Ein Gespräch über Legal AI und Tender AI mit Johannes Steinbrenner (Lead Product Engineer, Libra), Henrik Volkmann (Director Revenue, Libra) und Leonard Wossnig (CTO, Forgent).

Interviewerin: Felicitas von Rauch, Founding Growth Lead bei Forgent

Felicitas: Henrik, wie oft hört ihr in Kundengesprächen die Aussage "Das können wir auch selbst bauen"?

Henrik: Tatsächlich hören wir das eher selten. Das hängt stark von der Größe der Kanzlei oder der Rechtsabteilung ab. Bei kleinen und mittelgroßen Kanzleien sowie Rechtsabteilungen von Unternehmen stellt sich die Frage oft gar nicht. Über 60 Prozent aller Anwältinnen und Anwälte in Deutschland arbeiten in Kanzleien mit maximal fünf Personen. Kanzleien unter 20 Anwälten haben meist nicht die Kapazität, jemanden zu beauftragen, der sich ausschließlich mit Technologie beschäftigt. Dort sind es die Partnerinnen und Partner selbst, die sich gegebenenfalls mit Legal Tech beschäftigen. Ab etwa 20 Anwälten beginnen Kanzleien, systematisch über ihre technische Infrastruktur nachzudenken. Der erste Blick geht dann auf den Markt und auf bestehende Lösungen, weil auch hier die Ressourcen für Eigenentwicklungen fehlt. Erst wenn das vorhandene Angebot nicht den individuellen Anforderungen entspricht, wird über eine eigene Lösung nachgedacht.

Leo: Bei Forgent sieht das etwas anders aus, weil wir viel mit Enterprise Kunden arbeiten. Große Unternehmen versuchen eher, interne Lösungen zu entwickeln. Beispielsweise ein Beratungsunternehmen mit zehntausend Angestellten verfügt über ganz andere interne Möglichkeiten. Die relativen Kosten fallen deutlich geringer aus als bei einem kleinen Unternehmen. Allerdings haben interne Lösungen in jedem Benchmarking, das wir durchgeführt haben, bisher immer schlechter abgeschnitten. In den meisten Fällen handelte es sich um schnell zusammengebaute ChatGPT Wrapper, trotz Budgets von fünf Millionen Euro und mehr.

Felicitas: Was sind die häufigsten Gründe, warum Unternehmen trotzdem versuchen, selbst zu bauen?

Henrik: Historisch betrachtet war der Hauptgrund, dass es die Produkte, die Kanzleien wirklich benötigten, schlicht nicht gab. Vor dem KI-Zeitalter war Legal Tech ein wenig beachtetes Feld. Es gab einzelne kleine Tools, etwa ein Word Add-In oder Software für Timekeeping. Gleichzeitig war jede Kanzlei überzeugt, dass ihre Anforderungen so individuell seien, dass Technologie vollständig maßgeschneidert werden müsse. Erst durch LLMs ist die Möglichkeit entstanden, Technologie in großem Stil einzusetzen. Daneben spielen natürlich auch Kontrolle und individuelle Anpassbarkeit eine Rolle: genau zu wissen, was mit den Daten passiert, ob alles sicher ist und ob sich das System exakt auf die eigenen Anwendungsfälle zuschneiden lässt.

Felicitas: Was hat sich in den letzten zwei Jahren verändert?

Henrik: Der Markt hat sich grundlegend gewandelt. Durch AI gibt es inzwischen Software, die sehr breit aufgestellt ist, zahlreiche Anwendungsfälle abdeckt und zudem interoperabel ist, also Integrationen zu einer Vielzahl anderer Tools bietet. Kanzleien, die weiterhin auf Eigenentwicklung setzen, stellen zunehmend fest, dass sie vom technischen Fortschritt überholt werden und mit der Entwicklungsgeschwindigkeit nicht Schritt halten können.

Johannes: Das hat auch mit der Reife des Marktes zu tun. Vor zwei oder drei Jahren existierte die Idee eines Legal Workspace wie Libra noch gar nicht. Damals war es durchaus vorstellbar, einen Chatbot selbst zu entwickeln. Doch je weiter sich die Produkte entwickeln, desto höher werden auch die Anforderungen. Ab einem bestimmten Punkt wird die Komplexität so groß, dass eine Eigenentwicklung nicht mehr realistisch ist. Vergleichbar damit, dass heute niemand mehr auf die Idee käme, Google Cloud nachzubauen, obwohl vor 20 Jahren durchaus Unternehmen eigene Cloud Server betrieben haben.

Felicitas: Welche technischen Aufwände werden beim Selbstbauen am meisten unterschätzt?

Johannes: Es gibt Aspekte eines Produkts, die sich schlicht nicht skalierbar selbst nachbauen lassen. Ein gutes Beispiel ist das Thema Integration: Unser Produkt lässt sich nahtlos in andere Lösungen einbinden, was den Wert erheblich steigert. Selbstverständlich kann man versuchen, ein solches Feature nachzubauen. Doch dann steht man permanent vor der Herausforderung, Integrationen zu pflegen und zu erweitern. Das ist ein kontinuierlicher Aufwand, und man wird einer spezialisierten Lösung, die genau das als Kernziel verfolgt, immer hinterherlaufen.

Leo: Wir haben erhebliche Zeit investiert, um technisch aufzuzeigen, welche Komplexitäten mit der Eigenentwicklung eines solchen Produkts einhergehen. Das reicht vom Context Engineering über die Hunderten von Anforderungen, die aus einer Ausschreibung extrahiert werden müssen, bis hin zu einem Planning Mode, in dem einzelne Kapitel konsistent generiert werden. Und das Risiko ist hoch. Wenn in einem Ausschreibungsangebot beispielsweise nur eine Anforderung fehlt, disqualifiziert sich der Bieter. Viele Unternehmen unterschätzen diese Komplexität. Mit modernen Coding Assistenten lässt sich zwar sehr schnell eine Lösung aufsetzen, die für einige wenige Eingaben gut funktioniert. Doch die verlässlich gleichbleibende Qualität hinkt.

Felicitas: Henrik, Stichwort Adoption. Welche Rolle spielt diese in der Buy vs. Build Diskussion?

Henrik: Adoption ist möglicherweise das wichtigste Argument überhaupt. Intern entwickelte Tools mögen technisch konkurrenzfähig sein: ein ChatGPT Wrapper in einer sicheren Azure Umgebung etwa. Doch entscheidend ist nicht, dass eine Lösung grundsätzlich funktioniert, sondern dass sie auch tatsächlich genutzt wird. Die UX/UI spielt die entscheidende Rolle. Spezialisierte Anbieter wie Libra können die kontinuierliche Nutzung deutlich besser gewährleisten, weil sie eine durchdachte Nutzererfahrung entwickeln. Diese führt dazu, dass Anwenderinnen und Anwender das Tool gerne und regelmäßig einsetzen. Interne Tech Teams hingegen stehen unter geringerem Druck, weil intern keine Alternative existiert. Sie müssen nicht am Markt bestehen und können Mitarbeitende in der eigenen Organisation im Grunde dazu verpflichten, das Tool zu nutzen. Historische Vergleiche verdeutlichen das Argument: Erst mit dem grafischen User Interface kam der Computer zu breiter Akzeptanz. Das mobile Internet wurde erst durch den Touchscreen massentauglich. Und bei AI Software verhält es sich genauso: Es wird immer Anwälte geben, die alles selbst gestalten möchten. Doch in einer Kanzlei mit 100 Personen, in der ein technisch versierter Mitarbeiter eine Lösung baut, die zwar funktioniert, aber von niemandem genutzt wird, ist niemandem geholfen. Die entscheidende Frage lautet: Baue ich das nur für mich oder für 90 weitere Nutzer, die möglicherweise weniger technikaffin sind?

Johannes: Hinzu kommt ein Faktor, der sich beim Selbstbauen kaum replizieren lässt: die Innovationskultur eines Startups. In einem Startup ist jeder intrinsisch motiviert, das Produkt ständig weiterzuentwickeln und zu verbessern. Diese Dynamik fehlt häufig, wenn ein externer Dienstleister ein Projekt umsetzt oder ein kleines internes Team mit der Entwicklung betraut wird.

Felicitas: Wie gelingt es Libra konkret, die Adoption bei Kanzleien zu steigern?

Henrik: Wir setzen auf sogenannte Legal Engineers. Das sind Juristinnen und Juristen, die über fundiertes Wissen verfügen, wie KI zur Lösung juristischer Fragestellungen eingesetzt werden kann. Sie schlagen die Brücke zwischen den technischen Möglichkeiten und dem, was Anwälte in ihrer täglichen Arbeit benötigen. Diese Vermittlung erfordert sowohl technisches als auch rechtliches Verständnis. Wenn man einem Anwalt ein AI-Tool gibt und sagt, er solle es einfach ausprobieren, wird er eine beliebige Rechtsfrage eingeben. Möglicherweise ist die Antwort nicht überzeugend, sodass der Anwalt die KI als unbrauchbar einstuft. Erklärt man ihm hingegen, wie er für sein konkretes Problem einen spezialisierten Assistenten konfiguriert, der beispielsweise rechtliche Argumente aus einem Schriftsatz extrahiert und strukturiert darstellt, entstehen echte Aha Erlebnisse. Diese Art der Begleitung können wir als spezialisierter Anbieter wesentlich besser leisten als ein internes Team.

Felicitas: Was war bei Kunden, die zunächst selbst gebaut haben und dann gewechselt sind, der ausschlaggebende Moment?

Henrik: In der Regel haben diese Kunden im direkten Vergleich festgestellt, dass Libra die besseren Ergebnisse liefert. Sowohl in Bezug auf die Qualität der Resultate als auch hinsichtlich der Benutzerfreundlichkeit. Und vor allem: Die Nutzer bevorzugen es und setzen es häufiger ein. Das ist letztlich der entscheidende Faktor. Es ist wenig gewonnen, intern ein technisch anspruchsvolles Tool entwickelt zu haben, das dann von niemandem genutzt wird.

Leo: Wir bieten den direkten Vergleich zwischen der selbstgebauten Lösung und Forgent an. Bestenfalls kommt dabei für das Unternehmen dabei, dass ihr Tool gut funktioniert. In den meisten Fällen stellen Unternehmen jedoch fest, dass Forgent besser funktioniert. Bei einem großen Kunden haben wir dieselbe Ausschreibung sowohl mit dem internen Tool als auch mit Forgent bearbeitet. Eine Jury bewertete die Ergebnisse blind, ohne zu wissen, welche Lösung welches Angebot erstellt hatte. Forgent hat gewonnen. Das ist als Argument besonders überzeugend, weil die internen Mitarbeitenden ausgewiesene Ausschreibungsexperten sind und dennoch kein besseres Ergebnis erzielen konnten.

Felicitas: Johannes, welche Frage hätte ich noch stellen sollen, die du in der Buy vs. Build Diskussion besonders relevant findest?

Johannes: Ich halte den häufig unterschätzten Mehrwert für besonders erwähnenswert, den man durch den Kauf einer spezialisierten Lösung erhält: den externen Impuls. Man kann ein technisch noch so ausgereiftes Tool entwickeln. Wenn die Nutzer nicht verstehen, wie sie es gewinnbringend einsetzen können, verfehlt es seinen Zweck. Der Aufwand, Kunden systematisch an das Produkt heranzuführen und Neugier für neue Anwendungsmöglichkeiten zu wecken, stellt einen erheblichen Wert dar. Das muss nicht zwingend in Form aufwendiger Pilotphasen mit mehreren Engineers geschehen. Auch durchdachte Onboarding Materialien können bereits einen großen Unterschied machen. Darüber hinaus ist der Aspekt Daten von zentraler Bedeutung: Wir verfügen über Zugänge zu juristischen Datenbanken und Verlagsinhalten, die sich weder nachbauen noch ohne Weiteres beschaffen lassen. Das ist ein struktureller Vorteil gegenüber Eigenentwicklungen, der sich kaum überwinden lässt.

Felicitas: Vielen Dank für das Gespräch!

Libra ist eine KI-Lösung für die tägliche juristische Arbeit und wird von über 700 führenden Rechtsteams eingesetzt.

Forgent AI hilft Unternehmen mit der end-to-end KI-Plattform dabei, öffentliche Ausschreibungen zu gewinnen.