Der erste Live‑Vergleich juristischer KI

AI Legal Research Challenge vom 17. Juni 2026

In einem strukturierten und transparenten Vergleich traten sieben Recherchewerkzeuge gegeneinander an:
Opus 4.8 in Verbindung mit OpenCaseLaw, Silex, Omnilex, Unplex, Jurata, Lawsearch AI und Libra. Nach
einem kurzen Pitch jeder Anbieterin und jedes Anbieters folgte die Auswertung, deren Verfahren bewusst
schlicht gehalten war: Jedes Werkzeug erhielt für jeden der vier Fälle (Aufgabenstellungen) denselben Prompt und dieselben Eingabebedingungen. Sechs Achsen ordneten die Auswertung: die inhaltliche Richtigkeit, die Quellen, der Zugriff auf Volltexte samt Verlinkung, die Aktualität der Erlassfassungen, der Umgang mit dem Instanzenzug sowie die Halluzinationen.

Bei den Halluzinationen unterschied der Vergleich zwei Typen:
den leicht erkennbaren Typ 1, d.h. die frei erfundene Quelle oder das Phantom-Zitat, und den schwerer fassbaren Typ 2, bei dem eine reale Quelle zwar zutreffend benannt, in der Sache aber falsch verwendet wird.

Das Ergebnis fiel über alle vier Fälle bemerkenswert geschlossen aus. Inhaltlich stimmten die Werkzeuge weitgehend mit den intellektuell erarbeiteten Soll-Lösungen überein, die relevanten (Leit-)Entscheide wurden durchgehend gefunden, und einzelne Applikationen zogen über das Soll hinaus zusätzlich Doktrin heran. Halluzinationen traten nur ein einziges Mal auf, als Typ 1 im dritten Fall, dort als Vermischung von altem und neuem Datenschutzgesetz; die schwerer erkennbaren Fehler vom Typ 2 blieben durchgehend aus. 

Die eigentliche Trennlinie lag weniger im Auffinden der Quellen als im Erkennen der anwendbaren, also der alten Fassung des Datenschutzgesetzes (aDSG); diese Subtilität gelang nur einem Teil der Werkzeuge. Bei Tiefe, Länge und Aufbereitung der Antworten lagen die Werkzeuge dagegen weit auseinander, von der prägnanten (kurzen) Auskunft bis zur gutachtenartigen (teilweise epischen) Ausführung und vom direkten Link mit Hervorhe-
bung der relevanten Stelle bis zur blossen Zusammenfassung ohne Verlinkung. All dies ist eine Momentaufnahme: In wenigen Wochen könnte bzw. wird der Vergleich bereits anders ausfallen.

Die anschliessende Diskussionsrunde drehte sich weniger um die Rangfolge als um die Frage, woran sich gute juristische KI messen lässt: weniger am blossen Auffinden als am Zusammenspiel von belastbarem Ergebnis, zitierfähigen Quellen und der Einbettung in den Arbeitsablauf, wo die spezialisierten, den grossen Anbietern voraus seien. Breiten Raum nahm der Umgang mit Halluzinationen ein – mit zwei Wegen: sie früh in der Analyse zu verhindern oder sie in der Antwort sichtbar zu machen und auffällige Stellen zu markieren, wobei die Prüfung der Originalquellen stets unerlässlich bleibe. Veranschaulicht wurde das Grundproblem am Bild der Autobahn, wonach sich Unfälle nur bei Tempo null ganz vermeiden liessen, ein gewisses Mass an Generativität also dazugehöre; entsprechend lasse sich das Sprachmodell erst zur Formulierung der Antwort einsetzen und nicht zur Quellensuche. Aus dem Publikum kam schliesslich die für die Praxis zentrale Frage des Berufsgeheimnisses. Das verlange, dass Daten auch auf Anfrage der Staatsanwaltschaft nicht herausgegeben würden, was Anonymisierung, jederzeitige Löschung durch die Kundschaft oder lokale Speicherung voraussetze. Das Fazit fiel offen aus: Verschiedene Ansätze führen zu ähnlichen Resultaten, als Gewinner gelten die Anwenderinnen und Anwender, und es bleibt spannend, wie sich das Feld weiterentwickelt.