Rechtsteams in Unternehmen testen KI in der Regel im Hinblick auf drei Kriterien:
Kann ihr der Umgang mit sensiblen Daten anvertraut werden?
Sind ihre Argumente und Schlussfolgerungen nachvollziehbar und begründbar?
Und verhält sie sich auch bei hoher Skalierung konsistent?
Diese Fragen prägen die Arbeit von Alexander Lampaert. Als leitender KI-Ingenieur und Data Scientist bei LEGALFLY definiert er, wie Anweisungen interpretiert werden, wie der Datenfluss durch die Plattform verläuft und wie Large Language Models auf reale juristische Aufgaben angewendet werden.
„Alles, was wir entwickeln, muss in Daten, Fachwissen und echten Erkenntnissen verankert sein“, sagt er.
Hinweis: Wenn Ihr Rechtsteam die Gewissheit benötigt, dass KI-Ergebnisse erklärbar, vertretbar und reproduzierbar sind, bevor Sie sich für eine Plattform entscheiden – buchen Sie eine Demo. Wir zeigen Ihnen genau, wie LEGALFLY mit Ihren Daten umgeht, woher die Argumentation stammt und wie die Plattform auf Teamebene auch bei hoher Skalierung konsistent agiert.
Aus dem regulierten Bankenbereich zur juristischen KI
Vor seinem Wechsel zu LEGALFLY war Alexander Lampaert bei KBC tätig, einer der größten Banken Belgiens. Dort arbeitete er mit den Rechts-, Daten- und Sicherheitsteams an ersten Anwendungsfällen für generative KI.
„Ich war gemeinsam mit der Rechtsabteilung des Konzerns dafür verantwortlich, zu untersuchen, wie wir mit generativer KI Werte schaffen können, als GPT 3.5 auf den Markt kam“, erklärt er.
Diese Arbeit machte die Grenzen interner Lösungen deutlich.
„Es gibt so viele externe Datenquellen. Wenn jedes Unternehmen diese Menge an Informationen selbst verarbeiten müsste, bräuchte man dafür eine eigene Abteilung. Auch UX und UI sind entscheidende Verkaufsargumente. Große Organisationen können dem nicht immer Priorität einräumen. Es fehlt ihnen an der nötigen Flexibilität oder dem Fokus.“
Zur gleichen Zeit lernte Alexander LEGALFLY kennen. „Zu sehen, wie schnell sich LEGALFLY entwickelte und wie genau es der Plattform entsprach, die wir intern aufbauen wollten, hat mich zum Wechsel bewogen. Es war der logische Schritt, einem Team beizutreten, dessen gesamter Fokus darauf liegt, juristische Intelligenz jeden Tag aufs Neue voranzubringen.“
Seine Erfahrung in einem regulierten Institut prägt heute die Art und Weise, wie LEGALFLY für die hohen Standards entwickelt wird, die Rechtsteams in Unternehmen benötigen.
Um zu erfahren, wie LEGALFLY Sie unterstützen kann, vereinbaren Sie gerne ein Gespräch mit einem unserer Experten.
Vertrauen im Umgang mit sensiblen Informationen
Vertraulichkeit ist bei juristischen Arbeiten nicht verhandelbar. Alexanders Hintergrund im regulierten Finanzwesen spiegelt sich im sicheren Design von LEGALFLY wider.
„Banken arbeiten mit hochsensiblen Informationen“, sagt er. Personenbezogene Daten beschränken sich nicht nur auf offensichtliche Identifikationsmerkmale. „Die Kombination aus einer Berufsbezeichnung und einem medizinischen Zustand ist für einen Bankenversicherer ebenfalls ein personenbezogenes Datum.“ Diese Nuancen fließen in die Entwicklung von Anonymisierung, Metadaten, Aufbewahrungsfristen und internen Kontrollen ein.
Sämtliche Dokumente werden vor jeglicher Verarbeitung vollständig anonymisiert. Namen, Rollen, Standorte, Unterschriften und andere identifizierende Details werden bereits beim Import entfernt. Das Modell analysiert ausschließlich anonymisierte Inhalte, wobei eine granulare Kontrolle über Felder, Einheiten und kontextuelle Identifikatoren gewährleistet ist.
Vertrauen hängt auch davon ab, wie das System lernt. Alexander stellt klar: „Wir trainieren nicht mit Ihren Daten. Wir nutzen sie nicht zur Feinabstimmung von Modellen.“
LEGALFLY lernt aus Anweisungen, Aktionen und verifizierten juristischen Quellen. Mandantenmaterial wird zu keinem Zeitpunkt zu Trainingsdaten.
Für Organisationen mit strengen Vertraulichkeitsverpflichtungen gewährleistet dies den Schutz des internen Wissens, unterstützt Audits sowie Compliance und sorgt für ein vorhersehbares Verhalten auf Unternehmensebene.
Erklärbare, rechtlich fundierte Argumentation
Erklärbarkeit beginnt mit dem Kontext. Für Alexander bedeutet präzise juristische Argumentation, dass das Modell von den richtigen Annahmen ausgehen muss: Jurisdiktion, Richtlinien, Risikoschwellenwerte und Entwurfsstandards.
„Ein Large Language Model nimmt alles auf einmal auf, was man ihm zeigt. Das hat Konsequenzen für die Art und Weise, wie man es instruiert.“
Bei Tools wie ChatGPT können Negativbeispiele zu verwirrenden Ergebnissen führen. „Wenn Sie eine Klausel zeigen und sagen ‚diesen Entwurf nicht verwenden‘, stuft das Modell sie dennoch als relevant ein. Klare, positive Anweisungen funktionieren besser.“
Aus dem gleichen Grund ist die Identität von Bedeutung. Bei generischen Tools beginnt jede Anfrage ohne Kontext. Wenn der Nutzer nicht erneut das eigene Unternehmen, die Jurisdiktion und die Risikobereitschaft angibt, greift das Modell standardmäßig auf generische Muster zurück.
Darüber müssen sich Nutzer bei LEGALFLY keine Gedanken machen, da die Identität direkt auf Plattformebene verankert ist. „Die Nutzer hinterlegen ihre Unternehmensdaten. Wir extrahieren diese, um ein Profil des Unternehmens und des Nutzers zu erstellen. Dieser Kontext ist permanent präsent.“
Auf Basis der korrekten Identität, Quellen und Jurisdiktion ist die Argumentation lückenlos nachvollziehbar. Die Ergebnisse können direkt auf eine gesetzliche Vorgabe, eine interne Richtlinie, eine Klauselbibliothek oder eine anerkannte Fachpublikation zurückgeführt werden.
Das zugrundeliegende Prinzip ist dasselbe wie jeher im Bereich des maschinellen Lernens. „Garbage in, garbage out“, sagt Alexander. Die Architektur von LEGALFLY ist darauf ausgelegt, den Input klar und strukturiert aufzubereiten.
Zuverlässigkeit und Konsistenz im großen Maßstab
Rechtsteams in Unternehmen benötigen Tools, die sich über verschiedene Aufgaben, Nutzer und Regionen hinweg berechenbar verhalten. Alexander konzipiert die Systeme genau für diesen Anspruch.
Die Intelligenzebene von LEGALFLY basiert auf kontrollierten Datenflüssen, geprüften Rechtsquellen, strukturiertem Kontextlernen und Prompt-Frameworks, die die reale juristische Arbeit abbilden.
Interne Teams arbeiten mit gemeinsamen Vorlagen, wiederkehrenden Klauselmustern, definierten Risikopositionen und Freigabeprozessen. Die Plattform spiegelt diese Arbeitsabläufe wider und orientiert sich nicht an individuellen Gewohnheiten.
Infolgedessen sind die Ergebnisse reproduzierbar. Eine Prüfung, die in einer Jurisdiktion durchgeführt wurde, wird bei einer Wiederholung in einer anderen nach demselben Standard behandelt. Ein Fall, der von einem Anwalt bearbeitet wird, folgt derselben Logik, wenn er von einem Kollegen übernommen wird.
Für Rechtsteams bedeutet diese Konsistenz, dass KI-unterstützte Entscheidungen rechtlich vertretbar, auditierbar und reproduzierbar sind. Zuverlässigkeit ist fest integriert und wird nicht dem Zufall überlassen.
Juristische Intelligenz für die Realität von Unternehmen
Ein Großteil von Alexanders Arbeit findet im Hintergrund statt, bestimmt jedoch maßgeblich die sichtbare Nutzererfahrung. Vertrauliche Daten werden verantwortungsvoll verarbeitet. Die Argumentation stützt sich auf nachvollziehbare Standards. Die Ergebnisse sind im gesamten Unternehmen konsistent.
„Alles, was wir entwickeln, muss in Daten, Fachwissen und echten Erkenntnissen verankert sein“, betont er.
Das ist das Fundament der Designphilosophie von LEGALFLY. Juristische Intelligenz – entwickelt für Sicherheit, Erklärbarkeit und Zuverlässigkeit, orientiert an der praktischen Arbeitsweise von Rechtsteams und konzipiert, um deren anspruchsvolle Standards zu erfüllen.
