Von Artificial Intelligence über Contract Lifecycle Management bis hin zu Generative AI: Die Welt des Legal Tech ist geprägt von einer Vielzahl neuer Begriffe, Abkürzungen und Konzepte. Nicht immer ist auf den ersten Blick ersichtlich, was sich hinter diesen Schlagworten verbirgt und welche Bedeutung sie für die juristische Praxis haben.
Dieses Glossar erläutert die wichtigsten Legal-Tech-Begriffe in verständlicher Form und bietet einen schnellen Überblick über aktuelle Technologien, Methoden und Trends. Ziel ist es, die Orientierung in einem zunehmend digitalisierten Rechtsumfeld zu erleichtern und ein gemeinsames Begriffsverständnis zu fördern.
Legal Tech bezeichnet den Einsatz digitaler Technologien zur Unterstützung, Automatisierung oder teilweisen Ersetzung juristischer Arbeitsprozesse. Im Zentrum steht damit die Optimierung der Rechtsanwendung durch technische Mittel.
Typisch für Legal Tech ist der Einsatz von Softwarelösungen, datenbasierten Analysewerkzeugen und zunehmend künstlicher Intelligenz zur Bearbeitung standardisierter juristischer Aufgaben. Dazu zählen insbesondere die Dokumentenerstellung und prüfung, Fristenmanagement, Vertragsanalyse, Rechtsrecherche sowie die Automatisierung von Workflows. Legal Tech begegnet sowohl innerhalb klassischer Kanzleien als auch in spezialisierten Legal Tech Unternehmen, die Rechtsdienstleistungen anbieten.
Allgemeine IT‑Infrastruktur oder domänenunabhängige Systeme – wie etwa Sprachmodelle (z. B. Copilot oder ChatGPT) – sind demgegenüber keine Legal‑Tech‑Produkte. Sie enthalten keine rechtsspezifische Logik. Werden sie jedoch zur Ausführung juristischer Prozesse eingesetzt, können sie Bestandteil eines Legal‑Tech‑Workflows sein.
Als Oberbegriff für die Modernisierung der Rechtsabteilung umfasst es jegliche Weiterentwicklung des Rechtswesens in organisatorischer, methodischer, wirtschaftlicher und kultureller Hinsicht. Der Begriff umfasst alle Ansätze, die darauf abzielen, die juristische Tätigkeit neu zu denken, unabhängig davon, ob technologische Mittel eingesetzt werden oder nicht.Im Zeitalter von Digitalisierung und KI, liegt der Fokus vor allem auf dem richtigen Einsatz, welche die umfassende Unterstützung im juristischen Alltag ermöglichen soll. Dabei müssen Unternehmen sich bewusst machen, dass der „reine Einsatz“ keinen Erfolg garantieren kann. Es geht vor allem um den reflektierten Nutzen und punktuellem Ansatz an individuellen Bedürfnissen. Es ergibt sich ein Spannungsfeld zwischen bewährten Methoden und den Innovationen, sodass der Erfolg der Legal Innovations von der Veränderungsfähigkeit und -bereitschaft der Rechtsabteilungen abhängt.
Während Legal Tech ein mögliches Werkzeug darstellt, betrifft Legal Innovation den grundsätzlichen Wandel juristischer Organisation und Wertschöpfung.
wird oft als Synonym für den Begriff „Legal Tech“ verwendet, weil es ebenfalls die systematische Digitalisierung von Arbeitsprozessen in Rechtsabteilungen umfasst; allerdings steht im Mittelpunkt nicht die Entwicklung innovativer Rechtsanwendungen, sondern die Überführung bestehender juristischer Arbeitsweisen in digitale, effizientere Prozesse ohne Medienbrüche.
Konkret umfasst Legal Digitalization die Implementierung digitaler Werkzeuge, wie etwa elektronischer Signaturen, digitaler Vertrags- und Dokumentenablagen, E-Akten, Workflow-Management-Systeme etc. Ziel ist es, manuelle, papierbasierte oder fragmentierte Prozesse zu reduzieren, Fehlerquellen zu minimieren und die Effizienz in der juristischen Arbeit nachhaltig zu erhöhen.
Generative KI ist der nächste Evolutionsschritt der klassischen Künstlichen Intelligenz (KI). Während ursprünglich die KI vorhandene Daten analysiert hat, um daraus Schlussfolgerungen ziehen zu können, kann die Generative KI darauf aufbauend nun völlig neue Inhalte generieren – wie Texte, Bilder oder Code.
Im Kontext von Legal Tech findet sie vor allem Anwendung in fakten- und textbasierten Tätigkeiten von Rechtsabteilungen. Dazu gehört die Erstellung und Überarbeitung von Vertragsentwürfen, die Zusammenfassung rechtlicher Dokumente, Unterstützung bei Recherchen, Analyse von Klauseln oder Vorbereitung standardisierter Schriftsätze. Generative KI fungiert hierbei als produktivitätssteigerndes Werkzeug, das juristische Arbeit beschleunigt, jedoch keine rechtliche Verantwortung übernimmt.
Zu beachten weiterhin, dass jede KI fehleranfällig ist und auch halluzinieren kann (näheres siehe Begriff „Halluzination“), sodass juristischen Expertise neben der fachlichen Prüfung der Ergebnisse unerlässlich bleibt.
Ein Large Language Model (LLM) ist ein auf maschinellem Lernen basierendes Sprachmodell, das darauf ausgelegt ist, natürliche Sprache zu verarbeiten und eigenständig zu generieren. Es handelt sich um ein neuronales Netzwerk, welches darauf trainiert wurde, sprachliche Zusammenhänge zu erkennen und menschenähnlich zu reproduzieren. LLMs bilden die zentrale Grundlage moderner Anwendungen der Künstlichen Intelligenz im Bereich der Sprachverarbeitung.
LLMs ermöglichen die automatisierte Erzeugung und Interpretation von Texten in einer Weise, die menschlicher Kommunikation nahekommt. Die Leistungsfähigkeit beruht dabei auf der probabilistischen Vorhersage von Wortfolgen auf Grundlage zuvor gelernter Sprachmuster.
Stellt ein Teilgebiet der Künstlichen Intelligenz dar, welchen Systemen ermöglicht, auf der Grundlage von Datenbeständen selbstständig Zusammenhänge zu erkennen und diese im Zeitverlauf ohne explizite Programmierung zu optimieren. Charakteristisch ist, dass die Entscheidungslogik nicht vollständig vorab festgelegt wird, sondern durch Lernprozesse aus Trainingsdaten abgeleitet wird und sich mit zunehmender Datenbasis adaptiv weiterentwickeln kann.
Ist ein Teilgebiet der Künstlichen Intelligenz, welches sich mit der automatisierten Verarbeitung, Analyse und Generierung natürlicher Sprache in Wort und Schrift befasst. Ziel ist es, sprachliche Inhalte so zu erfassen und zu modellieren, dass KI in die Lage versetzt wird, menschliche Sprache nicht nur formal zu verarbeiten, sondern deren semantische Bedeutung, Kontextbezüge und Intentionen zu erkennen und für weitergehende Anwendungen nutzbar zu machen. Zu diesem Zweck kombiniert NLP linguistische Erkenntnisse mit statistischen und maschinellen Lernverfahren, um Muster noch besser identifizieren zu können.
Die Funktionsweise solcher Modelle basiert auf der Wahrscheinlichkeitsprognose von Token-Sequenzen: Das Modell berechnet für jedes mögliche Folgewort (Token) die Eintrittswahrscheinlichkeit auf Basis des bisherigen Kontextes und wählt – deterministisch oder stochastisch gewichtet – die nächstliegende Fortsetzung aus. Auf diese Weise entstehen zwar schlüssige Texte, ein inhaltliches „Verständnis“ im menschlichen Sinne liegt allerdings nicht vor.
Halluzinationen bezeichnen in der künstlichen Intelligenz (insbesondere bei generativen Modellen wie Large Language Models) Outputs, die sprachlich plausibel erscheinen, aber sachlich unzutreffende oder frei erfundene Inhalte enthalten können. Derartige Ungenauigkeiten stellen keine bewussten Falschaussagen oder klassische Systemfehler („Bugs“) dar, sondern sind das Ergebnis der probabilistischen Funktionsweise generativer Modelle.
Im Rechts und Legal Tech Kontext stellen Halluzinationen ein erhebliches Risiko dar, da sie zu erfundenen Zitaten, unzutreffenden Rechtsaussagen führen können. Die KI präsentiert diese Inhalte häufig ohne Anzeichen von Unsicherheit und werden diese Information ungeprüft übernommen, kann dies zu fehlerhaften Gutachten oder Entscheidungen führen.
Es ist zu beachten: Wer KI gestützte Systeme einsetzt, bleibt grundsätzlich für die inhaltliche Richtigkeit und die resultierenden Folgen verantwortlich.
Bezeichnet einen Wert, der die vom System selbst ermittelte Sicherheits‑ bzw. Zuverlässigkeitseinschätzung hinsichtlich der Richtigkeit eines konkreten Ergebnisses oder einer Vorhersage ausdrückt.
Bias (Verzerrungen) in KI‑Systemen bezeichnet systematische Abweichungen in den Ergebnissen KI‑gestützter Entscheidungsprozesse, die zu unangemessenen, diskriminierenden oder sachlich fehlerhaften Resultaten führen können. Solche Verzerrungen entstehen typischerweise durch unausgewogene Trainingsdaten, was sich auch dadurch erklären lässt, dass Datensammlungen immer menschlichen Einfluss beinhalten und damit auch durch zahlreiche Entscheidungen/Einstellungen/Einschränkungen geprägt und mit gewissem Fehlerpotenzial behaftet sind.
Das Auffinden von Methoden zur Reduktion und Verhinderung von Bias stellt ein aktives Forschungsfeld dar.
Die Erklärbarkeit von künstlicher Intelligenz bezeichnet die Fähigkeit, die Entscheidungslogik hinter den Ergebnissen eines KI‑Systems für Menschen nachvollziehbar darzustellen. Sie ist ein zentrales Qualitäts- und Governance‑Kriterium für den Einsatz von KI, insbesondere in sensiblen Bereichen, in denen automatisierte Entscheidungen rechtliche oder wirtschaftliche Auswirkungen entfalten.
Die Erklärbarkeit dient insoweit nicht nur der Transparenz, sondern auch der Überprüfbarkeit und Verantwortungszuordnung bei fehlerhaften Ergebnissen.
Technisch wird Explainability durch verschiedene Ansätze umgesetzt, etwa durch transparente Modelle oder nachgelagerte Erklärverfahren.
Bezeichnet ein KI-Modell, deren interne Funktionsweise für den Menschen entweder aufgrund ihrer strukturellen Komplexität nicht mehr nachvollziehbar ist oder bewusst nicht offengelegt wird.
Charakteristisch ist, dass zwar Eingaben (Inputs) und Ausgaben (Outputs) beobachtbar sind, die dazwischenliegenden Entscheidungsprozesse jedoch intransparent bleiben.
In der Praxis können die meisten leistungsfähigen, auf tiefen neuronalen Netzen basierenden KI-Systeme als Black-Box-Modelle eingeordnet werden.
Der Mangel an Interpretierbarkeit kann die Überprüfbarkeit von Entscheidungen und die Zurechnung von Verantwortlichkeit beeinträchtigen erschweren. Dies gewinnt besondere Relevanz in Fällen, in denen KI-gestützte Entscheidungen unmittelbare Auswirkungen auf grundrechtsrelevante, wirtschaftliche oder ähnliche erhebliche Belange haben.
White-Box-KI-Modelle sind bewusst so konzipiert, dass deren interne Entscheidungslogik für Menschen vollständig nachvollziehbar ist. Die zugrunde liegenden Entscheidungswege können überprüft und bei Bedarf angepasst werden, was den Kernunterscheid zu den sogenannten „Black-Box“-Modellen ausmacht: Diese weisen zwar eine größere Leistungsfähigkeit bei sehr komplexen und großen Datenmengen auf, der zugrunde liegende Entscheidungsprozess bleibt aber kaum nachvollziehbar und kann regulatorisch problematisch sein.
Eine White Box KI bietet damit eine Kontrollmöglichkeit vom KI-Output, allerdings sind diese - auf Grund der Leistungseinbußen - im Moment (noch) kein Ersatz für traditionelle KI-Systeme.
Stellt ein nachgelagertes Verfahren zur Erklärung von der Antwort eines KI-Modells. Die Nachvollziehbarkeit wird durch zusätzliche Analysemethoden gewährleistet, die nach dem Output der KI ansetzen und eine sinnvolle Erklärung für die Prozesse innerhalb des Modells liefern. Ziel ist es, die oftmals als „Black Box“ wahrgenommenen, hochkomplexen Systeme ex post transparent zu machen.
Bezeichnet die Ausgestaltung und Optimierung von Prompts, um die Ausgaben der KI kontrollierter zu steuern.
Hierbei können auch geringfügige Variationen in Wortwahl, Kontextualisierung oder Strukturierung des Prompts erhebliche Unterschiede in Qualität und Präzision der Ergebnisse bewirken. Prompt Engineering stellt insoweit ein wesentliches Instrument zur Qualitätssicherung und Risikosteuerung beim Einsatz von KI dar.
Zentrale Techniken des Prompt Engineering umfassen eine Kontextanreicherung, die eindeutige Formulierung der Aufgabenstellung (neben inhaltlichen Vorgaben auch gewünschtes Format, Umfang, Stil, etc), beispielbasierte Vorgaben zur Orientierung des Modells und auch eine schrittweise Problemlösung (Chain-of-Thought-Prompts), welche eine explizite Aufforderung zur strukturierten Herleitung komplexer Antworten beinhaltet.
Eine Prompt Library bezeichnet eine zentralisierte Sammlung vordefinierter Eingabeanweisungen („Prompts“) für KI basierte Systeme, insbesondere für Large Language Models.
Ziel ist es, bewährte Prompt Formulierungen zu dokumentieren und organisationsweit verfügbar zu machen. Ein guter Prompt beinhaltet die Rolle, in der der Chatbot agieren soll, die Aufgabe, Herangehensweise, Inhalte und Kontext, Zielsetzung und Ausgabeformat/Stil.
Das vorhandene Know‑how wird institutionell verfügbar gemacht und sorgt so ebenfalls für die Einhaltung von Haftungs‑ oder Compliance‑Vorgaben.
Bezeichnet die Einbindung verlässlicher Wissensquellen in den Generierungsprozess eines KI-Modells, um die inhaltliche Richtigkeit und/oder Aktualität des Outputs zu erhöhen. Ziel ist es, rein probabilistisch erzeugte Inhalte an überprüfbare Informationsbestände anzubinden und dadurch das Risiko fehlerhafter oder frei erfundener Inhalte zu reduzieren.
Technisch erfolgt Knowledge Grounding regelmäßig durch Verfahren wie Retrieval-Augmented Generation (RAG): Hierbei greift das Modell vor oder während der Antwortgenerierung gezielt auf externe Datenquellen zu und integriert die abgerufenen Informationen in seine Ausgabe.
Bezeichnet das Verfahren der Künstlichen Intelligenz, bei dem ein Large Language Model (LLM) seine Antworten nicht ausschließlich auf das während des Trainings erworbene Wissen stützt, sondern zusätzlich auf relevante Informationen aus externen Datenquellen zugreift. Hierzu werden im Vorfeld passende Dokumente, Textpassagen oder Datensätze aus Wissensbeständen identifiziert und dem Sprachmodell als Kontext bereitgestellt. Die generierten Inhalte basieren somit nicht ausschließlich auf im Training erlernten Mustern, sondern werden kontextuell „verankert“.
RAG ermöglicht so die Nutzung unternehmensinterner Dokumente, Vertragsdatenbanken, Richtlinien, Gesetze oder regulatorischer Vorgaben für KI-gestützte Recherchen und Analysen. Dadurch können Antworten aktueller und fachlich präziser generiert werden als bei einer ausschließlichen Nutzung des trainierten Modellwissens. Zugleich reduziert der Ansatz das Risiko sogenannter Halluzinationen und verbessert die Transparenz, da die verwendeten Informationsquellen regelmäßig nachvollzogen und referenziert werden können. RAG gilt daher als zentrale Technologie für den produktiven Einsatz generativer KI in wissensintensiven Bereichen wie Recht, Compliance und Vertragsmanagement.
Bezeichnet die Automatisierung von wiederkehrenden Arbeitsabläufen (Workflows) innerhalb von Organisationen unter Einsatz digitaler Systeme. Ziel ist es, solche Prozesse ohne oder mit nur minimalem manuellem Eingriff durchzuführen und so die Effizienz betrieblicher Abläufe zu erhöhen.
Typische Funktionen sind etwa Benachrichtigungen, Freigabeprozesse, Datenvalidierung oder die Integration verschiedener IT-Systeme entlang eines Prozesses. Solche Arbeitsabläufe werden dafür genau modelliert und anschließend automatisiert. Resultat hiervon ist sowohl die Zeitersparnis, also auch eine revisionssichere Protokollierung.
Als Oberbegriff umfasst Workflow Automation unterschiedliche technologische Ansätze, insbesondere auch No‑Code- und Low‑Code-Plattformen, die es ermöglichen, Workflows mit geringem Programmieraufwand zu automatisieren.
Legal Workflow Management bezeichnet die Steuerung von juristischen Arbeitsabläufen innerhalb eines Unternehmens. Man versucht Prozesse nicht mehr als isolierte Einzelfälle („Cases“), sondern als wiederkehrende, standardisierbare Abläufe zu behandeln.
Dies beinhaltet die Automatisierung von Arbeitsabläufen, eine rollenbasierte Zuweisung von Zuständigkeiten, die Festlegung von Eskalationsregeln etc.
Typische Ziele sind die Reduktion von Durchlaufzeiten, die Minimierung von Fehlerquellen, Entlastung bei wiederkehrenden Aufgaben sowie die Nachvollziehbarkeit von Entscheidungen und Bearbeitungsschritten.
Bezeichnet funktionsübergreifendes Prozessmodell zur Entgegennahme und Bearbeitung von wiederkehrender, vorab definierten Nutzeranfragen („Service Requests“).
Die Bearbeitung erfolgt regelmäßig über Self‑Service‑Portale oder Service Desks und basiert auf vordefinierten Workflows, Genehmigungsregeln (z. B. Rollen- oder Budgetfreigaben) sowie Servicekatalogen.
Eine Legal Front Door kann beispielsweise als eine Implementierung des Service Request Managements verstanden werden.
Die Legal Front Door bezeichnet einen einheitlichen Zugangspunkts zur Rechtsabteilung, über den rechtliche Anfragen aus der Organisation eingereicht werden müssen. Sie dient dazu, den Eintritt von juristischen Anliegen zu zentralisieren, informelle Kontaktwege – etwa direkte E Mails an einzelne Juristen – zu vermeiden und bereits beim zu Anfang sicherzustellen, dass grundlegende Informationen abgefragt werden.
Die Legal Front Door kann technisch durch ein Formular, ein Portal oder ein Ticketsystem umgesetzt werden, ist ihrem Wesen nach jedoch kein Tool, sondern ein Governance und Steuerungskonzept, das festlegt, wie der Zugang zur Rechtsberatung organisiert ist. Im Unterschied zum Legal Intake Management endet die Funktion der Legal Front Door dort, wo die Anfrage formal angenommen ist. Beide Konzepte ähneln sich jedoch insofern, als sie auf Standardisierung und Vereinheitlichung zielen.
Legal Intake Management bezeichnet einen internen Prozess, über den juristische Anfragen nach ihrem Eingang strukturiert und an die zuständigen Bearbeiter weitergeleitet werden. Es bezeichnet damit kein konkretes Tool, auch wenn es in der Praxis häufig eng mit digitalen Workflow Systemen verbunden wird.
Das Ziel ist es, juristische Anliegen anhand festgelegter Kriterien – etwa Rechtsgebiet, Komplexität, Risiko, Dringlichkeit oder Zuständigkeit – fachlich einzuordnen und eine priorisierte Bearbeitung zu ermöglichen. Der gesamte Bearbeitungszyklus soll nachvollzogen werden können.
Im Verhältnis zur Legal Front Door ist das Legal Intake Management nachgelagert: Es beginnt erst dort, wo eine rechtliche Anfrage bereits eingereicht wurde. Zwar überschneiden sich beide Begriffe in der Praxis häufig in ein und demselben System, doch regelt das Legal Intake Management nicht den Zugang zur Rechtsabteilung, sondern ausschließlich die interne Weiterbearbeitung der bereits eingegangenen Anfragen.
Bezeichnet ein softwaregestütztes System zur Erfassung und Steuerung Anfragen innerhalb eines Unternehmens, bei dem jede Anfrage als individueller Vorgang („Ticket“) abgebildet wird.
Es dient der Bündelung sämtlicher juristischer Anliegen über einen zentralen Eingangskanal, ihrer Kategorisierung nach Rechtsgebiet, Risiko oder Dringlichkeit sowie der Zuweisung an zuständige Bearbeiter.
Das Ticketing‑System ist regelmäßig Kerninstrument einer „Legal Front Door“.
Matter Management ist ein Funktionsbereich von Legal Operations und unterstützt organisatorisch die juristische Arbeit. Es beschreibt die strukturierte Verwaltung juristischer Vorgänge (matters), einschließlich der Nachverfolgung von Status, Dokumentation und Bearbeitungsschritten und bildet idealerweise den gesamten Lebenszyklus dieser Vorgänge ab.Es dient der Herstellung von Transparenz gegenüber Management und Stakeholdern, etwa durch Berichte zu Kostenständen, Risikoeinschätzungen oder dem erwarteten Verfahrensausgang. Erfahrungswerte aus abgeschlossenen Matters werden zur Wiederverwertung gesichert.
In der Praxis wird Matter Management häufig durch spezialisierte Software unterstützt, ist jedoch nicht mit dieser gleichzusetzen. Entscheidend ist der standardisierte Umgang mit Einzelfällen nach klar definierten Kriterien, die sowohl juristische als auch wirtschaftliche Aspekte einbeziehen.
Matter Management konzentriert sich auf die operative Steuerung einzelner Rechtsfälle, während Legal Operations die Gesamtorganisation und Leistungsfähigkeit der Rechtsfunktion im Blick hat. Es stellt ein Bestandteil von Legal Operations dar und kein übergreifendes Steuerungskonzept.
Ein Case ist ein spezieller juristischer Vorgang (sog. „Matter“ [eng.]) mit formellem Verfahrenscharakter und einer Ausrichtung auf die rechtlich‑operative Ebene. Als Unterkategorie des Matter Management umfasst ein Case jene Vorgänge, die einem gerichtlichen, behördlichen oder anderweitig formalisierten Ablauf unterliegen, etwa Klageverfahren, Aufsichtsverfahren oder regulatorische Ermittlungen. Während Case Management die operative Führung eines konkreten Falls im laufenden Verfahren betrifft, ist Matter Management weiter gefasst und umfasst zusätzlich Projekt , Kosten , Risiko und Berichtselemente über den gesamten Lebenszyklus eines Rechtsvorgangs hinweg.
Zu der Steuerung gehört unteranderem die Koordination von Verfahrensschritten, die Wahrung von Fristen, die Vorbereitung und Einreichung von Schriftsätzen, die Abstimmung mit externen Prozessvertretern, Gerichten, Behörden oder internen Fachbereichen sowie die fortlaufende Bewertung der prozessualen Lage.
Self‑Service Legal Tools sollen Nutzern ermöglichen, bestimmte rechtliche Aufgaben eigenständig und ohne unmittelbare persönliche Rechtsberatung zu erledigen. Ziel dieser Werkzeuge ist es, wiederkehrende Anfragen schnell erledigen zu können, um so die Rechtsabteilungen zu entlasten.
Mithilfe von zuvor vordefinierten Entscheidungsbäumen, Abfragen oder automatisierten Dokumentenerstellung werden Nutzer schrittweise durch einen rechtlich vorgeformten Prozess zum gewünschten Ergebnis geführt.
Typische Anwendungsfälle sind standardisierte Verträge (z. B. NDAs oder Mietverträge), Datenschutz‑ oder Compliance‑Checks, interne Richtlinien, Melde‑ und Genehmigungsprozesse oder erste rechtliche Selbsteinschätzungen. Es ist anzumerken, dass ein Self-Service Tool keine individuelle Rechtsberatung ersetzt, sondern nur vorstrukturierte Ergebnisse liefern kann.
Chatbot basierte Rechtsservices bezeichnen digitale Angebote, bei denen rechtlich relevante Informationen oder unterstützende Leistungen über dialogorientierte Systeme (Chatbots) bereitgestellt werden. Die Kommunikation erfolgt in natürlicher Sprache und kann regelbasiert oder KI gestützt sein. Derartige Services werden häufig bei einfachen, wiederkehrenden und standardisierbaren Fragestellungen eingesetzt und können als erster Kontaktpunkt genutzt werden.
Im Kontext des in Kraft getretenen EU AI Act, muss beim Einsatz eines KI-Chatbots verpflichtend angegeben werden, dass es sich um eine Interaktion mit KI handelt.
Bezeichnet die (häufig digitale) Steuerung und Organisation sämtlicher Phasen eines Vertrags – von der Anbahnung über die Erstellung und Verhandlung bis hin zur Durchführung und Beendigung. Ziel ist es, Vertragsprozesse effizient und rechtssicher zu gestalten sowie wirtschaftliche und rechtliche Risiken entlang des gesamten „Lebenszyklus“ eines Vertrags zu minimieren.
Die Vorteile einer solchen Transparenz liegen insbesondere in der Rückverfolgbarkeit der einzelnen Vertragsphasen, der Überwachung vertraglicher Fristen, einem vereinfachten Zugriff auf Information sowie in der Erstellung standardisierter Leitfäden („Playbooks“) für künftige Vertragsgestaltungen.
Verträge werden im Rahmen von CLM während ihrer gesamten Laufzeit aktiv begleitet und angepasst. Entsprechend umfasst CLM sowohl Prozesse als auch technologische Lösungen – insbesondere bestimmte Tools, die eine zentrale Verwaltung der Dokumente ermöglichen.
Stellt eine systematische Sammlung vorformulierter Vertragsklauseln, die zur standardisierten Erstellung und Optimierung von Verträgen herangezogen wird. Sie stellt ein zentrales Instrument der Vertragsgestaltung dar und dient der Sicherstellung konsistenter, rechtssicherer und unternehmensweit abgestimmter Formulierungen.
Dabei werden im Vorfeld klassifizierte Klauseln – etwa zu Haftung, Gewährleistung, Datenschutz oder Kündigung – in wiederverwendbarer Form vorgehalten und regelmäßig aktualisiert. Die Bibliothek enthält typischerweise genehmigte Musterformulierungen, Varianten für unterschiedliche Geschäftsszenarien.
Durch die Verwendung geprüfter Klauseln wird das Risiko fehlerhafter oder inkonsistenter Vertragsgestaltungen reduziert. Dies trägt ebenfalls zur Harmonisierung von Vertragsinhalten über verschiedene Jurisdiktionen hinweg bei und erleichtert die Zusammenarbeit zwischen Rechtsabteilung, Einkauf und Vertrieb. Im Arbeitsalltag erweist es sich zudem als zentrales Instrument zur Reduktion des Zeitaufwands bei gleichzeitiger Sicherung der Qualität.
Eine umfangreiche Sammlung standardisierter Vertragsklauseln, Formulierungsalternativen sowie dazugehöriger Verhaltensleitlinien. Sie dienen dazu, juristisch geprüfte und in der Praxis bewährte Inhalte verfügbar zu machen und deren Anwendung im Unternehmen sicherzustellen.
Neben der eigentlichen Klausel enthalten sie regelmäßig Hinweise zu Anwendungsfällen, Risikoeinschätzungen, zulässigen Abweichungen („Fallback-Positionen“) sowie strategischen Argumentationshilfen für Verhandlungssituationen. Gut ausgearbeitete Playbooks führen den Nutzer wie eine Anleitung zielgerichtet zum gewünschten Ergebnis.
Die sogenannten „Rückfall oder Auffangklauseln“ bezeichnen vertragliche Regelungen, die für den Fall greifen, wenn eine primär vorgesehene Bestimmung aus diversen Gründen nicht umsetzbar ist. Ihr Zweck besteht darin durch alternative Rechtsfolgen oder Ersatzmechanismen die Zielerreichung zu sichern.
Typischerweise enthalten solche Auffangklauseln vorab definierte Anpassungslogiken oder alternative Formulierungen.
Bezeichnet die Kennzeichnung von Änderungen in Dokumenten, insbesondere in Vertragsentwürfen.
Vor allem bei mehrstufigen Überarbeitungsprozessen hat Redlining den Vorteil, dass durch die klare Visualisierung von Änderung alle Bearbeitenden diese schnell identifizieren und bewerten können.
Abzugrenzen dies von der bloßen Versionierung eines Dokuments. Eine Versionierung speichert unterschiedliche Dokumentstände als separate Fassungen, ohne die konkreten Änderungen innerhalb einer Datei zu kennzeichnen.
Stellt ein Verfahren dar, welches zur Erfassung und Nachverfolgung von Änderungen an digitalen, bei dem jede Änderung mit einem Zeitstempel, einer eindeutigen Version sowie regelmäßig auch mit Verfasser und Kommentarinformationen dokumentiert wird.
Ziel ist die Sicherstellung von Revisionsfähigkeit und Wiederherstellbarkeit früherer Bearbeitungsstände sowie die koordinierte Zusammenarbeit mehrerer Beteiligter an einem gemeinsamen Arbeitsgegenstand.
Das sogenannte Prüf‑ bzw. Nachverfolgungsprotokoll bezeichnet die chronologische Dokumentation sämtlicher relevanter Vorgänge und Änderungen innerhalb eines Systems, die eine nachträgliche Überprüfung und Rekonstruktion von Handlungen ermöglicht. Ein Audit Trail erfasst typischerweise Informationen zu Zeitpunkt, Art der Änderung, betroffener Einheit sowie zur handelnden Person oder Systeminstanz.
Die Pre Signature Phase bezeichnet den Abschnitt im Vertrags und Dokumentenlebenszyklus, der vor der Unterzeichnung eines Dokuments liegt. In dieser werden die inhaltlichen und formalen Grundlagen für einen wirksamen Vertrag gelegt. Sie dient der Sicherstellung, dass nur freigegebene und korrekte Dokumente zur Unterzeichnung gelangen.
Beeinflusst wird dieser Prozess durch unteranderem durch Verordnungen wie eIDAS.
Die Post Signature Phase bezeichnet den Abschnitt im Vertrags und Dokumentenlebenszyklus nach der Unterzeichnung eines Dokuments. Zentral ist das darauffolgende Vertragsmanagement.
Eine gut durchdachte Post Signature Phase fördert sowohl die Vertragserfüllung, als auch die richtige Aufbewahrung und Einhaltung interner/externer Anforderungen.
Bezeichnet den unterstützende Einsatz KI bei der Erstellung, Analyse und Verwaltung von Verträgen. Im Unterschied zu einer vollständig automatisierten Vertragsgenerierung verbleibt die maßgebliche Entscheidungsverantwortung beim Menschen.
Bezeichnet den Einsatz von KI zur (teil)automatisierten Auswertung von Vertragsdokumenten mit dem Ziel, rechtliche Risiken und Abweichungen von vorgegebenen Standards zu identifizieren. Zentrale Funktion kann weiterhin eine Klauselerkennung und -klassifizierung sein.
Bestimmte AI-Tools können auch Vorschläge zur Verbesserung inkorporieren, allerdings stellt dies eine eher weiterführende Funktion dar.
Auch hier besteht eine Fehleranfälligkeit, sodass eine fachkundige Validierung unerlässlich bleibt.
AI-Assisted Legal Research bezeichnet die Nutzung künstlicher Intelligenz, um juristische Rechercheprozesse zu beschleunigen, indem große Mengen juristischer Informationen durchsucht und ausgewertet werden. Die KI übernimmt vorbereitenden Aufgaben mit den Texten, ersetzt jedoch nicht die juristische Bewertung; die inhaltliche Prüfung und rechtliche Einordnung bleiben zwingend Aufgabe von Juristinnen und Juristen.
Für zuverlässige Ergebnisse muss die KI auf juristische Inhalte zugreifen oder mit domänenspezifisch trainierten Modellen arbeiten; spezialisierte juristische KI‑Systeme (z. B. Lexis+ AI oder andere Legal Research AI Tools) liefern daher genauere Resultate als allgemeine Sprachmodelle. Allgemeine LLMs wie ChatGPT können ergänzend genutzt werden, eignen sich jedoch nicht als primäre juristische Recherchewerkzeuge.
Die KI‑gestützte Recherche ist ein Teil von Legal Technology.
Der Begriff Legal Operating Model bezeichnet die organisatorische Ausgestaltung der Rechtsfunktion innerhalb eines Unternehmens. Er beschreibt, wie juristische Leistungen erbracht, gesteuert und in die Geschäftsprozesse integriert werden, und umfasst damit insbesondere Aufbauorganisation, Prozessgestaltung, Technologieeinsatz sowie Steuerungs- und Governance-Mechanismen.
Der Legal Operating Model-Ansatz geht über die traditionelle Rechtsberatung hinaus und zielt auf eine effiziente und steuerbare Leistungserbringung. Dabei werden juristische Tätigkeiten nach Art und Komplexität differenziert, um Ressourcen gezielt einzusetzen und den Arbeitsalltag zu optimieren. Im Rahmen dessen können diverse Tools zum Einsatz kommen (z. B. Vertragsmanagementsysteme oder DMS/ECM).
Typische Entscheidung im Rahmen der Ausgestaltung des Legal Operating Model sind über die Struktur der Rechtsabteilung (zentrale vs. dezentrale Organisation), Make-or-buy-Entscheidungen, Festlegung von Workflows (z. B. bei Vertragsprüfungen), über den Technologieeinsatz (Implementierung digitaler Tools), etc.
Abzugrenzen ist der Begriff von der bloßen Organisation der Rechtsabteilung: Während letztere primär die personelle und strukturelle Aufstellung beschreibt, umfasst das Legal Operating Model einen weitergehenden Ansatz, der auch Technologien und Steuerungsmechanismen integriert.
Bezeichnet die Ausgestaltung eines angestrebten Zielzustands für die Aufstellung eines Unternehmens oder einzelner Funktionsbereiche. Es dient als strategischer Referenzrahmen für Transformationsvorhaben und beschreibt, wie Leistungen künftig erbracht, gesteuert und organisatorisch verankert werden sollen. Damit betrifft es den übergeordneten Organisationsbereich.
Konzentriert sich auf die Frage, wie juristische Leistungen konkret erbracht werden. Es regelt insbesondere die Verteilung von Aufgaben, den Einsatz interner und externer Ressourcen sowie den Grad der Standardisierung und Automatisierung juristischer Tätigkeiten. Stellt einen Teilbereich eines TOM dar.
Legal Operations bezeichnet den Bereich der Rechtsabteilung, der die juristischen Dienstleistungen organisatorisch strukturiert und steuert. Dieser Bereich koordiniert die internen Abläufe so, dass die juristische Arbeit ressourcenschonend erbracht werden kann und ist damit funktional von der juristischen Facharbeit getrennt.
Es umfasst dabei insbesondere Themen wie Ressourcen und Budgetmanagement, Prozessstandardisierung, Auswahl und Steuerung externer Kanzleien, Einsatz von Kennzahlen (KPIs), Performance Messung, Wissensmanagement sowie Governance und Compliance Strukturen.
Ein wesentliches Merkmal von Legal Operations ist der methodische Rückgriff auf Management und Controlling Instrumente, die traditionell außerhalb des juristischen Bereiches verortet sind. Es ist daher besonders im Unternehmenskontext relevant, wo Rechtsabteilungen als Business Partner agieren sollen:
Bezeichnet die systematische Planung und Begleitung organisatorischer Veränderungen innerhalb eines Unternehmens. Ziel ist es, in personeller und struktureller Hinsicht eine Anpassung an neue Rahmenbedingungen sicherzustellen.
Im Legal-Tech-Umfeld spielt Change Management insbesondere bei der Einführung neuer Technologien, digitaler Arbeitsweisen oder automatisierter Prozesse eine zentrale Rolle. Neben der technischen Implementierung umfasst neben der Entwicklung von Kommunikations- und Schulungskonzepten, auch die Förderung einer Veränderungskultur innerhalb der Organisation. Ein wirksames Change Management trägt dazu bei, die Akzeptanz neuer Lösungen zu erhöhen, Produktivitätsverluste während des Transformationsprozesses zu vermeiden und den langfristigen Erfolg von Digitalisierungsinitiativen sicherzustellen.
Der Legal Engineer ist ein interdisziplinäres Berufsprofil an der Schnittstelle von Recht, Technologie und Prozessmanagement. Man befasst sich mit der Strukturierung und Digitalisierung juristischer Arbeitsabläufe. Im Mittelpunkt steht die „Übersetzung“ juristischer Anforderungen in technische oder prozessuale Lösungen.
Zu den typischen Tätigkeiten eines Legal Engineers zählen die Modellierung der Rechtsprozesse, die Entwicklung und Implementierung von Legal-Tech-Anwendungen, die Analyse von Datenstrukturen sowie die Optimierung der Zusammenarbeit zwischen Juristen, IT‑Abteilungen und Fachbereichen.
In der Praxis findet das Berufsbild insbesondere in größeren Kanzleien und Rechtsabteilungen von Unternehmen Anwendung.
Die Aufgabe eines Legal Data Analysten besteht darin, juristisch relevante Daten systematisch zu erheben, aufzubereiten und auszuwerten, um daraus Entscheidungsgrundlagen für rechtliche und unternehmerische Fragestellungen abzuleiten. Im Mittelpunkt steht die datengetriebene Unterstützung juristischer Prozesse, etwa durch Risikoanalysen oder Prognosemodelle.
Zu den Kernaufgaben eines Legal Project Managers zählen die Strukturierung von Projekten, Ressourcen- und Budgetplanung sowie die Koordination interdisziplinärer Teams aus Juristen, Fachabteilungen und externen Dienstleistern. Darüber hinaus übernimmt der Legal Project Manager das laufende Monitoring von Fortschritt, Risiken und Qualität sowie die Kommunikation mit Mandanten oder internen Stakeholdern.
In der Praxis gewinnt das Berufsbild insbesondere in wirtschaftsberatenden Kanzleien und Rechtsabteilungen größerer Unternehmen an Bedeutung, etwa bei der Steuerung von umfangreichen Projekten.
Die Tätigkeit umfasst die Analyse juristischer Anwendungsfälle für den Einsatz von KI, sowie die Auswahl und Implementierung geeigneter Technologien und Sicherstellung der Einhaltung regulatorischer Anforderungen, insbesondere im Hinblick auf Datenschutz, Transparenz und Haftungsfragen. Der Legal AI Specialist fungiert dabei regelmäßig als Schnittstelle zwischen Rechtsabteilung, IT, Data Science und Compliance‑Funktionen. Ein weiterer Schwerpunkt liegt in der Bewertung von KI‑Risiken, etwa hinsichtlich Verzerrungen, Nachvollziehbarkeit von Entscheidungen oder der Einhaltung europäischer Vorgaben wie der KI‑Verordnung.
Stellt ein spezialisiertes Rollenprofil im Bereich der digitalen Vertragsverwaltung, das für die technische und operative Betreuung von CLM Systemen verantwortlich ist.
Zu den Aufgaben eines CLM Administrators gehören insbesondere die Konfiguration von Workflows, die Verwaltung von Benutzerrechten, die Pflege von Vertragsvorlagen und Klauselbibliotheken sowie die Sicherstellung der Datenqualität innerhalb des Systems. Als Bindeglied zwischen juristischen Anforderungen und technischer Umsetzung leistet der CLM Administrator einen wesentlichen Beitrag zur Digitalisierung des Vertragsmanagements.
Der Knowledge Manager kümmert man sich um die Erfassung, Weitergabe, Nutzung, Speicherung, Aufbereitung und Verwaltung des Wissens innerhalb einer Organisation. Dies umfasst sowohl die technische als auch die personellen Aspekte – so fällt in den Aufgabenbereich eines Knowledge Managers sowohl die Implementierung geeigneter IT Tools zur Wissensverwaltung, als auch die Durchführung von Schulungen zur Förderung des Wissensaustausches.
Stellt ein spezialisiertes Fachprofil dar, welches für die ganzheitliche Steuerung und Überwachung von Vertragsbeziehungen innerhalb eines Unternehmens verantwortlich ist. Im Mittelpunkt seiner Tätigkeit steht die Sicherstellung, dass Verträge entlang ihres gesamten Lebenszyklus – von der Anbahnung über Verhandlung und Abschluss bis hin zur Durchführung, Überwachung und Beendigung – rechtlich, wirtschaftlich und organisatorisch effizient gemanagt werden.
Der Begriff AI Governance bezeichnet die Gesamtheit organisatorischer, rechtlicher und technischer Maßnahmen zur verantwortungsvollen Nutzung von Systemen der Künstlichen Intelligenz (KI).
Bezeichnet ein ausgestaltetes Rahmenwerk, das darauf ausgerichtet ist, die Einhaltung gesetzlicher Vorschriften, regulatorischer Anforderungen sowie unternehmensinterner Richtlinien dauerhaft sicherzustellen und entsprechende Risiken präventiv zu steuern. Es umfasst die Gesamtheit aller Maßnahmen, Strukturen und Kontrollmechanismen, die ein Unternehmen implementiert, um ein solches regelkonformes Verhalten zu gewährleisten und Rechtsverstöße zu.
Ein Compliance Management System hat eine breite Anwendung und ist vor allem in größeren und/oderinternational tätigen Unternehmen relevant, etwa zur Vermeidung von Korruptions‑ und Kartellrechtsverstößen, zur Sicherstellung datenschutzrechtlicher Vorgaben oder zur Einhaltung finanzaufsichtsrechtlicher Anforderungen.
Bezeichnet ein integriertes Verfahren im Unternahmen zur Identifikation und Bewertung von Risiken, die aus Geschäftsbeziehungen zu externen Dritten – insbesondere Dienstleistern, Lieferanten oder sonstigen Vertragspartnern – resultieren. Ziel ist es, sicherzustellen, dass Risiken, die sich aus der Auslagerung von Leistungen oder der Abhängigkeit von externen Akteuren ergeben, frühzeitig erkannt, angemessen kontrolliert werden.
Das TPRM erstreckt sich regelmäßig über den gesamten Lebenszyklus einer Drittbeziehung und umfasst insbesondere vorgelagerte Due‑Diligence‑Prüfungen (etwa hinsichtlich Bonität, Compliance‑Strukturen, Datenschutz und IT‑Sicherheit), die risikoadäquate Vertragsgestaltung (einschließlich Kontroll‑, Audit‑ und Haftungsregelungen) sowie die laufende Überwachung der Leistungserbringung.
Schatten‑KI bezeichnet den nicht genehmigten Einsatz von KI‑basierten Anwendungen innerhalb eines Unternehmens durch Mitarbeitende, ohne Einbindung oder Freigabe durch IT‑, Rechts‑ oder Compliance‑Funktionen. Sie entsteht häufig aus dem Bedürfnis nach Effizienz und schnellen Ergebnissen, wenn offizielle KI‑Lösungen fehlen, zu restriktiv sind oder mit dem Bedarf nicht Schritt halten.
Im Kontext von Rechtsabteilungen umfasst Schatten‑KI etwa die Nutzung externer KI‑Tools zur Vertragsanalyse, Texterstellung oder Recherche.
Die Gefahr entsteht, wen sensible Informationen – etwa Vertragsinhalte, kunden- und personenbezogene Daten, interne Strategien etc. – in Tools eingebracht werden, in welchen die Datenverarbeitung nicht kontrolliert sind.
Damit birgt Schatten‑KI in einem Unternehmen fachbereichsübergreifend erhebliche Risiken: Verstöße gegen Datenschutz‑ und Berufsgeheimnisvorgaben, mangelnde Vertraulichkeit, fehlende Nachvollziehbarkeit von Ergebnissen sowie Haftungs‑ und Reputationsrisiken für das Unternehmen. Gleichzeitig unterläuft Schatten‑KI zentrale Governance‑, Sicherheits‑ und Qualitätsstandards und erschwert eine konsistente KI‑Strategie.
Der Umgang mit Schatten‑KI erfordert daher eine schnelle Anpassung von Unternehmen, damit die Beüdrfnisse der Mitarbeiter klare Richtlinien, transparente Freigabeprozesse und zugelassene KI‑Werkzeuge, die den tatsächlichen Arbeitsbedürfnissen der Rechtsabteilung entsprechen.
Bezeichnet eine Datenverarbeitung, wo keine Speicherung von Daten über den unmittelbaren Verarbeitungszweck hinaus erfolgt. Die Daten werden dabei ausschließlich während der unmittelbaren Anfrage verarbeitet und unmittelbar nach Abschluss des jeweiligen Vorganges gelöscht, sodass keine dauerhafte Speicherung, oder Weiterverwendung zu Trainingszwecken stattfindet.
Allerdings ergibt sich ein Spannungsfeld zu den gesetzlichen Aufbewahrungs- und Dokumentationspflichten. Weiterhin bleibt bei Vertragsabschlüssen mit Tools darauf zu achten, dass zero data retention gewährleistet ist.
Bezeichnet die Auswertung von sich abzeichnender rechtlicher, politischer und aufsichtsrechtlicher Trends, die potenziell Auswirkungen auf ein Unternehmen oder dessen Geschäftstätigkeit haben können. Ziel ist es, relevante Gesetzesvorhaben, Verordnungen, Leitlinien von Aufsichtsbehörden oder sonstige regulatorische Initiativen frühzeitig zu erkennen, deren Relevanz zu analysieren und darauf basierend interne Anpassungen vorzunehmen.
Beide stellen ein Frühwarn‑ und Steuerungsinstrument dar. Allerdings bestehen begriffliche Unterscheidungen. Zur Abgrenzung:
Regulatory Monitoring ist primär auf die Auswertung bereits konkret formulierter oder in Kraft befindlicher Normen gerichtet.
Horizon Scanning umfasst auch die Analyse von noch nicht eingetroffenen Ereignissen, regulatorischen Tendenzen, politischen Entwicklungen etc.
Did you find this useful?
To tell us what you think, please update your settings to accept analytics and performance cookies.