Das Bild des jungen Anwalts, der nächtelang Vertragsstapel durcharbeitet und mühsam Risikolisten zusammenstellt, hat sich in vielen Schweizer Kanzleien noch nicht grundlegend verändert. Doch der Druck steigt – und er kommt von mehreren Seiten gleichzeitig. KI-Werkzeuge übernehmen Aufgaben, die bisher den Grossteil der Ausbildungszeit von Associates ausmachten. Gleichzeitig hat das revidierte Datenschutzgesetz (revDSG), in Kraft seit dem 1. September 2023, neue Anforderungen an den Umgang mit personenbezogenen Daten in mandatsbezogenen Kontexten gebracht. Und mit der laufenden Vernehmlassung des Bundesrats zur KI-Regulierung (Stand Q1 2025) zeichnet sich ab, dass der regulatorische Rahmen für den Einsatz von KI in der Rechtsberatung weiter konkretisiert wird.
Wer das Associate Training jetzt nicht anpasst, bildet Juristinnen und Juristen für Tätigkeiten aus, die in wenigen Jahren kaum noch manuell anfallen werden – und vernachlässigt dabei die neuen Kompetenzen, die tatsächlich gefragt sind.
Das ist keine Frage von Technologiebegeisterung. Es geht darum, welche Fähigkeiten heute tatsächlich gebraucht werden – und welche man noch wirklich beherrschen muss, weil KI sie nicht zuverlässig ersetzt.
Was sich in der Vertragsarbeit bereits verändert hat
Vertragsprüfungen, Risikoanalysen und die Kontrolle von Standardklauseln gehören traditionell zu den Kernaufgaben von Associates in den ersten Berufsjahren. Genau dort setzt Legal AI an. Plattformen wie CASUS, eine Schweizer Legal-AI-Plattform mit Hosting in der Schweiz und der EU, können einen Vertrag auf Risiken und Red Flags prüfen, Findings nach Schweregrad (niedrig / mittel / hoch) priorisieren und direkt Formulierungsvorschläge für Word liefern – ohne Copy-Paste, mit korrekter Formatierung.
Ein konkretes Beispiel: Ein Zürcher M&A-Team hat den Review eines 120-seitigen Kaufvertragswerks (SPA) mit dem Benchmark-Modul von CASUS strukturiert. Die erste Durchsicht auf fehlende Standardklauseln – Haftungscap, Garantienkatalog, MAC-Definition, Vollständigkeit der W&I-Regelungen – nahm früher rund vier Stunden in Anspruch. Mit dem Benchmark-Modul lag eine priorisierte Abweichungsübersicht nach etwa 45 Minuten vor, inklusive Prozentwert der Übereinstimmung mit dem internen Playbook und konkreten Einfügevorschlägen für fehlende Klauseln an der richtigen Stelle im Dokument. Der Associate konnte sich direkt auf die Bewertung der identifizierten Lücken konzentrieren – nicht auf das Auffinden.
Das bedeutet nicht, dass Associates diese Aufgaben nicht mehr verstehen müssen. Es bedeutet, dass sie lernen müssen, KI-Outputs zu beurteilen, zu verfeinern und zu verantworten. Wer nicht weiss, wie eine Haftungsklausel ohne Cap nach Art. 100 OR juristisch einzuordnen ist, kann auch kein KI-Ergebnis korrekt einschätzen.
Die Verschiebung ist also weniger eine Substitution als eine Verlagerung: weg von der mechanischen Erstdurchsicht, hin zur qualifizierten Einschätzung.
Welche Fähigkeiten jetzt wirklich gebraucht werden
Kritisches Denken gegenüber KI-Outputs
Das Wichtigste zuerst: KI-Werkzeuge liefern strukturierte, quellenbasierte Ergebnisse – aber keine garantiert richtigen. Associates müssen lernen, KI-Outputs systematisch zu hinterfragen. Stimmt die Risikoeinschätzung mit der Rechtslage überein? Ist die zitierte Rechtsprechung einschlägig? Fehlt ein wesentlicher Aspekt, weil er nicht abgefragt wurde?
Aus der Praxis lässt sich beobachten, dass Associates in der Einarbeitungsphase zwei Fehler besonders häufig machen: Erstens wird dem Schweregrad-Flag (hoch / mittel / niedrig) zu viel Gewicht beigemessen, ohne zu prüfen, ob das Finding im konkreten Verhandlungskontext überhaupt relevant ist – eine als "hoch" markierte Klausel kann in einem bestimmten Deal bewusst akzeptiert worden sein. Zweitens werden Alerts zu fehlenden Definitionen systematisch übersprungen, obwohl gerade diese in langen Verträgen zu erheblicher Rechtsunsicherheit führen können, wie BGE 144 III 327 zu Auslegungsfragen nach Art. 18 OR illustriert. Unklare Begriffe in Verträgen schaffen Spielraum für Interpretationsstreitigkeiten, die sich durch eine saubere Definition von Anfang an vermeiden lassen.
Kritisches Denken gegenüber KI ist keine philosophische Übung. Es ist eine praktische Juristenfähigkeit, die sich in konkreten Prüfschritten ausdrückt: Quellencheck, Vollständigkeitskontrolle, Plausibilitätstest.
Prompt-Kompetenz als juristische Arbeitstechnik
Wer ein KI-System mit einer vagen Frage konfrontiert, bekommt eine vage Antwort. Gut strukturierte Prompts – mit Kontext, Fragestellung, Parteiposition und gewünschter Ausgabe – liefern nutzbare Ergebnisse. Das klingt nach Technik, ist aber im Kern juristische Präzision: dieselbe Fähigkeit, die für klare Schriftsätze und Vertragsklauseln gebraucht wird.
Associates, die lernen, wie man einen Legal Research Prompt für eine Haftungsfrage nach Art. 97 ff. OR formuliert, lernen gleichzeitig, wie man die Rechtsfrage selbst strukturiert. Ein schwacher Prompt liefert vielleicht eine allgemeine Übersicht zur Vertragshaftung. Ein präziser Prompt – mit Sachverhalt, Parteiposition und gewünschter Ausgabeform – kann eine strukturierte Einschätzung mit Risikotreibern, Argumentationslinien und konkreter Handlungsempfehlung liefern, die direkt in ein internes Memo einfliesst.
Prompt-Engineering und juristisches Denken sind hier keine Gegensätze.
Vertrags- und Dokumentenreview mit KI-Unterstützung
Die Fähigkeit, eine KI-gestützte Vertragsprüfung zu führen und zu verantworten, wird zur Standardkompetenz. Konkret heisst das: mit dem Risk & Quality Review-Modul arbeiten, Findings bewerten, selektiv übernehmen und gegenüber Mandanten vertreten können. Wer den Workflow kennt – von der Risikoanalyse bis zur Verbesserungsempfehlung – kann effizienter arbeiten und gleichzeitig besser erklären, was geprüft wurde und was nicht.
Gleiches gilt für den Benchmark-Workflow: Ein NDA oder einen SPA gegen einen internen Standard zu prüfen und Abweichungen zu beurteilen, ist eine Kompetenz, die früher Erfahrung voraussetzte. Mit strukturierter KI-Unterstützung kann diese Einschätzung früher im Berufsleben aufgebaut werden – wenn die Juristenfähigkeit stimmt, sie zu interpretieren.
Rechtliche Recherche mit KI-Datenbanken
Legal Research verändert sich fundamental. Wer früher Stunden in der Datenbank verbracht hat, kann heute mit einem gut formulierten Prompt über 660'000 kantonal- und bundesgerichtliche Entscheide durchsuchen und relevante Erwägungen direkt im Suchergebnis sehen, ohne jeden Entscheid einzeln zu öffnen.
Das Legal Research-Modul von CASUS liefert strukturierte Ersteinschätzungen mit Risikotreibern, Pro-/Contra-Argumentationslinien und konkreten Handlungsempfehlungen. Für Associates bedeutet das: die Fähigkeit, eine quellenbasierte Ersteinschätzung zu erstellen, kommt früher im Berufsleben. Aber die Fähigkeit, diese Einschätzung juristisch einzuordnen, kritisch zu gewichten und in ein Arbeitsergebnis zu übersetzen, bleibt menschlich.
Formale und sprachliche Dokumentenqualität
KI übernimmt auch Proofreading-Aufgaben: Rechtschreibung, Grammatik, Konsistenz der Terminologie, Cross-References, fehlende Definitionen, Platzhalter. Das Proofread-Modul prüft Schweizer Schreibkonventionen (ss statt ß), Anhänge, Nummerierungen und markiert Widersprüche – und entlastet damit bei Arbeiten, die zwar nötig, aber zeitintensiv sind.
Das Ziel ist kein juristisches Urteil über die Rechtslage, sondern ein sauberes, konsistentes Dokument. Auch das müssen Associates verstehen: was KI-Proofreading leistet und wo es endet.
Kompetenzmatrix: traditionelle Ausbildung vs. KI-Zeitalter
Die folgende Tabelle macht greifbar, wo die Verschiebung konkret stattfindet – nicht als Ersatz, sondern als Neujustierung der Schwerpunkte. Sie unterscheidet zudem zwischen Year-1-Associates, die erstmals mit Legal AI arbeiten, und Year-3-Associates, die beginnen, Workflows zu verantworten.
Kompetenzbereich | Traditionelle Ausbildung | KI-Zeitalter – Year 1 | KI-Zeitalter – Year 3 |
|---|---|---|---|
Erstdurchsicht / Red-Flag-Analyse | Manuell, zeitintensiv, Kernaufgabe | KI-Output prüfen, Findings bewerten | Prüfprozess designen, Qualitätskontrolle |
Rechtsprechungsrecherche | Datenbanksuche, manuell filtern | Prompt strukturieren, Ergebnisse einordnen | Research-Workflow standardisieren |
Klauselverhandlung | Erfahrungsaufbau durch Wiederholung | Abweichungen aus Benchmark-Output erkennen | Playbook pflegen, KI-Standard anpassen |
Dokumentenqualität | Manuelles Proofreading | KI-Proofreading-Output verifizieren | Konsistenzstandards für Kanzlei definieren |
Datenschutzkompetenz | Grundlagenwissen DSG | revDSG Art. 5/Art. 22 in KI-Workflows einordnen | KI-Tools nach revDSG bewerten und freigeben |
Mandantenkommunikation | Berichte manuell aufbereiten | KI-Drafts kontextualisieren und freigeben | Effizienzgewinne gegenüber Mandanten erklären |
Prozessgestaltung | Wenig Rolle für Junior-Ebene | Eigene Prompts und Workflows dokumentieren | Legal Engineering: Kanzleiprozesse mitgestalten |
Diese Tabelle ist kein Ideal-Curriculum, sondern ein Orientierungsrahmen. Jede Kanzlei wird die Gewichtung je nach Praxisfeld und Mandantenstruktur anpassen. Wichtig ist, dass die Verschiebungen explizit benannt werden – damit Associates nicht implizit für ein Kompetenzprofil ausgebildet werden, das den heutigen Anforderungen nicht mehr entspricht.
Wie Kanzleien das Training anpassen können
Strukturierte Einführung in KI-Workflows
Die reine Bereitstellung eines KI-Tools ohne Einführung bringt wenig. Associates brauchen klare Erklärungen, wofür jedes Modul geeignet ist, wo seine Grenzen liegen und wie Outputs zu interpretieren sind. Eine strukturierte Einführung in den Review-Workflow – mit einem konkreten Vertragsbeispiel, das die Kanzlei kennt – gibt mehr als jedes Onboarding-Dokument.
Empfehlenswert ist ein Format, das in drei Schritten aufgebaut ist: zuerst den KI-Output ohne Vorabwissen sehen, dann die eigene juristische Einschätzung formulieren, dann beides vergleichen. Dieser Abgleich zeigt schnell, wo Associates KI-Findings übergewichten – etwa wenn ein Severity-Flag "hoch" gesetzt ist, obwohl die zugrunde liegende Klausel in der konkreten Verhandlungssituation irrelevant ist.
Fallbasiertes Lernen mit KI als Prüfgrösse
Das fallorientierte Lernen verliert nicht an Bedeutung, weil KI die Erstanalyse übernimmt – es verlagert sich. Die Fähigkeit, ein KI-Output zu beurteilen, setzt voraus, dass man die Materie versteht. Wer nie gelernt hat, eine Haftungsklausel zu lesen und nach Art. 100 OR einzuordnen, kann nicht beurteilen, ob das KI-Finding korrekt ist.
Aus der Begleitung von Kanzlei-Onboardings lässt sich beobachten, dass Associates zwei typische Fehler machen: Sie übernehmen Severity-Flags unreflektiert, ohne den Verhandlungskontext zu beachten. Und sie ignorieren systematisch die Alerts zu fehlenden Definitionen – obwohl gerade Definitonslücken in langen Vertragswerken zu den kostspieligsten Streitpunkten gehören. Fallbasiertes Training, das diese Fehler explizit thematisiert, ist wirksamer als allgemeine Hinweise zur KI-Nutzung.
Datenschutz und Datensicherheit als Pflichtbestandteil
Mit dem revDSG (Art. 5 lit. g) ist der Begriff der automatisierten Einzelentscheidung in das Schweizer Datenschutzrecht eingezogen. Art. 22 revDSG regelt Profiling mit hohem Risiko und stellt Anforderungen an Transparenz und Rechtsgrundlage. Für Associates, die mit KI-Tools in mandatsbezogenen Kontexten arbeiten, bedeutet das: Sie müssen wissen, ob und wie die von ihnen eingesetzten Systeme personenbezogene Daten verarbeiten, und ob das revDSG-konform ist.
Das ist keine abstrakte Compliance-Frage. Wer einen Vertrag mit Personendaten in ein KI-System hochlädt, das Daten in die USA überträgt oder für Modelltraining nutzt, riskiert nicht nur eine Datenschutzverletzung, sondern auch eine Verletzung der anwaltlichen Sorgfaltspflicht gegenüber dem Mandanten. CASUS transferiert keine Daten in die USA, arbeitet ohne Human Review und mit Zero Data Retention – das sind relevante Kriterien für den revDSG-konformen Einsatz in der Anwaltskanzlei.
Der EU AI Act (Art. 6) klassifiziert bestimmte KI-Anwendungen als hochriskant. Für Schweizer Kanzleien, die für internationale Mandanten oder mit EU-Gegenparteien arbeiten, ist das keine rein europäische Frage: KI-Tools in der Rechtsberatung können je nach Einsatzkontext unter Hochrisikokategorien fallen, was Transparenz- und Dokumentationspflichten auslöst. Das gehört ins Associate Training, nicht nur ins IT-Onboarding.
Mehr zur Datenhaltung und Sicherheitsarchitektur von CASUS unter Security & Datenhaltung.
Von der Ausbildung zum Legal Engineering
Der Begriff "Legal Engineer" ist noch nicht Standard in Schweizer Stellenausschreibungen. Aber er beschreibt eine Richtung, die sich abzeichnet: Juristinnen und Juristen, die nicht nur rechtlich denken, sondern Prozesse gestalten, Werkzeuge einsetzen und Ergebnisse strukturieren können.
Das bedeutet keine Abkehr von juristischer Substanz. Im Gegenteil – wer KI-Outputs verantwortet, braucht solide juristische Grundlagen, die tiefer gehen als Schlagwortkenntnisse. Art. 18 OR zur Vertragsauslegung, Art. 97 ff. OR zur Haftung, die revDSG-Anforderungen an automatisierte Verarbeitung: Das sind keine Randthemen, sondern die Grundlagen, auf denen jede kritische Bewertung eines KI-Findings aufbaut.
Legal Engineering bedeutet in der Praxis: den eigenen Prompt-Workflow dokumentieren, Findings aus dem Benchmark-Modul systematisch in das Kanzlei-Playbook zurückspielen, und die Effizienzgewinne – zum Beispiel bei der SPA-Prüfung – gegenüber Mandanten transparent machen. Das ist Kompetenz, die weit über die technische Bedienung eines Tools hinausgeht.
Associate Training im KI-Zeitalter heisst: beides lernen. Juristische Substanz und die Fähigkeit, sie mit strukturierten Werkzeugen anzuwenden und zu verantworten.
CASUS in der Praxis testen
Wer prüfen möchte, wie KI-gestützte Vertragsarbeit in der täglichen Praxis aussieht, kann CASUS kostenlos testen. Die Plattform läuft als Web App und als Microsoft Word Add-in – ohne Datentransfer in die USA, mit Hosting in der Schweiz und der EU, ohne Human Review und mit Zero Data Retention.
FAQ
Was müssen Associates im KI-Zeitalter neu lernen?
Associates müssen vor allem lernen, KI-Outputs kritisch zu beurteilen: Sind die identifizierten Risiken korrekt? Fehlt etwas? Prompt-Kompetenz – die Fähigkeit, KI-Systeme präzise zu instruieren – wird zur regulären Arbeitstechnik. Daneben bleibt juristisches Grundwissen unverzichtbar, weil es die Basis für jede Bewertung von KI-Ergebnissen ist. In der Praxis zeigt sich, dass zwei Fehler besonders häufig vorkommen: das unreflektierte Übernehmen von Severity-Flags und das systematische Ignorieren von Alerts zu fehlenden Definitionen.
Ersetzt KI die klassische Associate-Ausbildung?
Nein. KI übernimmt mechanische Erstdurchsichten und strukturierte Analysen, aber keine juristische Urteilsbildung. Die Ausbildung muss sich anpassen – weg von reiner Erstdurchsicht, hin zur Kompetenz, KI-Outputs zu verantworten, zu hinterfragen und weiterzuverarbeiten. Juristisches Grundwissen – etwa zur Vertragsauslegung nach Art. 18 OR oder zur Haftungsverteilung nach Art. 97 ff. OR – ist dabei keine optionale Ergänzung, sondern Voraussetzung.
Welche KI-Fähigkeiten sind für Juristinnen und Juristen am relevantesten?
Praktisch relevant sind: Prompt-Formulierung für juristische Aufgaben, Beurteilung von KI-gestützten Risikoanalysen, Nutzung von Legal Research-Werkzeugen mit Rechtsprechungsdatenbanken (über 660'000 Entscheide in CASUS) und das Verständnis, wo KI-Proofreading endet und juristische Prüfung beginnt. Dazu kommt das Wissen, welche KI-Systeme datenschutzkonform eingesetzt werden dürfen – eine Anforderung, die das revDSG seit September 2023 konkret macht.
Wie sieht KI-gestütztes Legal Research aus?
Plattformen wie CASUS durchsuchen über 660'000 kantonal- und bundesgerichtliche Entscheide und liefern strukturierte Einschätzungen mit Quellenangaben, Argumentationslinien und Handlungsempfehlungen. Die relevanten Erwägungen werden direkt im Suchergebnis angezeigt, ohne jeden Entscheid manuell öffnen zu müssen. Das beschleunigt die Ersteinschätzung – aber die juristische Einordnung des Ergebnisses, etwa in Bezug auf einen konkreten BGE wie BGE 144 III 327 zur Vertragsauslegung, bleibt Aufgabe des Juristen.
Wie sollten Kanzleien das Associate Training anpassen?
Empfehlenswert ist eine strukturierte Einführung in konkrete KI-Workflows (nicht nur Toolbereitstellung), fallbasiertes Lernen mit KI als Prüfgrösse statt Erstanalyst, und explizite Schulung zu Datenschutzfragen – insbesondere zu revDSG Art. 5 und Art. 22 sowie zu den Anforderungen des EU AI Act Art. 6 für Cross-border-Mandate. Die Kompetenzmatrix in diesem Artikel gibt einen Orientierungsrahmen für Year-1- und Year-3-Ziele.
Warum ist Datensicherheit beim KI-Einsatz im Associate Training relevant?
Associates arbeiten mit mandatsbezogenen, oft vertraulichen Dokumenten. Sie müssen wissen, welche KI-Systeme datenschutzkonform eingesetzt werden dürfen. Das revDSG (in Kraft seit 1. September 2023) bringt konkrete Anforderungen an die Verarbeitung personenbezogener Daten, auch im KI-Kontext – Art. 5 lit. g zur automatisierten Verarbeitung und Art. 22 zu Profiling mit hohem Risiko sind dabei besonders relevant. Systeme, die Daten in die USA übertragen oder für Modelltraining nutzen, sind in vielen mandatsbezogenen Kontexten nicht zulässig.
Was ist der Unterschied zwischen KI-Proofreading und juristischer Dokumentprüfung?
KI-Proofreading prüft Sprache, Konsistenz, Formatierung, Cross-References und Platzhalter – zum Beispiel ob eine Verweisung auf Ziff. 7.2 tatsächlich existiert oder ob ein Begriff definiert, aber anders geschrieben verwendet wird. Es beurteilt nicht, ob eine Klausel rechtlich korrekt oder angemessen ist. Eine juristische Dokumentprüfung bewertet die Rechtslage, Risikoverteilung und Vertragsstruktur. Beide Funktionen ergänzen sich, ersetzen sich aber nicht.
Gilt das alles auch für In-House Teams?
Ja. Die Kompetenzverschiebung betrifft In-House Legal Teams genauso wie Kanzleien – oft noch stärker, weil die Kapazitäten enger sind und das Vertragsvolumen hoch ist. Ein Basler Pharmaunternehmen mit internationalem Lieferantenportfolio, das monatlich dutzende NDAs und Rahmenverträge prüft, profitiert direkt davon, wenn das Legal Team strukturiert mit dem Risk & Quality Review und dem AI Data Room arbeiten kann. Voraussetzung ist dasselbe wie in der Kanzlei: das Team muss die Outputs einordnen und verantworten können.
Was bedeutet die Bundesrats-Vernehmlassung zur KI-Regulierung für Kanzleien?
Der Bundesrat hat im Q1 2025 eine Vernehmlassung zur KI-Regulierung gestartet. Der Entwurf orientiert sich an einem risikobasierten Ansatz, vergleichbar mit dem EU AI Act. Für Kanzleien bedeutet das: KI-Tools, die in der Rechtsberatung eingesetzt werden, könnten künftig Transparenz-, Dokumentations- und Risikoklassifizierungsanforderungen unterliegen. Associates, die heute lernen, KI-Outputs zu bewerten und zu dokumentieren, sind für diesen regulatorischen Kontext besser vorbereitet als solche, die KI-Tools als Black Box verwenden.
