Google bringt mit Gemini Enterprise for Legal eine Künstliche Intelligenz (KI) für Kanzleien und Rechtsabteilungen auf den Markt, die Verträge prüfen, Rechtsrecherchen unterstützen und regulatorische Änderungen überwachen soll. Die Meldung betrifft nicht nur Juristinnen und Juristen: Ähnliche Systeme verändern bereits Forschung, Medizin, Finanzalltag und digitale Büroarbeit. Für dich zählt deshalb weniger, ob KI ganze Berufe ersetzt, sondern welche Aufgaben sie übernimmt und welche Verantwortung beim Menschen bleibt.
Was übernimmt KI bereits in der Facharbeit?
Gemini Enterprise for Legal verbindet laut der Leitmeldung Googles Modell mit Rechtssystemen wie iManage, NetDocuments, DocuSign, Everlaw, RelativityOne und Thomson Reuters HighQ. Auch der spezialisierte KI-Dienst Harvey ist angebunden. Die Plattform übernimmt die Zugriffsrechte der verbundenen Systeme und soll unter anderem Verträge zusammenfassen, Rechtsinformationen suchen und Änderungen von Vorschriften beobachten.
Solche Verbindungen werden über Konnektoren hergestellt, also technische Brücken zwischen der KI und vorhandenen Datenquellen. Vorgefertigte KI-Agenten, Programme für mehrstufige Aufgaben, sollen beispielsweise Vertragszusammenfassungen erstellen. Anthropic verfolgt mit Plugins, vorbereiteten Eingabeanweisungen und sogenannten Skills für bestimmte Fachaufgaben einen ähnlichen Ansatz. Die zugrunde liegenden Modelle bleiben dabei dieselben wie in den allgemeinen Produkten der Anbieter; der Mehrwert entsteht vor allem durch Fachvorlagen, Datenzugriff und Einbindung in bestehende Abläufe.
Google bietet die Rechtslösung laut eigener Aussage zunächst als Preview, also als Vorabversion, an. Eine ähnliche Ausführung existiert für den Finanzsektor, Varianten für Gesundheitswesen und Life Sciences sollen folgen. Preise nennt die vorliegende Meldung nicht. Für Anwenderinnen und Anwender ist deshalb noch offen, wie breit die Lösung verfügbar sein wird und welche Kosten neben bestehenden Fachsystemen entstehen.
Wo bringt die Beschleunigung konkreten Nutzen?
Im User Experience Research (UX Research), der systematischen Untersuchung der Nutzungserfahrung, kann KI Interviews transkribieren, Antworten sortieren, Inhalte verdichten, Muster erkennen und erste Personas skizzieren. Ein Fachbeitrag zur UX-Forschung berichtet, dass Aufgaben, die früher Tage beanspruchten, teilweise in Stunden erledigt werden können. Ein konkretes Berufsbeispiel ist die Auswertung einer Reihe von Nutzerinterviews: Die KI erstellt Transkripte und gruppiert wiederkehrende Aussagen, während Forschende prüfen, ob die Gruppen fachlich sinnvoll sind.
In der Radiologie, der medizinischen Auswertung von Bildaufnahmen, entwerfen KI-Werkzeuge Berichte oder priorisieren Bilder, die dringend geprüft werden sollten. Anfang 2026 entfielen laut Ars Technica rund drei Viertel der 1400 von der US-amerikanischen Food and Drug Administration freigegebenen KI-fähigen Medizinprodukte auf die Radiologie. Eine Auswertung von 43 klinischen Studien kam zudem zum Ergebnis, dass KI-unterstützte Darmspiegelungen mehr Polypen aufdecken als herkömmliche Untersuchungen.
Das ist relevant, weil die geschätzte durchschnittliche menschliche Fehlerquote bei diagnostischen Bildern zwischen 3 und 5 Prozent liegt, was laut dem Bericht weltweit etwa 40 Millionen Fehlern pro Jahr entspricht. Trotzdem ist die Rechnung «Maschine genauer, Mensch überflüssig» zu einfach. Die Analyse zur Radiologie verweist darauf, dass die Zahl der Fachpersonen in den kommenden drei Jahrzehnten voraussichtlich um mindestens 26 Prozent wächst. KI verändert hier die Arbeit deutlich, ersetzt aber nach dem bisher beschriebenen Verlauf nicht den gesamten Beruf.
Auch im Finanzalltag wird die Verbindung zu persönlichen Daten konkreter. Scalable Capital erlaubt die Anbindung von ChatGPT, Claude oder Grok an Konto und Depot. Du kannst damit Depotbestände und Transaktionshistorien auswerten, ein Musterportfolio oder einen Newsletter für Werte auf deiner Beobachtungsliste erstellen und eine Wertpapierorder vorbereiten lassen. Jeder Kauf oder Verkauf muss jedoch von dir bestätigt werden; vor der Ausführung erscheinen Kosteninformationen und Risikohinweise, danach folgen Benachrichtigungen.
Warum bleibt menschliches Urteil unverzichtbar?
Die Beispiele haben ein gemeinsames Muster: KI ist besonders stark beim Sortieren, Vergleichen, Zusammenfassen und Prüfen. Schwächer ist sie dort, wo zuerst das richtige Problem bestimmt, eine ungewöhnliche Beobachtung eingeordnet oder Verantwortung übernommen werden muss. In der UX-Forschung verbessert eine schnell erstellte Zusammenfassung keine unklare Forschungsfrage. Schlechte Methoden und schlecht strukturierte Daten werden durch Automatisierung lediglich schneller verarbeitet.
Dasselbe gilt für medizinische und juristische Entscheidungen. Ein markierter Bildbereich ist noch keine vollständige Diagnose, und eine Vertragszusammenfassung ist noch keine belastbare rechtliche Beurteilung. Die Quellen beschreiben Systeme, die Fachpersonen unterstützen, nicht eine verlässliche Übertragung der Gesamtverantwortung. Ergebnisse müssen deshalb in ihrem fachlichen Kontext geprüft werden, besonders wenn Gesundheit, Rechte oder Geld betroffen sind.
Hinzu kommt die Qualität der digitalen Arbeitsumgebung. Ein Beitrag zum digitalen Arbeitsplatz warnt vor verstreutem Wissen, uneinheitlichen Standards, unklaren Zuständigkeiten und historisch gewachsenen Ablagen. KI arbeitet mit den vorhandenen Informationen, Prozessen, Berechtigungen und Regeln. Sie kann organisatorische Unordnung sichtbar machen, aber sie verwandelt sie nicht von selbst in verlässliches Wissen.
Für die Schweiz ist dieser Punkt besonders greifbar, weil der Beitrag neben ausländischen Regelwerken auch die Eidgenössische Finanzmarktaufsicht (FINMA) und Richtlinien der Schweizerischen Bankiervereinigung (SBA) nennt. Organisationen müssen nachvollziehbar regeln, welche Daten ein System lesen darf, wer für Ergebnisse verantwortlich ist und wie die Nutzung kontrolliert wird. Die Quellen machen dagegen keine Angaben zur Verfügbarkeit der beschriebenen Fachlösungen in Schweizer Landessprachen.
Pro und Kontra von KI als Fachassistenz
Pro:
- Zeitgewinn – Transkriptionen, Zusammenfassungen, Recherchen und erste Berichtsentwürfe lassen sich deutlich beschleunigen.
- Priorisierung – In der Radiologie kann KI dringende Aufnahmen hervorheben und Fachpersonen bei grossen Arbeitsmengen entlasten.
- Datenzugang – Integrierte Assistenten können Informationen aus Fachsystemen oder einem Depot im Gespräch zugänglich machen.
- Standardisierung – Vorbereitete Abläufe und Vorlagen können wiederkehrende Prüfungen einheitlicher gestalten.
Kontra:
- Fehlurteile – Plausibel formulierte oder technisch präzise Ergebnisse können im konkreten Fall trotzdem falsch eingeordnet sein.
- Datenrisiken – Fachsysteme enthalten oft vertrauliche Rechts-, Gesundheits-, Forschungs- oder Finanzinformationen.
- Abhängigkeit von Grundlagen – Unklare Berechtigungen, schlechte Daten und schwache Methoden begrenzen die Zuverlässigkeit.
- Verlust von Lerngelegenheiten – Wenn einfache Einstiegsaufgaben automatisiert werden, fehlt Nachwuchskräften ein Teil der bisherigen Berufspraxis.
Was bedeutet das für Berufseinstieg und Weiterbildung?
Gerade der letzte Nachteil ist mehr als eine theoretische Sorge. Eine aktualisierte Stanford-Auswertung sieht bei 22- bis 25-Jährigen in besonders KI-exponierten Berufen ein um 19 Prozent niedrigeres Beschäftigungsniveau als bei Gleichaltrigen in weniger betroffenen Feldern. Im Vorjahr hatte der Abstand 13 Prozent betragen. Über die Gesamtwirtschaft hinweg fanden die Forschenden dagegen kaum oder keine relative Beschäftigungsdifferenz zwischen stark und schwach betroffenen Berufen.
Die Zahlen widersprechen somit einer pauschalen Erzählung vom sofortigen Zusammenbruch des Arbeitsmarkts, zeigen aber ein konkretes Risiko für den Einstieg. Routinetätigkeiten wie erste Zusammenfassungen, einfache Analysen oder vorbereitende Recherchen waren bisher häufig Übungsfelder für jüngere Beschäftigte. Werden sie automatisiert, müssen Betriebe neue Wege schaffen, auf denen Nachwuchskräfte Fachurteil, Kontextverständnis und Verantwortung entwickeln können.
Bildungseinrichtungen stehen vor derselben Aufgabe. An der Cheshire Academy in Connecticut mit rund 400 Schülerinnen und Schülern nutzen Lehrpersonen verschiedene allgemeine und spezialisierte KI-Werkzeuge, ohne dass eine bestimmte Lösung vorgeschrieben wird. Die Weiterbildung konzentriert sich auf nützliche Eingabeanweisungen, sogenannte Prompts, und auf Grenzen wie falsche oder verzerrte Antworten. Lehrpersonen verwenden generative KI, die neue Inhalte erzeugt, unter anderem für Unterrichtspläne und Bewertungsraster; Bedenken zu Qualität, Personalisierung und Datenschutz bremsen den Einsatz für individuelles Feedback.
Der Bericht über KI-Regeln im Unterricht zeigt damit einen pragmatischen Ansatz: nicht nur ein Werkzeug schulen, sondern übertragbare Fähigkeiten vermitteln. Für Weiterbildung im Beruf bedeutet das, gute Aufgaben zu formulieren, Ergebnisse auf Fehler und Verzerrungen zu prüfen und vertrauliche Daten nicht unbedacht freizugeben. Fachwissen wird dabei nicht weniger relevant, sondern zur Voraussetzung für eine sinnvolle Kontrolle.
Was heisst das für deine Praxis?
Wenn du einsteigst, wähle zuerst eine klar begrenzte und reversible Aufgabe. Lass beispielsweise ein anonymisiertes Interview transkribieren und thematisch sortieren oder bitte ein freigegebenes System, einen vorhandenen Text zusammenzufassen. Vergleiche das Ergebnis anschliessend mit dem Original, markiere Auslassungen und prüfe, ob die Kategorien wirklich zur Fragestellung passen. So lernst du Nutzen und Fehlerbilder kennen, ohne sofort eine medizinische, juristische oder finanzielle Entscheidung zu delegieren.
Wenn du bereits fortgeschritten bist, holst du mehr heraus, indem du nicht nur am Prompt arbeitest, sondern den gesamten Ablauf prüfst. Kläre Datenquellen, Zugriffsrechte, Qualitätskontrollen und die Person, die das Ergebnis freigibt. Dokumentiere zudem, welche Teile von der KI stammen und an welchen Stellen menschliches Urteil eingegriffen hat. Gerade bei verbundenen Fachsystemen ist diese Prozessarbeit oft wichtiger als eine besonders elegante Formulierung.
KI verschiebt Facharbeit von der reinen Erstellung hin zu Auswahl, Kontrolle und Einordnung. Die beschriebenen Anwendungen können spürbar Zeit sparen und in einzelnen medizinischen Aufgaben sogar zusätzliche Auffälligkeiten sichtbar machen, doch ihre Qualität bleibt von Daten, Methoden und menschlicher Prüfung abhängig. Das offene Risiko liegt nicht nur in falschen Antworten oder sensiblen Daten, sondern auch darin, dass automatisierte Einstiegsaufgaben wichtige Lernwege verkürzen.
Quellen
- Googles neue KI-Lösung für Kanzleien soll Vertragsarbeit und Rechtsrecherche automatisieren – Unbekannt, 2026-08-25
- KI im UX Research: starkes Werkzeug, kein Ersatz – Unbekannt, 2026-08-26
- AI won’t replace radiologists, but it will dramatically change their jobs – Unbekannt, 2026-08-25
- Scalable Capital öffnet Depot für ChatGPT, Claude und Grok: Was die Chatbots dürfen – und was nicht – Unbekannt, 2026-08-25
- KI wird zum gnadenlosen Auditor des Digital Workplace – Unbekannt, 2026-08-25
- AI is hitting entry-level jobs hardest, Stanford study finds – Unbekannt, 2026-08-24
- How to encourage smarter AI use in the classroom – Unbekannt, 2026-08-24
