Vertragsprüfung automatisieren: Fallstudie aus dem österreichischen B2B-SaaS

Hintergrund: Ein österreichisches B2B-SaaS-Unternehmen unter Zeitdruck

Dieser Fall ist ein Komposit aus Mustern, die in der Praxis beobachtet wurden. Es handelt sich nicht um einen namentlich genannten Kunden, sondern um eine typische Konstellation im österreichischen B2B-SaaS-Umfeld. Die Zahlen und Abläufe basieren auf realen Projektdaten, wurden aber anonymisiert, um die Privatsphäre zu wahren.

Das Unternehmen ist ein B2B-SaaS-Anbieter mit 120 Mitarbeitern, spezialisiert auf Logistik-Software. Der Hauptsitz liegt in Wien, die operative Basis in Graz. Die IT-Infrastruktur besteht aus einem etablierten CRM, einem internen Wiki für Compliance-Dokumente und Slack als primärem Kommunikationskanal. Die Rechtsabteilung besteht aus drei Personen, die neben der Vertragsprüfung auch die allgemeine Compliance-Überwachung übernehmen. Die bisherige Arbeitsweise war rein manuell: Verträge kamen per E-Mail, wurden in ein Ticketing-System übertragen und von Juristen einzeln geprüft. Die durchschnittliche Bearbeitungszeit lag bei 48 Stunden, mit einer Fehlerquote von 12 Prozent bei der Erkennung kritischer Klauseln.

Herausforderung: Skalierung der Vertragsprüfung unter DSGVO-Vorbehalt

Der Druck kam von zwei Seiten. Erstens: Die Wachstumsrate erforderte eine Skalierung der Vertragsprüfung, die mit drei Juristen nicht mehr leistbar war. Zweitens: Die DSGVO-Audit-Vorbereitung zeigte Lücken bei der Dokumentation der Prüfprozesse. Die Geschäftsführung setzte ein Ziel: Die First-Response-Time für Vertragsanfragen sollte auf unter 15 Minuten sinken, ohne dass die Compliance-Qualität leidet.

Die spezifische Herausforderung war die Integration in den bestehenden Workflow. Das Unternehmen wollte kein neues System, sondern eine Schicht, die in Slack und das CRM passt. Die Daten durften nicht in die USA wandern, was die Modellwahl einschränkte. Zudem musste die Lösung so gestaltet sein, dass die Juristen die Kontrolle behielten – keine Blackbox, sondern ein transparenter Entwurfsprozess.

Ansatz: RAG-System mit Claude API und Slack-Integration

Forfis startete mit einem Prozess-Audit über zwei Wochen. Ziel: Identifikation der 20 Prozent der Vertragsklauseln, die 80 Prozent der Bearbeitungszeit ausmachen. Das Ergebnis: Haftungsklauseln, Zahlungsbedingungen und Datenschutzbestimmungen. Diese drei Kategorien wurden als Pilotfokus definiert.

Die Architektur basierte auf der Anthropic Claude API, gewählt wegen der hohen Qualität bei der Textanalyse und der Möglichkeit, die Datenverarbeitung in der EU zu halten. Ein RAG-System wurde aufgebaut, das die internen Compliance-Dokumente und AGB in eine Vektordatenbank lädt. Die Integration erfolgte über Slack: Ein Bot empfängt Vertragsanfragen, klassifiziert sie, holt die relevanten Paragraphen aus der Datenbank und generiert einen Entwurf mit Verweis auf die Richtlinien. Der Jurist prüft den Entwurf in Slack und gibt ihn frei. Die gesamte Ablage erfolgt im CRM. Die Delivery-Phase dauerte drei Monate, aufgeteilt in zwei Integration-Sprints.

Ergebnis: Messbare Reduktion der Bearbeitungszeit und Fehlerquote

Nach drei Monaten im Betrieb zeigten sich klare Effekte. Die First-Response-Time sank von 48 Stunden auf 12 Minuten. Die Fehlerquote bei der Erkennung kritischer Klauseln fiel von 12 auf 3 Prozent. Die drei Juristen konnten sich auf komplexe Sonderfälle konzentrieren, statt Routineverträge zu prüfen. Die Dokumentationslücken für das DSGVO-Audit wurden geschlossen, da jeder Schritt im System protokolliert ist.

Die Kosten lagen bei 850 Euro pro Monat für die API-Nutzung und die Infrastruktur. Die Amortisation des Integrationsaufwands war nach vier Monaten erreicht. Wichtig: Die Mitarbeiter akzeptierten das System, weil es ihre Arbeit nicht ersetzte, sondern die Vorarbeit übernahm. Die Freigabe-Schwellenwerte wurden nach zwei Monaten angepasst, um die Genauigkeit weiter zu erhöhen.

Lehren: Was andere Teams daraus mitnehmen können

Drei Lehren lassen sich daraus ableiten:

• Datenqualität vor Modellqualität: Das RAG-System ist nur so gut wie die internen Dokumente. Vor der Integration muss das Wissensfundament bereinigt werden.
• Transparenz schafft Akzeptanz: Die Juristen mussten sehen, woher die KI ihre Vorschläge bezieht. Die Verweise auf konkrete Paragraphen waren entscheidend für die Akzeptanz.
• Freigabe-Schwellenwerte definieren: Klare Regeln, wann die KI nur informiert und wann sie eine menschliche Entscheidung erzwingt, verhindern Missbrauch und erhöhen die Compliance-Sicherheit.

Diese Muster gelten für alle Unternehmen, die KI in Compliance-Prozesse integrieren wollen. Der Schlüssel liegt nicht im Modell, sondern in der sauberen Integration in den bestehenden Workflow.