Rechtsprechung mit KI auswerten

Rechtsprechung mit KI auswerten heißt: Entscheidungen aus öffentlichen Datenbanken gezielt suchen, als Text an ein Sprachmodell übergeben, in eine feste Struktur bringen und jedes Zitat gegen den Volltext prüfen. Die Quellen sind in Deutschland frei zugänglich – Rechtsprechung im Internet, openJur und die Entscheidungsdatenbank des BGH. Das Modell übernimmt Sortierung und Zusammenfassung; der Anwalt liest die Entscheidung und trifft die Bewertung.

Welche öffentlichen Quellen liefern deutsche Rechtsprechung?

Vier Datenbanken decken den größten Teil dessen ab, was in der Montag-Werkstatt verarbeitet wird:

1. Rechtsprechung im Internet – Angebot des Bundesministeriums der Justiz und des Bundesamts für Justiz: ausgewählte Entscheidungen des Bundesverfassungsgerichts, der obersten Bundesgerichte und des Bundespatentgerichts ab 2010, mit Leitsätzen, Normenkette und Vorinstanz; Download als HTML, PDF oder XML.
2. Entscheidungsdatenbank des BGH – Entscheidungen ab 2000, Suche nach Aktenzeichen, Datum, Senat, Entscheidungsart und Volltext.
3. openJur – vom gemeinnützigen openJur e.V. in Hamburg betriebene freie Datenbank mit Entscheidungen aller Instanzen, einschließlich Land- und Amtsgerichten.
4. dejure.org – Gesetzestexte mit Rechtsprechungsnachweisen je Norm; nützlich, um von einem Paragrafen zu den zitierenden Entscheidungen zu kommen.

Was die Quellen gemeinsam haben: Der Volltext ist ohne Lizenz lesbar und lässt sich als Datei speichern. Genau das ist die Voraussetzung dafür, dass ein Skill mit dem Text arbeiten kann, statt aus dem Gedächtnis des Modells zu zitieren. Verlagsdatenbanken wie beck-online oder Wolters Kluwer Online bleiben im Workshop außen vor, weil ihre Inhalte Nutzungsbedingungen unterliegen.

Wie strukturiert man eine Suchanfrage?

Die Suchanfrage entsteht in der Werkstatt vor dem ersten Prompt – am Whiteboard, nicht im Chat:

1. Rechtsfrage in einem Satz – „Hemmt die Aufnahme von Vergleichsverhandlungen die Verjährung, wenn eine Seite nur schweigt?“
2. Norm als Anker – § 204 Abs. 1 Nr. 1 BGB oder § 203 BGB; die Norm ist das stabilste Suchwort.
3. Gericht und Zeitraum – BGH-Zivilsenate, Entscheidungen ab 2018; bei Instanzrechtsprechung openJur mit Gerichtsfilter.
4. Synonyme und Gegenbegriffe – „Verhandlungen“, „Einschlafen der Verhandlungen“, „Verweigerung der Fortsetzung“.
5. Suchstring festhalten – wörtlich in die Skill-Datei, damit die Suche reproduzierbar bleibt.

Konkretes Beispiel: In der BGH-Datenbank: Spruchkörper „Zivilsenate“, Datum ab 01.01.2018, Volltext Verjährung Hemmung Verhandlungen einschlafen. In openJur parallel: "§ 203 BGB" einschlafen, Gericht „BGH“. Teilnehmer notieren die Trefferzahl beider Suchen – wer sie kennt, merkt später, ob der Skill Entscheidungen erfindet, die in keiner der Listen standen.

Wie kommen Entscheidungen als Markdown in den Skill?

Sprachmodelle arbeiten am zuverlässigsten mit Text, den sie tatsächlich vorliegen haben. Deshalb wandert jede ausgewählte Entscheidung als eigene Datei in den Projektordner:

1. Volltext laden – PDF oder HTML aus der Datenbank; bei Rechtsprechung im Internet steht zusätzlich XML zur Verfügung.
2. In Markdown umwandeln – Claude und Codex lesen PDF direkt und geben auf Anweisung Markdown mit erhaltenen Randnummern zurück; alternativ den HTML-Text kopieren.
3. Kopfzeile ergänzen – Gericht, Datum, Aktenzeichen, Quelle mit URL, Abrufdatum.
4. Dateiname nach Schema – BGH_[Datum]_[Aktenzeichen].md, etwa BGH_2024-03-12_XII-ZR-….md; sortiert sich chronologisch und ist im Chat eindeutig referenzierbar.
5. Eine Datei je Entscheidung – keine Sammel-PDFs; das Modell verwechselt sonst Randnummern zwischen Entscheidungen.

Was Teilnehmer beobachten: Im Workshop arbeiten wir mit kleinen Blöcken von Entscheidungen pro Lauf. Größere Konvolute werden aufgeteilt und die Tabellen anschließend zusammengeführt, damit Leitsätze nicht vermischt werden. Randnummern sind der Anker für jede spätere Prüfung – geht die Nummerierung bei der Umwandlung verloren, ist die Datei für den Skill wertlos und wird neu erzeugt.

Wie fasst der Skill Entscheidungen zusammen?

Der Zusammenfassungs-Skill bekommt die Markdown-Dateien und die Rechtsfrage. Er liefert keine Bewertung, sondern eine Tabelle mit festen Spalten, die der Anwalt Zeile für Zeile gegen den Volltext lesen kann. Die Spalte „Randnummer“ ist dabei die wichtigste: Sie macht jede Aussage in Sekunden nachprüfbar. Die Spalte „Ergebnis“ zwingt das Modell, sich festzulegen – und macht sichtbar, wo es sich nicht festlegen kann.

Der Prompt unten ist das Grundgerüst aus der Werkstatt. Rolle und Regeln bleiben gleich, die Rechtsfrage wechselt je Akte. Wie sich daraus eine wiederverwendbare Skill-Datei mit Fehlerliste ergibt, steht in KI-Agents und Skills für die Kanzlei.

Du bist Recherche-Assistent für deutsches Zivilrecht.
Rechtsfrage: [ein Satz]
Quellen: ausschließlich die beigefügten Markdown-Dateien.
Ausgabe: Tabelle mit den Spalten
Gericht | Datum | Aktenzeichen | Leitsatz (ein Satz) | tragende Erwägung mit Rn. | Ergebnis zur Rechtsfrage (stützt / widerspricht / offen) | Datei
Regeln:
- Jede Aussage mit Randnummer aus der Datei belegen
- Keine Entscheidung nennen, die nicht als Datei vorliegt
- Bei Unsicherheit: "Prüfen" in die Spalte Ergebnis
- Am Ende: nummerierte Liste offener Fragen für den Anwalt

Eine Ausgabezeile aus einem Testlauf hat die Form: „BGH | [Datum] | [Aktenzeichen] | Verhandlungen enden, wenn eine Seite die Fortsetzung verweigert | Rn. [x] | stützt | [Datei]“. Ob die Aussage stimmt, zeigt der Blick in die genannte Randnummer – nicht der Prompt.

Wie werden Zitate geprüft?

Die Prüfung ist der Teil, der in der Werkstatt am längsten dauert. Fünf Fragen pro Tabellenzeile:

1. Existiert das Aktenzeichen? – Suche in der BGH-Datenbank oder bei openJur; ein Treffer mit gleichem Datum und Gericht.
2. Steht die Aussage an der angegebenen Randnummer? – Volltext öffnen, Rn. lesen, nicht nur den Leitsatz.
3. Ist der Kontext gewahrt? – Trägt die Passage die Entscheidung, oder referiert sie eine abgelehnte Ansicht?
4. Ist die Entscheidung noch aktuell? – Folgeentscheidungen, Gesetzesänderungen; dejure zeigt zitierende Entscheidungen je Norm.
5. Passt sie zur Rechtsfrage? – Ähnlicher Sachverhalt heißt nicht gleiche Frage.

Fehlerbilder aus Workshop-Läufen: Ein plausibel aussehendes Aktenzeichen, das in keiner Datenbank existiert. Eine richtige Entscheidung mit falscher Randnummer. Ein Leitsatz, der aus der Vorinstanz stammt. Eine Passage, in der das Gericht die Gegenansicht referiert und das Modell sie als tragende Erwägung ausgibt. Jeder gefundene Fehler wandert in die Fehlerliste der Skill-Datei – nach drei bis vier Läufen ist sie der wertvollste Teil des Skills. Weitere Fehlerbilder: Worauf Anwälte beim KI-Einsatz achten.

Häufige Fragen

Diese Antworten fassen die Fragen zusammen, die Teilnehmer der Montag-Werkstatt beim ersten Rechtsprechungs-Skill am häufigsten stellen.

Warum nicht einfach das Modell nach Urteilen fragen?

Weil das Modell ohne beigefügte Texte aus seinem Training antwortet – und dabei Aktenzeichen, Daten und Leitsätze erzeugt, die plausibel klingen, aber nicht existieren. Mit den Volltexten als Dateien beschränkt sich die Aufgabe auf Sortieren und Zusammenfassen dessen, was tatsächlich vorliegt.

Wie viele Entscheidungen verarbeitet ein Lauf?

Ein Lauf verarbeitet einen kleinen Block von Entscheidungen, nicht das gesamte Konvolut. Größere Sammlungen werden in Blöcke aufgeteilt, jeder Block läuft einzeln durch den Skill, und die Tabellen werden anschließend zusammengeführt. Die Aufteilung dient dazu, dass Leitsätze nicht vermischt werden; der Anwalt prüft danach Block für Block gegen die Markdown-Dateien.

Was ist mit beck-online und anderen Verlagsdatenbanken?

Verlagsdatenbanken enthalten Kommentare und Aufsätze, die die öffentlichen Quellen nicht haben – und Nutzungsbedingungen, die den Export in Drittwerkzeuge regeln. Im Workshop bleiben sie deshalb außen vor; die Kaufen-oder-bauen-Einordnung beschreibt, welche Plattformen Verlagsinhalte integrieren.

Wo steht mehr zum Aufbau der Skill-Datei?

Rolle, Schritte, Ausgabeformat und Fehlerliste als wiederverwendbare Datei: KI-Agents und Skills für die Kanzlei. Weitere Workflow-Artikel finden sich im Blog.