Harvey hat vergangene Woche mit Harvey II eine neue Generation seiner Legal-AI-Plattform vorgestellt. Herzstück sind eine dauerhafte Erinnerung an Arbeitspräferenzen („Memory“), mandats- oder projektbezogene Arbeitsräume („Spaces“) sowie KI-Agenten, die darauf aufbauend eigenständiger arbeiten.
Die zentrale Botschaft: Juristische KI soll nicht bei jeder Aufgabe wieder bei null anfangen. Bislang müssen Anwältinnen und Anwälte Dokumente hochladen, den Sachverhalt erläutern, gewünschte Formate vorgeben und Ergebnisse wiederholt korrigieren. Harvey II soll diesen Aufwand reduzieren, indem Agenten innerhalb eines Spaces auf Dokumente, Aufgaben, Beteiligte, Berechtigungen, Mandatshistorie und interne Vorgaben zugreifen können. Zugleich berücksichtigt die Plattform persönliche Präferenzen wie Schreibstil, Zitierweise, Struktur oder gewünschte Detailtiefe.
KI wird Teil eines durchgängigen Workflows
Damit verschiebt sich die Rolle der KI. Sie wird nicht mehr allein als Werkzeug für Recherche, Zusammenfassung oder die erste Vertragsprüfung positioniert, sondern als Teil eines durchgängigen Workflows. Aufgaben können laut Harvey zwischen menschlichen Bearbeitern und Agenten weitergereicht werden. Nutzungs- und Kosteninformationen bleiben dabei einem Mandat oder Projekt zugeordnet. Gerade für Großkanzleien und Rechtsabteilungen sind zudem Berechtigungskonzepte, ethische Schranken und die Trennung vertraulicher Informationen entscheidend.
Harvey verbindet diese Produktstrategie mit einem eigenen, nachtrainierten Modell namens Harvey Tenet, das auf Kimi K3 basiert, dem neuesten KI-Modell des in Peking ansässigen Start-ups Moonshot AI. In einem Blogpost verspricht Harvey ein speziell auf juristisches Schlussfolgern ausgerichtetes Modell, das Agenten auch bei umfangreicherem, kontinuierlichem Einsatz wirtschaftlich machen soll.
Das adressiert ein Grundproblem agentischer KI: Wenn Systeme nicht nur einzelne Fragen beantworten, sondern umfangreiche Prüfungen oder mehrstufige Aufgaben selbstständig durchführen, werden Rechenaufwand und Kosten schwerer vorhersehbar. Harvey-Rivale Legora hat sein Preismodell deshalb auf eine nutzungsabhängige Abrechnung umgestellt. Harvey hingegen will laut einem Bericht von The Lawyer trotz der neuen, rechenintensiveren Agentenfunktionen zunächst am nutzerbasierten Preismodell festhalten. Dabei hilft Tenet, das als Open-Source-Modell ein deutlich besseres Preis-Leistungs-Verhältnis bieten dürfte als die LLMs von Anthropic, OpenAI und Co.
Langfristig zielt Harvey auf organisationsspezifische Modelle: Zwei Kanzleien könnten demnach mit derselben Plattform arbeiten, aber aufgrund ihrer jeweiligen Muster, Präzedenzfälle und Arbeitsweisen zu unterschiedlichen Ergebnissen kommen.
Integration ist entscheidend
Entscheidend ist dabei weniger das Modell selbst, sondern wie gut es mit Kontext, Gedächtnis und den täglichen Arbeitsabläufen einer Kanzlei zusammenspielt. Für den Legal-AI-Markt ist das ein wichtiger Unterschied: Die Qualität einer Antwort soll künftig nicht nur davon abhängen, welches Basismodell eingesetzt wird, sondern auch davon, wie gut die Plattform die konkrete Arbeitsumgebung einer Organisation versteht.
Parallel dazu rückt das institutionelle Wissen von Kanzleien und Rechtsabteilungen in den Mittelpunkt. Am selben Tag, an dem Harvey die zweite Generation seiner Plattform vorstellte, kündigte Legora eine Partnerschaft mit dem Schweizer Unternehmen DeepJudge an. DeepJudge versteht sich als Plattform, die interne Präzedenzfälle, frühere Arbeitsergebnisse, Vorlagen und Erfahrungswissen in einem kontrollierten Wissensbestand erschließt. Legora wiederum positioniert sich in der gemeinsamen Pressemeldung als agentisches Betriebssystem für juristische Arbeit.
Die Kooperation soll beide Ebenen zusammenbringen: In DeepJudge identifizierte Dokumente wandern für Entwürfe, Prüfungen, Verhandlungen oder Due-Diligence-Prozesse zu Legora, und umgekehrt fließen in Legora erzeugte Arbeitsergebnisse zurück in den Wissensbestand von DeepJudge. So entsteht ein Kreislauf zwischen alten Akten und neuen Mandaten – jede abgeschlossene Sache füttert das System für die nächste.
Die Kooperation berührt damit eine grundsätzlichere Frage: Wem gehört künftig die wertvollste Ressource im KI-Zeitalter – das organisationsspezifische Wissen einer Kanzlei? Jahrzehnte von Schriftsätzen, Vertragsmustern, Verhandlungspositionen und rechtlichen Bewertungen können zum Wettbewerbsvorteil werden – sofern sie auffindbar, berechtigungsbasiert nutzbar und in konkrete Arbeitsabläufe integriert sind. Dabei liegt ein Fokus auf Interoperabilität. Anhand eines sogenannten „Agent Handoff Protocols“ soll Kontext beim Wechsel zwischen KI-Umgebungen erhalten bleiben. Das adressiert ein praktisches Problem vieler Kanzleien und Rechtsabteilungen. Sie setzen häufig nicht auf eine einzige Software, sondern kombinieren mehrere KI-Produkte.
Libra fokussiert sich auf externes Fachwissen
Auch bei einem weiteren Legal-AI-Anbieter, Libra, gibt es Neuigkeiten. Sie betreffen jedoch nicht das interne Wissen einer Organisation, sondern die Strukturierung des externen juristischen Fachwissens. Das Unternehmen hat angekündigt, seinen Legal-AI-Workspace mit einem Wissensgraphen auszubauen. Dieser soll Gesetze, Urteile, Expertenkommentare und Praxisleitfäden systematisch miteinander und mit dem jeweiligen Sachverhalt verknüpfen. Die KI soll damit nicht nur ähnliche Passagen abrufen, sondern die Beziehungen zwischen Rechtsquellen und juristischen Konzepten besser berücksichtigen können.
Das ergänzt den Trend zu kontextsensitiven Plattformen um einen wesentlichen Aspekt: Für belastbare juristische Ergebnisse reicht es nicht, Mandatsakten, Präferenzen und interne Präzedenzfälle zu kennen. Ebenso entscheidend sind kuratierte, aktuelle und nachvollziehbar zitierbare Rechtsquellen. Libra positioniert sich damit als KI-gestützte Forschungs- und Arbeitsumgebung, deren Differenzierungsmerkmal die Qualität und Struktur ihres juristischen Inhaltsbestands ist.
Für Kanzleien und Rechtsabteilungen ist ein KI-Chatbot zunehmend nicht mehr ausreichend. Stattdessen rücken Themen wie die Wissensarchitektur, die Integration in bestehende Systeme und die Gestaltung neuer Arbeitsprozesse zwischen Menschen und Agenten in den Vordergrund. Die jüngsten Ankündigungen zeigen daher vor allem eines: Legal AI wird erwachsen. Der Markt bewegt sich weg von punktuellen Produktivitätsgewinnen und hin zu Plattformen, die juristische Arbeit dauerhaft begleiten, Organisations- und externes Wissen nutzbar machen und zunehmend eigenständig Teilaufgaben übernehmen sollen.
