Contract Lifecycle Management KI bezeichnet den Einsatz von KI-gestützten Werkzeugen in jeder Phase des Vertragslebenszyklus – von der Erstellung über die Verhandlung bis zur Nachverfolgung. Für Schweizer Kanzleien und Inhouse-Rechtsteams ist die praktische Frage enger gefasst: Welche Phasen profitieren wirklich, was leistet die Technik heute verlässlich – und wo stösst sie noch an Grenzen?
Was ist Contract Lifecycle Management – und wo steht KI heute?
Contract Lifecycle Management (CLM) beschreibt den strukturierten Umgang mit Verträgen über ihren gesamten Lebenszyklus: Entwurf, Verhandlung, Genehmigung, Unterzeichnung, Erfüllung und Erneuerung oder Kündigung. Wer in einer mittelgrossen Schweizer Kanzlei oder einem Inhouse-Rechtsteam arbeitet, weiss, wie viel manuelle Arbeit in diesen Phasen steckt – uneinheitliche Vorlagen, fehlende Klauseln, inkonsistente Definitionen, übersehene Fristen.
KI verändert diese Arbeit nicht von Grund auf, aber sie beschleunigt und verbessert konkrete Teilschritte erheblich. Statt hunderte Seiten manuell zu prüfen, können Verträge maschinell auf fehlende Standardklauseln, Haftungslücken oder Abweichungen vom internen Playbook geprüft werden. Die Frage ist nicht mehr ob KI im CLM sinnvoll ist, sondern welche Funktionen tatsächlich nutzbar sind – und was noch fehlt.
Was sich in der täglichen Arbeit mit Schweizer Kanzleien zeigt: Das grösste Hindernis beim Einstieg ist selten die Technik, sondern die Erwartungshaltung. Wer erwartet, dass KI juristisch urteilt, wird enttäuscht. Wer KI für das einsetzt, was sie kann – Muster erkennen, Vollständigkeit prüfen, Strukturen extrahieren – spart schnell mehrere Stunden pro Vertrag.
Wo im Vertragslebenszyklus KI am stärksten hilft
KI hilft dort am direktesten, wo repetitive Musteranalyse gefragt ist. Es gibt aber auch einen Bereich, der in der CLM-Diskussion oft unterschätzt wird: die Arbeit während der aktiven Vertragsphase, wenn Fragen zum laufenden Vertrag auftauchen.
Vertragsprüfung und Risikoanalyse
Der wohl direkteste Einsatz: Ein Vertrag wird hochgeladen, und die KI identifiziert Risiken aus der Perspektive der jeweiligen Partei. Der AI Contract Review von CASUS erkennt Vertragsparteien automatisch und analysiert Findings nach Schweregrad – niedrig, mittel, hoch. Pro Finding gibt es konkrete Formulierungsoptionen, die sich direkt in Microsoft Word übernehmen lassen, ohne Copy-Paste.
Das spart nicht nur Zeit. Wer regelmässig Gegenentwicklungen prüft, kennt das Problem: Man sucht die kritische Haftungsklausel auf Seite 23, während der Mandant auf eine Antwort wartet. Eine strukturierte Risikoübersicht löst dieses Problem verlässlicher als eine erneute Lektüre des gesamten Dokuments.
Ein konkretes Szenario: Eine auf M&A spezialisierte Boutique-Kanzlei in Zürich erhält regelmässig Share Purchase Agreements, die von der Gegenseite entworfen wurden. Der Associate muss die Positionen des Mandanten gegen die Klauseln der Gegenseite halten – Garantiekatalog, Haftungsbeschränkungen, Freistellungsregeln, MAC-Definitionen. Früher dauerte die erste strukturierte Risikoübersicht je nach Dokumentlänge zwei bis vier Stunden. Mit einem partei-bewussten Review-Workflow verkürzt sich dieser erste Schritt auf Minuten – und der Associate beginnt die eigentliche juristische Arbeit mit einem klaren Bild der kritischen Stellen, nicht mit einer leeren Seite.
Abgleich mit internen Standards
Grössere Inhouse-Teams haben Playbooks – intern abgestimmte Standardpositionen zu Haftung, Geheimhaltung, IP, Kündigung. In der Praxis weicht die Gegenseite von diesen Positionen ab, und nicht immer fällt es auf.
Der Benchmark-Workflow von CASUS prüft ein Dokument automatisch gegen einen definierten Standard. Er zeigt, welche Klauseln fehlen, welche unvollständig sind (z. B. Haftung ohne Cap, Vertraulichkeit ohne Löschpflicht) und wie hoch die Übereinstimmung mit dem Standard insgesamt ist – als Prozentsatz. Fehlende Klauseln lassen sich direkt an der richtigen Stelle im Dokument einfügen.
Typische Lücken, die ein Benchmark-Abgleich regelmässig aufdeckt: eine Haftungsklausel ohne definierten Cap, eine Geheimhaltungsvereinbarung ohne Regelung zur Rückgabe oder Vernichtung vertraulicher Unterlagen, oder ein Lizenzvertrag ohne klare IP-Ownership-Regelung für Weiterentwicklungen. Diese Lücken entstehen nicht, weil der Anwalt sie übersehen hat – sondern weil die Gegenseite sie bewusst offenlässt.
Parallele Auswertung vieler Verträge
Bei Due-Diligence-Prüfungen oder Compliance-Reviews stellt sich regelmässig die Frage: Wie lassen sich 80 Lieferantenverträge auf einheitliche Kündigungsfristen, SLA-Regelungen oder Haftungscaps prüfen? Manuell dauert das Tage.
Der AI Data Room von CASUS erlaubt den Upload von dutzenden bis hunderten von Dokumenten. Extraktionsfelder werden über Prompts definiert – jede Tabellenspalte entspricht einem selbst definierten Kriterium. Die Ausgabe ist tabellarisch, exportierbar nach Excel. Abweichungen, z. B. eine Kündigungsfrist von mehr als zwölf Monaten oder eine fehlende Haftungsbegrenzung, werden als Auffälligkeiten markiert und nach Risiko priorisiert.
Ein Beispiel aus der Praxis: Ein Inhouse-Rechtsteam eines Basler Pharmaunternehmens muss vor einem Systemwechsel rund 200 bestehende Lieferantenverträge auf datenschutzrechtliche Klauseln prüfen – wer als Auftragsbearbeiter gilt, welche Löschfristen vereinbart wurden, welche Verträge noch keine dem revDSG entsprechende Auftragsbearbeitungsklausel enthalten. Manuell wäre das ein Projekt von mehreren Wochen. Mit definierten Extraktionsfeldern lässt sich eine erste Übersicht in einem Bruchteil dieser Zeit erstellen.
Derselbe Workflow deckt auch einen Datenschutz-Anwendungsfall ab: Das System erkennt personenbezogene Daten wie Name, E-Mail, Telefonnummer oder Ausweisnummern und unterstützt die Anonymisierung für die sichere Weitergabe – relevant etwa im Rahmen des revidierten Datenschutzgesetzes (revDSG), das seit dem 1. September 2023 in Kraft ist. Nach Art. 9 revDSG sind bei der Bearbeitung durch Auftragsbearbeiter zudem bestimmte Anforderungen an die vertragliche Grundlage zu beachten – ein weiterer Punkt, den ein Benchmark-Abgleich systematisch prüfen kann.
Wie verändert KI-Chat die tägliche Vertragsarbeit?
Neben strukturierten Review-Workflows gibt es eine zweite Dimension: der direkte Dialog mit dem Dokument.
Der AI-Chat von CASUS beantwortet Fragen zum geladenen Dokument – z. B. wie hoch die Haftung bei Datenverlust ist, welche Fristen für die Mängelrüge gelten oder welche Partei das Recht hat, ohne Angabe von Gründen zu kündigen. Antworten sind mit den relevanten Textstellen verknüpft; ein Klick führt direkt zur entsprechenden Passage.
Im Agent Mode geht das einen Schritt weiter: Die KI führt Änderungen direkt im Dokument aus. Sie fügt Klauseln ein, formuliert Texte um, prüft die Konsistenz über das gesamte Dokument und zeigt, welche anderen Stellen von einer Änderung betroffen wären. Formatierung und Nummerierung werden dabei respektiert.
Für ein Inhouse-Team, das täglich Softwarelizenzverträge prüft, bedeutet das in der Praxis: Statt eine Kollegin zu fragen, ob Klausel 8.3 mit der Haftungsregel in Klausel 12 konsistent ist, fragt man den Chat. Die Antwort kommt mit Quellangabe und direktem Link zur Textstelle.
Der AI-Chat beinhaltet auch einen Legal-Research-Modus. Wer eine Klausel inhaltlich begründen oder eine schnelle juristische Ersteinschätzung braucht, kann direkt aus dem Chat heraus auf eine Datenbank von über 660'000 Bundesgerichts- und Kantonsgerichtsentscheiden zugreifen. Relevante Erwägungen werden direkt im Ergebnis hervorgehoben – kein manuelles Klicken durch Urteilstexte. Die Ausgabe ist strukturiert: Risikotreiber, Pro-/Contra-Argumente, Handlungsempfehlung. Das Ergebnis lässt sich direkt in eine Klauselbegründung oder ein internes Memo übernehmen.
Von der Analyse zur Verhandlung: ein Blick auf den Workflow von innen
Dieser Abschnitt beschreibt, was in der Praxis passiert – nicht, was in Produktbroschüren steht.
Ein typischer Einstieg in einen KI-gestützten CLM-Workflow sieht so aus: Die Gegenseite schickt einen NDA. Statt ihn von oben nach unten zu lesen, lädt der Anwalt ihn in CASUS und startet zuerst den Risk Review. Innerhalb von Minuten liegt eine nach Schweregrad priorisierte Liste der Findings vor – z. B. fehlende Begrenzung des Schutzumfangs, einseitige Rückgabepflicht, unklare Definition des Empfängerkreises. Gleichzeitig läuft der Benchmark-Abgleich gegen das Kanzlei-Playbook für NDAs.
Jetzt kommt der Schritt, den viele unterschätzen: Der Anwalt muss nicht mehr entscheiden, wo er anfängt. Die priorisierten Findings zeigen sofort, was verhandelbar und was kritisch ist. Bei einem High-Severity-Finding – z. B. keine Beschränkung des Verwendungszwecks der vertraulichen Informationen – klickt der Anwalt auf den Verbesserungsvorschlag und übernimmt ihn mit einem Klick ins Dokument. Das erste Redline ist in einem Bruchteil der üblichen Zeit fertig.
Der nächste Schritt ist die Kommunikation: Die Verhandlungsmail an die Gegenseite wird über den AI-Chat in Ton und Länge angepasst – direkt aus dem gleichen Workflow heraus. Kein Wechsel in ein anderes Tool.
Was dabei im Hintergrund passiert, ist relevant: Das Dokument verlässt die sichere Umgebung nicht. Zero Data Retention bedeutet, dass nach der Verarbeitung nichts gespeichert bleibt. Das ist für Kanzleien, die nach Art. 13 BGFA ihr Berufsgeheimnis auch gegenüber Hilfspersonen und eingesetzten Systemen wahren müssen, kein Nebenpunkt.
Häufige Fehler beim Einsatz von KI im CLM
Es gibt wiederkehrende Muster, die KI-Einsatz in der Vertragsarbeit weniger wirksam machen – nicht wegen der Technologie, sondern wegen der Anwendung.
Zu vage Extraktionsfelder: Wer den AI Data Room mit dem Prompt «Prüfe alle Haftungsklauseln» startet, bekommt breite, schwer vergleichbare Ergebnisse. Wirksamer ist: «Gibt es einen Haftungscap? Falls ja, welcher Betrag in CHF oder als Vielfaches des Vertragswerts?» – ein konkretes, vergleichbares Feld.
Benchmark ohne eigenes Playbook: Ein Benchmark-Abgleich gegen allgemeine Best Practices ist nützlich. Aber der eigentliche Mehrwert entsteht, wenn die Kanzlei oder das Inhouse-Team ihre eigenen Standardpositionen als Referenz hinterlegt. Das ist einmalige Konfigurationsarbeit – und zahlt sich bei jedem folgenden Vertrag aus.
KI als Ersatz für das Lesen: KI-Outputs ersetzen nicht die anwaltliche Lektüre, sie strukturieren sie. Ein Finding mit «niedrig» markierter Priorität kann im Einzelfall trotzdem entscheidend sein – weil der Kontext des Mandats Informationen enthält, die die KI nicht kennt. Die Priorität ist eine Orientierung, kein Urteil.
Zu spätes Proofreading: Der Proofread-Workflow von CASUS wird oft erst kurz vor dem Versand eingesetzt. Sinnvoller ist es, ihn nach der Verhandlungsphase zu nutzen – wenn der Vertrag inhaltlich stabil ist, aber noch vor der finalen Unterschriftsrunde. Dann finden sich übersehene Platzhalter ([●], TBD), widersprüchliche Fristen oder falsche Querverweise, solange noch Zeit ist, sie zu beheben.
Was KI im CLM (noch) nicht leistet
Keine ehrliche Darstellung ohne Einschränkungen.
KI-gestützte CLM-Werkzeuge ersetzen keine juristische Beurteilung. Sie erkennen Muster, nicht Kontext. Ein Haftungsausschluss, der nach den einschlägigen Bestimmungen des Obligationenrechts nichtig wäre, wird von der KI möglicherweise als vorhanden und vollständig markiert – ohne zu beurteilen, ob er rechtlich trägt. Die Interpretation verbleibt beim Anwalt.
Ausserdem ist die Qualität der Extraktion abhängig davon, wie präzise die Extraktionsfelder und Prompts definiert werden. Vage Vorgaben führen zu vagen Ergebnissen. Wer den AI Data Room für Due Diligence nutzt, investiert einmalig Zeit in die Feldkonfiguration – und spart sie danach bei jeder Nutzung mehrfach zurück.
Datenschutz ist ein weiterer Punkt. Für Schweizer Kanzleien und Inhouse-Teams, die unter dem revDSG oder der DSGVO arbeiten, ist es nicht gleichgültig, wo Vertragsdaten verarbeitet werden. CASUS hostet in der Schweiz und der EU, überträgt keine Daten in die USA und wendet Zero Data Retention an – Dokumente werden nach der Verarbeitung nicht gespeichert. Weitere Informationen dazu finden sich auf der Sicherheitsseite von CASUS.
Kantone und Marktkontext: Was Schweizer Kanzleien und Inhouse-Teams unterscheidet
Die Schweizer Rechtslandschaft ist zersplittert – nicht nur sprachlich, sondern auch strukturell. Eine Genfer Kanzlei, die internationale Schiedsverfahren betreut, arbeitet mit anderen Vertragstypen und anderen Risikoprofilen als ein Zürcher M&A-Boutique oder ein Berner Inhouse-Team, das hauptsächlich öffentlich-rechtliche Beschaffungsverträge prüft.
Was das für CLM bedeutet: Ein universelles Playbook gibt es nicht. Aber die Logik – Standardpositionen definieren, eingehende Verträge dagegen halten, Abweichungen priorisieren – funktioniert in allen drei Kontexten. CASUS erlaubt es, unterschiedliche Benchmarks parallel zu pflegen: einen für NDA, einen für SPA, einen für Datenschutz-Auftragsbearbeitungsverträge. Jede Praxis kann ihre eigenen Standards hinterlegen.
Was sich ebenfalls unterscheidet: die Sprache. Französischsprachige Mandanten haben andere Vertragsvorlagen, andere Klauseltraditionen. Der AI-Chat von CASUS arbeitet mehrsprachig – Fragen auf Deutsch, Antworten mit Verweis auf einen französischsprachigen Vertragstext, das funktioniert.
Der Schweizer Markt für Legal Tech ist kleiner als der britische oder US-amerikanische, aber er wächst. Schätzungen für den DACH-Raum gehen von einem Marktvolumen im dreistelligen Millionen-CHF-Bereich aus, wobei der grösste Teil noch auf klassische Document-Management-Systeme entfällt. KI-gestützte Funktionen wie Risk Review und Benchmark-Abgleich sind noch nicht flächendeckend verbreitet – was auch bedeutet, dass frühe Nutzer einen konkreten Wettbewerbsvorteil haben.
Praktische Hinweise für die Einführung in Kanzlei oder Rechtsabteilung
Eine vollständige CLM-Systemablösung ist selten der richtige Einstieg. Sinnvoller ist es, mit einem konkreten Anwendungsfall zu beginnen: dem Review eingehender Verträge, dem Benchmark-Abgleich gegen das Inhouse-Playbook oder der Extraktion von Klauselmatrizen aus einem bestehenden Vertragsbestand.
Microsoft Word bleibt in den meisten Schweizer Kanzleien das zentrale Werkzeug. CASUS integriert sich direkt als Add-in – kein neues System, kein Exportaufwand. Änderungsvorschläge werden dort umgesetzt, wo der Vertrag lebt.
Für das Proofreading vor Versand – also Rechtschreibung, Querverweise, Platzhalter, Formatierung – ist ein strukturiertes Proofreading der verlässliche letzte Schritt. Es ist kein Ersatz für die inhaltliche Prüfung. Schweizer Schreibweise (ss statt ß), konsistente Parteienbezeichnungen, korrekte Querverweisnummern – das sind die Fehler, die kurz vor Vertragsunterzeichnung peinlich sind und hier zuverlässig abgefangen werden.
Kurz gefasst
KI ersetzt im Contract Lifecycle Management nicht den Anwalt – sie nimmt die mechanische Schicht ab: die kritische Klausel finden, Vollständigkeit gegen einen Standard prüfen, Struktur aus einem Stapel Dokumente ziehen. Schrittweise eingeführt, ein Anwendungsfall nach dem anderen, kommen genau dort die messbaren Stunden zurück. CASUS führt diese Workflows in Microsoft Word oder im Browser aus, gehostet in der Schweiz bzw. der EU – für einen Test an einem echten Vertrag genügt ein kostenloses Konto.
FAQ
Was versteht man unter Contract Lifecycle Management KI?
Contract Lifecycle Management KI bezeichnet den Einsatz von KI-Werkzeugen in allen Phasen des Vertragslebenszyklus – von der Erstellung über Verhandlung und Prüfung bis zur Nachverfolgung von Fristen und Pflichten. Konkrete Anwendungen sind Risikoanalyse, Klauselextraktion, Benchmark-Vergleich und automatisierte Zusammenfassungen. Der Unterschied zu klassischen CLM-Systemen: KI-Funktionen analysieren Inhalte, nicht nur Metadaten wie Laufzeiten oder Parteien.
Welche CLM-Aufgaben lassen sich mit KI sinnvoll unterstützen?
Gut geeignet sind die Risikoanalyse eingehender Verträge, der Abgleich mit Standardpositionen (Playbook), die Extraktion von Klauselmatrizen aus vielen Dokumenten sowie das formale Proofreading. Nicht automatisierbar ist die juristische Beurteilung von Sachverhalten – diese verbleibt beim Anwalt. KI erkennt, dass eine Haftungsklausel fehlt; ob das im konkreten Mandat akzeptierbar ist, entscheidet der Mensch.
Ist KI-gestütztes CLM datenschutzkonform nach Schweizer Recht?
Das hängt vom Anbieter ab. Massgeblich ist, wo Daten verarbeitet werden, ob Zero Data Retention gilt und ob der Anbieter als Auftragsbearbeiter nach Art. 9 revDSG eingestuft werden kann. CASUS hostet in der Schweiz und der EU, überträgt keine Daten in die USA und speichert Vertragsinhalte nach der Verarbeitung nicht. Das revDSG ist seit dem 1. September 2023 in Kraft und stellt klare Anforderungen an Auftragsbearbeiter.
Wie unterscheidet sich ein Benchmark-Workflow von einer normalen Vertragsprüfung?
Eine Risikoprüfung bewertet, was im vorliegenden Vertrag steht – aus der Perspektive der jeweiligen Partei. Ein Benchmark-Workflow vergleicht den Vertrag mit einem externen Standard oder internen Playbook und zeigt, was fehlt oder abweicht. Die Risikoprüfung sagt: «Diese Klausel ist problematisch.» Der Benchmark sagt: «Diese Klausel fehlt ganz.» Beide Ansätze ergänzen sich und werden in der Praxis idealerweise kombiniert.
Kann KI fehlende Klauseln automatisch einfügen?
Ja, mit Einschränkungen. CASUS kann eine passende Klausel an der richtigen Stelle im Dokument einfügen, korrekt formatiert und nummeriert. Die inhaltliche Verantwortung für die Klausel bleibt beim Anwalt – die KI schlägt vor, er oder sie entscheidet. Wer eine eingefügte Klausel ungeprüft übernimmt, trägt das Risiko selbst.
Welche typischen Fehler passieren ohne strukturiertes CLM?
Übersehene Kündigungsfristen, fehlende Haftungscaps, unklare IP-Ownership-Regelungen oder Geheimhaltungsvereinbarungen ohne Löschpflicht sind klassische Lücken. Sie entstehen oft nicht aus Nachlässigkeit, sondern weil bei steigendem Vertragsvolumen die manuelle Prüftiefe abnimmt. KI-gestützte Workflows helfen, diesen Zusammenhang zu durchbrechen – Volumen steigt, Fehlerrate bleibt konstant tief.
Funktioniert KI-gestütztes CLM auch ohne Systemwechsel?
Ja. CASUS arbeitet als Microsoft Word Add-in und als Web-App. Bestehende Arbeitsprozesse müssen nicht geändert werden. Verträge werden dort bearbeitet, wo sie entstehen – im gewohnten Tool. Das ist für die Akzeptanz im Team ein nicht zu unterschätzender Faktor: Wer kein neues System lernen muss, nutzt das Tool.
Für welche Vertragstypen eignet sich KI im CLM besonders?
Gut geeignet sind standardisierte oder häufig wiederkehrende Vertragstypen: NDA, SPA, Softwarelizenz-, Liefer- und Dienstleistungsverträge sowie Datenschutz-Auftragsbearbeitungsverträge. Bei stark verhandelten Einzelverträgen mit komplexem wirtschaftlichem Kontext – etwa einem Joint-Venture-Agreement mit individuellen Governance-Strukturen – ersetzt die KI-Analyse die juristische Beurteilung nicht, kann aber gezielt für die Risikoübersicht und den Benchmark-Abgleich eingesetzt werden.
Wie sieht Legal Research mit KI im CLM-Kontext aus?
Wenn eine Vertragsklausel inhaltlich begründet oder eine schnelle Ersteinschätzung zur Rechtslage gebraucht wird, kann der Legal-Research-Modus von CASUS direkt aus dem Chat genutzt werden. Er durchsucht über 660'000 Bundesgerichts- und Kantonsgerichtsentscheide und hebt relevante Erwägungen direkt im Ergebnis hervor. Die Ausgabe ist strukturiert – Risikotreiber, Argumentationslinien, Empfehlung – und lässt sich direkt in die Vertragsarbeit oder ein internes Memo übernehmen.
