Vom Prompt zum System: Die Operationalisierung juristischer Expertise mit generativer KI

Einleitung: Vom Einsatz von KI zur Systematisierung juristischer Arbeit

Die Diskussion um generative KI im juristischen Kontext hat sich in kurzer Zeit deutlich verändert. Während zunächst die Leistungsfähigkeit einzelner Modelle im Vordergrund stand, rückt zunehmend die Frage in den Fokus, wie sich diese Systeme methodisch kontrolliert in juristische Arbeitsprozesse integrieren lassen.

Diese Verschiebung ist keineswegs trivial. Sie markiert den Übergang von einer experimentellen Nutzung hin zu einer strukturorientierten Anwendung, bei der nicht mehr die Antwort der KI im Mittelpunkt steht, sondern die Bedingungen, unter denen diese Antwort entsteht.

Gerade im juristischen Bereich ist dieser Perspektivwechsel zwingend. Juristische Arbeit ist keine bloße Informationsverarbeitung, sondern eine methodisch gebundene Tätigkeit, die auf Auslegung, Subsumtion und argumentativer Nachvollziehbarkeit beruht. Generative KI kann diese Anforderungen nur dann erfüllen, wenn sie nicht frei operiert, sondern innerhalb klar definierter methodischer Leitplanken arbeitet.

Hier setzt das Konzept des „KI-Zwillings“ an. Gemeint ist ein System, das nicht generisch antwortet, sondern die konkrete Arbeitsweise einer Juristin oder eines Juristen reproduziert.¹ Es bildet gewissermaßen das digitale Pendant der eigenen juristischen Praxis – mit denselben Quellen, derselben Prüfungslogik und derselben Argumentationsstruktur.

Der Aufbau eines solchen Systems ist kein technisches, sondern ein methodisches Projekt. Er zwingt dazu, die eigene Arbeitsweise zu reflektieren und explizit zu machen:

• Welches Wissen nutze ich tatsächlich?
• Wie gehe ich bei der Fallbearbeitung vor?
• Welche Schritte sind standardisierbar – und welche nicht?

 

Aus diesen Überlegungen ergibt sich ein dreistufiges Vorgehen:

1. Wissenskuratierung (Was weiß ich – und was brauche ich wirklich?),
2. Workflow-Extraktion (Wie arbeite ich eigentlich?),
3. Aufbau des KI-Zwillings (Wie übertrage ich das in ein System?).

 

Diese drei Schritte sind nicht isoliert zu verstehen, sondern als aufeinander aufbauende Elemente einer juristischen Produktionspipeline.

 

Schritt 1: Wissenskuratierung – vom Informationsbestand zum Arbeitsinstrument

Der erste Schritt liegt bewusst vor jeder Interaktion mit der KI. Denn die Qualität eines KI-Zwillings wird nicht primär durch das Modell bestimmt, sondern durch das Wissen, auf das dieses zugreifen darf.

 

1. Warum bloße Sammlung nicht ausreicht

In der juristischen Praxis besteht häufig die Tendenz, Wissen möglichst umfassend zu sammeln – etwa in Form von Datenbanken, Ordnerstrukturen oder Dokumentensammlungen. Diese Sammlungen sind jedoch selten entlang konkreter Arbeitsprozesse strukturiert.

Das führt zu einem grundlegenden Problem: Die KI erhält zwar Zugriff auf viele Informationen, aber keine klare Orientierung, welche davon für die konkrete Aufgabe relevant sind. Die Folge sind unscharfe, generische oder inkonsistente Ergebnisse.

Die methodische Antwort hierauf lautet: Kuratierung statt Sammlung.³

 

2. Der Perspektivwechsel: von Rechtsgebieten zu Arbeitsaufgaben

Der entscheidende Schritt besteht darin, Wissen nicht entlang abstrakter Kategorien wie „Arbeitsrecht“ oder „Datenschutzrecht“ zu strukturieren, sondern entlang konkreter Arbeitsaufgaben.

Die juristische Praxis vollzieht sich nicht auf der Ebene des Rechtsgebiets, sondern auf der Ebene wiederkehrender Tätigkeiten: Schriftsätze erstellen, Beteiligungsrechte prüfen, Rechtsgrundlagen bewerten.⁴

Die Basiseinheit wird damit das sogenannte Detailpaket. Es beantwortet nicht die Frage „Was ist das Recht?“, sondern die Frage:

„Welche Informationen benötige ich, um diese konkrete Aufgabe methodisch sauber zu bearbeiten?“

 

3. Primärquellenorientierung als Qualitätsgarant

Ein zentrales Element der Wissenskuratierung ist die klare Trennung zwischen Primär- und Sekundärquellen.

Gesetze und Rechtsprechung bilden die tragende Grundlage der juristischen Argumentation. Fachliteratur dient hingegen lediglich als Orientierungshilfe zur Identifikation relevanter Aspekte.⁵ Bei der Fachliteratur sind zudem Urheber- und Nutzungsrechte zu beachten, so dass diese ggf. nicht genutzt werden können.

Diese Trennung ist methodisch essenziell: Sie verhindert, dass die KI auf bereits interpretierte Inhalte zurückgreift, ohne deren dogmatische Grundlage nachvollziehen zu können.

 

4. Metadaten: Die unsichtbare Struktur des Wissens

Die eigentliche Leistungsfähigkeit eines kuratierten Wissenssystems entsteht durch die Metadatenstruktur.

Metadaten definieren, wie Wissen eingeordnet, gefunden und kombiniert wird. Sie bilden die juristische Systematik auf einer zweiten Ebene ab und ermöglichen erst eine kontextabhängige Nutzung von Informationen.⁶

Ohne Metadaten bleibt Wissen fragmentiert. Mit Metadaten entsteht ein steuerbarer Wissensraum, der die Grundlage für jede zuverlässige KI-Nutzung bildet.

 

Musterprompt: Wissenskuratierung

Rolle:
Du bist ein juristischer Wissenskurator mit Spezialisierung auf arbeitsaufgabenbezogene Wissensarchitekturen.

Ziel:
Transformiere die bereitgestellten Materialien in ein präzises, arbeitsaufgabenbezogenes Wissenspaket.

Input:
Gesetzestexte, Rechtsprechung, Hinweise aus Fachliteratur

Arbeitsauftrag:
Analysiere zunächst, welche konkrete juristische Arbeitsaufgabe im Mittelpunkt steht.

Bestimme sodann das einschlägige Rechtsgebiet und Oberthema.

Identifiziere ausschließlich diejenigen Normen und Entscheidungen, die für die Bearbeitung dieser Aufgabe erforderlich sind.

Extrahiere aus den Materialien Streitstände, typische Argumentationslinien sowie praxisrelevante Risiken.

Strukturiere das Ergebnis als Detailpaket, das eine konkrete Bearbeitung ermöglicht.

Ordne jedem Bestandteil eine klare Metadatenstruktur zu, insbesondere hinsichtlich Rechtsgebiet, Arbeitsaufgabe, Normenbezug und Aktualität.

Regeln:

• Verwende Primärquellen als Grundlage
• Nutze Sekundärquellen nur als Hinweis
• Erfinde keine Inhalte
• Markiere Unsicherheiten ausdrücklich

 

Output:
Ein vollständig strukturiertes, arbeitsaufgabenbezogenes Wissenspaket mit Metadaten.

 

III. Schritt 2: Workflow-Extraktion – die Explikation juristischer Arbeitsweise

Aufbauend auf der Wissensbasis folgt der zweite Schritt: die systematische Rekonstruktion der eigenen Arbeitsweise.

 

1. Das Problem impliziter Expertise

Juristische Expertise ist zu einem erheblichen Teil implizit. Erfahrene Jurist:innen wissen, wie sie vorgehen müssen – ohne diesen Prozess notwendigerweise explizit formulieren zu können.

Für die Nutzung generativer KI ist dies jedoch ein zentrales Problem:
Ein System kann nur das reproduzieren, was als Struktur vorliegt.

 

2. Reverse Prompt Engineering als methodisches Instrument

Reverse Prompt Engineering setzt genau hier an. Es analysiert bestehende juristische Texte – etwa Schriftsätze oder Gutachten – und rekonstruiert daraus die zugrunde liegende Arbeitslogik.⁷ Dies erfolgt, indem systematisch von einem Referenzdokumen – einem besonders gelungenen Schriftsatz oder Gutachten ermitttelt wird, wie der Prompt lauten muss, damit dieser Ergebnis erzielt werden kann.

Dabei werden nicht nur Prüfungsschritte sichtbar gemacht, sondern auch:

• methodische Übergänge,
• typische Argumentationsmuster,
• und strukturelle Entscheidungen.

 

Das Ergebnis ist ein Workflow, der die eigene Arbeitsweise in expliziter Form abbildet.

 

3. Legal Outline Extraction: die dogmatische Validierung

Die Legal Outline Extraction ergänzt diesen Ansatz durch eine zweite Perspektive: die der Rechtsprechung. Gerichte arbeiten entlang strukturierter Prüfungslogiken. Diese lassen sich extrahieren und zu allgemeinen Schemata abstrahieren.⁸

Die Kombination aus beiden Methoden führt zu einem entscheidenden Mehrwert:
Der Workflow ist nicht nur praxisnah, sondern auch dogmatisch abgesichert.

 

4. Ergebnis: Der reproduzierbare juristische Prozess

Am Ende dieses Schritts steht ein klar definierter Workflow, der die juristische Arbeit in nachvollziehbare Einzelschritte zerlegt und damit für die KI nutzbar macht.

 

Musterprompt: Reverse Prompt Engineering

Rolle:
Du bist ein juristischer Meta-Analyse-Assistent.

Ziel:
Rekonstruiere aus einem juristischen Text die zugrunde liegende Arbeitslogik.

Arbeitsauftrag:
Analysiere den Text hinsichtlich Ziel, Struktur und Argumentationslogik.

Rekonstruiere die tatsächlichen Prüfungsschritte in ihrer logischen Reihenfolge.

Ordne jedem Schritt die verwendete juristische Methode zu.

Identifiziere typische Argumentationsmuster und Übergänge.

Abstrahiere die Struktur zu einem wiederverwendbaren Workflow.

Output:
Ein klar strukturierter juristischer Workflow.

 

Musterprompt: Legal Outline Extraction

Schreiben

Rolle:
Du bist ein juristischer Analyseassistent für gerichtliche Entscheidungsstrukturen.

Ziel:
Extrahiere die Prüfungslogik aus einer gerichtlichen Entscheidung.

Arbeitsauftrag:
Identifiziere die zentrale Rechtsfrage.

Rekonstruiere die tatsächliche Prüfungsreihenfolge des Gerichts.

Abstrahiere diese Struktur zu einem allgemeinen Prüfungsschema.

Regeln:

• Keine Ergänzungen
• Keine Bewertungen
• Strikte Orientierung an der Entscheidung

 

Output:
Ein allgemeines juristisches Prüfungsschema.

 

IV. Schritt 3: Der KI-Zwilling – kontrollierte Reproduktion juristischer Arbeit

Erst die Verbindung von Wissen und Workflow ermöglicht den eigentlichen KI-Zwilling.

 

1. Vom Modell zum System

Der KI-Zwilling ist kein generisches Sprachmodell, sondern ein konfiguriertes System, das entlang definierter Regeln arbeitet.²

Sein Ziel ist nicht kreative Problemlösung, sondern die reproduzierbare Anwendung juristischer Methodik.

 

2. Das Playbook als zentrale Steuerung

Das Herzstück des Systems ist das Playbook. Es definiert:

• welche Quellen genutzt werden,
• welche Prüfungsreihenfolge gilt,
• wie Ergebnisse dargestellt werden.

 

Damit wird die KI nicht intelligenter, sondern kontrollierbarer.

 

3. Funktionale Einordnung

Der KI-Zwilling übernimmt insbesondere die standardisierbaren Teile juristischer Arbeit: Strukturierung, Vorprüfung, Argumentationsaufbau.

Die eigentliche juristische Bewertung verbleibt beim Menschen.

 

Musterprompt: KI-Zwilling

Rolle:
Du bist ein juristischer KI-Zwilling, der eine definierte Arbeitsweise reproduziert. Deine Expertise ist [hier konkrete Arbeitsaufgabe eingeben]

Ziel:
Bearbeite die juristische Aufgaben strukturiert, quellenbasiert und nachvollziehbar.

Arbeitsauftrag:
Die Aufgabe ist nach folgendem Workflow strukturiert:
[Hier die Ergebnisse des Reverse Prompt Engineering und Legal Outline Extraction eingeben].

Führe die Prüfung entlang des definierten Workflows durch.

Nutze ausschließlich die bereitgestellten Quellen.

Dokumentiere jeden Prüfungsschritt nachvollziehbar.

Trenne klar zwischen Norm, Argumentation und Ergebnis.

Markiere Unsicherheiten.

Regeln:

• Keine Erfindung von Quellen
• Keine Nutzung externer Informationen

 

Output:
Eine strukturierte juristische Lösung entlang des Workflows.

 

V. Vorteile und Grenzen

Der KI-Zwilling ermöglicht erhebliche Effizienzgewinne und eine höhere Konsistenz juristischer Arbeit.⁸ Gleichzeitig reduziert er das Risiko von Halluzinationen durch die Beschränkung auf kuratierte Quellen.²

Gleichwohl bleiben klare Grenzen bestehen. Generative KI verfügt über kein eigenes normatives Verständnis und kann juristische Wertungen nicht ersetzen.² Zudem sind datenschutz- und berufsrechtliche Anforderungen strikt zu beachten.⁷

 

VI. Fazit

Der KI-Zwilling ist kein technisches Produkt, sondern das Ergebnis methodischer Arbeit. Sein Aufbau zwingt zur Systematisierung juristischer Expertise und macht diese reproduzierbar. Gerade darin liegt sein größter Mehrwert: Nicht in der Automatisierung juristischer Entscheidungen, sondern in der kontrollierten Unterstützung juristischer Arbeit.

 

Quellen

1. Patzal, ZAU 2026, 104-107 – KI-Zwilling.
2. Ebenda.
3. Patzal, The Legit Prompt #98 (2026)
4. Ebenda.
5. Ebenda.
6. Ebenda.
7. Patzal, ZAU 2026, 36-39 – Reverse Prompt Engineering.
8. Patzal, The Legit Prompt #45 (2025)