Von Rupali Patel Shah, Head of Legal Solutions bei DiliTrust
Die Unternehmen, die derzeit echten Nutzen aus KI ziehen, haben eines gemeinsam: Sie haben die Einführung als Transformationsprozess betrachtet. Diejenigen hingegen, die auf Rechnungen starren, die sie sich nicht erklären können, und auf Ergebnisse, denen sie nicht voll und ganz vertrauen können, haben die Einführung als reines Einkaufsprojekt betrachtet. In diesem Unterschied – mehr noch als in der Wahl der Plattform oder der Geschwindigkeit der Umsetzung – liegt der eigentliche Kern der KI-Entwicklung im Rechtsbereich.
Ich schreibe schon seit Monaten über dieses Muster, sei es im Zusammenhang mit Informations Governance, regulatorischer Unsicherheit oder der Einführung neuer Technologien. Das Schema ist bemerkenswert konsistent: Man investiert zu viel in die Tools, zu wenig in Menschen und Prozesse, erwartet eine Transformation und wird enttäuscht. KI bildet da keine Ausnahme. Wenn überhaupt, handelt es sich um die Version mit den höchsten Risiken, die wir bisher gesehen haben.
Die Kosten sind real. Der Mehrwert ist schwerer zu finden.
Laut dem Deloitte-Bericht vom Juni 2026 mit dem Titel „The AI Imperative: Reshaping of the Legal Industry“, einer Umfrage unter mehr als 100 General Counsels und führenden Rechtsverantwortlichen aus neun Branchen – stiegen die KI-Budgets in Rechtsabteilungen im Jahresvergleich um durchschnittlich 67 %. [1] Vor zwei Jahren gaben 76 % der Rechtsabteilungen an, überhaupt keine KI einzusetzen. Heute setzen 61 % KI aktiv ein. [1] Die Ausgaben steigen rasant an.
Die Ergebnisse halten nicht Schritt. Eine MIT-Studie ergab, dass 95 % der KI-Pilotprojekte in Unternehmen keine messbaren Auswirkungen auf die Gewinn- und Verlustrechnung hatten. [2] Bain & Company beobachtete über einen Zeitraum von fünf Monaten 200 Unternehmen im Hinblick auf den Einsatz von GenAI speziell im Rechtsbereich – und Juristen zeigten von allen Unternehmensgruppen die größte Unzufriedenheit. Nur 53 % gaben an, dass die Tools ihre Erwartungen erfüllten oder übertrafen, und diese Zahl sank im Untersuchungszeitraum um 18 %. [3] Deloitte weist ausdrücklich darauf hin, dass der größte Nutzen von KI im Rechtsbereich „noch bevorsteht“. [1]
Dieser Satz hat eine große Bedeutung. Denn die Rechnungen warten nicht.
So sieht es aus, wenn man KI-Tools flächendeckend einsetzt, ohne ein klares Ziel vor Augen zu haben. Die Kennzahlen zur Akzeptanz orientieren sich an der Nutzung: wer nutzt die Tools, wie oft. Eine vernünftige Absicht. Unbeabsichtigte Folge: Die Mitarbeiter lernen schnell, dass eine intensive KI-Nutzung in einem Umfeld, in dem bereits Unsicherheit hinsichtlich der Personalstärke herrscht, als Zeichen für Relevanz gewertet wird. Der Verbrauch von mehr „Tokens“ wird zum Ziel statt zum Ergebnis. Wie das AI Innovation Hub der Cornell University festgestellt hat: „Mitarbeiter lernen, die Nutzung zu maximieren, anstatt den Nutzen.“ [4]
Ein großes Technologieunternehmen hat sein gesamtes KI-Budget für 2026 innerhalb von vier Monaten aufgebraucht, nachdem es ein Tool für rund 5.000 Ingenieure bereitgestellt hatte. Sein CTO gab 1.200 Dollar in einer einzigen zweistündigen Demo-Sitzung aus. [5] Die KI-Preise pro Token sind in den letzten zwei Jahren um 80–90 % gesunken. Die KI-Kosten für Unternehmen stiegen im gleichen Zeitraum um 320 % [6] – da agentische Workflows pro Aufgabe 10 bis 20 separate LLM-Aufrufe generieren können [7] und nur 15 % der Unternehmen ihre KI-Kosten mit einer Genauigkeit von 10 % prognostizieren können. [8]
Die derzeitigen Preise werden zudem teilweise durch Risikokapital subventioniert. Wenn sich das ändert, werden die Kosten deutlich schwerer zu verkraften sein. Goldman Sachs prognostiziert, dass KI-Agenten bis 2030 zu einem 24-fachen Anstieg des Token-Verbrauchs führen werden. [7] Wir wissen wirklich nicht, wie teuer das werden wird.
Sie haben einen Aufpreis gezahlt. Möglicherweise gehört das, was Sie gebaut haben, nicht Ihnen.
Eine bestimmte Kategorie von KI-Tools hat diese Situation im Rechtsbereich noch verschärft: Produkte, die als Workflow-Tools auf Basis von Grundmodellen entwickelt wurden – ergänzt um Dokumentenmanagement, Matter-Historien und branchenspezifisches Prompting – und mit einem erheblichen Aufschlag verkauft wurden. Kanzleien unterzeichneten mehrjährige Verträge, bevor sie die Preisgestaltung verstanden hatten. Viele stellten fest, dass sie eine Premium-Abonnementgebühr sowie nutzungsabhängige API-Gebühren, Integrationskosten und Schulungskosten zahlten – und das alles zusätzlich zu einem Basismodell, auf das sie direkt zu einem Bruchteil des Preises hätten zugreifen können.
Eine Analyse der Verträge von KI-Anbietern durch die Stanford Law School ergab, dass 92 % Rechte zur Datennutzung beanspruchen, die über das für die Erbringung der Dienstleistung erforderliche Maß hinausgehen. Nur 17 % verpflichten sich ausdrücklich zur Einhaltung geltender Gesetze – im Vergleich zu 36 % in Standard-SaaS-Verträgen. [9] Speziell im juristischen Bereich sammeln Tools, die in das Matter Management integriert sind, institutionellen Kontext an – Präzedenzfallbibliotheken, Korrekturen durch Juristen, Risikogrenzen, die sich über Monate der Nutzung herausgebildet haben. Wenn eine Kanzlei die Plattform verlässt, geht dieses Wissen verloren. Wir haben noch immer kein klares Bild von den langfristigen Auswirkungen auf das Anwaltsgeheimnis.
Das ist die Bindung, die im Pitch Deck nicht erwähnt wird.
Ein Teil davon hängt von den Nutzern ab, nicht von den Tools
Das Unangenehme daran ist: Nicht alles davon ist die Schuld der Technologie.
Die bislang strengste Studie zu KI und der Produktivität erfahrener Entwickler – eine randomisierte kontrollierte Studie von METR, die 2025 veröffentlicht wurde – ergab, dass KI-Tools die Entwickler bei realen Produktionsaufgaben um 19 % verlangsamten. Die Entwickler hatten vorausgesagt, dass sie 24 % schneller sein würden. Nach Abschluss der Studie waren sie weiterhin der Meinung, sie seien 20 % schneller gewesen. [10] Die Diskrepanz zwischen dem Produktivitätsempfinden der Nutzer bei der Verwendung von KI und ihrer tatsächlichen Produktivität ist eine der folgenreichsten Erkenntnisse der aktuellen Forschung.
Was ich in meinem Artikel vom April als „Vibe-Coding“ bezeichnet habe, lässt sich weit über den Bereich der Software hinaus anwenden. Es handelt sich dabei um das Muster, Ergebnisse schnell zu generieren, ohne sie wirklich zu verstehen. Für eine Person, die an einem abgegrenzten Problem arbeitet, kann dies schnell gehen und wirklich nützlich sein. Bei Ergebnissen, die in einen Arbeitsablauf, eine Überprüfungskette oder ein Kundenprodukt einfließen, führt dies jedoch zu Problemen, deren Aufdeckung und Behebung kostspielig ist.
Die „Harvard Business Review“ bezeichnete das Ergebnis als „Workslop“ – KI-Inhalte, die zwar vollständig und professionell wirken, denen es jedoch an substanziellem Wert mangelt. [11] In einer Umfrage unter mehr als 1.000 US-amerikanischen Arbeitnehmern gaben 40 % an, solche Inhalte im vergangenen Monat erhalten zu haben. Die Klärung jedes einzelnen Vorfalls dauert durchschnittlich fast zwei Stunden. Der Absender spart 30 Minuten. Das Unternehmen verliert zwei Stunden. Die Wissensdatenbank füllt sich still und leise mit ungeprüften Inhalten, die später nicht mehr nachvollziehbar sind. Das ist das Problem der Informationsverwaltung, über das ich seit Januar aus einer anderen Perspektive schreibe.
Im Rechtsbereich sind die Folgen beruflicher Natur. US-Gerichte verzeichneten allein im Jahr 2025 487 Fälle von KI-Fehlern oder -„Halluzinationen“ in Gerichtsunterlagen – mehr als das Zehnfache der Gesamtzahl aus dem Jahr 2024. [12] Deloitte stellte fest, dass nur 24 % der Rechtsabteilungen über ein formelles Qualitätssicherungssystem für KI verfügen. [1] Die Tools verbreiten sich schneller als die Kontrollmechanismen für diese Tools.
84 % haben nichts neu gestaltet
Deloitte stellte fest, dass 84 % der Unternehmen ihre Rollen im Hinblick auf KI nicht neu gestaltet haben. Nur 17 % haben Anreize für den Einsatz von KI in ihre Leistungsbewertungssysteme integriert. [1] Die meisten Unternehmen arbeiten nach einem Zwei-Aufgaben-Modell: Die Mitarbeiter generieren KI-Ergebnisse und überprüfen diese anschließend umfassend, ohne dass sich die Definition oder Unterstützung dieser Rollen strukturell verändert hat. Die durch die Technologie versprochenen Einsparungen werden teilweise durch den Arbeitsaufwand für die Überprüfung wieder aufgezehrt.
Da KI routinemäßige juristische Aufgaben übernimmt, werden die verbleibenden Aufgaben komplexer – was möglicherweise mehr erfahrene Fachkräfte zur Unterstützung erfordert, nicht weniger. Das wird in den meisten ROI-Modellen nicht berücksichtigt.
Bedacht schlägt schnell
Die Studien von Deloitte zeigen bei einem Versicherungsunternehmen eine jährliche Einsparung von 6 Millionen Euro bei den externen Rechtskosten sowie Produktivitätssteigerungen von 5–8 % in einer Finanzdienstleistungsabteilung in der frühen Einführungsphase. [1] Die MIT-Analyse ergab, dass der Einsatz von KI im Backoffice mit klar definierten Prozessgrenzen allein durch die Automatisierung der Dokumentenprüfung jährliche Einsparungen in Höhe von 2 bis 10 Millionen US-Dollar ermöglichte. [2] Was diese Ergebnisse auszeichnet, ist nicht die Wahl des jeweiligen Tools.
Deloitte bringt es auf den Punkt: „Die wichtigste Investitionsentscheidung für Führungskräfte in der Rechtsbranche ist nicht die Wahl der richtigen Plattform. Es geht vielmehr darum, ein ausgewogenes Gesamtportfolio an Investitionen in den Bereichen Technologie, Personal, Daten und Transformation sicherzustellen.“ [1]
Definieren Sie das Problem, bevor Sie die Lösung finanzieren. Legen Sie Meilensteine fest, keine Missionen. Schaffen Sie vom ersten Tag an Verantwortlichkeit. Darüber habe ich im Mai im Zusammenhang mit der Einführung von Technologien im Allgemeinen geschrieben – die Grundsätze sind dieselben. KI bildet keine Ausnahme von den allgemeinen Gesetzmäßigkeiten, nach denen Veränderungen tatsächlich ablaufen.
Die Kosten für die Einführung von KI im Rechtsbereich sind bereits hoch und steigen in einer Weise, die wir nicht vollständig vorhersagen können. Die Frage, mit der man sich derzeit beschäftigen sollte, lautet nicht, ob Ihr Unternehmen KI einsetzt. Es geht vielmehr darum, ob Sie die Einführung als Transformationsprozess betrachtet haben – oder als reines Einkaufsprojekt. Denn einer dieser Wege führt tatsächlich irgendwohin. Der andere führt zu einem sehr kostspieligen Chaos, das sich schwerer wieder in Ordnung bringen lässt, als es zu verursachen war.
Mehr ist nicht immer besser. Manchmal bedeutet es einfach nur mehr Aufräumarbeit.
Von KI-Risiko zu KI-Reife: Der Blueprint für Ihre Rechtsabteilung
Was Sie in diesem Blueprint finden:
- Von KI-Nutzung zu echtem KI-Mehrwert: was den Unterschied macht
- Die 3 Probleme, die keine Software allein lösen kann
- Ein 90-Tage-Plan zur KI-Einführung, den jede Rechtsabteilung umsetzen kann
Quellen
[1] Deloitte Legal, „The AI Imperative: Reshaping of the Legal Industry“, Juni 2026
[2] MIT / Legal.io, MIT-Bericht: 95 % der KI-Pilotprojekte erzielen keinen ROI, 2025
[3] Bain & Company / Legal Dive, „Gen AI und Anwälte arbeiten (noch) nicht gut zusammen“, 2024
[4] Cornell Chronicle, Das Problem der versteckten Kosten der KI: Unternehmen brauchen Fachwissen, nicht nur das Maximieren von Token
[5] Forbes / Janakiram MSV, „Uber verbraucht sein KI-Budget für 2026 in vier Monaten für den Claude-Code“, Mai 2026
[6] Oplexa, „AI Inference Cost Crisis 2026“
[7] Goldman Sachs, „Decoding the Agentic Economy“, Mai 2026
[8] Campbell Robertson / Substack, „Tokenmaxxing: Die versteckten Kosten, die Ihre versprochenen Ersparnisse auffressen“, März 2026
[9] Stanford CodeX / TermScout, „Navigating AI Vendor Contracts and the Future of Law“, März 2025
[10] METR, Messung der Auswirkungen der KI von Anfang 2025 auf die Produktivität erfahrener Open-Source-Entwickler, Juli 2025
[11] Harvard Business Review, KI-generierter „Workslop“ untergräbt die Produktivität, September 2025
[12] LawSites / Damien Charlotin, „Die Rechtsbranche erreicht den Wendepunkt bei der KI“, März 2026
Häufig gestellte Fragen zu den Kosten der KI-Einführung in Rechtsabteilungen
Hören Sie auf, Einführungserfolg an Verbrauch zu messen. Sobald die Nutzungshäufigkeit zum KPI wird, lernen Mitarbeitende, dass viele Token Relevanz signalisieren, unabhängig vom Ergebnis. Agentische Workflows können für eine einzige Aufgabe 10 bis 20 separate LLM-Aufrufe auslösen, und nur 15 % der Unternehmen können ihre KI-Kosten auch nur annähernd prognostizieren. Koppeln Sie Anreize stattdessen an einen klar abgegrenzten Anwendungsfall, zum Beispiel Dokumentenprüfung oder Matter-Triage, mit einem konkreten Meilenstein und einer verifizierten Qualitätshürde. Erst wenn dieser Anwendungsfall den Beweis erbracht hat, skalieren Sie weiter. Eine Plattform, die Kosten und Output pro Matter protokolliert statt rohe Token-Zahlen, macht das messbar.
Verhandeln Sie Datenportabilität und Nutzungsbeschränkungen, bevor Sie unterschreiben. 92 % der KI-Vendor-Verträge beanspruchen Datennutzungsrechte über die Leistungserbringung hinaus. Bestehen Sie auf Exportrechten, definierten Datenverarbeitungspflichten und vollständiger Preistransparenz.
An jedem Punkt, an dem KI-Output eine Einzelperson verlässt, brauchen Sie einen formalen Verifikationsschritt. Nur 24 % der Rechtsabteilungen haben aktuell einen solchen Rahmen. Bauen Sie Prüfverantwortung und einen Audit Trail direkt in den Workflow ein.
Das passiert, wenn KI auf bestehende Rollen aufgesetzt wird, ohne sie neu zu gestalten. Mitarbeitende generieren Output und validieren ihn anschließend aufwändig, das Zwei-Job-Modell. Die versprochenen Einsparungen werden durch den Prüfaufwand aufgezehrt. Deloitte stellt fest: 84 % der Unternehmen haben Rollen nicht neu definiert, nur 17 % haben KI-Einführung in Leistungsrahmen integriert. Hinzu kommt: Je mehr KI Routinearbeit übernimmt, desto anspruchsvoller wird das Verbleibende, was möglicherweise erfahrenere Fachkräfte zur Absicherung erfordert.
