Vertragsklarheit in Minuten statt Tagen
In einer Restrukturierung musste die Geschäftsführung schnell wissen, mit wem sie eigentlich Verträge hat. Wer ist Vertragspartner, welche Fristen laufen, wo ist eine Kündigung aus wichtigem Grund möglich. Die Antworten lagen in 20 bis 30 Dienstleisterverträgen, verteilt über einen Cloud-Ordner, viele davon als PDF oder als Scan.
Von Hand heißt das: jeden Vertrag öffnen, lesen, Fristen abschreiben, Partner abgleichen. Das dauert Tage, und am Ende fehlt doch eine Anlage. Ich habe dafür einen Prototyp gebaut.
Ausgangslage
- 20 bis 30 Dienstleisterverträge in einem Cloud-Ordner, viele als PDF oder Scan
- Die Prüfung von Vertragspartnern und Kündigungsrechten von Hand war langsam und fehleranfällig
- Ziel: sofort wissen, wer Vertragspartner ist, welche Fristen laufen und wo § 314 BGB greift
- Der Prototyp sollte in einem echten Unternehmen ohne IT-Projekt einsetzbar sein
Vom Ordner zur Entscheidung in drei Schritten
1. Dokumente einlesen
- Den Ordner durchsuchen und jede Datei mit einer Prüfsumme erfassen, damit nichts doppelt gelesen wird
- PDF und Word verarbeiten
- Scans per Texterkennung lesen, mit Wiederholung bei Fehlern
- Dateien erkennen, aus denen kein Text kommt, und sie zur Prüfung markieren
2. Mit KI auslesen
- Vertragsparteien mit ihrer Rolle und einer Angabe, wie sicher die Zuordnung ist
- Fristen und Laufzeiten
- Kündigungsrechte
- Abgleich mit einer Wissensbasis, damit derselbe Partner nicht dreimal unter verschiedenen Namen auftaucht
- Ausgabe in einer festen Struktur, die sich weiterverarbeiten lässt
3. Vertieft prüfen
- Prüfung nach § 314 BGB, im Hintergrund und parallel für mehrere Verträge
- Aufträge und Ergebnisse in einer Postgres-Datenbank
- Ein Prüfpfad, der zeigt, welche Aussage aus welchem Dokument stammt
Werkzeuge: Microsoft OneDrive als Ablage, Azure für die Texterkennung, n8n für den Ablauf, Postgres für Aufträge und Ergebnisse. Gebaut habe ich das größtenteils mit Claude und Codex in Visual Studio Code.
Was den Unterschied gemacht hat
Der Kontext ist der Engpass. Die meiste Arbeit steckte darin, Ordner, Word-Dateien, PDFs und Scans so aufzubereiten, dass das Modell überhaupt verwertbaren Text bekommt.
Fehlertoleranz einbauen. Texterkennung mit Wiederholungen, Prüfung auf leeren Text, Abläufe, die bei einem fehlerhaften Dokument weiterlaufen und es markieren.
Prompt und Modell abstimmen. Das war der größte einzelne Hebel für eine verlässliche, strukturierte Ausgabe.
Scans sind schwer. Ohne Prüfung, ob eine Datei Text enthält, und ohne Texterkennung als Rückfall liefert der Parser leere Ergebnisse, ohne Fehler zu melden.
Nachvollziehbarkeit vor Geschwindigkeit. Eindeutige Schlüssel verhindern doppelte Einträge. Unsichere Ergebnisse bekommen die Markierung „muss geprüft werden“ und gehen an einen Menschen.
Bei unklaren Ergebnissen tiefer gehen. Wo die erste Auslesung unsicher war, laufen vertiefte Vertragsanalysen parallel nach.
Wie sich der Aufwand verteilt hat
Meine Schätzung nach dem Bau:
| Anteil | Wofür |
|---|---|
| 50 % | Kontext aufbereiten und dem Modell zuführen |
| 30 % | Ergebnisse verarbeiten und prüfbar machen |
| 20 % | Prompt und Modell |
Was als Nächstes käme
- Querbezüge zwischen Dokumenten: eine Zusammenfassung je Dienstleister mit allen Beziehungen
- Je Dienstleister ein kurzes Briefing als Markdown
- Nur neue Dateien analysieren und das vorhandene Wissen mitnehmen
- Mehrere Prüfdurchläufe, Suche über alle Verträge, Hinweise und eine Übersicht für anstehende Fristen
Der zweite Baustein: ein Unternehmenshandbuch für KI
Aus derselben Arbeit stammt eine zweite Idee, die Company.MD. Eine Datei, die Wissen, Abläufe und Compliance-Regeln eines Unternehmens in einem klaren Zusammenhang bündelt, laufend gepflegt und für KI lesbar. Sie ist die Brücke zwischen Organisationsdesign und KI-gestützter Automatisierung: Wer festhält, wer was entscheidet und wie Abläufe laufen, gibt Agenten den Kontext, den sie brauchen.
Was das für Geschäftsführende heißt
KI hilft in einer Krise dann, wenn sie eine Entscheidung schneller belastbar macht. Hier war die Entscheidung: welche Verträge laufen weiter, welche nicht, und mit welcher Frist. Das Modell war dabei der kleinste Teil der Arbeit. Der größere war, die eigenen Unterlagen so in Ordnung zu bringen, dass eine Maschine sie lesen kann.
Das gilt für fast jedes KI-Vorhaben, das ich sehe. Wer seine Daten und Zuständigkeiten nicht im Griff hat, bekommt von der KI dieselbe Unordnung schneller zurück.
Entstanden ist der Prototyp im zwölfwöchigen Programm AI Pro Excellence.
Mehr dazu, wie ich KI in der Steuerung einsetze, steht auf meiner persönlichen Seite. Über mich