Kanzleien · Pricing, Lizenzierung und der Partner, der zustimmen muss

Eine Vendor-Demo endet mit einer Folie: „50.000 $ pro Jahr, unbegrenzte Nutzerzahl.“ Der Managing Partner nickt. Sechs Wochen später stirbt der Pilot, nicht weil das Tool schlecht war, sondern weil der Partner, dessen Name auf dem Mandat steht, den Einsatz für Mandantenarbeit nie freigegeben hat. Die Rechnung war nie das Problem. Vertrauen war es.

Diese Lektion zeigt, wie Legal AI tatsächlich bepreist und lizenziert wird und warum diese kommerzielle Struktur weniger zählt als die informelle Risikorechnung im Kopf jedes Partners, bevor ererDas 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 → ein Tool an ein laufendes Mandat lässt.

Die drei Pricing-Modelle im Vergleich

Per-Seat-Lizenzierung. Eine feste Gebühr pro benanntem Nutzer und Monat, üblich bei Recherche-Tools und allgemeinen Drafting-Assistenten. Thomson Reuters CoCounsel und Harvey nutzen beide Varianten eines seat-basierten Pricings für Enterprise-Deals, wobei die genauen Zahlen pro Kanzlei verhandelt und nicht öffentlich gelistet werden (Schätzung, Stand Vendor-Praxis 2025-2026). Per-Seat ist planbar für das Budget, aber verschwenderisch, wenn Associates das Tool kaum anfassen, und es skaliert nicht nach unten, wenn das Mandatsvolumen sinkt.

Pricing pro Mandat oder pro Dokument. Üblich in E-Discovery und Vertragsprüfung, wo die Kosten der tatsächlichen Einheit juristischer Arbeit folgen. Eine Document-Review-Plattform berechnet vielleicht pro verarbeitetem Gigabyte oder pro analysiertem Vertrag. Das bringt die Kosten mit der Mandantenabrechnung in Einklang (viele Discovery-Kosten werden ohnehin als Auslagen an Mandanten weitergegeben), erschwert aber die Budgetierung, weil das Volumen über ein Jahr hinweg sprunghaft und unvorhersehbar ist.

Verbrauchsbasiert (API- und Token-Pricing). Abgerechnet pro Einheit Modellnutzung, typischerweise TokenTokenEin Token ist die grundlegende Texteinheit, die Sprachmodelle verarbeiten, oft ein Wortfragment, ein ganzes Wort oder ein Satzzeichen und nicht ein einzelnes Zeichen.Vollständige Definition ansehen → (die Textbausteine, die ein Sprachmodell verarbeitet; im Englischen grob drei Viertel eines Wortes je Token). So zahlen Kanzleien tatsächlich, die eigene Tools auf Infrastruktur von OpenAI, Anthropic oder Azure OpenAI Service bauen. Es ist das günstigste Modell bei geringem Volumen und das gefährlichste bei hohem, denn niemand in der Finanzabteilung weiß, wie ein „normaler“ Monat aussieht, bis die erste Rechnung kommt.

Ein Rechenbeispiel

Angenommen, das Knowledge-Management-Team einer Kanzlei baut einen internen Recherche-Assistenten auf der 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 → eines Large Language ModelLarge Language ModelEin Large Language Model ist ein KI-System, das auf riesigen Textmengen trainiert wurde, um Sprache vorherzusagen und zu erzeugen. Damit sind Aufgaben wie Schreiben, Zusammenfassen und Beantworten von Fragen möglich.Vollständige Definition ansehen →. Rein illustrativ angenommen:

• Durchschnittliche Anfrage: 2.000 Input-Token (die Frage plus abgerufene Dokumente) und 500 Output-Token (die Antwort)
• Illustrativer Satz: 3 $ pro Million Input-Token, 15 $ pro Million Output-Token (Sätze variieren je Modell und ändern sich häufig, bitte nur als Beispiel behandeln, nicht als aktuelles Angebot)
• 200 Fee Earner führen je 15 Anfragen pro Arbeitstag durch, rund 20 Arbeitstage pro Monat

Anfragen pro Monat: 200 × 15 × 20 = 60.000

Input-Kosten: 60.000 × 2.000 Token = 120.000.000 Token → 360 $

Output-Kosten: 60.000 × 500 Token = 30.000.000 Token → 450 $

Monatssumme: rund 810 $

Das wirkt neben einer Per-Seat-Lizenz für 50.000 $ trivial. Aber es skaliert linear und lautlos. Doppelte Nutzung, doppelte Rechnung, ohne natürliche Obergrenze, sofern die Kanzlei keine setzt. Deshalb verbinden viele Kanzleien verbrauchsbasiertes Pricing mit einem Usage Cap oder wechseln zu einer Seat-Lizenz, sobald sich die Nutzung stabilisiert; die Seat-Lizenz wird dann zum Versicherungsprodukt gegen Volumenrisiko, nicht nur zur Bequemlichkeit.

Warum die Rechnung des Partners eine andere ist als die des CFO

Der Chief Financial Officer will planbare Kosten pro Anwalt. Der Partner will eines wissen: wenn dieses Tool falsch liegt, wessen Name hängt dann dran.

Das berufsrechtliche Risiko eines Partners speist sich aus mehreren realen Quellen:

• Sorgfalts- und Aufsichtspflicht. Berufsregeln (in den USA ABA Model Rule 1.1 und der Kommentar zur Technologiekompetenz) verlangen von Anwälten, die eingesetzten Tools so gut zu verstehen, dass sie den Output beaufsichtigen 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. Ein Partner, der einen Schriftsatz zeichnet, der auf einer nie geprüften KI-Klausel beruht, ist durch „das hat die Software gemacht“ nicht geschützt.
• Mandantenvertraulichkeit. Einen Merger Agreement in einen öffentlichen Chatbot hochzuladen ist ein potenzieller Verstoß gegen Verschwiegenheitspflichten, unabhängig von der Richtigkeit. Das ist der schnellste Weg, eine Mandatsbeziehung zu einem General Counsel zu beenden.
• Präzedenzfälle für Sanktionen. US-Gerichte haben Anwälte sanktioniert, die Schriftsätze mit von KI erfundenen Fundstellen eingereicht haben (der Fall *Mata v. Avianca* im Southern District of New York, 2023, ist das meistzitierte Beispiel). Jeder Partner hat davon inzwischen gehört.

Der mentale Preis des Tools ist für den Partner also nicht die Lizenzgebühr. Er lautet: Wahrscheinlichkeit eines unentdeckten Fehlers, multipliziert mit der Größe des Desasters, falls dieser Fehler bei einem Mandanten oder Gericht landet. Eine Enterprise-Lizenz für 200.000 $ mit nachvollziehbarem Audit Trail und Zitaten auf Dokumentebene kann neben einem „kostenlosen“ Browser-Plugin ohne beides billig aussehen.

Die Change-Management-Reihenfolge, die Vertrauen schafft, bevor es die Rechnung tut

Vendors verkaufen Tools. Kanzleien übernehmen Verhalten. Die Reihenfolge, die den Kontakt mit Partnern überlebt, verläuft in der Regel so, nicht umgekehrt:

1. Enger, benannter Pilot. Eine Practice Group, ein Tool, eine Aufgabe (zum Beispiel First-Pass-Review von NDAs). Nicht „KI in der ganzen Kanzlei“.
2. Ein Champion auf Partnerebene, nicht nur IT-Freigabe. Ein Senior Partner dieser Practice Group muss das Tool persönlich nutzen und bereit sein, in einer Partnerversammlung zu sagen: „Ich habe das selbst geprüft.“
3. Sichtbare Fehlerkontrolle statt blindem Vertrauen. Frühe Piloten sollten den Fee Earnern die Fehler des Tools zeigen, nicht verbergen. Paradoxerweise schafft ein Tool, das sichtbar etwas falsch macht und vom Review-Prozess abgefangen wird, mehr Partnervertrauen als ein Tool, das fehlerfrei wirkt, weil es beweist, dass das Sicherheitsnetz funktioniert.
4. Gemessene und dokumentierte Zeitersparnis. Partner rechnen in Stunden ab (oder werden zunehmend von Mandanten gebeten, Fest- und wertbasierte Honorare zu begründen). „Das hat die First-Draft-Prüfung von NDAs im letzten Quartal über 40 Mandate hinweg von 90 auf 20 Minuten verkürzt“ ist ein Satz, den ein Partner einem anderen Partner weitergeben kann.
5. Formale Kanzleirichtlinie vor dem breiten Rollout. Schriftliche Vorgaben dazu, was hochgeladen werden darf und was nicht, welche Tools freigegeben sind und wer verantwortlich ist, üblicherweise herausgegeben vom General Counsel oder einem Innovation Committee der Kanzlei.

Erst nach dieser Reihenfolge wird das Pricing-Gespräch real, denn erst dann kennt die Kanzlei ihr tatsächliches Nutzungsvolumen gut genug, um Seat- gegen Verbrauchspricing intelligent zu verhandeln.

Lizenzdetails, die still und leise zählen

Zwei Klauseln im Vertrag entscheiden mehr als der Preis auf der Titelseite:

• Datennutzung und Trainingsrechte. Nutzt der Vendor die Prompts und Dokumente der Kanzlei, um sein allgemeines Modell zu trainieren? Enterprise-Verträge von Anbietern wie Microsoft (Copilot), dem Enterprise-Tier von OpenAI und der Enterprise-API von Anthropic schließen Kundendaten vom Modelltraining vertraglich typischerweise aus, aber Kanzleien müssen das schriftlich bestätigen lassen, nicht annehmen. Das ist der häufigste Punkt der Verwirrung in Vendor-Verhandlungen.
• Data Residency und Bedingungen der DMS-Integration. Wenn das Tool an das Dokumentenmanagementsystem der Kanzlei angebunden wird (DMS, das Repository mit allen Mandantenakten, häufig iManage oder NetDocuments), muss die Lizenz festlegen, wo verarbeitete Daten liegen, wie lange sie aufbewahrt werden und ob die Subprozessoren des Vendors (dessen eigene Cloud-Infrastruktur-Anbieter) offengelegt werden. Europäische Kanzleien haben hier eine zusätzliche Ebene durch die DSGVODSGVOEU-Verordnung zur Erhebung, Speicherung und Nutzung personenbezogener Daten, mit Bußgeldern, die am weltweiten Umsatz bemessen werden.Vollständige Definition ansehen → (Datenschutz-Grundverordnung), die die Übermittlung personenbezogener Daten außerhalb der EU ohne geeignete Garantien einschränkt.

🎬 [VIDEO: „How Law Firms Are Actually Using AI in 2025“ — youtube.com — suchen Sie nach aktuellen Panels zur Legal-AI-Adoption mit praktizierenden Partnern, die über reale Reibungspunkte beim Deployment sprechen, nützlich, um die Partnerperspektive in eigenen Worten zu hören]

Key Takeaways

• Per-Seat-Pricing ist planbar, aber verschwenderisch bei geringer Nutzung; Pricing pro Mandat passt zur Abrechnung, ist aber volatil; Verbrauchspricing ist billig bei kleinem Volumen und riskant bei Skalierung, modellieren Sie Ihre tatsächlich erwartete Nutzung, bevor Sie wählen.
• Partner bepreisen Risiko, nicht Kosten: Die eigentliche Variable ist die Wahrscheinlichkeit eines unentdeckten Fehlers multipliziert mit dem Schaden, falls ein Mandant oder Gericht ihn bemerkt, nicht die Rechnungszeile.
• Berufsrechtliche Kompetenzregeln und reale Sanktionsfälle (Mata v. Avianca) bedeuten, dass Name und Zulassung eines Partners für KI-gestützte Arbeit haften, die er nicht überprüft hat.
• Vertrauen entsteht über einen engen Piloten mit einem Partner-Champion, der die Arbeit des Tools öffentlich prüft, nicht über einen kanzleiweiten Rollout, den die IT ankündigt.
• Lesen Sie die Klauseln zu Datentraining und DMS-Integration vor der Preisklausel; sie bestimmen das Vertraulichkeitsrisiko, und das zählt für Partner mehr als die Abo-Kosten.