, Vernehmungsprotokolle, Sachverständigengutachten, Telefonüberwachungslisten. Entlastende Details und Verfahrensfehler gehen im Volumen unter oder werden erst kurz vor der Hauptverhandlung bemerkt.

Eine RAG-Pipeline (Retrieval-Augmented Generation) mit lokaler Vektordatenbank durchsucht die gesamte Akte semantisch auf Widersprüche zwischen Zeugenaussagen, übersehene Entlastungsdokumente und formale Verfahrensmängel und gibt eine priorisierte Fundstellenliste aus.

Fundstellen in großen Akten per Frage statt per Stichwortsuche finden, Widersprüche gezielt je Zeuge prüfen, Vorbereitung auf die Hauptverhandlung vollständiger gestalten. Belegt ist bisher ein Praxisbericht mit 30–60 Minuten Zeitersparnis am Tag.

Ollama on-premise (datenschutzkonform, kein Cloud-Upload)Cloud-Modell über AWS Bedrock oder Microsoft Foundry mit EU-RegionCustom RAG-Pipeline mit lokaler Vektordatenbank

Fast sieben von zehn arbeitsgerichtlichen Urteilsverfahren enden durch Vergleich, meist früh. Die Einschätzung der Erfolgsaussichten und ein realistischer Verhandlungskorridor fehlen am Mandatsbeginn oft, und kosten Zeit, die das Mandat im Gütetermin braucht.

KI prüft die Kündigung systematisch auf alle typischen Unwirksamkeitsgründe, Schriftform, Vollmacht, Sozialauswahl, Betriebsratsanhörung, und gibt einen strukturierten Prüfbericht mit Abfindungsrahmen aus.

Ersteinschätzung eines Kündigungsschutzmandats von gut zwei bis drei Stunden auf unter eine Stunde reduzieren (Erwartungswert, in drei Mandaten selbst messbar), Vergleichsgespräch mit realistischen Zahlen vorbereiten.

Claude/ChatGPT mit §1-KSchG-Prüfkatalog (Team bzw. Business, ab zwei Plätzen)juris KI-Suite mit BAG-Rechtsprechung (150 €)beck-online mit beck-chat für Kommentare

Ein Insolvenzverwalter muss in Zehntausenden Buchungen anfechtbare Zahlungen identifizieren, über Rückblickzeiträume von drei Monaten bis zu zehn Jahren, eine Analyse, die bei manueller Prüfung Monate dauert und trotzdem lückenhaft bleibt.

KI durchsucht exportierte Buchhaltungsdaten automatisch nach Anfechtungsmustern: Zahlungen an nahestehende Personen, Sicherheitenbestellung in der Krise, Bargeschäftsausnahmen und ungewöhnliche Zahlungsrhythmen.

Anfechtungsanalyse von Wochen auf Tage verkürzen, den gesamten Buchungsbestand statt Stichproben prüfen, Insolvenzmasse durch systematisch erkannte Rückforderungsansprüche vergrößern.

Julius AI + Claude für CSV-Analyse (20 USD)Winsolvenz Legal Twin, Modul ForderungserfassungInsoHiwi forensische InsO-Plattform

Prüfdienste beanstanden die große Mehrheit der bei ihnen eingereichten Nebenkostenabrechnungen. Mieter und Anwälte prüfen manuell und übersehen dabei typische Fehler, weil die Prüfung zeitaufwendig und wenig standardisiert ist.

Ein LLM analysiert die Abrechnung nach einem definierten Fehlerkatalog: Fristenprobleme, unumlegbare Kostenpositionen, Verteilerschlüssel-Fehler, fehlende Belege und arithmetische Fehler.

Prüfung einer Nebenkostenabrechnung von 1–2 Stunden auf 15–25 Minuten reduzieren; mehr Mandate wirtschaftlich bearbeitbar; höhere Einspruchsquote durch vollständigere Fehlererfassung.

ChatGPT/Claude mit eigenem Prüf-Prompt (ab 0 €)NebenkostenPro für Einzelmieter (14,90 €/Report)MietCheck zusätzlich für Vertragsklauseln

Viele Gesellschaftsverträge von Start-ups und kleinen GmbHs werden mit Musterverträgen aus dem Internet gegründet, die wichtige Regelungen zu Exit, Nachfolgeklauseln, Gewinnverteilung und Gesellschafterstreit nicht enthalten.

Ein LLM prüft den Gesellschaftsvertrag auf vollständige Regelung aller kritischen Themen und markiert Lücken, die typischerweise erst im Streitfall bemerkt werden, mit Hinweisen auf marktübliche Gestaltungen.

Erstprüfung eines GmbH-Gesellschaftsvertrags von 2–3 Stunden auf 45 Minuten reduzieren; Beratungsqualität durch vollständigen Themen-Scan verbessern.

ChatGPT Plus (23 €) oder Claude Pro (20 USD) mit Klauselkatalog-PromptGemini Notebook für Mehrfachdokument-AbgleichLegartis für auditfähige Kanzlei-Workflows

Immobilienkaufverträge werden oft erst kurz vor dem Notartermin eingereicht. Käufer und ihre Anwälte haben wenig Zeit für eine gründliche Prüfung, obwohl die Transaktionssummen sechsstellig oder höher sind.

Ein LLM prüft den Kaufvertragsentwurf nach einem definierten Risikokatalog: Haftungsausschlüsse für Baumängel, Vollständigkeit der Grundbuchauszüge, Übergang von Lasten und Nutzungen, Fälligkeitsklauseln und Rücktrittsrechte.

Vollständige Kaufvertragsprüfung von 2–3 Stunden auf unter 1 Stunde reduzieren; Mandanten frühzeitig auf Nachverhandlungspunkte hinweisen; Haftungsrisiko durch übersehene Klauseln senken.

LLM mit Prüfkatalog-PromptStrukturierter RisikoberichtLLM plus Rechtsdatenbank-Abgleich

Markenrecherche vor einer Anmeldung kostet Anwaltskanzleien 2–4 Stunden pro Marke, für die Suche in mehreren Datenbanken, Bewertung von klanglichen, bildlichen und konzeptionellen Ähnlichkeiten und Einschätzung des Verwechslungsrisikos.

KI-gestützte Ähnlichkeitsanalyse nutzt NLP-basierte phonetische Modelle und LLM-gestützte Bedeutungsanalyse, prüft automatisch klangliche, bildliche und konzeptionelle Verwechslungsgefahr gegen eingetragene Marken und gibt eine priorisierte Kollisionsliste mit Risikobewertung aus.

Markenrecherche von 2–4 Stunden auf 30–60 Minuten reduzieren; mehr Anmeldungen wirtschaftlich bearbeitbar machen; Risikobewertung für Mandanten schneller und konsistenter.

LLM-Prompt für BegriffsähnlichkeitIP-KI-Plattform (TMPilot, Huski)IP-Plattform plus LLM-Ergänzung