Legal AI ist nicht sexy. Keine viralen Consumer-Apps, keine beeindruckenden Demos auf YouTube. Nur Anwälte, die Dokumente schneller durcharbeiten wollen. Und genau da fließt gerade das große Geld hin.
Legora, ein schwedisches Startup, das Anwälten bei der Vertragsanalyse hilft, ist jetzt 5,6 Milliarden Dollar wert. Nvidia hat mitfinanziert, Atlassian auch. Einen Monat zuvor hatte Legora bereits 550 Millionen Dollar in einer Series D eingesammelt. Der US-Konkurrent Harvey liegt bei 11 Milliarden, nachdem Sequoia sein Investment verdreifacht hat. Das ist kein normales Startup-Rennen mehr.
Die Frage ist: Warum ausgerechnet hier?
#Der Job ist klar, der Schmerz ist groß
Anwälte sind teuer. Eine Stunde bei einer Großkanzlei kostet leicht 300 bis 600 Euro. Und ein erheblicher Teil dieser Zeit geht für Aufgaben drauf, die im Kern Textverarbeitung auf hohem Niveau sind: Verträge lesen, Klauseln vergleichen, Risiken markieren, Zusammenfassungen schreiben.
AI kann das. Nicht fehlerfrei, aber gut genug, dass Kanzleien wie Bird & Bird, Cleary Gottlieb und Linklaters dafür bezahlen. Legora berichtet, dass die Plattform nach nur 18 Monaten von mehr als 1.000 Kanzleien und Legal-Teams in 50 Märkten genutzt wird. Harvey zählt 100.000 Anwälte in 1.300 Organisationen als Kunden.
Das sind keine Pilotprojekte mehr. Das ist Betrieb.
Der Grund für den Erfolg ist nicht, dass Legal AI besonders intelligent ist. Der Grund ist, dass der Job, den es übernimmt, klar abgrenzbar ist. Du gibst einen Vertrag rein, du bekommst eine strukturierte Analyse raus. Input definiert, Output definiert, Wert sofort messbar.
#Das Muster hinter dem Hype
Was bei Legal AI passiert, passiert gerade in vielen Branchen gleichzeitig. Nicht die spektakulären Anwendungsfälle gewinnen zuerst. Nicht die Chatbots, die alles können und nichts richtig. Sondern die Tools, die einen spezifischen, teuren, zeitintensiven Job erledigen.
Buchhaltung: Belege erfassen, kategorisieren, Steuervorbereitung. Repetitiv, regelbasiert, dokumentenlastig. AI-Tools wie Dext oder die integrierten Funktionen in DATEV-Umgebungen übernehmen das zunehmend.
Code-Review: Entwickler verbringen Stunden damit, Fehler zu suchen und Qualität zu prüfen. GitHub Copilot und ähnliche Tools verkürzen das messbar.
Kundenanfragen: Wenn 70 Prozent aller Anfragen dieselben zehn Fragen sind, ist das kein Kommunikationsproblem. Das ist ein Automatisierungsproblem.
Das Muster ist immer gleich: ein klar abgrenzbarer Job, hohe Wiederholungsrate, hoher Zeitaufwand pro Durchlauf, messbares Ergebnis. Wo diese vier Faktoren zusammentreffen, lohnt sich AI.
#Warum das für KMU relevant ist
Du bist kein Investor in Legora. Die Bewertung von 5,6 Milliarden interessiert dich zu Recht nicht direkt. Aber das Muster dahinter schon.
Denn was Großkanzleien mit Legal AI machen, kannst du mit deinem Betrieb durchdenken. Nicht mit Milliarden-Budget, sondern mit einem ehrlichen Blick auf deine eigenen Prozesse.
Welche Aufgaben in deinem Betrieb sind repetitiv und dokumentenlastig? Wo verbringen du oder deine Mitarbeiter Zeit mit Aufgaben, die im Kern immer gleich ablaufen? Angebote schreiben nach dem gleichen Schema, Rechnungen prüfen, Bestellungen erfassen, Protokolle tippen.
Das sind keine Aufgaben, für die du AI-Experte sein musst. Das sind Aufgaben, für die es heute Tools gibt, die du ausprobieren kannst, ohne einen Berater zu engagieren.
#Konkret: Wo anfangen
Drei Bereiche, die ich KMU-Entscheidern als ersten Blick empfehle:
Erster Bereich: Texte, die immer wieder neu geschrieben werden. Angebote, Auftragsbestätigungen, Standardmails. Tools wie ChatGPT oder Claude können als Entwurfshelfer funktionieren, wenn du ihnen ein gutes Template gibst. Nicht für kreative Texte, sondern für die 80-Prozent-Aufgaben, die du danach noch kurz anpasst.
Zweiter Bereich: Dokumente, die du liest, um Infos rauszuziehen. Lieferbedingungen, AGB von Lieferanten, Vertragsklauseln. Du musst kein Legora-Kunde werden, aber ein gut formulierter Prompt in ChatGPT kann dir eine Zusammenfassung eines langen Dokuments in zwei Minuten liefern, die du sonst 20 Minuten lang gelesen hättest.
Dritter Bereich: Daten, die du regelmäßig aufbereitest. Wenn du jeden Monat dieselbe Excel-Tabelle baust, dieselben Zahlen zusammenträgst, denselben Report schreibst, lohnt sich der Blick auf Automatisierungstools wie Make oder Zapier in Kombination mit AI-Funktionen.
#Was nicht funktioniert
Ein Fehler, den ich oft sehe: KMU-Entscheider schauen auf AI-Tools und fragen, was das Tool alles kann. Die falsche Frage. Die richtige Frage ist: Welchen konkreten Job soll das Tool für mich erledigen?
Legora ist nicht erfolgreich, weil es ein allgemeines AI-Tool für Anwälte ist. Es ist erfolgreich, weil es einen spezifischen Job übernimmt, für den Anwälte bisher viel Zeit und Geld aufgewendet haben. Diese Klarheit fehlt vielen KMU beim Einstieg in AI.
Kein Tool löst ein Problem, das du nicht klar benennen kannst. Wenn du nicht sagen kannst, welche Aufgabe du automatisieren willst und wie du misst, ob es funktioniert, wirst du das Tool nach drei Wochen nicht mehr nutzen.
#Der eigentliche Take
Die Milliardenbewertungen von Legora und Harvey sind ein Signal, kein Maßstab. Das Signal lautet: AI gewinnt zuerst dort, wo der Job klar ist und der bisherige Aufwand hoch. Nicht bei den großen, vagen Transformationsversprechen.
Für dich als KMU-Entscheider bedeutet das: Fang nicht mit der Frage an, was AI kann. Fang mit der Frage an, welche Aufgabe in deinem Betrieb repetitiv, dokumentenlastig und teuer in Zeit oder Geld ist. Dann schau, ob es dafür ein Tool gibt.
Meistens gibt es eines.
