Wer Legal-AI-Tools täglich einsetzt, merkt schnell: Die Qualität des Outputs hängt weniger vom Modell ab als von der Frage, die man stellt. Prompt Engineering – also das gezielte Formulieren von Anweisungen an ein KI-System – ist für Anwältinnen und Anwälte keine technische Spielerei, sondern eine Arbeitstechnik mit direktem Einfluss auf Ergebnisqualität, Zeitaufwand und Verlässlichkeit. Dieser Artikel zeigt zehn konkrete Techniken, mit denen sich aus Legal-AI-Anwendungen deutlich besseres Material herausholen lässt.
Was Prompt Engineering im juristischen Kontext bedeutet
Ein Prompt ist die Eingabe, die ein Sprachmodell erhält. Im juristischen Alltag sind das Fragen wie "Analysiere diesen Vertrag auf Haftungsrisiken" oder "Fasse die wesentlichen Regelungen zusammen". Das Problem: Solche Formulierungen sind für ein KI-System extrem vage. Das Modell weiss nicht, welche Partei analysiert werden soll, welcher Rechtsrahmen gilt, wie detailliert die Antwort sein soll oder in welchem Format.
Prompt Engineering löst dieses Problem durch strukturierte Eingaben. Es geht nicht darum, eine Geheimsprache zu lernen. Es geht darum, Kontext zu geben, den ein menschlicher Associate automatisch hätte.
Die 10 Techniken
Der einfachste Mentaleinstieg: Behandle das Modell wie einen fähigen, aber brandneuen Associate. Klug, schnell, fleissig – aber ohne jede Kenntnis deiner Mandate, deiner Kanzleipraxis und deiner Rechtsordnung. Alles, was du einem solchen Associate beim Übergeben einer Aufgabe sagen würdest, gehört in den Prompt. Die zehn Techniken sind im Grunde nur eine Systematik dafür.
1. Rolle zuweisen
Eine nackte Frage zwingt das Modell zu raten, aus welcher Warte es antworten soll und es rät auf den Durchschnitt. Gibt man ihm eine Funktion, verschiebt sich der ganze Antwortrahmen.
Schwach: "Was steht in dieser Klausel?"
Stark: "Du bist Vertragsanwalt mit Schwerpunkt M&A und vertrittst die Käuferin. Analysiere die folgende Gewährleistungsklausel."
Die Rolle steuert zwei Dinge gleichzeitig: den Blickwinkel (wessen Interessen zählen) und das angenommene Vorwissen (das Modell überspringt Erklärungen, die ein Fachanwalt nicht braucht). Je spezifischer, desto besser – "M&A-Anwältin mit Fokus auf Tech-Transaktionen" schlägt "Anwalt".
2. Rechtsrahmen benennen
Das ist im Schweizer Kontext die meistübersehene Technik, weil der Rechtsrahmen für dich selbstverständlich ist – für das Modell nicht. Sprachmodelle tragen Schweizer, deutsches, österreichisches und US-Recht gleichzeitig im Training. Ohne Einschränkung mischen sie diese Quellen, und eine Haftungsbeurteilung nach deutschem BGB ist im Schweizer Mandat schlicht falsch.
Schwach: "Ist diese Konventionalstrafe gültig?"
Stark: "Beurteile die Gültigkeit dieser Konventionalstrafe nach Schweizer Recht, insbesondere OR Art. 160 ff. und die richterliche Herabsetzung nach Art. 163 Abs. 3 OR."
Faustregel: Liesse sich derselbe Prompt unverändert auf ein deutsches oder US-Mandat anwenden, ist er zu unspezifisch. Bei Spezialgesetzen (DSG, FINIG, KKG) oder kantonalem Recht gilt das doppelt.
3. Ausgabeformat vorschreiben
Ein Modell ohne Formatvorgabe liefert Fliesstext – das unpraktischste Format für fast jeden juristischen Arbeitsschritt. Wer das Ergebnis in eine Mandantenmail, eine Risk-Matrix oder ein Memo überführen will, formatiert sonst von Hand nach.
Schwach: "Fasse die Risiken dieses Vertrags zusammen."
Stark: "Erstelle eine Tabelle mit den Spalten Klausel, Risiko, Schweregrad (tief/mittel/hoch), Empfehlung."
Die Formatvorgabe spart nicht nur Zeit. Sie erzwingt eine disziplinierte Analyse, weil jede Zelle gefüllt werden muss. Eine leere Spalte "Empfehlung" fällt sofort auf; ein im Fliesstext untergegangener Punkt nicht.
4. Perspektive festlegen
Eine Vertragsklausel ist nie neutral. Dieselbe Haftungsbeschränkung schützt die eine Partei und benachteiligt die andere. Nennt der Prompt die Seite nicht, beschreibt das Modell die Klausel beidseitig – und das ist im Review nutzlos. Heikel wird es, wenn die Gegenpartei den Entwurf eingereicht hat.
Schwach: "Prüfe diesen Mietvertrag."
Stark: "Prüfe aus Sicht des Mieters, welche Klauseln zu seinen Ungunsten vom dispositiven Recht abweichen, und markiere die drei kritischsten."
Die Perspektive gehört explizit in den Prompt – inklusive der Begründung, worauf geprüft wird: auf Nachteile für die eigene Mandantschaft, nicht auf juristische Korrektheit an sich.
5. Negativanweisungen einbauen
Manchmal liegt das Problem nicht darin, was das Modell tun soll, sondern darin, was es bleiben lassen soll. Modelle füllen Antworten gern mit Grundlagenwissen auf – die allgemeine Rechtslage, Definitionen, Kontext, den du längst kennst.
Schwach: "Erkläre die Haftung in diesem Vertrag."
Stark: "Erläutere nicht die allgemeine Rechtslage zur Haftung. Fokussiere ausschliesslich auf Klauseln, die vom Marktstandard abweichen, und schlage keine Formulierungen vor, die den Gerichtsstand ändern."
Negativanweisungen sind unterschätzt, weil man instinktiv positiv instruiert. Dabei ist das Weglassen oft der grössere Hebel.
6. Kontext aus dem Dokument liefern
Bei langen Verträgen sollte man sich nicht darauf verlassen, dass das Modell selbständig zwischen Klausel und Begriffsdefinition hin- und herspringt. Liegen beide weit auseinander, verliert das Modell den Bezug – Resultat: eine formal plausible, inhaltlich falsche Antwort.
Schwach: "Ist die Gewährleistung in diesem Vertrag marktüblich?"
Stark: "Beurteile die folgende Gewährleistungsklausel im Zusammenhang mit der Definition von ‹wesentlicher Mangel› in Ziff. 1.3: [Klauseltext] [Definitionstext]."
Wichtig zugleich – und im Schweizer Datenschutzkontext nicht nebensächlich: Was ins Prompt-Feld kopiert wird, muss zum Vertraulichkeitsniveau des Tools passen. Bei Consumer-Tools ohne Zero Data Retention haben Mandantendaten, Personendaten und Geschäftsgeheimnisse im Prompt nichts verloren. Genau dieser Punkt entscheidet, ob ein Tool kanzleitauglich ist.
7. Schrittweise Instruktionen (Chain of Thought)
Komplexe Aufgaben in einem einzigen Befehl führen zu Auslassungen – das Modell springt zum Ergebnis, ohne die Zwischenschritte abzuarbeiten. Zerlegt man die Aufgabe in eine Sequenz, zwingt man es durch den Denkprozess.
Schwach: "Mach eine Due-Diligence-Zusammenfassung dieser Verträge."
Stark: "Erstens: Liste alle Klauseln mit Haftungsbezug auf. Zweitens: Beurteile jede einzeln nach Schweizer Recht. Drittens: Formuliere eine Gesamtempfehlung mit Priorisierung."
Die Technik – Chain-of-Thought-Prompting – hat zwei Effekte. Sie reduziert übersehene Punkte, weil jeder Schritt explizit ist. Und sie macht die Antwort prüfbar: Stimmt das Endresultat nicht, sieht man, in welchem Schritt das Modell falsch abbog, statt eine Blackbox verwerfen zu müssen.
8. Beispiele mitgeben (Few-Shot-Prompting)
Eine abstrakte Anweisung lässt dem Modell viel Spielraum bei Ton, Detailgrad und Aufbau. Ein konkretes Beispiel schliesst diesen Spielraum.
Schwach: "Formuliere eine Haftungsklausel."
Stark: "Formuliere eine Haftungsklausel im Stil der folgenden Musterklausel unserer Kanzlei: [Musterklausel]. Übernimm Diktion und Aufbau, passe nur den Sachverhalt an."
Das Modell hat dann einen Kalibrierpunkt und trifft Länge, Diktion und Struktur konsistenter. Besonders wirksam bei wiederkehrenden Aufgaben, deren Stil über viele Dokumente hinweg gleich bleiben soll – Standardklauseln, Zusammenfassungen, Mandantenkorrespondenz.
9. Wissenslücken explizit ansprechen und Quellen verlangen
Sprachmodelle haben eine unangenehme Eigenschaft: Sie klingen auch dann überzeugt, wenn sie raten. Im Recht ist das gefährlich – eine plausibel formulierte, aber falsche Aussage schafft es ungeprüft in ein Dokument. Halluzinierte Gerichtsentscheide sind keine Theorie: Weltweit sind bereits über tausend Fälle dokumentiert, in denen erfundene Zitate in echte Eingaben gerieten, mit Kostenfolgen für die verantwortlichen Anwälte.
Schwach: "Welche Rechtsprechung gibt es zu dieser Frage?"
Stark: "Belege jede rechtliche Schlussfolgerung mit konkreter Quelle (BGE, kantonaler Entscheid, Gesetzesartikel). Wenn du eine Frage nicht zuverlässig beantworten kannst, sag das explizit und markiere die Stelle als anwaltlich zu prüfen."
Das senkt nicht die Fehlerquote des Modells – aber es trennt sichere von unsicheren Aussagen und gibt einen Ausgangspunkt für die Verifikation. Die Quellenpflicht ersetzt die Prüfung nicht; sie macht sie möglich. Jedes Zitat muss unabhängig geprüft werden, bei jedem Tool.
10. Iterativ arbeiten
Der erste Prompt ist fast nie der beste. Wer alles in eine einzige perfekt formulierte Eingabe packen will, baut meist einen überladenen Monolithen, den das Modell nur teilweise umsetzt. Produktiver ist das Gegenteil.
Schwach: Ein langer Prompt mit acht Anforderungen, dann das Ergebnis übernehmen.
Stark: Erst grobe Einschätzung anfordern, lesen, dann nachschärfen – "Geh tiefer auf Punkt 3 ein" oder "Perspektive falsch, prüf aus Verkäufersicht".
Jede Runde nutzt den Kontext der vorherigen. Genau dafür sind Legal-AI-Plattformen mit Chat-Interface gebaut: nicht für den einen grossen Wurf, sondern für das Gespräch, in dem die Frage mit jeder Antwort schärfer wird – wie mit einem Associate, der dein Mandat mit jedem Austausch besser versteht.
Wie Legal-AI-Plattformen Prompt Engineering vereinfachen
Gute Legal-AI-Plattformen nehmen einen Teil des Prompt-Engineerings bereits ab. Bei CASUS, einer Schweizer Legal-AI-Plattform für Kanzleien und Inhouse-Teams, sind die zentralen Workflows – Vertragsanalyse, Benchmark, Proofreading und Recherche – so aufgebaut, dass strukturierte Inputs und Outputs standardmässig vorhanden sind.
Im Risk & Quality Review etwa definiert CASUS automatisch die Analyseperspektive nach Vertragspartei, priorisiert Findings nach Schweregrad (niedrig/mittel/hoch) und liefert konkrete Formulierungsvorschläge direkt im Word-Dokument – ohne dass der Nutzer einen eigenen Prompt konstruieren muss. Der Benchmark-Workflow vergleicht ein Dokument gegen ein internes Playbook oder Best Practices (z.B. für NDA oder SPA) und zeigt Abweichungen mit Prozentwert und konkreten Empfehlungen an.
Für offene Recherche-Fragen steht der Legal Research-Modus zur Verfügung. Er durchsucht über 660'000 kantonale und bundesgerichtliche Entscheide sowie Gesetzesartikel und liefert strukturierte, quellenbasierte Ergebnisse – mit direkter Vorschau relevanter Erwägungen, ohne Klick-Umwege. Für komplexe Fragen, die nicht in einen Standardworkflow passen, lässt sich der AI Chat mit Agent Mode nutzen, um Prompts iterativ zu verfeinern und Änderungen direkt im Dokument auszuführen.
Häufige Fehler beim Prompting im Rechtsalltag
Zu allgemeine Fragen. „Analysiere diesen Vertrag" gibt dem Modell keinen Anhaltspunkt für Fokus, Perspektive oder Tiefe. Das Ergebnis ist entsprechend generisch.
Fehlendes Schweizer Rechtskontext. Ohne expliziten Hinweis auf OR, ZGB oder kantonales Recht kann das Modell auf andere Rechtsordnungen zurückgreifen. Das ist besonders bei Haftungs- oder Vertragsrecht ein reales Risiko.
Keine Formatvorgabe. Fliesstext ist für viele Anwendungsfälle ungeeignet. Eine Tabelle oder strukturierte Liste lässt sich direkt weiterverarbeiten; ein Paragraph muss erst umformatiert werden.
Einmaliger Prompt ohne Iteration. Prompt Engineering ist ein Prozess, kein Einmal-Event. Wer eine erste Antwort erhält und diese direkt nutzt, ohne zu hinterfragen, ob die Frage gut gestellt war, verschenkt Qualitätspotenzial.
Praktische Implikationen für Kanzleien und Inhouse-Teams
Prompt Engineering ist keine individuelle Fähigkeit, die jede Person im Team für sich entwickeln muss. Kanzleien können Prompt-Bibliotheken aufbauen – eine Sammlung bewährter Eingaben für Standardaufgaben wie Vertragsreviews, Due-Diligence-Checks oder Rechercheanfragen. Das macht die Ergebnisqualität reproduzierbar und reduziert die Einarbeitungszeit neuer Mitarbeitender.
Für Inhouse-Teams mit hohem Vertragsvolumen bietet sich der AI Data Room an: Dutzende oder Hunderte Dokumente können parallel analysiert werden, wobei die Extraktionsfelder über Prompts definiert werden. Welche Klauseln sollen verglichen werden? Welche Abweichungen sollen markiert werden? Das Team gibt den Rahmen vor; das System liefert eine tabellarische Übersicht.
Datenschutz ist dabei kein Randthema: CASUS hostet ausschliesslich in der Schweiz und der EU, überträgt keine Daten in die USA und arbeitet ohne Human Review und ohne Datenspeicherung. Mehr dazu unter /security.
CASUS ausprobieren
Wer Prompt Engineering im juristischen Alltag konkret testen möchte, kann CASUS kostenlos ausprobieren. Die Plattform läuft als Microsoft Word Add-in und als Web-App – ohne IT-Aufwand und ohne US-Datentransfer. Jetzt kostenlos starten.
FAQ
Was ist Prompt Engineering für Anwälte?
Prompt Engineering bezeichnet das gezielte Formulieren von Eingaben an ein KI-System, um präzisere und verwertbare Antworten zu erhalten. Für Anwälte bedeutet das: Kontext liefern, Perspektive benennen, Format vorgeben und iterativ verfeinern – statt eine allgemeine Frage zu stellen.
Warum sind gute Prompts im Rechtsbereich besonders wichtig?
Juristische Texte sind präzisionssensitiv. Eine falsche Perspektive, ein fehlender Rechtsrahmen oder eine unklare Formatvorgabe können dazu führen, dass ein KI-Output nicht direkt nutzbar ist oder – schlimmer – falsche Sicherheit vermittelt. Gute Prompts reduzieren dieses Risiko messbar.
Muss man Programmieren können, um Prompt Engineering zu betreiben?
Nein. Prompt Engineering im juristischen Kontext erfordert keine technischen Vorkenntnisse. Es geht um klare Sprache, strukturiertes Denken und die Fähigkeit, Aufgaben präzise zu beschreiben – Fähigkeiten, die Anwälte bereits haben.
Wie unterscheidet sich Prompt Engineering von normaler Suchanfrage?
Eine Suchanfrage findet Dokumente. Ein Prompt an ein Sprachmodell gibt eine Anweisung zur Verarbeitung von Inhalten. Der Unterschied liegt in der Interaktivität: Das Modell kann Kontext aus dem Dokument verarbeiten, Schlussfolgerungen ziehen und strukturierte Outputs generieren.
Welche Rolle spielt das Schweizer Recht beim Prompting?
Sprachmodelle sind auf internationalen Daten trainiert. Ohne expliziten Hinweis auf das Schweizer Recht – OR, ZGB, relevante Bundesgesetze – kann das Modell auf andere Rechtsordnungen zurückgreifen. Schweizer Kontext muss aktiv in den Prompt eingebracht werden.
Kann Prompt Engineering Standardisiert werden?
Ja. Kanzleien und Inhouse-Teams können Prompt-Bibliotheken aufbauen: bewährte Eingaben für Standardaufgaben wie Vertragsreviews, Recherchen oder Due-Diligence-Checks. Das macht Ergebnisse reproduzierbar und reduziert den Aufwand für Einzelpersonen.
Was ist Chain-of-Thought-Prompting?
Chain-of-Thought-Prompting teilt komplexe Aufgaben in sequenzielle Schritte auf. Statt eine Gesamtaufgabe auf einmal zu stellen, wird das Modell durch einen Analyseprozess geführt: erst auflisten, dann bewerten, dann empfehlen. Das erhöht die Vollständigkeit und Nachvollziehbarkeit der Ausgabe.
Wie sicher ist der Einsatz von Legal AI mit sensiblen Mandantendaten?
Das hängt stark vom Anbieter ab. CASUS hostet ausschliesslich in der Schweiz und der EU, überträgt keine Daten in die USA, arbeitet ohne Human Review und mit Zero Data Retention. Details zur Sicherheitsarchitektur finden sich unter /security.
