Prompting für Juristen: Grundlagen für brauchbare KI-Ergebnisse im Kanzleialltag

Ein Jurist tippt eine Frage in einen KI-Assistenten, erhält eine flüssig formulierte Antwort und stellt beim zweiten Lesen fest: Die Rechtslage stimmt nicht, die zitierte Entscheidung existiert nicht, und die Argumentation passt zu einer anderen Jurisdiktion. Die naheliegende Schlussfolgerung lautet dann oft, das Werkzeug tauge für juristische Arbeit nicht. Die zutreffendere Diagnose ist in vielen Fällen eine andere: Die Anfrage war unterbestimmt.

Prompting für Juristen heißt, einem Sprachmodell eine Aufgabe so zu stellen, wie man sie einem fähigen, aber fachfremden Mitarbeiter stellen würde, der den Fall nicht kennt. Wer einem solchen Mitarbeiter zuriefe, er solle kurz etwas zur Gewährleistung schreiben, bekäme ebenfalls Beliebiges zurück. Sprachmodelle verstärken diesen Effekt, weil sie Lücken in der Aufgabenstellung nicht durch Rückfragen schließen, sondern durch plausibel klingende Annahmen.

Die gute Nachricht: Die Grundlagen brauchbaren Promptings sind erlernbar, und sie decken sich in weiten Teilen mit dem, was Juristen ohnehin beherrschen, nämlich präzises Formulieren von Aufträgen und Sachverhalten.

Rolle und Kontext vorgeben

Ein Sprachmodell beantwortet Fragen aus dem gesamten Spektrum seines Trainings. Ohne Vorgabe weiß es nicht, ob es für einen Laien vereinfachen, für ein Gericht argumentieren oder für einen Kollegen zusammenfassen soll. Der erste Baustein eines guten Prompts ist deshalb die Rollen- und Kontextangabe: Wer fragt, in welcher Funktion, für welches Publikum, in welcher Rechtsordnung.

Konkret gehören in den Kontext: die anwendbare Rechtsordnung, die Verfahrensart oder Vertragssituation, die Perspektive der eigenen Partei und der Zweck des Ergebnisses. Ein Entwurf für ein Mandantenschreiben braucht andere Sprache als eine interne Risikoeinschätzung. Wer den relevanten Sachverhalt und die einschlägigen Dokumente direkt mitgibt, statt auf das Weltwissen des Modells zu vertrauen, reduziert die häufigste Fehlerquelle: Das Modell füllt fehlende Fakten mit erfundenen.

Ein bewährter Zusatz ist die ausdrückliche Anweisung, bei fehlenden Informationen nachzufragen statt Annahmen zu treffen. Das kehrt das Standardverhalten des Modells um und macht Lücken sichtbar, bevor sie zu falschen Ergebnissen führen.

Komplexe Aufgaben in Schritte zerlegen

Der zweite häufige Fehler ist die Sammelbestellung: Prüfe diesen Vertrag, fasse ihn zusammen und formuliere ein Schreiben an die Gegenseite. Solche Aufträge erzeugen Ergebnisse, die alles ein bisschen und nichts richtig erledigen. Sprachmodelle arbeiten deutlich zuverlässiger, wenn eine komplexe Aufgabe in Einzelschritte zerlegt wird.

Für eine Vertragsprüfung könnte die Abfolge lauten: erstens alle Regelungen zu Haftung und Gewährleistung auflisten, mit Fundstelle im Dokument. Zweitens jede dieser Regelungen gegen die eigene Position bewerten. Drittens erst auf dieser Grundlage einen Formulierungsvorschlag erarbeiten. Jeder Schritt lässt sich einzeln kontrollieren, und Fehler im ersten Schritt pflanzen sich nicht unbemerkt fort.

Dieselbe Logik gilt für Rechercheaufgaben. Statt einer offenen Frage nach der Rechtslage funktioniert eine gestufte Anfrage besser: erst die relevanten Rechtsfragen identifizieren lassen, dann jede Frage einzeln bearbeiten, dann eine Gesamtwürdigung anfordern. Die Zwischenergebnisse sind zugleich die Stellen, an denen der Jurist eingreifen und korrigieren kann.

Quellen und Grenzen der Antwort einfordern

Sprachmodelle formulieren mit derselben Sicherheit, ob sie etwas wissen oder nicht. Deshalb gehört in juristische Prompts die Anforderung, dass die Antwort ihre eigenen Grenzen benennt: Auf welche Angaben aus dem bereitgestellten Material stützt sich die Aussage, welche Punkte sind unsicher, wo wäre eine Prüfung in der Primärquelle nötig.

Besonders wirksam ist die Anweisung, ausschließlich mit dem mitgelieferten Material zu arbeiten und jede Aussage mit der Stelle im Dokument zu belegen. Antworten ohne Beleg sind dann als solche erkennbar. Bei Fragen zur Rechtslage ohne mitgeliefertes Material gilt die umgekehrte Vorsicht: Fundstellen, Aktenzeichen und Normzitate aus dem Modell sind grundsätzlich als unverifiziert zu behandeln, auch wenn sie präzise aussehen. Gerade die präzise aussehenden erfundenen Zitate sind das bekannteste Fehlermuster dieser Werkzeuge.

Ergebnisse systematisch prüfen statt übernehmen

Der wichtigste Grundsatz steht am Ende der Kette: Das Ergebnis eines Sprachmodells ist ein Entwurf, kein Arbeitsprodukt. Die berufsrechtliche Verantwortung für den Inhalt bleibt beim Juristen, unabhängig davon, welches Werkzeug den Text erzeugt hat. Daraus folgt eine Prüfroutine, die zur Aufgabe passt.

Bewährt hat sich eine dreistufige Kontrolle:

• Faktenprüfung: Stimmen Namen, Daten, Beträge und Zitate mit der Akte und den Quellen überein.
• Rechtsprüfung: Trägt die rechtliche Argumentation, sind Normen und Rechtsprechung korrekt und aktuell, passt die Jurisdiktion.
• Zweckprüfung: Erfüllt der Text seinen Zweck gegenüber Mandant, Gericht oder Gegenseite, in Ton und Strategie.

Wer diese Prüfung als lästige Nacharbeit versteht, hat den Nutzen falsch verortet. Der Zeitgewinn liegt nicht darin, die Prüfung einzusparen, sondern darin, dass Entwurf und Struktur schneller stehen und die juristische Arbeit sich auf die Bewertung konzentriert.

Typische Fehlermuster aus der Praxis

Einige Muster tauchen in fast jeder Kanzlei auf, die mit KI-Assistenten zu arbeiten beginnt. Die vage Anfrage: eine Zeile Frage, keine Rechtsordnung, kein Sachverhalt, und die Enttäuschung über die generische Antwort. Die Kontextillusion: Der Nutzer weiß, um welchen Fall es geht, das Modell nicht, und niemand hat es ihm gesagt. Die Autoritätsfalle: Eine flüssig formulierte Antwort mit Fundstellen wirkt geprüft und wird ungeprüft übernommen. Und die Einmalerwartung: Ein unbrauchbares erstes Ergebnis wird als Beweis gewertet, statt den Prompt zu präzisieren und nachzusteuern.

Dagegen hilft ein einfaches Mittel: Prompts, die sich bewährt haben, werden als Vorlagen festgehalten und im Team geteilt. So entsteht mit der Zeit ein kanzleieigener Bestand an Aufgabenmustern für wiederkehrende Arbeiten, von der Fristenberechnung über die Dokumentzusammenfassung bis zum ersten Schriftsatzentwurf.

Fazit

Brauchbare KI-Ergebnisse im Kanzleialltag sind weniger eine Frage des Werkzeugs als der Aufgabenstellung. Wer Rolle und Kontext vorgibt, komplexe Aufträge in prüfbare Schritte zerlegt, Belege und Grenzen der Antwort einfordert und jedes Ergebnis systematisch prüft, holt aus denselben Modellen deutlich mehr heraus als der Kollege mit der Einzeilenfrage. Die Fähigkeiten dafür bringen Juristen mit: Präziser Vortrag, saubere Auftragsklärung und kritische Würdigung sind Kernhandwerk. Prompting überträgt dieses Handwerk auf ein neues Gegenüber.