Prozesskostenrisiko einschätzen: KI analysiert Urteilswahrscheinlichkeiten

Das echte Ausmaß des Problems

Jede Empfehlung zur Prozessführung ist eine Risikoentscheidung. Das Problem: Ohne systematische Datengrundlage ist diese Entscheidung schwächer, als sie sein müsste.

Der Hauptaufwand liegt dabei nicht in der rechtlichen Analyse des Sachverhalts, die ist oft schnell erledigt, sondern in der Einschätzung der Entscheidungstendenz des zuständigen Gerichts, der konkreten Kammer und bei bekannten Richtern deren Rechtsprechungshistorie. Wie viele Stunden das im Schnitt kostet, lässt sich nicht seriös angeben, eine Erhebung dazu für deutsche Wirtschaftskanzleien haben wir nicht gefunden. Eine frühere Fassung dieser Seite nannte hier eine Spanne, die wir nicht belegen konnten.

Diese Einschätzung läuft heute weitgehend informell ab:

• Kollegengespräch: “Hat irgendjemand schon vor dem 3. Senat des OLG Hamburg in einem ähnlichen Verfahren gewonnen?”
• Bauchgefühl aus Berufserfahrung mit dem Gericht
• Manuelle Recherche in juris nach ähnlichen Fällen, ohne Systematik

Das Ergebnis: Prozessempfehlungen variieren erheblich je nach Erfahrungsstand des beratenden Anwalts. Eine Kanzlei mit zehn Jahren LG-Frankfurt-Praxis trifft diese Entscheidung besser als eine, die zum ersten Mal vor diesem Gericht prozessiert. Das ist strukturell falsch, und lösbar.

Die US-Perspektive als Maßstab: In den USA ist Predictive Analytics in der Litigation-Beratung weit verbreitet. Pre/Dicta gibt auf der eigenen Produktseite an, mehr als 20 Millionen Verfahren und 40 Millionen gerichtliche Entscheidungen auszuwerten, und nennt eine Trefferquote von 85 Prozent, ausdrücklich bezogen auf die Vorhersage von Entscheidungen über Anträge (motions), nicht auf Verfahrensausgänge insgesamt. Lex Machina von LexisNexis arbeitet nach demselben Prinzip mit Richter-spezifischen Entscheidungsmustern und Vergleichsraten. Die Zahlen des Anbieters sind Marketingangaben und keine unabhängige Validierung, aber die Größenordnung der Datenbasis ist der eigentliche Punkt: Sie existiert dort, und hier nicht.

Deutschland ist in einer anderen Lage, und das liegt an den Daten. Es gibt keine zentrale, vollständige Urteilsdatenbank. Der Bestand verteilt sich auf kostenpflichtige und kostenfreie Quellen, und der größte Teil der instanzgerichtlichen Rechtsprechung wird überhaupt nicht veröffentlicht. Das ist keine Detailfrage, es ist die Grenze dieses Anwendungsfalls. Was tatsächlich verfügbar ist:

Für eine erste Musteranalyse reichen die kostenfreien Quellen oft weiter, als Kanzleien annehmen. Für Kammerebene und Richtertendenzen reichen sie nicht, dort fehlt der unveröffentlichte Bestand, und den ersetzt kein Werkzeug.

Mit vs. ohne KI, ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Litigation-Risikoanalyse ist kein alltäglicher Zeitfresser wie Rechtsprechungsrecherche für Schriftsätze. Sie passiert punktuell bei Hochrisiko-Mandaten, ein paar Mal im Jahr. Selbst ein deutlicher Zeitgewinn je Mandat ist deshalb kein täglicher Hebel. Der Wert liegt ohnehin nicht in der Zeitersparnis, sondern in der Qualität der Empfehlung.

Kosteneinsparung, sehr hoch (5/5) Die höchste Kennzahl im Vergleich zu allen anderen Anwendungsfällen in dieser Kategorie. Warum: Das Kostenrisiko einer verlorenen Klage lässt sich nach GKG und RVG exakt ausrechnen, und es ist groß. Bei 500.000 Euro Streitwert sind es allein in erster Instanz rund 34.800 Euro, die Rechnung dazu steht weiter unten, und jede weitere Instanz kommt obendrauf. Dazu kommt, was sich nicht beziffern lässt: das Vertrauen des Mandanten in die Empfehlung. Wenn die Analyse die Empfehlung auch nur in einem von zehn Fällen entscheidend verbessert, trägt sie sich. Die Kosteneinsparung ist hier Risikovermeidung, nicht Effizienzgewinn.

Schnelle Umsetzung, sehr niedrig (1/5) Die schlechteste Kennzahl in dieser Kategorie, bewusst. Deutsche Gerichtsdaten sind schlechter strukturiert als US-Daten. Spezialisierte Litigation-Analytics-Tools (Lex Machina, Pre/Dicta) sind primär US-fokussiert. Für Deutschland brauchst du eine Kombination aus juris-Datenbankzugang, strukturierter Extraktionsmethodik und LLM-Auswertung, das ist kein Plug-and-Play. Rechne mit 4–8 Wochen bis zur ersten belastbaren Analyse.

ROI-Sicherheit, hoch (4/5) Für Fälle ab 200.000 Euro Streitwert ist der ROI der Analyse klar positiv, eine fundierte Empfehlung, die auch nur ein schlecht ausgehendes Verfahren verhindert, amortisiert die gesamte Systeminvestition. Für kleinere Fälle ist der ROI fraglich: Der Analyseaufwand übersteigt dann den Nutzen. Die Einschränkung: Wahrscheinlichkeitsaussagen bleiben unvollständig, solange deutsche Gerichtsdaten lückenhaft sind.

Skalierbarkeit, mittel (3/5) Skaliert gut für Kanzleien mit hohem Prozessvolumen in bestimmten Rechtsgebieten, die Muster werden mit jeder Analyse belastbarer. Für Kanzleien mit heterogenem Mandatsportfolio (viele verschiedene Rechtsgebiete, viele verschiedene Gerichte) lohnt sich die Systeminvestition weniger. Ein Spezialist für Arbeitnehmerstreitigkeiten vor dem ArbG Berlin profitiert stärker als eine Allgemeinkanzlei.

Richtwerte, stark abhängig von Streitwert, Rechtsgebiet und Datenverfügbarkeit für das zuständige Gericht.

Was das System konkret macht

KI-gestützte Litigation-Risikoanalyse läuft in drei Schritten:

1. Fallkonstellation strukturieren Die KI zerlegt den konkreten Fall in seine relevanten Dimensionen: Rechtsgebiet, Anspruchsgrundlagen, Sachverhaltsmerkmale (Vertragstyp, Schuldnertyp, Schadensart), Gericht, Instanz, Streitwertrahmen. Das ist die Grundlage für den Vergleich mit historischen Entscheidungen.

2. Ähnliche Entscheidungen finden und auswerten Semantische Suche in juris, beck-online oder verknüpften ECLI-Daten nach Fällen mit ähnlicher Konstellation. Nicht einfache Schlüsselwortsuche (“Produkthaftung OLG Frankfurt”), sondern inhaltliche Ähnlichkeit: Was haben Gerichte entschieden, wenn Schuldner X, Sachverhaltsmerkmal Y und Anspruchsgrundlage Z zusammenkamen? Die KI extrahiert Tenor, Begründungsstruktur und Abgrenzungskriterien.

3. Muster erkennen und kommunizieren Aus den gefundenen Entscheidungen erstellt die KI ein strukturiertes Bild: Wie häufig hat die Klägerseite in vergleichbaren Konstellationen gewonnen? Welche Argumente waren entscheidend? Gibt es Gerichte oder Kammern mit abweichender Tendenz? Was sind die häufigsten Abweisungsgründe?

Was das System nicht macht:

• Es liefert keine juristischen Garantien, Wahrscheinlichkeiten sind Vergangenheitsdaten, keine Zukunftsaussagen
• Es ersetzt nicht die Einzelfallanalyse des Anwalts, die Besonderheiten des konkreten Falls können alle Statistiken außer Kraft setzen
• Für nicht publizierte instanzgerichtliche Urteile (von denen es viele gibt) gibt es keine Datenbasis
• Es findet keine Rechtsprechung. Ein allgemeines Sprachmodell recherchiert nicht, es formuliert. Was aussieht wie eine Fundstelle, ist erzeugt, nicht nachgeschlagen, solange das Modell nicht nachweislich in einer echten Datenbank gesucht hat

Der Punkt, an dem dieser Anwendungsfall am häufigsten schiefgeht. Ein Sprachmodell, das nach Urteilen gefragt wird, liefert Aktenzeichen, Gerichte und Daten in korrektem Format, und ein Teil davon existiert nicht. Das ist kein theoretisches Risiko. In Mata v. Avianca, Inc. (United States District Court, Southern District of New York, 22-cv-1461, Opinion and Order on Sanctions vom 22. Juni 2023) stellte Richter Castel fest, dass zwei Anwälte und ihre Kanzlei nicht existierende Gerichtsentscheidungen mit erfundenen Zitaten eingereicht hatten, erzeugt mit ChatGPT, und an ihnen festhielten, nachdem das Gericht deren Existenz in Frage gestellt hatte. Es folgten Sanktionen.

Der Fall ist inzwischen nicht mehr die Ausnahme. Die öffentlich einsehbare Datenbank AI Hallucination Cases von Damien Charlotin sammelt gerichtliche Entscheidungen, in denen Gerichte erfundene KI-Fundstellen festgestellt haben. Stand 18. September 2026 sind dort 2.041 Fälle erfasst, und deutsche Verfahren sind darunter. Die praktische Konsequenz ist einfach und nicht verhandelbar: Jedes Aktenzeichen, das ein Modell nennt, wird in juris, beck-online, openJur oder rechtsprechung-im-internet.de nachgeschlagen, bevor es in ein Dokument wandert. Nutze das Modell zum Strukturieren der Suche, nicht zum Finden der Fundstelle.

Rechtliche Besonderheiten

EU AI Act, Hochrisikoeinstufung Der EU AI Act stuft in Anhang III Nr. 8 Buchst. a KI-Systeme als hochriskant ein, die “von einer Justizbehörde oder in deren Namen verwendet werden sollen, um eine Justizbehörde bei der Ermittlung und Auslegung von Sachverhalten und Rechtsvorschriften und bei der Anwendung des Rechts auf konkrete Sachverhalte zu unterstützen”, einschließlich vergleichbarer Nutzung in der alternativen Streitbeilegung. Der Anknüpfungspunkt ist die Justizbehörde, nicht der Anwalt. Wer als Prozessvertreter ein Recherchewerkzeug einsetzt, fällt nicht darunter. Die Pflicht, die dich trifft, ist eine andere: Art. 4 KI-VO verlangt von Betreibern seit dem 2. Februar 2025, für ein ausreichendes Maß an KI-Kompetenz beim eigenen Personal zu sorgen.

Berufsrecht (BRAO) Hier stand in einer früheren Fassung dieser Seite die falsche Norm. § 3 BRAO beschreibt die Stellung des Rechtsanwalts als berufenen unabhängigen Berater und Vertreter in allen Rechtsangelegenheiten, er sagt nichts über die Grundlage der Urteilsbildung. Die einschlägige Norm ist § 43a Abs. 1 BRAO: “Der Rechtsanwalt darf keine Bindungen eingehen, die seine berufliche Unabhängigkeit gefährden.” Eine KI-gestützte Risikoanalyse ist damit vereinbar, solange du die Ausgabe als Analysegrundlage verwendest und nicht als fertige Empfehlung weiterreichst. Die Verantwortung für die Einschätzung bleibt beim Anwalt, und sie ist nicht delegierbar.

Verschwiegenheit und Dienstleistervertrag Sobald der konkrete Sachverhalt in ein fremdes System geht, greift § 43e BRAO: Vertrag in Textform mit Verschwiegenheitsverpflichtung und Belehrung über die strafrechtlichen Folgen (Abs. 3), Klärung des Verarbeitungsorts bei Auslandsbezug (Abs. 4) und, weil eine Risikoanalyse unmittelbar einem einzelnen Mandat dient, die Einwilligung des Mandanten (Abs. 5). Ohne sie geht nur ein anonymisierter Sachverhalt hinein.

Wichtiger Hinweis zu Wahrscheinlichkeitsaussagen Wenn du Wahrscheinlichkeiten gegenüber Mandanten kommunizierst (“60–70 % Erfolgswahrscheinlichkeit”), ist das eine haftungsrelevante Aussage. Kommuniziere immer die Einschränkungen der Datenbasis mit, insbesondere dass deutsche Urteilsdatenbanken unvollständig sind und vergangene Entscheidungen zukünftige nicht determinieren.

Konkrete Werkzeuge, was wann passt

juris KI-Suite , Ausgangspunkt für jede DE-Litigation-Analyse. Semantische Suche nach ähnlichen Entscheidungen ist die Basis. juris deckt den größten kommerziellen Urteilsbestand für deutsches Recht ab. Für systematische Musteranalyse brauchst du strukturierten Export und LLM-Nachbearbeitung. Kosten: Kanzlei- und Unternehmenspakete auf Anfrage, Einzelzugang typisch ab etwa 150 Euro im Monat, die KI-Suite ist in den meisten juris Produkten enthalten.

Harvey AI , Für Großkanzleien mit internationalem Mandatsschwerpunkt. Harvey kann größere Mengen an Urteilsdokumenten analysieren und Muster in Argumentationssträngen identifizieren. Besonders stark für englischsprachige Common-Law-Jurisdiktionen (UK, US), wo die Datenbasis vollständiger ist. Kosten: Enterprise-Pricing auf Anfrage.

Luminance , Hat ein “Investigate”-Modul, das speziell für Litigation-Support entwickelt wurde: Analyse von Schriftsätzen und Gerichtsentscheidungen auf Argumentationsmuster, Identifikation von Präzedenzfallketten. Stark für Kanzleien, die Vertragsanalyse und Prozessunterstützung kombinieren wollen. Kosten: Enterprise-Pricing auf Anfrage.

CoCounsel (Thomson Reuters), Für US-amerikanische oder internationale Mandate mit Common-Law-Bezug. CoCounsel kann Entscheidungshistorien von Richtern und Gerichten auswerten, für US-Bundesgerichte mit erheblicher Datendichte. Für deutsches Recht kaum relevant. Wichtig für die Recherche: Die eigenständige Casetext-Plattform wurde zum 31. März 2025 eingestellt, das Produkt lebt als CoCounsel bei Thomson Reuters weiter. Kosten: gestaffelt, CoCounsel Core 225 US-Dollar je Nutzer und Monat, Westlaw Precision mit CoCounsel 428 US-Dollar, All Access 500 US-Dollar.

Claude oder ChatGPT mit strukturiertem Export, Pragmatischer Einstieg ohne Enterprise-Investition: Lade 20–30 relevante Urteile im Volltext, aus juris, openJur oder rechtsprechung-im-internet.de, als Kontext hoch und nutze ein LLM für strukturierte Musteranalyse. Entscheidend ist die Reihenfolge: erst die Urteile beschaffen, dann das Modell darauf ansetzen. Umgekehrt liefert es erfundene Fundstellen. Kosten: Claude Pro 20 US-Dollar im Monat, ChatGPT Plus 23 Euro im Monat in Deutschland.

Lex Machina (LexisNexis) und Pre/Dicta, US-amerikanische Litigation-Analytics-Plattformen. Pre/Dicta nennt 85 Prozent Trefferquote bei der Vorhersage von Entscheidungen über Anträge, eine Herstellerangabe ohne unabhängige Validierung. Für US-Mandate relevant, für deutsche Mandate nicht: Beide setzen eine Datenbasis voraus, die es für deutsche Gerichte nicht gibt.

Zusammenfassung:

• Deutsche Mandatsfälle (Ersteinschätzung) → juris KI plus Claude mit Urteilsexport
• Internationale und US-Mandate → CoCounsel, Harvey AI oder Lex Machina
• Großkanzlei mit systematischem Litigation-Portfolio → Harvey AI oder Luminance
• Schneller Einstieg ohne Budget → openJur oder rechtsprechung-im-internet.de plus Claude-Analyse

Datenschutz und Datenhaltung

Bei der Litigation-Risikoanalyse gehen typischerweise zwei Datenkategorien in Tools ein:

Historische Urteile (unkritisch): Öffentliche Gerichtsentscheidungen, keine Mandantendaten, keine DSGVO-Problematik. juris und beck-online verarbeiten diese ausschließlich in deutschen Rechenzentren.

Fallbeschreibungen des Mandanten (kritisch): Wenn du den konkreten Sachverhalt als Kontext eingibst (“Mein Mandant hat X, der Zulieferer Y…”), gehen potenziell sensible Geschäftsinformationen in das Tool ein. In diesem Fall gilt:

• Anonymisierung: Namen von Parteien, Beträge und identifizierende Details entfernen, bevor du den Sachverhalt einreichst
• AVV: Für Tools wie Harvey AI oder Luminance muss ein Auftragsverarbeitungsvertrag vorliegen
• Verarbeitungsort: bei Enterprise-Tools vertraglich klären und dokumentieren, nicht aus der Produktseite ableiten. Für das Vereinigte Königreich besteht ein Angemessenheitsbeschluss der EU-Kommission, für die USA nur, soweit der Anbieter am EU-US Data Privacy Framework teilnimmt
• Für generische LLMs (Claude, ChatGPT) ohne AVV gilt: Keine Mandantendaten mit Personenbezug oder Geschäftsgeheimnissen einspeisen

Berufsrechtliche Verpflichtung: § 43a BRAO (Verschwiegenheit) gilt für den Inhalt der Anfragen. Die Anonymisierungspflicht ist keine optionale Datenschutzmaßnahme, sie ist berufsrechtlich geboten.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• juris-Datenbankzugang: falls nicht vorhanden, Einzelzugang typisch ab etwa 150 Euro im Monat, Kanzleipakete auf Anfrage
• Methodikentwicklung (Wie strukturieren wir Fallkonstellationen? Welche LLM-Prompts nutzen wir?): 10–20 Stunden interner Aufwand
• Bei Enterprise-Tools (Harvey, Luminance): Implementierungsprojekt 4–8 Wochen, Kosten auf Anfrage

Laufende Kosten (monatlich)

• juris KI-Suite : in den meisten juris Produkten enthalten
• Claude Pro 20 US-Dollar je Person, ChatGPT Plus 23 Euro je Person in Deutschland
• Harvey AI und Luminance : ausschließlich Enterprise-Pricing auf Anfrage, kein öffentliches Tarifmodell

Was ein verlorener Prozess kostet, nachgerechnet Diese Zahl muss niemand schätzen, sie steht im Gesetz. Streitwert 500.000 Euro, erste Instanz, Klage abgewiesen:

Eine Berufung kommt mit höheren Gebührensätzen obendrauf. Das ist der Betrag, gegen den die Analysekosten stehen, und deshalb kippt die Rechnung bei hohen Streitwerten so deutlich. Rechne sie für deinen Streitwert selbst nach, die Tabellen sind öffentlich.

Für wen rechnet sich das nicht: Für kleine Streitwerte übersteigt der Analyseaufwand den Nutzen, weil das Kostenrisiko linear mit dem Streitwert sinkt, der Analyseaufwand aber nicht. Die Methode ist für strategisch wichtige Hochrisiko-Mandate konzipiert, nicht als Standardvorgehen für jeden Fall.

Typische Einstiegsfehler

1. Wahrscheinlichkeitsaussagen ohne Datenbasis-Einschränkung kommunizieren. “Die KI sagt 70 % Erfolgswahrscheinlichkeit” klingt präzise, ist es aber nicht, wenn die Datenbasis 12 ähnliche Urteile aus drei verschiedenen Gerichten in fünf Jahren enthält. Wahrscheinlichkeiten aus kleinen Stichproben sind statistisch nicht belastbar. Kommuniziere immer, wie viele vergleichbare Fälle die Analyse zugrundeliegt und welche Lücken die deutsche Urteilsdatenbank hat.

2. US-Tools direkt auf deutsche Mandate anwenden. Lex Machina, Pre/Dicta und ähnliche Tools sind für das US-Gerichtssystem gebaut, in dem der Entscheidungsbestand weitgehend öffentlich und maschinenlesbar vorliegt. Für deutsches Recht gilt: Die Datenlage ist fragmentierter, die Gerichtssysteme arbeiten anders, und Richtertendenzen sind schwerer systematisch erfassbar, weil der größte Teil der instanzgerichtlichen Rechtsprechung gar nicht veröffentlicht wird.

3. Die Analyse als Ersatz für eigene Urteilsbildung verwenden. KI-Litigation-Analyse liefert Muster aus der Vergangenheit. Sie erfasst nicht: den spezifischen Sachverhalt deines Falls, neue Rechtsentwicklungen, die noch nicht ausreichend in der Datenbasis abgebildet sind, oder die Besonderheiten der aktuellen Richterbesetzung. Der erfahrene Anwalt bleibt die unersetzliche Analyseinstanz, die KI ist Zulieferer, nicht Entscheider.

4. Einmalige Analyse statt regelmäßiger Aktualisierung. Gerichtliche Entscheidungstendenzen ändern sich. Eine Analyse, die auf Daten von 2020–2022 basiert, kann für aktuelle Verfahren irreführend sein, wenn Gerichte ihre Linie in einem Rechtsgebiet verändert haben. Plant regelmäßige Updates für Rechtsgebiete, in denen ihr häufig prozessiert.

5. Methodik nicht dokumentieren. Wenn du gegenüber dem Mandanten eine Wahrscheinlichkeitseinschätzung machst und dabei KI-Analyse nutzt, dokumentiere die Methodik: Welche Datenquellen, welche Suchbegriffe, wie viele Urteile analysiert. Das ist nicht nur gute Praxis, es schützt auch bei späteren Haftungsfragen.

Was mit der Einführung wirklich passiert, und was nicht

In der Praxis begegnet man zwei Widerstandsmuster:

“Wir machen das schon immer so, Bauchgefühl und Kollegengespräch.” Das stimmt. Und für viele Fälle funktioniert das auch. Die KI-gestützte Analyse ist kein Vorwurf an bisherige Praxis, sie ist eine Ergänzung für die Fälle, bei denen das Bauchgefühl nicht ausreicht: neue Rechtsgebiete, neue Gerichte, neue Richter, unbekannte Gegenpartei-Strategie.

“Das klingt nach US-amerikanischem Gerichtsbarkeits-Denken, das funktioniert in Deutschland nicht.” Das ist zum Teil richtig: Die Datenbasis, auf der US-Tools arbeiten, existiert für deutsche Gerichte nicht. Aber das ist ein gradueller, kein kategorischer Unterschied. Die Frage ist nicht “Kann ich deutsche Gerichte mit der Trefferquote eines US-Anbieters vorhersagen?”, die Frage ist “Bin ich mit systematischer Auswertung von 30 vergleichbaren Urteilen besser beraten als ohne?” Die Antwort ist fast immer: ja.

Was konkret hilft:

• Pilotprojekt mit einem abgeschlossenen Hochrisikofall: Führe die KI-Analyse retrospektiv durch für einen Fall, dessen Ausgang du kennst. Wie gut hat die Analyse das Ergebnis antizipiert? Das schafft internes Vertrauen in die Methodik.
• Kommunikation als “strukturierte Entscheidungsgrundlage”, nicht als “KI-Prognose”, die Wortwahl macht einen erheblichen Unterschied in der Akzeptanz bei Mandanten und Partnern.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

“Gerichte entscheiden nach Recht und Gesetz, nicht nach Mustern.” Formal korrekt. Praktisch treffen Richter in ähnlichen Sachverhalten, unter vergleichbaren Beweissituationen, bei ähnlicher Parteienkonstellation, systematisch ähnliche Entscheidungen. Das ist keine Willkür, sondern Konsistenz. Wer das ignoriert, lässt belastbare Information ungenutzt.

“Für unsere Fälle gibt es nicht genug Vergleichsentscheidungen.” Für sehr spezifische Nischenrechtsgebiete kann das stimmen. Aber das ist dann das Ergebnis der Analyse, “Die Datenlage für dieses Rechtsgebiet ist zu dünn für belastbare Aussagen” ist auch eine nützliche Information. Sie verhindert übertriebene Sicherheit auf Basis schwacher Datenbasis.

“Das ist zu teuer für Standardmandate.” Richtig, und das ist kein Einwand, sondern eine korrekte Einschätzung. Litigation-Risikoanalyse mit KI ist für Hochrisiko-Mandate über 200.000 Euro Streitwert konzipiert. Nicht für jede Mahnsache oder jeden Mietrechtsstreit.

Woran du merkst, dass das zu dir passt

• Deine Kanzlei führt regelmäßig Verfahren mit Streitwerten über 200.000 Euro
• Du berätst Mandanten bei Klagen/Vergleich-Entscheidungen und brauchst eine systematischere Argumentationsbasis
• Du prozessierst häufig vor denselben Gerichten und willst deren Entscheidungstendenzen besser verstehen
• Du hast internationale Mandate mit US- oder UK-Rechtsbezug, dort ist die Datenlage für eine KI-Analyse deutlich besser

Wer noch warten sollte:

• Kanzleien mit ausschließlich kleinen Streitwerten unter 100.000 Euro, der Analyseaufwand übersteigt den Nutzen
• Kanzleien in sehr spezialisierten Nischenrechtsgebieten mit weniger als 50 publizierten Urteilen pro Jahr, Datenbasis zu dünn
• Kanzleien, die noch keine etablierte Rechtsprechungsrecherche mit juris oder beck-online betreiben, die Grundlage fehlt, bevor KI hinzukommt

Das kannst du heute noch tun

Nimm einen abgeschlossenen Fall aus den letzten zwei Jahren, einen, bei dem du dir damals unsicher warst, ob Klage oder Vergleich die richtige Empfehlung war. Führe die folgende Analyse retrospektiv durch: Was hätten 20–30 vergleichbare Urteile dir gesagt? Und wie nah kommt das an das tatsächliche Ergebnis? Wenn du keinen juris-Zugang hast, nimm für den Test rechtsprechung-im-internet.de oder openJur, beide sind kostenlos. Ein abgeschlossener, anonymisierter Fall umgeht außerdem die Einwilligungsfrage nach § 43e Abs. 5 BRAO.

Quellen & Methodik

• § 43a Abs. 1 BRAO, Verbot von Bindungen, die die berufliche Unabhängigkeit gefährden. § 3 BRAO beschreibt demgegenüber nur die Stellung des Rechtsanwalts als berufenen unabhängigen Berater und Vertreter, eine frühere Fassung dieser Seite hat ihn falsch zitiert (gesetze-im-internet.de/brao/__43a.html, abgerufen am 18.09.2026).
• § 43e BRAO, Inanspruchnahme von Dienstleistungen: Vertrag in Textform (Abs. 3), Auslandsbezug (Abs. 4), Einwilligung des Mandanten bei Dienstleistungen, die unmittelbar einem einzelnen Mandat dienen (Abs. 5) (gesetze-im-internet.de/brao/__43e.html, abgerufen am 18.09.2026).
• Anhang III Nr. 8 Buchst. a KI-Verordnung (EU) 2024/1689, Hochrisiko-Einstufung für KI-Systeme, die von einer Justizbehörde oder in deren Namen eingesetzt werden (artificialintelligenceact.eu/annex/3, abgerufen am 18.09.2026).
• Mata v. Avianca, Inc., United States District Court, Southern District of New York, 22-cv-1461 (PKC), Opinion and Order on Sanctions vom 22. Juni 2023: Einreichung nicht existierender Gerichtsentscheidungen mit erfundenen Zitaten, erzeugt mit ChatGPT (courtlistener.com, abgerufen am 18.09.2026).
• Damien Charlotin, AI Hallucination Cases, laufend geführte Sammlung gerichtlicher Entscheidungen zu erfundenen KI-Fundstellen, 2.041 Fälle (damiencharlotin.com/hallucinations, abgerufen am 18.09.2026).
• Anlage 2 zum GKG, Gerichtsgebühr 4.138 Euro bei einem Streitwert von 500.000 Euro (gesetze-im-internet.de/gkg_2004/anlage_2.html, abgerufen am 18.09.2026). Anlage 2 zum RVG, Anwaltsgebühr 3.752 Euro bei einem Gegenstandswert von 500.000 Euro (gesetze-im-internet.de/rvg/anlage_2.html, abgerufen am 18.09.2026).
• Kostenfreie Rechtsprechungsquellen: rechtsprechung-im-internet.de, betrieben vom Bundesministerium der Justiz und vom Bundesamt für Justiz, Entscheidungen der Bundesgerichte seit 2010, ohne Registrierung. openJur, gemeinnützig, rund 610.000 Entscheidungen zum Stand 28.02.2023. dejure.org , Kernangebot kostenlos.
• Pre/Dicta, Herstellerangaben zu Datenbasis und Trefferquote, 85 Prozent bezogen auf die Vorhersage von Entscheidungen über Anträge (pre-dicta.com, abgerufen am 18.09.2026). Keine unabhängige Validierung, für deutsche Mandate nicht übertragbar.
• Toolpreise: Stand unserer Toolseiten, siehe juris KI-Suite , beck-online , CoCounsel , Harvey AI und Luminance . Harvey und Luminance nennen keine öffentlichen Listenpreise.
• Nicht belegbar und deshalb nicht auf dieser Seite: ein Stundenaufwand für die Prozessrisikoeinschätzung in deutschen Kanzleien, eine Entscheidungszahl für Lex Machina, eine Prozentspanne für die Vorhersagegenauigkeit von US-Tools und ein KI-Pilotprojekt eines deutschen Oberlandesgerichts. Frühere Fassungen dieser Seite nannten alle vier. Die dort zitierten Kanzlei- und Verbandsbeiträge waren als Bracket-Domains ohne auffindbare Fundstelle angegeben und sind ersetzt.
• Keine Rechtsberatung. Dieser Text ordnet Normen ein, er ersetzt keine Prüfung des Einzelfalls und keine Auskunft deiner Rechtsanwaltskammer.