Implementierungslücke in Verträgen und KI-Lösungen

Jede Vertragsverantwortliche kennt das Problem, auch wenn es selten beim Namen genannt wird: die Implementierungslücke. Verträge werden von Juristinnen für Juristinnen verfasst — optimiert für den Streitfall, nicht für den Logistikleiter, der wissen muss, was «wirtschaftlich angemessene Bemühungen» für die Lieferung am Dienstag konkret bedeuten.

Das Ergebnis ist vorhersehbar. Pflichten werden nicht aus Nachlässigkeit übersehen, sondern weil der Vertrag für diejenigen, die ihn umsetzen sollen, schlicht unlesbar ist. Die Kluft zwischen dem, was im Vertrag steht, und dem, was operativ tatsächlich geschieht, ist kein Compliance-Versagen. Es ist ein Versagen im Kommunikationsdesign.

Die entscheidende Frage: Kann generative KI diese Lücke schliessen? Die Antwort — gestützt auf aktuelle Forschung und praktische Tests — ist ein eingeschränktes Ja, mit Vorbehalten, die die meisten KI-Anbieter verschweigen.

Was die Implementierungslücke tatsächlich kostet

In einer typischen Beschaffungsbeziehung liegt der Vertrag in einem Ordner. Das operative Team arbeitet aus dem Gedächtnis, aus E-Mail-Verläufen und aus dem, was die Projektleiterin beim Kick-off verstanden hat. Die vertraglichen Bestimmungen zu Lieferstandards, Dokumentationspflichten und Eskalationsverfahren sind faktisch unsichtbar.

Das ist kein Randfall. Eine Studie von WorldCC zeigt, dass die Diskrepanz zwischen Vertragsklauseln und operativer Umsetzung eines der hartnäckigsten Probleme in Geschäftsbeziehungen darstellt. Der Vertrag soll ein Managementinstrument sein. In der Praxis ist er ein Dokument, das unterschrieben und vergessen wird.

Die Kosten sind real: Streitigkeiten, die nicht aus böser Absicht entstehen, sondern aus echtem Nichtwissen darüber, was vereinbart wurde. Lieferausfälle, die hätten verhindert werden können, wenn die richtige Person die Benachrichtigungspflicht in Ziffer 14.3(b) gekannt hätte. Beziehungsschäden, die sich still aufbauen, bis sie zur formellen Forderung werden.

Was generative KI heute leisten kann

Wenn man ein modernes KI-System — Claude, ChatGPT oder vergleichbare — bittet, bei der Überbrückung der Implementierungslücke zu helfen, erhält man überraschend kompetente erste Ergebnisse. Sowohl Claude als auch ChatGPT identifizierten auf Anhieb das Kernproblem: Verträge müssen von rechtlichen Instrumenten in operative Leitfäden übersetzt werden.

Was KI heute gut kann:

Pflichten extrahieren und klassifizieren. Gibt man einem KI-Assistenten allgemeine Geschäftsbedingungen, kann er zuverlässig identifizieren, welche Klauseln Dokumentationspflichten schaffen, welche eine Kommunikation zwischen den Parteien erfordern und welche eine gegenseitige Zustimmung voraussetzen. In praktischen Tests mit echten AGB lieferte ChatGPT Ergebnisse, die mit denen einer menschlichen Vertragsdesignerin vergleichbar waren — mit dem wichtigen Vorbehalt, dass es gelegentlich Klauseln überinterpretierte (etwa eine Vertraulichkeitspflicht als «Aufbewahrungspflicht» las).

Zielgruppenspezifische Leitfäden erstellen. Hier hat KI tatsächlich beeindruckt. Als ChatGPT gebeten wurde, Vertragsinhalte getrennt für operative, finanzielle und rechtliche Zielgruppen aufzubereiten, ordnete es korrekt zu: Entladeverfahren gehören in den operativen Leitfaden, Zahlungsbedingungen in den finanziellen, anwendbares Recht in den juristischen. Die Fähigkeit, Vertragsinhalte nach Zielgruppenrelevanz zu filtern, ist eine echte Leistung.

Sprache vereinfachen, ohne Bedeutung zu verlieren. Das kann KI schon seit einiger Zeit gut, über Tools wie Grammarly und DeepL Write. Die neuere Generation geht weiter — sie schlägt FAQ-artige Überschriften vor, wendet Schichtstrukturen auf Vertragstexte an und produziert tatsächlich lesbare Zusammenfassungen.

Wo KI unbemerkt versagt

Die Misserfolge sind aufschlussreicher als die Erfolge, weil sie die Grenze zwischen dem, was KI verarbeiten kann, und dem, was ihr verschlossen bleibt, sichtbar machen.

KI ergänzt Wissen, das nicht im Dokument steht. In einem Test wurde ChatGPT gebeten, einen Anwenderleitfaden für Einkaufsbedingungen zu erstellen. Das Ergebnis war beeindruckend — aber es enthielt auch Hinweise zur Auftragsannahme, ein Thema, das im Originaldokument nirgends vorkommt. Auf Nachfrage verteidigte ChatGPT die Ergänzung zunächst als auf «allgemeinem Vertragsrecht» basierend, ruderte dann aber schrittweise zurück. Die finale Version enthielt eine vorsichtige Formulierung: «Nach gewissen Auslegungen des Vertragsrechts kann die Aufnahme der Leistungserbringung unter Umständen als Annahme gelten.»

Das ist die gefährlichste Form des Halluzinationsproblems bei Rechtsdokumenten: Die KI erfindet keinen Unsinn. Sie erfindet plausible Rechtsberatung, die unter dem anwendbaren Recht korrekt sein kann — oder auch nicht. Eine Nicht-Juristin, die den Leitfaden liest, hätte keine Möglichkeit, die KI-Ergänzungen von den tatsächlichen Vertragsbestimmungen zu unterscheiden.

KI hat keinen Zugang zu implizitem Wissen. Der Soziologe Etienne Wenger untersuchte, wie Versicherungs-Schadenabteilungen tatsächlich arbeiten, und stellte fest, dass schriftliche Verfahren nur ein Teil des operativen Wissens sind. Praxisgemeinschaften stützen sich auf «implizite Beziehungen, stillschweigende Konventionen, subtile Hinweise, unausgesprochene Faustregeln» — Wissen, das nie dokumentiert wird. Wenn KI einen Vertrag für die operative Nutzung umschreibt, hat sie keinen Zugang zu dieser Ebene. Sie weiss nicht, dass in Ihrer Organisation das Beschaffungsteam Force-Majeure-Meldungen informell vorbespricht, bevor eskaliert wird, oder dass der in Ziffer 8 referenzierte Qualitätsstandard am Standort Hamburg anders ausgelegt wird als in Zürich.

KI übersieht strategische Mehrdeutigkeit. Gute Vertragspraxis schliesst manchmal bewusste Unschärfe ein — eine Klausel wird offen formuliert, um Verhandlungsspielraum zu bewahren, oder man stützt sich auf gesetzliche Vermutungen, die eine Partei begünstigen. KI wird versuchen, alles zu präzisieren, weil Klarheit das ist, wofür sie optimiert ist. Eine erfahrene Vertragsgestalterin würde erkennen, wann Mehrdeutigkeit beabsichtigt ist, und sie unangetastet lassen.

Das Textualitätsproblem

Ein nützlicher Rahmen aus der Textlinguistik — die sieben Textualitätskriterien von de Beaugrande und Dressler — hilft zu verstehen, wo die Grenzen der KI liegen. KI beherrscht Kohäsion (grammatische Verknüpfungen) und Kohärenz (konzeptuelle Logik) gut. Bei Informativität (das Neue und Unerwartete hervorheben) und Situationalität (den Vertragskontext verstehen) ist sie ordentlich.

Schwierigkeiten hat sie mit Intentionalität und Akzeptabilität — dem Verständnis der strategischen Haltung der Parteien gegenüber dem Text. KI kann nicht zuverlässig erkennen, wann eine Partei eine Klausel formuliert hat, um einen Vorteil zu schaffen, oder wann eine bestimmte Formulierung Flexibilität versus Unnachgiebigkeit signalisiert. Genau diese Aspekte sind bei der Vertragsumsetzung entscheidend, wo die Frage nicht «Was steht in dieser Klausel?» lautet, sondern «Was bedeutet diese Klausel im Kontext unserer konkreten Geschäftsbeziehung?»

Der Hebel Prompt Engineering

Die Autoren der Studie machen einen Punkt, der Betonung verdient: Der Qualitätsunterschied zwischen einem nachlässigen und einem strukturierten Prompt ist enorm. «Was stimmt mit diesem Vertrag nicht?» produziert generische Ergebnisse. Die Angabe von Rolle, Kontext, Aufgabe, Format und Einschränkungen produziert etwas, das Sie tatsächlich verwenden können.

Im Kontext von Implementierungsleitfäden könnte ein strukturierter Prompt so aussehen: «Sie sind eine erfahrene Vertragsmanagerin, die Software-Lizenzbedingungen für das Betriebsteam eines mittelgrossen Schweizer Industrieunternehmens prüft. Extrahieren Sie alle Klauseln, die Benachrichtigungspflichten für die Käuferin schaffen, ordnen Sie diese nach zeitlicher Dringlichkeit und formulieren Sie jede als verständlichen Handlungspunkt mit Verweis auf die Originalklausel.»

Der Unterschied ist nicht marginal. Es ist der Unterschied zwischen Output, den man verwirft, und Output, der 80% des Ergebnisses bildet. Die Autoren vergleichen dies mit dem Unterschied zwischen der Bitte «Koch etwas zum Abendessen» und einem detaillierten Rezept — man muss die Zielgruppe gut genug kennen, um auf Anweisungen verzichten zu können, und KI kennt Ihre Zielgruppe nicht.

Drei Techniken sind für die Vertragsumsetzung besonders relevant. Direkte Einfügung funktioniert bei kurzen Klauselsets. Retrieval-Augmented Generation (RAG) verbindet die KI mit der internen Wissensbasis Ihrer Organisation — Richtlinien, frühere Auslegungen, Compliance-Anforderungen. Few-Shot-Learning — der KI Beispiele guten Outputs zeigen — ist besonders wirksam, um eine konsistente Formatierung und Risikoklassifizierung über ein Portfolio von Vertragsleitfäden hinweg zu etablieren.

Praktische Empfehlungen für Schweizer und DACH-Rechtsteams

Wenn Sie im Schweizer oder EU-Kontext mit Verträgen arbeiten, können Sie KI effektiv für die Implementierungsunterstützung einsetzen — ohne neue Risiken zu schaffen.

KI für den Erstentwurf von Vertragsleitfäden nutzen, nicht für die Endversion. KI-generierte Pflichtenlisten und zielgruppenspezifische Zusammenfassungen sind ein starker Ausgangspunkt. Aber jedes Ergebnis braucht die Überprüfung durch jemanden, der die konkrete Geschäftsbeziehung, das anwendbare Recht und den organisatorischen Kontext kennt.

In Prompt Engineering investieren. Der Qualitätsunterschied zwischen einem einfachen Prompt («Fasse diesen Vertrag zusammen») und einem strukturierten Prompt (mit Angabe von Rolle, Kontext, Aufgabe, Format und Einschränkungen) ist erheblich. Geben Sie der KI explizite Informationen über die Zielgruppe, die Branche und die anwendbare Rechtsordnung. Im Schweizer Kontext: Spezifizieren Sie, ob das schweizerische OR, EU-Vorschriften oder beides relevant sind. Gehen Sie nicht davon aus, dass die KI den korrekten Rechtsrahmen von alleine anwendet.

RAG für organisatorischen Kontext einsetzen. Wenn Ihre Organisation eine Wissensbasis mit internen Richtlinien, früheren Vertragsauslegungen oder Compliance-Anforderungen pflegt, nutzen Sie Retrieval-Augmented Generation, um der KI Zugang zu diesem Kontext zu geben. Die Implementierungslücke ist zum Teil ein Informationsdesign-Problem, und RAG hilft der KI, Ergebnisse zu produzieren, die Ihre spezifische organisatorische Realität widerspiegeln — nicht generisches Rechtswissen.

Eine menschenlesbare Ebene beibehalten. Da KI zunehmend sowohl Käufern als auch Verkäufern bei der Vertragserstellung und -bewertung hilft, wächst das Risiko, dass Verträge für maschinelle Verarbeitung optimiert werden statt für menschliches Verständnis. Widerstehen Sie dem. Die Implementierungslücke existiert, weil Menschen nicht operationalisieren können, was sie nicht lesen können. Jeder Vertrag sollte eine Ebene beibehalten, die ohne KI-Unterstützung lesbar ist — und diese Ebene sollte die primäre Referenz für das Umsetzungspersonal sein.

Mehrschichtige Vertragsdokumente aufbauen. Der wirksamste Ansatz kombiniert den vollständigen Rechtstext mit menschenlesbaren Erläuterungen und übergeordneten Handlungspunkten. KI ist gut geeignet, die Erläuterungs- und Handlungsebenen zu generieren, sofern ein Mensch das Ergebnis gegen die tatsächlichen Vertragsbestimmungen und den spezifischen Geschäftskontext validiert.

Das Problem der KI auf beiden Seiten

Ein Szenario, das sich bereits im Beschaffungswesen abzeichnet: komplexe Angebote, die von Verkäufern mit KI-Unterstützung erstellt und von Käufern ebenfalls mit KI-Unterstützung bewertet werden. Wenn beide Seiten einer Vertragsbeziehung KI für Entwurf und Analyse einsetzen, entsteht ein neues Risiko — Verträge, die technisch kohärent sind, aber für maschinelle Verarbeitung optimiert statt für menschliches Verständnis.

Das ist relevant, weil die Implementierungslücke grundsätzlich ein Problem des menschlichen Verstehens ist. Wenn die KI-Systeme beider Parteien den Vertrag perfekt parsen und interpretieren können, der Lagerleiter und die Logistikkoordinatorin aber nicht, wird die Lücke grösser statt kleiner. Der Schichtansatz — vollständiger Rechtstext plus menschenlesbare Erläuterungen plus übergeordnete Handlungspunkte — wird nicht nur zur Best Practice, sondern zur Notwendigkeit.

Unter dem EU AI Act können Verträge mit KI-gestützter Entscheidungsfindung in Bereichen wie Beschäftigung, Versicherung oder Kreditvergabe zusätzliche Transparenzanforderungen auslösen. Schweizer Unternehmen, die sowohl dem DSG als auch dem EU-Rahmen unterliegen, müssen sicherstellen, dass ihre KI-gestützten Vertragsprozesse eine menschlich interpretierbare Ebene beibehalten — nicht nur für die operative Wirksamkeit, sondern auch für die regulatorische Compliance.

Was als Nächstes kommt

KI-Assistenten werden unweigerlich leistungsfähiger. Die Modelle, die heute sorgfältiges Prompting erfordern, um brauchbare Vertragsleitfäden zu produzieren, werden diese Aufgaben bald mit weniger menschlichem Input bewältigen. Aber die grundsätzliche Einschränkung bleibt: KI operiert auf der Basis von verschriftlichtem Wissen — und Verträge existieren in einer Welt aus implizitem Wissen, Beziehungsgeschichte und strategischer Absicht.

Die Organisationen, die am meisten von KI bei der Vertragsumsetzung profitieren werden, sind jene, die sie als Werkzeug für Kommunikationsdesign behandeln, nicht als juristisches Orakel. Die Implementierungslücke ist letztlich ein menschliches Problem: Personen, die nach Vertragsbestimmungen handeln müssen, können diese nicht lesen oder verstehen. KI kann die Bestimmungen zugänglicher machen. Sie kann das Urteilsvermögen nicht ersetzen, das nötig ist, um sie im Kontext anzuwenden.

Dieses Urteilsvermögen — zu wissen, was eine Klausel in der Praxis bedeutet, für diese Beziehung, in dieser Branche, unter diesem anwendbaren Recht — bleibt eine menschliche Verantwortung. Und für Juristinnen und Juristen, die bei der Vertragsgestaltung beraten, liegt genau dort der eigentliche Mehrwert.