Verträge mit KI analysieren: Extraktion, Vergleich und menschliche Prüfung

Das Wichtigste in Kürze:

• KI extrahiert aus Verträgen verlässlich formale Felder samt Fundstelle.
• Vergleichbar werden Klauseln erst über definierte Kategorien wie Kündigung oder Haftung.
• Die rechtliche Bewertung einer Klausel bleibt juristische Aufgabe, kein Tool nimmt sie ab.
• Datenschutz braucht Rechtsgrundlage, AV-Vertrag und Datenminimierung statt Voll-Upload.

Problem und Zielgruppe

Ein mittelständisches Unternehmen hat selten 10 Verträge im Blick, sondern hunderte. Dazu zählen Rahmenverträge mit Lieferanten, Mietverträge für Standorte, Software-Lizenzen, Kundenverträge und Kooperationsvereinbarungen, plus Nachträge und Anhänge. Die Angaben darin liegen fast immer als Fließtext in PDFs vor: Laufzeiten, Kündigungsfristen, Preisklauseln, Haftungsgrenzen. Oft über Jahre gewachsen, verschieden formuliert, in mehreren Ablagen. Wer wissen will, welche Verträge sich in den nächsten 3 Monaten automatisch verlängern, sucht heute meist von Hand. Wenn überhaupt.

Dieser Artikel richtet sich an Geschäftsführung, Operations, IT und Fachbereich in KMU, die prüfen, ob und wie KI diese Auswertung stützen kann. Er beantwortet 5 Fragen: Welche Daten lassen sich extrahieren? Wie werden Klauseln vergleichbar? Wie bleibt die Ausgabe nachprüfbar? Was bleibt zwingend juristische Aufgabe? Und wie schützt man dabei die Daten?

Das eigentliche Problem ist nicht technisch, sondern eine Vergleichbarkeitslücke. Die Angaben sind über viele Dokumente verstreut und verschieden formuliert. Kaum jemand kann sie schnell nebeneinanderlegen. KI kann diese Lücke bei der Extraktion und Strukturierung schließen. Bei der rechtlichen Bewertung kann sie das nicht. Das liegt nicht an der Reife der Technik, sondern an der Aufgabe selbst.

Ob eine Klausel wirksam oder riskant ist, hängt von Kontext, Rechtsprechung und Auslegung ab. Das ist eine juristische Entscheidung, keine Extraktionsaufgabe.

Begriffe und Abgrenzung

Für den Rest des Artikels trennen wir 3 Schritte, die oft vermischt werden.

• Extraktion. Das Herausziehen einzelner Felder aus einem Dokument als strukturierte Daten, etwa Parteien, Laufzeit oder Zahlungsbetrag, meist mit Verweis auf die Fundstelle.
• Vergleich. Das Nebeneinanderstellen gleichartiger Felder oder Klauseln aus mehreren Verträgen, um Abweichungen sichtbar zu machen.
• Bewertung. Die inhaltliche, rechtliche Einordnung einer Klausel: wirksam, ausgewogen, verhandelbar oder riskant.

Nur die ersten beiden Schritte sind heute mit vertretbarer Zuverlässigkeit automatisierbar. Wer „Vertragsanalyse mit KI“ mit „KI prüft, ob unser Vertrag gut ist“ gleichsetzt, überschätzt das Werkzeug. Und er unterschätzt, was danach an menschlicher Arbeit bleibt.

Wichtig ist auch die Abgrenzung zur klassischen Volltextsuche. Eine Suche nach dem Wort „Kündigung“ findet Textstellen. Sie versteht aber nicht, ob es um eine ordentliche, eine außerordentliche oder eine automatische Verlängerungsklausel geht. Extraktion mit einem Sprachmodell oder einem spezialisierten Dokumentendienst geht einen Schritt weiter: Sie ordnet den Fund einem definierten Feld zu. Auch das ist noch keine Bewertung.

Welche Daten kann KI extrahieren?

Spezialisierte Extraktionsdienste für Verträge ziehen ein festes Set an Feldern verlässlich heraus. Microsofts Vertragsmodell in Azure AI Document Intelligence etwa liest den Text per OCR und extrahiert unter anderem Vertragsparteien, Gerichtsstand, Vertrags-ID und Titel als strukturierte JSON-Daten. Das klappt mit Scans, fotografierten Dokumenten und digitalen PDFs gleichermaßen. Über sogenannte Query Fields lassen sich eigene Feldnamen definieren, etwa Zahlungsbedingungen, Zahlungsdatum oder Vertragsende, die das Modell dann gezielt sucht.

In der Praxis klappt das am besten bei Feldern, die strukturiert oder stark standardisiert auftreten:

• Formale Angaben: Vertragsparteien, Vertragsnummer, Unterschriftsdatum, Laufzeit, Gerichtsstand.
• Numerische Angaben: Preise, Zahlungsfristen, Vertragswerte, Stückzahlen, sofern sie in erkennbarer Form vorliegen (Tabelle oder klar formatierter Fließtext).
• Wiederkehrende Klauseltypen: Kündigungsfristen, Verlängerungsklauseln, Zahlungsbedingungen, wenn sie über viele Verträge hinweg ähnlich formuliert sind.

Deutlich schwächer wird es bei individuell ausgehandelten Klauseln. Ungewöhnliche Formulierung, verschachtelte Verweise oder Verhandlungssprache abseits des Standards senken die Trefferquote. Ein oft übersehener Praxispunkt: Manche der gängigen Extraktionsmodelle sind primär für englische Dokumente trainiert und optimiert. Für deutsche Vertragsbestände muss man das vor der Tool-Auswahl prüfen. Ein Modell, das in der Demo mit englischen Musterverträgen überzeugt, liefert bei deutschen AGB und Rahmenverträgen nicht automatisch dieselbe Qualität.

Aus meiner Projekterfahrung ist die Erwartung der größte Stolperstein. Extraktion ersetzt keine Volltexterfassung auf Zuruf. Sie liefert die besten Ergebnisse, wenn vorher definiert ist, welche 10 bis 15 Felder überhaupt gebraucht werden. Wer „extrahiere alles Relevante“ beauftragt, bekommt unscharfe Ergebnisse und keinen Maßstab für deren Qualität.

Wie vergleicht man Klauseln?

Der Nutzen entsteht selten aus der Extraktion eines einzelnen Vertrags, sondern aus dem Vergleich über viele hinweg. Etwa: Welche unserer 50 Lieferantenverträge haben eine Kündigungsfrist unter 3 Monaten? Bei welchen Kundenverträgen weicht die Haftungsklausel vom internen Standard ab?

Damit das klappt, braucht es vorher eine Klassifikation der Klauseltypen. Verglichen wird nicht der ganze Vertragstext, sondern definierte Kategorien wie Kündigung, Haftung, Gewährleistung, Preisanpassung und Vertraulichkeit. Für jede Kategorie wird pro Vertrag die passende Textstelle extrahiert und einem gemeinsamen Format zugeordnet. Erst dieser Zwischenschritt macht Verträge vergleichbar, weil verschiedene Formulierungen auf dieselbe Kategorie gemappt werden.

Als Arbeitsmodell nutze ich eine eigene Vergleichsmatrix mit 5 Klauseltypen:

• Kündigung. Extrahiert werden Frist, Form, ordentlich oder außerordentlich, automatische Verlängerung ja oder nein. Typischer Check: Ist die Frist kürzer oder länger als der interne Standard?

• Haftung. Extrahiert werden Haftungsobergrenze, Ausschlüsse und Verweise auf gesetzliche Haftung. Typischer Check: Fehlt eine Obergrenze ganz?

• Zahlung. Extrahiert werden Zahlungsziel, Skonto und Preisanpassungsmechanismus. Typischer Check: Ist das Zahlungsziel länger als üblich vereinbart?

• Vertraulichkeit. Extrahiert werden Geltungsdauer nach Vertragsende und Ausnahmen. Typischer Check: Endet die Pflicht sofort mit dem Vertragsende?

• Gerichtsstand und Recht. Extrahiert werden anwendbares Recht und Gerichtsstand. Typischer Check: Gilt abweichendes Recht ohne erkennbaren Grund?

Eigenes Vergleichsraster Philogic Labs; die konkreten Kategorien und Schwellenwerte müssen pro Unternehmen und Vertragstyp angepasst werden.

Ein solches Raster ist ein Arbeitsmittel, keine Rechtsauskunft. Es zeigt, wo ein Vertrag vom Standard abweicht, nicht, ob die Abweichung ein Problem ist. Diese Einordnung in akzeptabel, verhandelbar oder kritisch ist der Übergang vom Vergleich zur Bewertung. Sie gehört in juristische Hände.

Wie zeigt man Quellenstellen?

Bei Verträgen mit rechtlicher Wirkung ist ein extrahierter Wert ohne Rückverweis auf die Fundstelle praktisch wertlos. Niemand kann eine Zahl oder Klausel prüfen, ohne zu wissen, wo im Dokument sie steht. Seriöse Extraktionsdienste liefern deshalb zu jedem Feld auch die Position zurück: Seite, Textabschnitt oder Koordinaten, teils samt Konfidenzwert für die Sicherheit der Erkennung.

Für die Umsetzung heißt das: Jede extrahierte Klausel in einer Vergleichsübersicht sollte auf die exakte Stelle im Original verweisen, mit Kontext davor und danach, nicht als isolierter Schnipsel. Besonders wichtig ist das bei Extraktion per Sprachmodell, im Unterschied zu spezialisierten Dokumentendiensten. Sprachmodelle können plausibel klingende, aber inhaltlich falsche Zusammenfassungen erzeugen, wenn sie nicht eng an den Originaltext gebunden sind. Ein System, das nur eine Zusammenfassung ohne Fundstelle ausgibt, ist für Verträge mit rechtlicher Bedeutung ungeeignet. Egal, wie überzeugend die Zusammenfassung klingt.

In Projekten baue ich 2 praktische Kontrollen ein. Erstens einen Stichproben-Check: Eine geschulte Person prüft eine Zufallsauswahl der extrahierten Felder gegen das Original, bevor das Tool produktiv geht. Zweitens einen Schwellenwert für niedrige Konfidenzwerte. Darunter wird ein Feld automatisch als „manuell zu prüfen“ markiert, statt unkommentiert in die Übersicht zu laufen.

Was bleibt juristisch?

Diese Trennung ist der Kern des Artikels, deshalb noch einmal explizit: Extraktion und Vergleich sind technische, weitgehend automatisierbare Schritte. Die rechtliche Bewertung ist es nicht. Daran ändern auch bessere Modelle absehbar nichts, weil die Aufgabe eine andere ist. Eine Klausel auszulegen heißt, sie im Licht von Gesetzeswortlaut, Rechtsprechung und den Umständen des Einzelfalls zu bewerten. Das ist genuin juristische Arbeit.

Rechtlich ist die Trennung inzwischen auch regulatorisch verankert (Stand Juli 2026, keine Rechtsberatung). Die europäische KI-Verordnung stuft in Anhang III bestimmte KI-Systeme als Hochrisiko ein. Unter Ziffer 8(a) fallen Systeme, die von oder im Auftrag einer Justizbehörde eingesetzt werden. Gemeint ist Unterstützung bei Recherche und Auslegung von Sachverhalt und Recht, bei der Rechtsanwendung im Einzelfall und vergleichbar in der alternativen Streitbeilegung. Diese Kategorie zielt auf den Einsatz durch oder im Auftrag von Gerichten und vergleichbaren Stellen. Ein internes Tool zur Vertragsextraktion, das keine rechtliche Entscheidung trifft, sondern Fundstellen und Felder liefert, fällt nach dieser Abgrenzung typischerweise nicht darunter.

Das entbindet aber nicht davon, den eigenen Einsatzzweck sauber zu dokumentieren. Im Zweifel gehört juristisch geprüft, ob eine geplante Anwendung eher Richtung Bewertung als Richtung Extraktion geht.

Praktisch heißt das für den Aufbau: Das System liefert Fundstellen, Felder und Abweichungen von einem definierten Standard. Jede Ausgabe mit Empfehlung oder Bewertung („diese Klausel ist riskant“) braucht eine sichtbare menschliche Prüfung und Freigabe, bevor sie intern in eine Entscheidung oder extern gegenüber einem Vertragspartner einfließt. Wer diesen Prüfschritt aus Effizienzgründen streicht, verschiebt das Risiko nicht weg, sondern verdeckt es nur.

Wie schützt man Daten?

Verträge enthalten fast immer personenbezogene und oft geschäftskritische Daten. Dazu zählen Namen von Ansprechpartnern, Gehälter in Anstellungsverträgen und Konditionen, die vertraulich bleiben sollen. Bevor ein Vertragsbestand in ein KI-Tool wandert, brauchen 5 Fragen geklärte Antworten.

Rechtsgrundlage. Wer personenbezogene Daten aus Verträgen verarbeitet, braucht eine Rechtsgrundlage nach Artikel 6 DSGVO. In der Praxis ist das meist die Vertragserfüllung selbst (Artikel 6 Absatz 1 Buchstabe b) für die Daten der Vertragsparteien. Für die interne Auswertung eines Portfolios kommt ein berechtigtes Interesse in Frage (Artikel 6 Absatz 1 Buchstabe f). Letzteres verlangt eine Abwägung, keinen Automatismus, und ausdrücklich nicht mehr Daten als nötig.

Auftragsverarbeitung. Bei einem externen KI-Dienst ist zuerst das Verhältnis zum Anbieter zu klären: Auftragsverarbeitung nach Artikel 28 DSGVO, gemeinsame Verantwortlichkeit nach Artikel 26 oder getrennte Verantwortlichkeit. Die Auftragsverarbeitung ist regelmäßig die beste Konstellation, weil sie klare Zuständigkeiten schafft. Sie erfordert aber einen bindenden Vertrag, der genau festlegt, wofür die Daten verwendet werden dürfen.

Datenminimierung statt Komplett-Upload. Landesdatenschutzbehörden weisen ausdrücklich darauf hin, dass KI keine großzügigere Datenverarbeitung rechtfertigt; „viel hilft viel“ gilt nicht. Praktisch heißt das: nicht den ganzen Vertragsordner ungeprüft in ein Tool laden, sondern vorab festlegen, welche Vertragstypen und Felder wirklich verarbeitet werden müssen.

Zweckbindung beim Anbieter. Zu prüfen ist, ob der Anbieter hochgeladene Vertragsdaten zur Verbesserung des eigenen Modells nutzt. Sobald das der Fall ist, dient die Verarbeitung nicht mehr allein dem eigenen Zweck, sondern auch dem des Anbieters. Diese vertragliche Klarstellung gehört vor den produktiven Einsatz, nicht danach.

Sensible Daten. Enthalten Verträge besondere Kategorien personenbezogener Daten, etwa Gesundheitsdaten in Versicherungs- oder Arbeitsverträgen, gelten zusätzlich die verschärften Anforderungen nach Artikel 9 DSGVO. Solche Verträge gehören nicht ungeprüft in ein allgemeines KI-Tool.

Umsetzung in 4 Schritten

Aus meiner Praxis bewährt sich dieses Vorgehen, bevor ein Tool ausgewählt wird.

1. Feldliste definieren. Gemeinsam mit den Fachbereichen die 10 bis 15 Felder festlegen, die wirklich gebraucht werden. Nicht „alles“, sondern Felder, die eine konkrete Entscheidung ermöglichen, etwa: Welche Verträge laufen in den nächsten 6 Monaten aus?

2. Klauselkategorien festlegen. Welche Klauseltypen sollen über Verträge hinweg vergleichbar sein? Hier lohnt die Abstimmung mit der Rechtsabteilung oder externer juristischer Beratung, damit die Kategorien später auch für die Bewertung taugen.

3. Tool mit Fundstellen-Rückgabe wählen. Nur Werkzeuge in die engere Auswahl nehmen, die zu jedem Feld eine nachvollziehbare Fundstelle liefern. Deren Datenschutzbedingungen vorab prüfen: Auftragsverarbeitung, keine Nutzung fürs Modelltraining ohne Zustimmung.

4. Pilot mit begrenztem Bestand und Prüfschleife. Nicht alles auf einmal verarbeiten, sondern mit einer klar abgegrenzten Gruppe starten, zum Beispiel allen laufenden Lieferantenrahmenverträgen einer Kategorie. Dazu gehört die Stichprobenprüfung gegen das Original, bevor Ergebnisse in eine Entscheidung einfließen.

Ein Vertragsanalyse-Workflow läuft oft als Teil eines größeren Backoffice-Setups, etwa gekoppelt an Dokumentenverarbeitung für den Posteingang oder an bestehende Freigabeprozesse. Du willst diesen Ablauf für den eigenen Bestand einordnen? Wir prüfen im Rahmen unserer KI-Beratung Backoffice-Abläufe konkret auf Machbarkeit, bevor ein Werkzeug beschafft wird.

Risikomatrix

Die Matrix fasst 6 typische Risiken und ihre Gegenmaßnahmen zusammen.

• Fehlerhafte Extraktion ohne Prüfung. Ein Feld wird falsch erkannt und ungeprüft in eine Entscheidung übernommen. Gegenmaßnahme: Konfidenzwerte nutzen, Stichproben vor dem Produktivbetrieb, Fundstellen-Pflicht.

• Verwechslung von Extraktion und Bewertung. Eine Zusammenfassung wird als rechtliche Einschätzung missverstanden. Gegenmaßnahme: Ausgaben klar als Rohdaten kennzeichnen und einen Freigabeprozess vor der Verwendung setzen.

• Datenschutzverstoß durch Voll-Upload. Ganze Vertragsarchive werden ungeprüft in ein Tool geladen. Gegenmaßnahme: Datenminimierung, vorab definierte Feldliste, Auftragsverarbeitungsvertrag.

• Zweckentfremdung beim Anbieter. Vertragsdaten fließen in das Training des Anbietermodells ein. Gegenmaßnahme: Vertragsbedingungen vor dem Einsatz prüfen, Opt-out oder Ausschluss vertraglich festhalten.

• Sprach- und Formatgrenzen. Das Extraktionsmodell ist primär für andere Sprachen oder Formate optimiert, die Qualität bei deutschen Verträgen sinkt. Gegenmaßnahme: vor der Auswahl mit eigenen, repräsentativen Verträgen testen, nicht nur mit Demo-Dokumenten.

• Fehlende Verantwortlichkeit. Niemand prüft, ob Ergebnisse noch stimmen, wenn sich Vertragsmuster ändern. Gegenmaßnahme: benannte Betriebsverantwortung und regelmäßige Stichproben auch nach dem Rollout.

Eigene Risikomatrix Philogic Labs, abgeleitet aus Beratungs- und Umsetzungsprojekten.

Risiken & Grenzen

Über die Matrix hinaus gehören 3 grundsätzliche Punkte zur ehrlichen Einordnung.

• Kein Ersatz für Vertragsmanagement. Ein Extraktionstool liefert Daten, aber kein Fristenmanagement, keine Eskalationslogik und keine Governance. Wer diese Prozesse nicht hat, sollte sie parallel zur Technik aufbauen, sonst bleiben extrahierte Daten ungenutzt liegen.

• Vertragsbestände sind heterogen. Rahmenverträge, Individualverträge, AGB und Nachträge unterscheiden sich stark in Struktur und Formulierung. Ein Tool, das bei standardisierten Lieferantenverträgen gut läuft, liefert bei individuell verhandelten Kundenverträgen oft schwächere Ergebnisse. Das sollte vor der Auswahl getestet werden, nicht nach dem Rollout entdeckt.

• Kosten und Zeit sind vorab nur eine Bandbreite. Der Aufwand hängt davon ab, wie viele Vertragstypen einbezogen werden, wie sauber die Feldliste steht und wie tief die Anbindung an Systeme wie Vertragsmanagement oder ERP gehen soll. Belastbare Zahlen entstehen erst nach einer kurzen Analysephase mit dem eigenen Bestand. Pauschale Festpreise vor dieser Analyse sind ein Warnsignal.

Checkliste: Verträge mit KI analysieren

1. Wir haben eine feste Liste von 10 bis 15 Feldern definiert, nicht „alles Relevante“.

2. Klauselkategorien für den Vergleich sind festgelegt und mit juristischer Expertise abgestimmt.

3. Das Tool liefert zu jedem Feld eine nachvollziehbare Fundstelle im Original, nicht nur einen Wert.

4. Getestet wurde mit eigenen, repräsentativen deutschsprachigen Verträgen, nicht nur mit Demo-Dokumenten.

5. Die Rechtsgrundlage ist geklärt, ein Auftragsverarbeitungsvertrag mit dem Anbieter liegt vor.

6. Hochgeladen werden nur benötigte Vertragstypen und Felder, nicht der komplette Ordner.

7. Geprüft ist, ob der Anbieter Daten zur eigenen Modellverbesserung nutzt, und das ist ausgeschlossen, wenn nicht gewünscht.

8. Jede Ausgabe mit Bewertungscharakter durchläuft eine sichtbare menschliche Prüfung.

9. Es gibt Stichproben vor dem Produktivbetrieb und regelmäßig danach.

10. Eine Person trägt die Betriebsverantwortung, inklusive Reaktion auf neue Vertragsmuster.