Kanzleien · Die Tool-Kategorien, die niemand klar erklärt

Eine Senior Partnerin fängt Sie nach einer Demo ab und fragt: „Macht das nicht dasselbe wie Harvey, unser CLM und dieses Review-Tool, das wir letztes Jahr gekauft haben?" Sie haben dreißig Sekunden für eine Antwort, bevor sie weiterzieht. Wenn Sie die Grenze zwischen Drafting, Review, Research, Discovery und Knowledge Retrieval nicht ziehen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, werden Sie entweder eine sinnvolle Anschaffung abwürgen oder eine redundante durchwinken. Diese Lektion liefert Ihnen diese Grenze.

Warum die Verwirrung strukturell ist und nicht Ihre Schuld

Anbieter von Legal AI vermarkten horizontal. Eine einzige Produktdemo zeigt möglicherweise Drafting, ein Chat-Interface über Ihre Dokumente und eine Research-Zitation, alles in einem Flow. Das ist eine Vertriebsentscheidung, keine technische Realität. Darunter liegen unterschiedliche Aufgaben, aufgebaut auf unterschiedlichen Daten, mit unterschiedlichen Fehlerbildern.

Die Taxonomie, die wirklich zählt, dreht sich darum, was das Tool produzieren soll, nicht um das Interface, das es trägt.

Die fünf Kategorien, ehrlich beschrieben

Drafting-Tools

Sie erzeugen Textentwürfe: Verträge, Memos, Schriftsätze. Beispiele sind Harvey (mit OpenAI-Modellen gebaut, genutzt von Kanzleien wie Allen & Overy) und Spellbook, das sich für die Vertragsgestaltung in Microsoft Word einbindet.

Worin sie ehrlich gut sind: schnell einen plausiblen ersten Durchgang produzieren, aus Templates und Klauselbibliotheken arbeiten und den Ton über Dokumenttypen hinweg anpassen.

Worin sie nicht gut sind: die dealspezifischen kommerziellen Konditionen richtig zu treffen, ohne dass ein Anwalt sie liefert, und die Präzedenzsammlung Ihrer Kanzlei zu kennen, sofern sie nicht explizit integriert wurde. Ein Drafting-Tool ohne Anbindung an Ihr Document Management System (DMS, das Repository wie iManage oder NetDocuments, in dem die Kanzleidokumente liegen) arbeitet mit generischen Trainingsdaten, nicht mit den tatsächlichen Präzedenzfällen Ihrer Kanzlei.

Review-Tools

Sie lesen bestehende Dokumente und markieren Probleme: Risikoklauseln, fehlende Regelungen, Abweichungen von einem Playbook. Beispiele sind Kira Systems (heute Teil von Litera) und Luminance, beide ursprünglich für die Vertragsprüfung in der Due Diligence gebaut.

Ehrlich gut: Konsistenzprüfungen in großem Volumen über hunderte Verträge in der M&A-Due-Diligence oder bei Audits von Mietvertragsportfolios, und das Aufspüren von Dingen, die ein müder Associate um 23 Uhr übersieht.

Nicht gut: Ermessensentscheidungen zur kommerziellen Risikobereitschaft. Es markiert eine Haftungsbeschränkungsklausel; es sagt Ihnen nicht, ob Ihr Mandant sie akzeptieren sollte.

Research-Tools

Sie beantworten juristische Fragen mit Zitaten aus Rechtsprechung, Gesetzen und Sekundärquellen. Beispiele sind CoCounsel (Thomson Reuters, früher Casetext), Lexis+ AI und Westlaw Precision.

Ehrlich gut: relevante Fundstellen schneller sichtbar machen als eine manuelle Boolean-Suche, Leitsätze von Entscheidungen zusammenfassen.

Nicht gut: blind vertrauenswürdig sein. Jeder große Anbieter verlangt weiterhin eine Überprüfung der Zitate, weil Halluzination (ein Modell erzeugt mit hoher Überzeugung ein erfundenes oder nicht existierendes Zitat) ein reales Risiko bleibt. Der berüchtigte Sanktionsfall *Mata v. Avianca* (2023), in dem Anwälte einen Schriftsatz mit gefälschten, von ChatGPT generierten Zitaten einreichten, ist die Standardwarnung, die seither in nahezu jeder Legal-AI-Ethik-CLE (Continuing Legal Education) zitiert wird. Die zugrunde liegende Entscheidung finden Sie in den Gerichtsakten über CourtListener.

eDiscovery-Tools

Sie verarbeiten große Dokumentbestände für Offenlegungspflichten im Prozess: Identifikation relevanter, privilegierter oder antwortrelevanter Dokumente. Beispiele sind Relativity und DISCO.

Ehrlich gut: Technology-Assisted Review (TAR), eine Form der supervised classification, die seit *Da Silva Moore v. Publicis* (2012, S.D.N.Y.) gerichtlich anerkannt ist, um das Volumen der Dokumentenprüfung in Verfahren mit Millionen von Dokumenten deutlich zu reduzieren.

Nicht gut: Ermessensentscheidungen zum Privilege bei Grenzfällen zu ersetzen, die für die Verteidigungsfähigkeit weiterhin die Freigabe eines Anwalts brauchen.

Knowledge-Retrieval-Tools

Sie erlauben es Fee Earnern, in natürlicher Sprache Fragen an das interne Wissen der Kanzlei zu stellen: vergangene Mandate, Präzedenzklauseln, interne Memos. Das basiert meist auf Retrieval-Augmented Generation (RAG), einer Technik, bei der das Modell zur Abfragezeit relevante Kanzleidokumente abruft und eine darauf gestützte Antwort generiert, statt sich nur auf das im Training Gelernte zu verlassen.

Ehrlich gut: aus „hat schon mal jemand in der Kanzlei eine ähnliche Earn-out-Struktur gemacht" eine Antwort in fünf Sekunden zu machen statt einer Slack-Nachricht an acht Partner.

Nicht gut: funktioniert schlecht, wenn die Metadaten im zugrunde liegenden DMS ein Chaos sind. Die RAGRAGVerfahren, mit dem ein KI-Modell aus Ihren eigenen Dokumenten antwortet, indem es relevante Passagen abruft, bevor es eine Antwort erzeugt.Vollständige Definition ansehen →-Qualität ist durch die Retrieval-Qualität begrenzt: schlechte Indexierung rein, schlechte Antworten raus.

Eine einfache durchgerechnete Unterscheidung

Hier ist der Test, den Partner eigentlich stellen sollten, als Entscheidungsbaum formuliert:

Erzeugt das Tool primär neuen Text?                -> Drafting
Markiert es primär Probleme in bestehendem Text?   -> Review
Beantwortet es primär Fragen aus externen
  Rechtsquellen (Rechtsprechung, Gesetze)?          -> Research
Klassifiziert es primär Dokumente fuer die
  prozessuale Offenlegung?                          -> Discovery
Beantwortet es primär Fragen aus den EIGENEN
  internen Dokumenten der Kanzlei?                  -> Knowledge Retrieval

Die meiste „überschneidet sich das?"-Verwirrung löst sich in dem Moment, in dem Sie fragen, in welcher Spalte das neue Tool sitzt. Harvey und CoCounsel sehen in einer Demo ähnlich aus (beide sind Chat-Interfaces), aber Harvey ist auf Drafting-Workflows optimiert und CoCounsel auf die Qualität von Research-Zitaten. Sie sind keine Substitute.

Die Frage der DMS-Integration, die alles entscheidet

Keine dieser fünf Kategorien liefert kanzleispezifischen Wert ohne Integration in das DMS. Ein Drafting-Tool mit APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen →-Zugang zu iManage kann den tatsächlichen Präzedenzfall der Kanzlei für einen ähnlichen Deal ziehen. Ohne diese Anbindung bezahlen Sie für eine generische Schicht über einem Allzweckmodell, die Associates sich auch anderswo besorgen könnten.

Das ist die nützlichste Diagnosefrage für die Bewertung jedes Anbieter-Pitches im Jahr 2026: liest und schreibt das in unser DMS, oder läuft es daneben? Tools, die „daneben" laufen, erzeugen ein zweites Silo und zusätzliches Copy-Paste-Risiko, was angesichts von Vertraulichkeitspflichten und, bei Kanzleien mit EU-bezogenen Mandaten, den Datenverarbeitungsregeln der DSGVODSGVOEU-Verordnung zur Erhebung, Speicherung und Nutzung personenbezogener Daten, mit Bußgeldern, die am weltweiten Umsatz bemessen werden.Vollständige Definition ansehen → (Datenschutz-Grundverordnung) relevant ist.

Pricing und Lizenzierung, kurz

Anbieter von Legal AI rechnen überwiegend jährlich pro Seat ab (Schätzung: einige hundert bis niedrige tausend USD pro Seat und Jahr, Stand 2025, mit großererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → Spannweite je nach Anbieter und Kanzleigröße) oder pro Dokument beziehungsweise pro Mandat bei Discovery-Tools, wo das Dokumentvolumen die Kosten direkt treibt. Einige Drafting- und Research-Tools bewegen sich auf verbrauchsbasierte Preismodelle zu, gekoppelt an das Abfragevolumen, ähnlich den API-Preismodellen anderswo in der KI. Bringen Sie das Preismodell mit dem tatsächlichen Nutzungsmuster zusammen: ein Research-Tool mit Seat-Preis ist Verschwendung, wenn nur Litigation-Partner es dreimal im Monat nutzen; ein Discovery-Tool mit Preis pro Dokument ist gefährlich, wenn die Dokumentvolumina in einem großen Mandat unvorhersehbar hochschießen.

Warum diese Taxonomie auch ein Change-Management-Instrument ist

Partner sperren sich gegen KI nicht, weil sie die Technologie missverstehen; sie sperren sich, weil ihnen niemand klar gesagt hat, was ein Tool tatsächlich ersetzt und was es lediglich unterstützt. „Das schreibt Ihren ersten Entwurf, es ersetzt nicht Ihr Urteil zu den Earn-out-Konditionen" ist ein Satz, dem ein skeptischer Partner vertrauen kann, weil er konkret und ehrlich über die Grenze ist. „Das nutzt fortschrittliche KI, um Ihre Praxis zu transformieren" ist ein Satz, der den Anbieter aus dem Raum befördert, und das zu Recht.

🎬 [VIDEO: „How Law Firms Are Actually Using AI Right Now" — youtube.com — suchen Sie nach aktuellen Panels von Legal-Tech-Konferenzen (z. B. Legalweek- oder ILTA-Sessions) mit praktizierenden Anwälten, die reale Deployments beschreiben, keine Anbieter-Demos]

Wichtigste Erkenntnisse

• Kategorisieren Sie nach Output, nicht nach Interface: Drafting erzeugt Text, Review markiert Probleme in bestehendem Text, Research beantwortet Fragen aus externen Rechtsquellen, Discovery klassifiziert Dokumente für den Prozess, Knowledge Retrieval beantwortet Fragen aus internen Kanzleidokumenten.
• Der Wert eines Tools hängt stark von der DMS-Integration ab. Fragen Sie vor jedem Pilot: „liest/schreibt es in unser DMS oder sitzt es daneben?"
• Das Halluzinationsrisiko ist real und spezifisch für Research-Tools; die Überprüfung von Zitaten ist nicht verhandelbar, wie *Mata v. Avianca* gezeigt hat.
• Passen Sie das Preismodell (pro Seat, pro Dokument, verbrauchsbasiert) an das tatsächliche Nutzungsmuster an, nicht an die Standardeinstellung des Anbieters.
• Ehrliche, konkrete Beschreibungen dessen, was ein Tool ersetzt und was nicht, sind bei skeptischen Partnern der eigentliche Change-Management-Hebel, mehr als jede Feature-Liste.