Je leistungsfähiger ein System wird, desto wichtiger wird der Rahmen, in dem es arbeitet. Denn was technisch machbar ist, verpflichtet den Anwender umso mehr dazu, genau festzulegen, was operativ tatsächlich gewollt ist.

01 Das Problem

Agentic AI: verlockend, verantwortungslos?

Künstliche Intelligenz erobert zunehmend juristische Arbeitsabläufe. Mit Agentic KI wird der nächste Schritt versprochen: Systeme, die eigenständig Ziele verfolgen, Entscheidungen treffen und Aufgaben ausführen, ohne dass ständig ein Mensch eingreifen muss. Auf den ersten Blick wirkt das der menschlichen Arbeitsweise erstaunlich ähnlich.

In der juristischen Fallbearbeitung stößt die Idee der Autonomie jedoch an ein grundlegendes Prinzip: Juristische Abläufe sind keine naturwissenschaftlichen Optimierungsprobleme, sondern Verantwortungsketten.

Drei Fragen machen deutlich, warum das ein Unterschied ist, der zählt:

  • Wer hat entschieden – und wer trägt dafür die Verantwortung? Bei autonomen Systemen verwischt sich die Kette zwischen Handlung und Entscheidungsträger.
  • Zu welchem Zeitpunkt? Im Recht zählt der genaue Zeitpunkt einer Handlung – Prozesshandlungen sind an Fristen und Abhängigkeiten gebunden.
  • Mit welchen Alternativen? Juristische Fallbearbeitung ist im Kern Risikomanagement. Abwägungen brauchen klar definierte Parameter und individuelle Interessen, keine autonom generierten Annahmen.

02 Das Kernproblem

Fehlende Deterministik

Das Kernproblem von Agentic KI im rechtlichen Kontext ist das Fehlen von Deterministik. Autonome Agenten handeln kontextabhängig, adaptiv und wahrscheinlichkeitsbasiert. Verarbeitet ein System denselben Sachverhalt heute anders als gestern, ist das im Recht kein Fortschritt, sondern ein Risiko – und ein Risiko, das im Enterprise-Umfeld nicht hinnehmbar ist.

Drei Prinzipien ergeben sich daraus fast zwangsläufig:

  1. Deterministische Abläufe — Juristische Prozesse brauchen vorhersehbare, regelbasierte Abläufe statt wahrscheinlichkeitsbasierter Entscheidungen.
  2. Vorhersehbare Eskalationspfade — Ausnahmen müssen klar definiert und nachvollziehbar eskaliert werden, nicht adaptiv von der KI selbst erzeugt.
  3. Klar definierte Entscheidungspunkte — Die Grenze zwischen Mensch und Maschine muss explizit modelliert sein, nicht dem Zufall probabilistischer Systeme überlassen bleiben.

03 Der Trugschluss

Mehr Intelligenz ≠ weniger Kontrolle

Ein verbreiteter Trugschluss lautet: Je intelligenter ein System, desto weniger Steuerung braucht es. Fehlende Workflows und verteilte, schlecht gepflegte Datenquellen sollen dann durch besonders leistungsfähige KI-Agenten überbrückt werden.

Viele Diskussionen über Legal AI gehen an der eigentlichen Frage vorbei. Nicht die Intelligenz eines Modells entscheidet über Erfolg oder Scheitern, sondern die Architektur, in die es eingebettet ist.

Autonome Systeme verlagern Governance in die Black Box. Der damit verbundene Kontrollverlust ist aufsichtsrechtlich nicht vertretbar und unternehmerisch hochriskant. — Tim Platner, Geschäftsführer der Legal Data Technology GmbH

04 Der Vergleich

Agentic AI vs. Workflow-Orchestrierung

Die Alternative zu autonomer KI heißt nicht Verzicht auf KI, sondern ihre orchestrierte Einbettung. Zwei grundsätzlich unterschiedliche Ansätze verfolgen dasselbe Ziel:

Autonome Systeme – agentisch, adaptiv, unkontrolliert Orchestrierte Systeme – strukturiert, erklärbar, steuerbar
Entscheidungsprozess nicht erklärbar oder reproduzierbar Deterministische, auditierbare Prozesse
Keine systemischen Grenzen Vollständige Protokollierung aller Schritte
Governance in der Black Box Enterprise-tauglich und compliance-konform
Verantwortungsketten werden verwischt Kontrollierte und präzise KI-Integration
Hohe Haftungsrisiken in der Fallbearbeitung Entscheidungen nachvollziehbar und steuerbar

05 KI in Workflows

KI als Instrument, nicht als Dirigent

Die Lösung liegt nicht im Verzicht auf KI, sondern in ihrer orchestrierten Einbindung. Agentic KI agiert dabei innerhalb klar definierter Rollen und Grenzen: Sie entscheidet nicht, ob ein Prozessschritt erfolgt, sondern wie gut er innerhalb des vorgegebenen Rahmens ausgeführt wird.

  • Prozesse — explizit modelliert, versioniert und für alle Beteiligten verbindlich; jeder Schritt liegt fest.
  • KI — hochpräzise innerhalb definierter Grenzen, im Dienst des Gesamtprozesses.
  • Orchestrierung — DEPLAW fungiert als Betriebssystem, das Timing, Eskalation und Verantwortlichkeiten in Echtzeit steuert.

06 Die Lösung

Warum BPMN und explizite Prozessmodelle gewinnen

BPMN hat sich branchenübergreifend als Standard für Prozessmodellierung etabliert – auch im Enterprise-Umfeld von Legal Tech. Workflows schaffen etwas, das autonome Systeme nicht leisten können: Transparenz auf Systemebene.

07 Fazit

Autonome KI mag technisch faszinierend sein – für juristische Prozesse ist sie strukturell ungeeignet. Legal Tech wird nicht dadurch besser, dass Systeme selbst handeln, sondern dadurch, dass sie Menschen in klar orchestrierten Prozessen optimal unterstützen.

  1. Intelligenz zulassen — KI-Funktionen gezielt und regelbasiert in Prozesse einbetten, statt sie unkontrolliert autonom agieren zu lassen.
  2. Verantwortung sichtbar machen — Vollständige Protokollierung, Versionierung und Freigabeprozesse als Standard, nicht als Ausnahme.
  3. Entscheidungen erklärbar halten — Deterministische Abläufe sind die Voraussetzung für Enterprise-Tauglichkeit.
  4. Prozesse steuerbar gestalten — Explizit modellierte Workflows bleiben langfristig wartbar, auditierbar und skalierbar.