KI-gestützte Due Diligence

Das echte Ausmaß des Problems

M&A-Due-Diligence ist zeitintensiv, hochriskant und zeitkritisch. In einer typischen Legal-Due-Diligence-Prüfung eines mittelständischen Unternehmens müssen 2.000 bis 10.000 Dokumente gesichtet werden — Verträge, Gerichtsurteile, Schutzrechte, Arbeitsverträge, behördliche Genehmigungen, Gesellschafterbeschlüsse. Das Zeitfenster ist knapp: Käufer haben oft 3 bis 6 Wochen, um eine Transaktion zu prüfen, die über Jahre das Unternehmen prägt.

Die Folgekosten einer schlechten Due Diligence sind erheblich. Laut einer Studie der Beratungsgesellschaft KPMG (2022) scheitern über 50 Prozent aller M&A-Transaktionen daran, dass Risiken erst nach Abschluss erkannt werden. Klassische DD-Mängel: übersehene Pensionsverbindlichkeiten, Change-of-Control-Klauseln, die Schlüsselverträge bei Eigentümerwechsel gefährden, unbekannte Rechtsstreitigkeiten oder Umweltverpflichtungen. Der finanzielle Schaden solcher Überraschungen beläuft sich laut derselben Studie in deutschen Transaktionen im Schnitt auf 15–25 Prozent des Transaktionswerts.

Das Problem ist nicht mangelnde Sorgfalt der beteiligten Anwälte und Berater, sondern schiere Kapazität: Ein Team von vier Juristen kann in vier Wochen realistischerweise 500 bis 800 Dokumente sorgfältig prüfen. Bei 5.000 Dokumenten im Datenraum werden zwangsläufig Dokumente nur oberflächlich gelesen oder priorisiert übersprungen. KI ändert diese Gleichung fundamental.

So funktioniert es in der Praxis

Schritt 1 — Datenraum-Intake und Klassifikation Das KI-System erhält Zugang zum virtuellen Datenraum und klassifiziert alle Dokumente automatisch: Welche Kategorie (Vertrag, Gerichtsentscheid, Lizenz, Arbeitsrecht), welche Partei, welcher Zeitraum, welche Relevanz für welchen DD-Prüfbereich? Das Ergebnis ist eine strukturierte Übersicht statt einer unsortierten Dokumentenliste.

Schritt 2 — Risikoextraktion je Prüfkategorie Für jede DD-Prüfkategorie (Legal, Financial, HR, Intellectual Property, Environmental, Regulatory) analysiert die KI alle relevanten Dokumente und extrahiert potenzielle Risikopositionen. Konkret: Alle Verträge werden auf Change-of-Control-Klauseln gescannt, alle Pensionszusagen identifiziert, alle laufenden Rechtsstreitigkeiten erfasst. Das Ergebnis ist eine Liste mit Risikoposition, Dokumentenreferenz, Klauseltext und Schweregrad-Einschätzung.

Schritt 3 — Zusammenfassende Reports je Kategorie Aus den extrahierten Daten erstellt die KI strukturierte Summary-Reports je Prüfbereich — mit Übersicht der identifizierten Risiken, Hinweisen auf besonders kritische Dokumente und Lücken in der Dokumentation (z. B. fehlende Verträge, die aus anderen Dokumenten impliziert werden). Diese Reports sind die Grundlage für die menschliche Prüfung — nicht als Ersatz, sondern als fokussierte Roadmap.

Schritt 4 — Fragen-Katalog für den Verkäufer Aus den identifizierten Lücken und Risiken generiert die KI automatisch einen priorisierten Fragenkatalog für den Verkäufer (Legal Due Diligence Questionnaire). Statt diesen manuell zu erstellen, bekommt das DD-Team einen strukturierten Ausgangsentwurf, den es anpassen kann.

Welche Tools passen hierzu

Luminance — Spezialisiertes KI-Tool für juristische DD: Luminance wurde spezifisch für die Analyse juristischer Dokumente in Due-Diligence-Prozessen entwickelt. Starke Klassifikation, strukturierte Risikoextraktion, Datenraum-Integration. Besonders etabliert in größeren Kanzleien und Investmentbanking. Preise auf Anfrage.

Harvey AI — KI-Assistent speziell für Juristen, entwickelt in Zusammenarbeit mit führenden Kanzleien. Besonders stark für komplexe juristische Analysen und strukturierte Dokumentenprüfung. Wird von internationalen Kanzleien für M&A-Projekte eingesetzt. Preise auf Anfrage.

Claude für Dokumentenanalyse — Mit dem 200.000-Token-Kontextfenster kann Claude komplexe Verträge und Dokumentensets direkt analysieren. Gut für fokussierte Einzeldokument-Prüfungen mit spezifischen Risikofragestellungen. Ab 18 Euro/Monat (Pro), Teams-Plan für Kanzleien.

ChatGPT — Für schnelle Ersteinschätzungen und strukturierte Risikolisten aus PDF-Uploads. Weniger spezialisiert als Luminance, aber gut für erste Durchsichten und Fragenkatalog-Erstellung. Ab 20 Euro/Monat.

Gemini — Besonders stark bei der Analyse großer Dokumentenmengen dank großem Kontextfenster. Gut geeignet für den ersten Durchlauf durch viele Dokumente. Ab 22 Euro/Monat.

Microsoft 365 Copilot — Wenn DD-Arbeit in Word und Excel dokumentiert wird: Copilot kann Zusammenfassungen erstellen, Risikopositionen strukturieren und Berichte aus Arbeitsnotizen generieren. Ab 30 Euro/Nutzer/Monat.

Was es kostet — realistisch gerechnet

Einstieg (KI-Unterstützung für einzelne Prüfbereiche)

• Claude Pro oder ChatGPT Teams: 25–40 Euro/Nutzer/Monat
• Einarbeitungszeit: 1–2 Tage für Prompt-Entwicklung und Workflow-Aufbau
• Zeitersparnis: 30–40 % beim Dokumenten-Screening
• Geeignet für kleinere Transaktionen (bis 500 Dokumente)

Professionell (spezialisiertes DD-Tool)

• Luminance oder Harvey AI: individuell, typisch ab 2.000–5.000 Euro pro Transaktion oder monatliche Lizenz
• Vollständige Datenraum-Integration, strukturierte Berichte je Kategorie
• Zeitersparnis: 50–60 % der DD-Gesamtzeit
• Geeignet für mittlere und große Transaktionen

ROI-Beispiel: Kanzlei mit 3 Anwälten, eine M&A-DD-Transaktion mit 3.000 Dokumenten. Bisheriger Aufwand: 8 Wochen × 3 Anwälte × 50 Stunden/Woche = 1.200 Anwaltsstunden à 250 Euro = 300.000 Euro Honorar. Mit KI-gestützter DD: 5 Wochen, breitere Abdeckung. Einsparung: 375 Anwaltsstunden = 93.750 Euro Honorarsenkung oder Kapazität für eine weitere Transaktion. Tool-Kosten: 5.000–10.000 Euro pro Transaktion — klares ROI-Verhältnis.

Realistischer Zeitplan

Phase	Dauer	Was passiert	Typisches Risiko
Tool-Auswahl und Setup	Tag 1–3	DD-Tool einrichten, Datenraum-Zugang konfigurieren, Prüfkategorien und Risikoparameter definieren	Technische Integration mit Datenraum-Anbieter dauert länger als erwartet — frühzeitig anfragen
Automatische Klassifikation	Tag 2–4	KI klassifiziert alle Dokumente, Ergebnis wird stichprobenartig validiert	Klassifikationsfehler bei atypischen Dokumentenformaten — manuelle Nachkorrektur für kritische Kategorien
Risikoextraktion je Kategorie	Tag 3–10	KI analysiert Dokumente je Prüfbereich, Risikolisten werden erstellt und durch Anwälte priorisiert	Zu viele niedrige Risikotreffer überfluten die Liste — Schwellenwerte anpassen, Fokus auf mittlere und hohe Risiken
Menschliche Prüfung priorisierter Risiken	Tag 7–20	Anwälte konzentrieren sich auf KI-identifizierte Hochrisikopositionen und Lücken, nicht auf Vollkatalog	KI übersieht kontextabhängige Risiken — erfahrene Anwälte müssen Querverbindungen ziehen
Fragenkatalog und Berichtserstellung	Tag 18–25	KI-generierter Fragenkatalog wird finalisiert, DD-Berichte aus strukturierten Daten erstellt	Zeitdruck am Ende — Berichtserstellung mit KI deutlich schneller, aber Qualitätsprüfung einplanen

Häufige Einwände

„KI macht Fehler — ich kann nicht riskieren, etwas zu übersehen.” Das ist der falsche Vergleich. Die Frage ist nicht “KI vs. perfekte menschliche Prüfung”, sondern “KI-gestützte Prüfung vs. menschliche Prüfung unter Zeitdruck mit unvollständiger Abdeckung”. Bei 5.000 Dokumenten und 4 Wochen werden Menschen zwangsläufig Dokumente nur oberflächlich sichten oder überspringen. KI deckt mehr ab, identifiziert mehr Risiken — und der Mensch prüft die wichtigsten davon gründlich.

„Mandantendaten in Cloud-KI-Systeme — das dürfen wir nicht.” Richtig, und das ist ein ernst zu nehmendes Hindernis. Lösungen: Entweder On-Premise-Deployment von KI-Modellen (möglich, teurer), oder vertragliche Absicherung mit einem DSGVO-konformen Anbieter mit EU-Hosting und striktem Verbot der Trainingsnutzung. Die BRAK hat 2024 erste Handlungsempfehlungen veröffentlicht. Vor dem Einsatz: DSFV mit dem Anbieter, Mandantenzustimmung für den spezifischen Einsatz.

„Wir brauchen das nur 2–3 Mal im Jahr — lohnt sich ein Tool wirklich?” Bei 2–3 großen DD-Projekten pro Jahr: Ja, wenn das Tool pro Transaktion 5.000–10.000 Euro kostet und 50.000–100.000 Euro Anwaltszeit einspart. Alternativ: KI-Allzwecktools (Claude, ChatGPT Teams) für weniger als 100 Euro/Monat, die für DD-Unterstützung mitverwendet werden, ohne dass eine spezifische DD-Plattform notwendig ist.