In dieser Folge setzen Tobias und Benedikt ihren großen Tool-Check fort. Nachdem es letztes Mal um die Features ging, schauen wir uns heute den konkreten Output an: Wie schlagen sich die führenden Legal-AI-Anbieter bei einer komplexen Klagevorbereitung im Datenschutzrecht?

Wir haben identische Prompts durch Legora, Libra, Noxtua und Claude gejagt und die Ergebnisse anhand eines fiktiven Falls zu fehlerhaften Gesundheitsdaten verglichen. Dabei zeigt sich: Die Baseline ist bei allen hoch, aber der Teufel steckt im prozessualen Detail.

Die Schwerpunkte dieser Folge:

• Hörerfeedback und -fragen: Können Legal-Tools eigentlich „echtes“ Projektmanagement? Wir klären den Unterschied zwischen Mandats-Ordnern und Workflow-Tools wie Asana.

• Der Test-Case: Immaterieller Schadensersatz nach DSGVO. Wer erkennt neben dem Auskunftsanspruch auch die Parallelmaßnahmen (Strafanzeige, Ärztekammer)?

• Recherche-Qualität: Noxtur nutzt den Heimvorteil der Beck-Datenbank. Wir vergleichen die Trefferdichte bei Urteilen zur Schadensersatzhöhe.

• Schriftsatz-Erstellung: Warum Legora beim Rubrum überzeugt, während Noxtur eine (falsche) Rechtsbehelfsbelehrung einfügt und Libra mit ungewöhnlichen Strukturen arbeitet.

• Claude 4.6 als Benchmark: Warum das Basismodell in der reinen Textqualität besticht, aber für Berufsgeheimnisträger dennoch (noch) keine einfache Lösung ist.

• Der BullshitBench v2: Welche Modelle weisen blödinnige Fragen zurück und welche sabbeln einfach los?

Hier der Link zum Bullshit-Bench: https://petergpt.github.io/bullshit-benchmark/viewer/index.v2.html

Harvey, Legora, Beck-Noxtua oder Libra: welches Legal AI Tool lohnt sich wirklich für deutsche Kanzleien und Rechtsabteilungen?

In dieser Folge vergleichen Benedikt und Tobias die vier wichtigsten Legal AI Tools auf dem deutschen Markt. Wir sprechen über Funktionen, Preise, Datenschutz, Serverstandorte – und geben die ehrliche Antwort auf die Frage, ob und für wen sich die Investition gegenüber ChatGPT Pro und Claude überhaupt lohnt.

Vielen Dank an Viktor von Libra für seine Stellungnahmen:

📬 Feedback & Leserbriefe: tobi@iplaw.lol

Bene bei Linkedin: https://de.linkedin.com/in/benedikt-raquet-5410b5209

Tobi bei Linkedin: https://de.linkedin.com/in/vossberg

🔗 Umfrage KI & Vergütungsmodelle: www.iplaw.lol/umfrage/umfrage.html

In dieser Folge sprechen Tobias und Benedikt über KI-Agenten: sie erklären den Unterschied zu klassischen Chatbots, wie man Agenten praktisch baut und welche Hürden im Rechts- und Unternehmensalltag bestehen. Außerdem ordnen sie den aktuellen Hype um den Moldbot ein und besprechen den Einsatz und die Bedeutung des Claude-Legal-Plugins. Am Ende geben sie Einschätzungen, was realistisch mit KI-Agenten heute möglich ist.

In dieser Folge diskutieren Benedikt Raquet und Tobias Voßberg die Auswirkungen künstlicher Intelligenz auf die Strafverfolgung.

Sie sprechen mit Dr. Johanna Hahn, einer Expertin im Bereich Gesichtserkennung, und Strafverteidiger Dr. Arne Klaas über den aktuellen Einsatz von KI in Deutschland, die rechtlichen Grundlagen und die möglichen ethischen Implikationen.

Die Diskussion beleuchtet die Unterschiede in der Anwendung von KI-Techniken zwischen verschiedenen Bundesländern, die Herausforderungen durch mangelnde Transparenz und rechtliche Absicherung sowie die potentiellen Risiken einer selektiven Strafverfolgung.

Wir werfen außerdem einen Blick auf konkrete KI-Technologien wie das Gesichtserkennungssystem GES und die Software Palantir, die schon jetzt in Deutschland im Einsatz sind.

Vielen Dank an unsere tollen Gäste für das Gespräch!

In dieser Folge sprechen Tobias Voßberg und Benedikt Raquet über den KI-Rückblick 2025, einen vorsichtigen Ausblick auf 2026 und teilen ihre ganz persönlichen Prompting-Tipps aus dem Kanzlei- und Inhouse-Alltag.

War 2025 wirklich das große KI-Jahr für Kanzleien oder nur das Jahr, in dem alle endlich ein Tool gekauft haben? Sind Agenten und automatisierte Workflows im juristischen Alltag angekommen oder bleiben sie vorerst ein Buzzword? Warum sind viele Prognosen aus 2024 schlechter gealtert als gedacht? Wie real ist das Risiko von KI-Halluzinationen in Schriftsätzen und Gutachten? Und was funktioniert beim Prompting in der Praxis wirklich, jenseits von Promptbibliotheken und Theorie?

Wir freuen uns wie immer über Feedback zu jeder Folge auf Linkedin, hier in den Kommentaren oder per E-Mail.

In dieser Folge sprechen wir über konkrete Einsatzszenarien von generativer KI in Kanzleien, Rechtsabteilungen und im öffentlichen Dienst, räumen mit überzogenen Erwartungen auf und zeigen, wo heute schon echter Mehrwert entsteht.

Wir diskutieren, ob Wissensmanagement endlich funktioniert, wie Datenextraktion und KI-gestützte Playbooks Vertragsverhandlungen verändern können und vieles mehr.

Außerdem werfen wir einen Blick auf Bär GPT und die Frage, was KI im öffentlichen Dienst leisten kann – und was lieber nicht.

Diesmal dabei: Der KI-Tipp der Woche.

In dieser Episode des Jura und KI-Podcasts diskutieren Tobias und Benedikt die Auswirkungen von Künstlicher Intelligenz auf den Schutz und die Kommerzialisierung der menschlichen Stimme.

Sie besprechen technische Möglichkeiten der Stimmensynthese, rechtliche Aspekte des Stimmenschutzes, sowie die Herausforderungen und Chancen, die sich aus der Nutzung von Stimmen in der digitalen Welt ergeben.

Die Diskussion umfasst auch die rechtlichen Rahmenbedingungen, die für Synchronsprecher und andere Betroffene von Bedeutung sind, und die Zukunft der Stimme in einer zunehmend KI-gesteuerten Gesellschaft.

In dieser Folge sprechen Benedikt und Tobias über die Frage, warum viele Kanzleien und Unternehmen über KI sprechen, die Technologie aber nur selten konsequent einsetzen.

Sie gehen auf die Gründe für KI-Müdigkeit ein, zeigen typische Kommunikationsprobleme und erläutern, warum ein sinnvoller Use Case oft wichtiger ist als große Visionen. Schließlich werfen sie einen Blick auf die Herausforderungen im öffentlichen Sektor und sprechen mit Nathalia Schomerus von Legora, wie Legal-AI-Anbieter wie Legora den Markt sehen. Am Ende stehen konkrete Gedanken dazu, wie der Einstieg in KI gelingen kann, ohne dass ein Projekt nach kurzer Zeit versandet.