Künstliche Juristerei? – Ausgabe 1: KI in der Rechtswissenschaft

(Rechts-)Wissenschaftliche Arbeit ist vielen ein Graus. Sie erfordert viel Geduld, Detailversessenheit und eine gewisse Frustrationstoleranz. Ständig nagende Zweifel und wiederkehrende gedankliche Sackgassen tun noch ihr Übriges. 

Die KI verspricht hier Abhilfe. Sie kann wesentliche Schritte wie Recherche, Formulierung und Formatierung erheblich beschleunigen und als Sparringspartner zur Schärfung der eigenen Argumente und Thesen dienen. Damit schafft sie mehr Raum für die Arbeit an den Thesen, steigert die Produktivität und baut Eintrittshürden ab. Allerdings ist nicht jede akribische Kleinarbeit bloß lästig. Oft entstehen vielmehr beim Lesen und Formulieren gerade die entscheidenden Gedanken. Der unbedarfte Einsatz von KI in der Rechtswissenschaft birgt daher auch Risiken, etwa eine Beschleunigung zu Lasten der Qualität.

Dieser Beitrag wirft einen Blick auf „best practices“ beim Einsatz von KI in der Rechtswissenschaft und beleuchtet dabei mögliche Auswirkungen auf den Wissenschaftsbetrieb kritisch. Die Ausführungen basieren unter anderem auf praktischen Erfahrungen des Verfassers, dessen Promotionsphase von der zunehmenden Etablierung von KI in die alltäglichen Arbeitsabläufe begleitet wurde. 

KI entlang der verschiedenen Phasen eines Forschungsprojekts

Forschungsprojekte wie Dissertationen, Monografien oder Aufsätze, durchlaufen verschiedene Phasen, wobei der Nutzen von KI-Tools jeweils unterschiedlich stark ausgeprägt ist. 

Am Anfang stehen Themenfindung und die Einengung auf einen spezifischen Untersuchungsgegenstand. Damit verbunden ist regelmäßig eine erste, breit angelegte Recherche, um sich einen Überblick über bestehende Literatur und Rechtsprechung zur Forschungsfrage zu schaffen. Bereits in dieser ersten Phase können KI-Tools unterstützen, indem sie Recherchen zielgenauer und schneller durchführen als es mit einer „klassischen“ Suche in Datenbanken oder Bibliotheken möglich wäre. Sie können Ergebnisse nicht bloß filtern und anzeigen, sondern anschaulich und gegenstandsbezogen aufbereiten und bei ihrer Einordnung behilflich sein. Gerade für eine erste Orientierung bietet dies einen erheblichen Mehrwert. 

Anschließend beginnt die Erstellung einer vorläufigen Untersuchungsstruktur anhand von Überschriften und Unterpunkten, an denen sich die weitere Quellen- und Textarbeit orientiert. Im Zuge dieser Arbeit beginnen sich idealerweise bereits erste Thesen herauszukristallisieren. Diese sind zunächst grob und schemenhaft, aber gewinnen mit fortdauernder Arbeit an Klarheit. KI-Einsatz ist in dieser „Hauptphase“ in mehrerlei Hinsicht hilfreich. Neben der engeren Recherche kann die KI vor allem bei der Sortierung der eigenen Gedanken unterstützen, mögliche Schwachstellen in der Argumentation ausfindig machen und als Gegenüber für kritisches Debattieren und Brainstorming dienen.

Stehen die Grundlinien der Argumentation, gehen Recherche und Quellenarbeit zunehmend in eine redaktionelle Bearbeitung über, wobei insbesondere die Formulierung und die Schärfung des argumentativen Aufbaus in den Vordergrund rücken. Schließlich muss die Arbeit im Rahmen einer Endredaktion „aufpoliert“ werden, wozu neben einer sprachlichen Kontrolle insbesondere die Anpassung an Zitat- und Formatierungskonventionen und die Prüfung auf eine einheitliche und in sich stimmige Darstellung zählen. In dieser Endphase kann KI bei der Formulierung unterstützen und viele der formalen Bearbeitungsschritte weitgehend übernehmen. Gerade Schritte wie die Erstellung und Überarbeitung von Fußnoten oder des Literaturverzeichnisses, die per Hand aufreibend und zeitraubend wären, lassen sich so weitgehend automatisieren.

Wie funktioniert das in der Praxis?

Die beste praktische Umsetzung ist individuell verschieden und hängt stark von der eigenen Arbeitsweise, bevorzugten Tools und der Art des Forschungsprojekts ab. Einige allgemeine Leitlinien lassen sich dennoch aufstellen, um KI in der rechtswissenschaftlichen Arbeit möglichst effektiv einzusetzen und zugleich Risiken zu minimieren. 

Im Allgemeinen ist es hilfreich, KI-Tools den relevanten Kontext nur einmalig zu geben, um das Prompting in der Session zu minimieren. Hierdurch lassen sich Zeit und mitunter auch Token sparen, ohne wesentlich an Präzision einzubüßen. Einheitliche Projekte, die in jeder Session gleichbleibende Bezugstexte, Regeln oder Quellen nutzen, sind daher gegenüber allgemeinen Chatbots vorzugswürdig. Technisch lässt sich dies durch integrierte Projektfunktionen der Interfaces in KI‑Systemen wie ChatGPT oder Claude oder mithilfe von Agentensoftware wie Open-Claw oder Hermes umsetzen, die mithilfe der Einbindung eines frei wählbaren KI-Modells das Zusammenstellen individueller Workflows auf Grundlage von natürlicher Sprache ermöglicht. Wer gerne „bastelt“ und über entsprechende Hardware verfügt, kann hierfür auch eigene KI-Konstruktionen mithilfe von Open-Source Software und Open-Weights-Modellen (etwa Qwen oder Deepseek) anlegen, die in der Leistung zwar oft hinter Frontier-Modellen zurückbleiben, dafür aber Datensicherheit und volle Kontrolle in der Implementierung bieten. 

Für spezielle Anwendungsfälle bieten sich zudem eigens zugeschnittene KI-Tools an. Beispielsweise sind Perplexity oder Scite auf wissenschaftliche Recherchen spezialisiert, während Copilot sich für direkte Bearbeitungen in MS Office Software empfiehlt, da es nativ in Microsoft-Anwendungen integriert ist und Bearbeitungen direkt im Dokument vornehmen kann (nur nach einem Backup versteht sich!).

Bei alledem gilt jedoch: KI kann und darf die eigene geistige Arbeit des Rechtswissenschaftlers nicht ersetzen. Das größte „no-go“ wäre daher, oberflächlich KI-Output zu generieren und diesen bloß unkritisch zu übernehmen. Nicht nur fehlt es dann an einer eigenen geistigen Leistung, sondern man riskiert – jedenfalls nach derzeitigem Stand – auch generische und wenig tragfähige Ergebnisse. Stattdessen empfiehlt es sich, die KI als schnellen und sprachgewandten, aber zugleich etwas naiven wissenschaftlichen Assistenten zu betrachten, der vieles erleichtert, aber eine klare Richtung und kritisches Feedback braucht. Dazu gehört natürlich, alle Quellen und Aussagen eigenständig im Original zu prüfen, zugleich aber auch die Schlussfolgerungen und inhaltlichen Aussagen der KI nicht „für bare Münze“ zu nehmen, auch wenn sie oft überzeugend formuliert sind.

Hilfreich ist dazu insbesondere, die KI gezielt mit Gegenargumenten zu prompten und ihre Position verteidigen zu lassen, ähnlich wie man es bei einer mündlichen Prüfung täte. Teilweise lassen sich auf diesem Wege Widersprüche aufdecken und verzerrende Neigungen der KI erkennen, z.B. dem Nutzer stets gefallen zu wollen. 

Ein beispielhafter Workflow und mögliche Prompts

Der für den Verfasser bewährte Workflow beginnt mit eigener gedanklichen Vorarbeit. Erste eigene Überlegungen werden zunächst grob festgehalten und anschließend mit der KI diskutiert. Dabei hilft es, gezielt nach Schwächen und Gegenargumenten zu fragen, bevor die sprachliche Ausarbeitung beginnt, z.B:

Inhaltliche Kritik der KI sollte dabei ernstgenommen, aber nicht überbewertet werden. Es gilt im Hinterkopf zu behalten, dass KI-Modelle häufig den eigenen confirmation bias bestärken, indem sie gerade bei starker Suggestivität der Prompts dazu neigen, dem Nutzer auch bei unzutreffenden Aussagen zuzustimmen. Ein wesentliches Problem kann außerdem die Neigung der Nutzer zu unverhältnismäßiger Vertrauensseligkeit gegenüber KI-Output sein (“automation bias”). Die KI wirkt oft überzeugend und kann womöglich Thesen in eine bestimmte Richtung verschieben, in denen sich die eigenen Prägungen und biases der Modelle auswirken, z.B. eine überzogene Risikoaversion. Hier ist ein kritischer Umgang gefragt. 

Andersherum kann es auch zu Missverständnissen kommen, z.B. wenn die KI eine These als nicht ausreichend belegt ansieht, da ihr die Herleitung oder der Kontext fehlt. Gerade bei eigenen Thesen lohnt sich daher die Nachfrage, ob ein Einwand tatsächlich die Argumentation trifft oder auf einem anderen Verständnis ihrer Voraussetzungen beruht. Ergebnisse und Ideen, die aus einer solchen Diskussion hervorgehen, sollten in jedem Fall unter Sichtung von Primärquellen gegencheckt und auf ihre Tragfähigkeit geprüft werden. Auch hierbei kann die KI unterstützen. Ein entsprechender Prompt könnte lauten:

Eine große Hilfe kann bei solcher Quellenarbeit sein, KI-Tools auf Quellen des Nutzers mithilfe von Retrieval Augmented Generation („RAG“) zugreifen zu lassen. Gerade bei der rechtswissenschaftlichen Arbeit ist dabei jedoch das Urheberrecht an den Quellen zu beachten, da diese zumeist nicht frei oder mit CC-Lizenzen verfügbar sind. Insbesondere ist das Herunterladen von Quellen aus Datenbanken wie beck-online und anschließende Hochladen in cloudbasierte KI‑Anwendungen mittels RAG regelmäßig durch die Lizenzbedingungen untersagt und daher urheberrechtlich mindestens problematisch. Anders kann dies jedoch bei öffentlich verfügbaren Veröffentlichungen mit offenen CC‑Lizenzen sein, wie sie z.B. im Bereich technischer Forschung üblich sind, aber auch in der Rechtswissenschaft immer mehr vorkommen. 

Wird die KI zur sprachlichen Präzisierung genutzt, empfiehlt sich ein klar begrenzter Auftrag, der die Funktion des Abschnitts, das gewünschte Ergebnis und Stilwünsche benennt. Sprachliche Überarbeitung und inhaltliche Kritik sollten dabei ausdrücklich getrennt werden. Ein Prompt hierfür könnte z.B. lauten:

Bei einem gut aufgesetzten Projekt lassen sich die Variablen X, Y, Z in den Promptvorschlägen dabei oft kurzhalten, da das KI-Tool bereits mit der eigenen Terminologie vertraut ist und auf vorherige Sessions und weiteren Kontext, z.B. hinterlegte Stilproben, zugreifen kann.

Schließlich kann auch KI-gestützte Programmierung (sog. „Vibe Coding“) gerade bei Formatierungsaufgaben in langen Dokumenten wesentlich unterstützen. Zum Beispiel kann die KI eine Beschreibung oder ein Dokument mit Vorgaben zu einem bestimmten Zitierstil in ein regelbasiertes Skript umsetzen, das dann von einem Textverarbeitungsprogramm oder einer wissenschaftlichen Zitierungssoftware wie Zotero in den Fußnoten und dem Literaturverzeichnis umgesetzt wird. Dies ist gerade für die – oft etwas eigenen – Zitierkonventionen in der deutschen Rechtswissenschaft von Vorteil. 

Wie verändert sich der Wissenschaftsbetrieb durch KI?

Langfristig scheint vorprogrammiert, dass die Etablierung von KI in den Arbeitsabläufen sich auch auf die Rechtswissenschaft auswirken wird. 

Der Zeitaufwand für Recherche, Formulierung und formale Redaktion sinkt. Damit stellt sich ein weiterer Entwicklungsschritt nach der Digitalisierung von Schreib- und Recherchearbeit ein, der das Verhältnis von formaler und inhaltlicher Arbeit zugunsten einer gedanklichen Arbeit an den Thesen verschieben könnte. Ein positiver Effekt könnte daher eine stärkere geistige Befassung mit den eigentlichen Kerninhalten und eine gesteigerte Produktivität in der rechtswissenschaftlichen Arbeit sein.

Anders aber als bei vorhergehenden Effizienzgewinnen durch Technologie, betrifft die KI jedoch auch gerade diesen Kern der Wissensarbeit, im rechtswissenschaftlichen Kontext also die Subsumtion und Argumentation. Eine Schattenseite dürfte daher auch das vermehrte Auftreten von „KI-Plagiaten“ oder von sichtlich KI-generierten Veröffentlichungen von geringer Qualität (auch: „KI-Slop“) sein^. [1] Insoweit die KI tatsächlich die Zeit verringert, in der sich Wissenschaftler selbst mit Primärquellen auseinandersetzen, könnte sie sich auch negativ auf die Thesenfindung auswirken, indem sie wissenschaftlichen Tiefgang zugunsten der Geschwindigkeit vermindert. Dies ist kein Grund, den Einsatz von KI in der Wissenschaft allgemein abzulehnen. Jedoch stellt sich die Frage, unter welchen Bedingungen die gewonnene Zeit tatsächlich der vertieften wissenschaftlichen Arbeit zugutekommt und wie viel bloß zu Lasten der wissenschaftlichen Qualität „eingespart“ wird. 

Schließlich lässt sich die allgemeine Besorgnis vor den Risiken der KI für den Arbeitsmarkt und die Autonomie zumindest zum Teil auch auf die Rechtswissenschaft übertragen. Spätestens wenn KI-Tools nämlich in kürzester Zeit und ohne wesentliches menschliches Zutun Forschungsergebnisse und Publikationen generieren können, die auf einem vergleichbaren oder gar höheren Niveau als menschliche Veröffentlichungen liegen, wird die Rolle der wissenschaftlichen Arbeit neu verhandelt werden müssen. Dies ist jedoch zum jetzigen Zeitpunkt (zumindest noch) nicht der Fall. 

Fazit

KI kann rechtswissenschaftliche Arbeit erleichtern, indem sie Kleinarbeit verringert und Räume schafft, um Argumente gründlicher zu prüfen und inhaltliche Fragen tiefer zu durchleuchten. In der Praxis erscheint ihr Einsatz besonders dort sinnvoll, wo eigene Überlegungen den Ausgangspunkt bilden und die KI dabei unterstützt, diese zu hinterfragen, zu ordnen, präziser auszudrücken und in der korrekten Form darzustellen. Die Prüfung am Quellenmaterial bleibt jedoch ebenso notwendig wie die Entscheidung, welche Schlussfolgerungen tatsächlich tragen.

Allerdings lässt sich rechtswissenschaftliche Denkarbeit nicht sauber von vermeintlicher Kleinarbeit trennen. Beim Lesen, Formulieren und Überarbeiten werden nicht nur bereits vorhandene Gedanken festgehalten, sondern auch neue entwickelt. Entscheidend ist deshalb nicht allein, ob KI einen Arbeitsschritt beschleunigt, sondern auch, was dabei möglicherweise verloren geht. 

Ob die gewonnene Zeit also tatsächlich in bessere Forschung fließt, die Zahl der Veröffentlichungen erhöht oder gar zu einem Qualitätsverfall führen könnte, scheint bisher nicht ausgemacht und bleibt abzuwarten. Wenn Sie Erfahrungen in diese Richtung gemacht haben oder eine Prognose abgeben wollen, teilen Sie diese Perspektive gerne mit uns!

Autorenangabe und KI-Hinweis

Leonard Barth promoviert zu „KI-Stimmen und Voice Cloning zwischen des Urheber-, Persönlichkeits- und Datenschutzrecht“ an der Universität Halle-Wittenberg. Er befasst sich beruflich und privat eingehend mit KI, unter anderem im Kontext eines Start-Ups für deutsche KI-Stimmen sowie im Kontext der Lehre und Forschung. 

Schlussanmerkung: Bei der Erstellung dieses Artikels kam ein personalisierter KI-Agent unterstützend zum Einsatz, der mithilfe von GPT-6 Astra betrieben wird.