
AI Legal Blog › Use Cases & Prompting › Legal Prompting: Prompts für Juristen mit Vorlagen
Legal Prompting: Prompts für Juristen mit Vorlagen
Von Anisja Porschke
Legal Prompting heißt, einer KI juristische Aufgaben so zu beschreiben, dass das Ergebnis verwertbar ist. Ein guter Prompt nennt Rolle und Kontext, die Aufgabe, ein Beispiel und das gewünschte Format und trennt Anweisungen sichtbar vom Dokument. Die Vorlagen in diesem Artikel können Sie kopieren und anpassen. Das Ergebnis prüfen Sie immer selbst.
Sie tippen einen Prompt ein, und das Ergebnis ist in Ordnung, aber nicht das, was Sie brauchen: zu allgemein, zu oberflächlich, nicht Ihr Stil. Viele Jurist:innen, mit denen wir sprechen, schließen daraus, die KI sei eben nicht gut genug. Nach unserer Erfahrung liegt es meistens am Prompt.
Das ist eine gute Nachricht. Ob Sie mit ChatGPT, Copilot oder einem Legal-AI-Tool arbeiten: Der Prompt ist der Teil der KI-Arbeit, den Sie selbst steuern. Dieser Artikel zeigt, woraus ein guter juristischer Prompt besteht, und gibt Ihnen Vorlagen zum Kopieren. Texte in eckigen Klammern ersetzen Sie durch Ihre eigenen Angaben.
Was ist Legal Prompting?
Kurz: Das Formulieren von Eingaben an ein Sprachmodell für juristische Aufgaben. Je mehr passende Informationen der Prompt enthält, desto gezielter fällt die Antwort aus.
Ein Prompt ist die Eingabe, mit der Sie einem Sprachmodell eine Aufgabe stellen. Legal Prompting, oft auch Legal Prompt Engineering genannt, ist die planvolle Arbeit an dieser Eingabe für juristische Zwecke.
Warum der Prompt so viel ausmacht, erklärt die Technik dahinter. Sprachmodelle verstehen Texte nicht, sie ermitteln statistische Wahrscheinlichkeiten. So beschreibt es auch die Bundesrechtsanwaltskammer in ihren Hinweisen zum KI-Einsatz. Vereinfacht gesagt berechnet das Modell, welches Wort am wahrscheinlichsten als nächstes kommt. Mit jeder Information im Prompt verschieben Sie diese Wahrscheinlichkeiten. „Fasse das Urteil zusammen“ führt deshalb zu einer anderen Antwort als ein Prompt, der Rolle, Kontext und Format festlegt.
Woraus besteht ein guter Prompt für Juristen?
Kurz: Aus vier Bausteinen: Rolle und Kontext, Aufgabe, Beispiel, Format. Der Kontext macht den größten Unterschied und fehlt am häufigsten.
Die Rolle lenkt das Modell auf ein Fachgebiet. Anthropic schreibt in seiner Dokumentation, dass schon ein einzelner Satz zur Rolle Verhalten und Ton der Antwort ausrichtet. Die Aufgabe sagt, was genau passieren soll und für wen das Ergebnis gedacht ist.
Beim Kontext hilft eine einfache Frage: Was würden Sie einer Kollegin mitgeben, damit sie die Aufgabe gut erledigen kann? Dazu gehören Rechtsgebiet und Rechtsordnung, die Vorgeschichte und das Ziel der Analyse. Ein Beispiel zeigt dem Modell, wie Ton, Tiefe und Aufbau der Antwort aussehen sollen. Das Format legt die äußere Form fest. Wer es weglässt, bekommt oft einen langen Text, wo eine Tabelle gereicht hätte.
Dazu kommt eine Gewohnheit aus unserer Arbeit: die wichtigste Anweisung am Ende wiederholen. Dahinter steht ein Befund aus der Forschung. Sprachmodelle nutzen Informationen am Anfang und am Ende eines langen Kontexts oft besser als solche in der Mitte (Liu u. a., 2023).
# Rolle
Du bist [Rolle, z. B. Rechtsanwältin mit Schwerpunkt Arbeitsrecht in Deutschland].
Du prüfst aus Sicht von [Partei, z. B. Arbeitgeber].
# Kontext
[Rechtsgebiet und Rechtsordnung]
[Vorgeschichte und Ziel der Analyse, ohne Angaben, die auf ein Mandat schließen lassen]
# Aufgabe
[Was soll entstehen, und für wen ist das Ergebnis gedacht?]
Arbeite Schritt für Schritt. Wenn dir Angaben fehlen, frage nach.
# Format
[z. B. Tabelle mit den Spalten Regelung, wörtliches Zitat, Fundstelle, Einschätzung]
# Beispiel
[Eine Musterzeile oder ein kurzer Mustertext im gewünschten Stil]
# Wichtig
Prüfe das Dokument vollständig und erfinde keine Informationen.Ein ausführlicher Prompt kostet Zeit. Der Aufwand rechnet sich, wenn Sie die KI immer wieder für dieselbe Art von Aufgabe nutzen. Dann schreiben Sie den Prompt einmal gründlich und speichern ihn.
Welche Fehler machen Prompts unbrauchbar?
Kurz: Unklare Fragen, fehlender Kontext, keine Formatvorgabe und keine Regel für Wissenslücken.
Diese vier Fehler sehen wir in Kanzleien und Rechtsabteilungen am häufigsten. Jeder lässt sich mit einem Satz beheben.
| Fehler | Schwacher Prompt | Besser |
|---|---|---|
| Unklare Frage | „Ist ein Gesellschafter-Geschäftsführer Arbeitnehmer?“ | Das Rechtsgebiet nennen: Arbeitsrecht, Steuerrecht oder Sozialversicherungsrecht |
| Fehlender Kontext | „Welche Vorschriften sind relevant?“ | Sachverhalt, Rechtsordnung und den Rahmen der Prüfung angeben |
| Kein Format | „Welche Urteile gibt es dazu?“ | Form und Umfang festlegen, etwa Stichpunkte mit je einem Satz |
| Keine Regel für Wissenslücken | „Erkläre alle wesentlichen Aspekte.“ | Ergänzen: „Wenn dir Angaben fehlen, frage nach. Erfinde nichts.“ |
Der vierte Punkt ist für die juristische Arbeit besonders wichtig. Er senkt das Risiko erfundener Angaben, schließt es aber nicht aus. Fundstellen prüfen Sie deshalb immer in der Datenbank nach. Was sonst droht, zeigt unsere Übersicht der KI-Rechtsprechung.
Wie strukturieren Sie einen Prompt mit Markdown?
Kurz: Mit Überschriften für Aufgabe, Kontext, Format und Input. So erkennt das Modell, was Anweisung ist und was Material.
Sprachmodelle sind keine Gedankenleser, und sie sehen keine Gestaltung. Fettdruck, Schriftgrößen und Absätze kommen bei ihnen nicht als Bild an. Das Modell zerlegt den Text in Tokens, vereinfacht gesagt in Wortbausteine, und verarbeitet sie als Abfolge. Landen Anweisung, Hintergrund und Dokument in einem einzigen Block, muss es raten, was wozu gehört. Im Schriftsatz, im Gutachten und im Vertrag gliedern wir selbstverständlich. Dasselbe Prinzip gilt für Prompts.
Markdown ist eine einfache Auszeichnungssprache, die Struktur mit Textzeichen ausdrückt. Eine Raute markiert eine Überschrift und damit den Beginn eines neuen Abschnitts. Aufzählungen trennen mehrere Anforderungen voneinander, statt sie in einem langen Satz zu verschachteln. Zwei Sternchen vor und nach einem Begriff heben ihn hervor. Statt „Prüfe den Vertrag auf Risiken und fasse zusammen“ schreiben Sie:
# Aufgabe
Prüfe den folgenden Vertrag auf rechtliche Risiken aus Sicht von [Partei].
# Kontext
[Vertragstyp, Rechtsordnung, Anlass der Prüfung]
# Format
Strukturierte Zusammenfassung mit höchstens fünf Punkten.
Nenne zu jedem Punkt die Klausel.
# Input
[Vertragstext, vorher anonymisiert]Wenn Sie noch nie mit Formatierungen gearbeitet haben, fangen Sie mit Markdown an. Es ist sofort umsetzbar und reicht nach unserer Erfahrung für die meisten juristischen Alltagsaufgaben. Sie können die KI auch bitten, einen vorhandenen Prompt umzubauen:
Überführe den folgenden Prompt in Markdown mit den Abschnitten
Aufgabe, Kontext, Format und Input.
Ändere den Inhalt nicht und ergänze nichts.
[Ihr bisheriger Prompt]Prüfen Sie das Ergebnis danach selbst: Sind die richtigen Stellen hervorgehoben, und sitzen die Überschriften an den richtigen Stellen?
Wann lohnen sich XML-Tags?
Kurz: Sobald ein Prompt mehrere Inhalte enthält, die das Modell auseinanderhalten muss, etwa eine Klausel und eine Prüfrichtlinie.
Ein XML-Tag ist ein frei benannter Textbaustein in spitzen Klammern, der einen Inhalt umschließt. Der Unterschied zur Markdown-Überschrift: Sie markiert nur den Anfang eines Abschnitts, ein Tag-Paar legt Anfang und Ende fest. Das Modell kann die gekapselten Inhalte gezielt zueinander in Beziehung setzen.
<aufgabe>
Prüfe die Vertragsklausel gegen unsere Prüfrichtlinie.
Nenne jede Abweichung und bewerte, ob sie akzeptabel ist.
Gib das Ergebnis als nummerierte Liste aus.
</aufgabe>
<vertragsklausel>
[Wortlaut der Klausel]
</vertragsklausel>
<pruefrichtlinie>
[Ihre internen Vorgaben, z. B. zur Haftungsbegrenzung]
</pruefrichtlinie>Anthropic empfiehlt dieses Vorgehen für Claude ausdrücklich: XML-Tags helfen dem Modell, Prompts eindeutig zu lesen, die Anweisungen, Kontext, Beispiele und Eingaben mischen. OpenAI nennt in seiner Dokumentation beide Wege, Markdown-Überschriften für die Abschnitte eines Prompts und XML-Tags, um Anfang und Ende eines Inhalts zu kennzeichnen.
Der entscheidende Unterschied liegt deshalb nicht zwischen den beiden Formaten. Er liegt zwischen formatiert und unformatiert. Wie Sie eine Prüfrichtlinie als Playbook ausbauen, steht in Verträge mit KI prüfen.
Welche Prompting-Techniken helfen bei langen Aufgaben?
Kurz: Context Stacking baut den Kontext in Schritten auf, Echoing hält lange Gespräche auf Kurs. Beide Begriffe stammen aus einer Live Session im AI Legal Club.
Viele bleiben beim Grundgerüst aus Rolle, Aufgabe und Beispiel stehen. Es funktioniert, ist aber nicht das Ende. Zusammen mit der Formatierung aus den beiden vorigen Abschnitten sind es drei Techniken, die wir Fortgeschrittenen empfehlen.
Context Stacking. Ein häufiger Fehler ist, sofort die eigentliche Frage zu stellen. Beim Context Stacking schichten Sie den Kontext in mehreren Nachrichten auf. Das Modell ist dann schon im Fall, bevor es zur Lösung ansetzt.
Nachricht 1:
Analysiere den folgenden Sachverhalt. Fasse die Beteiligten, den zeitlichen
Ablauf und die offenen Punkte zusammen. Bewerte noch nichts.
[Sachverhalt oder Aktenvermerk, anonymisiert]
Nachricht 2:
Berücksichtige zusätzlich diese Unterlagen:
[Rechtsprechung oder interne Leitlinien]
Nenne die Stellen, die für den Sachverhalt eine Rolle spielen.
Nachricht 3:
Beantworte auf dieser Grundlage folgende Frage:
[konkrete juristische Frage]Die Reihenfolge deckt sich mit einer Empfehlung von Anthropic für lange Eingaben: lange Dokumente an den Anfang, die Frage ans Ende. Nach den Tests des Herstellers kann das die Qualität der Antwort um bis zu 30 Prozent verbessern, vor allem bei mehreren Dokumenten.
Echoing. In langen Gesprächen verliert die KI nach unserer Erfahrung den Fokus. Frühere Annahmen und Vorgaben rutschen nach hinten, das nennt sich Context Drift. Beim Echoing greifen Sie Zwischenergebnisse bewusst wieder auf oder lassen sich die Vorgaben spiegeln, bevor es weitergeht.
Fasse in drei Sätzen zusammen, welche Vorgaben für diese Aufgabe gelten.
Fahre erst danach fort.
Baue auf deiner Analyse aus Schritt 2 auf: [nächster Arbeitsschritt]Zwei weitere Hinweise aus den Herstellerdokumentationen passen dazu. Beschreiben Sie, was die Antwort sein soll, statt aufzuzählen, was sie nicht sein soll. Und verzichten Sie auf Großbuchstaben und Drohkulissen: Anthropic rät für neuere Modelle zu normal formulierten Anweisungen, weil diese Modelle stärker auf Vorgaben reagieren.
Wie bauen Sie eine Prompt-Bibliothek auf?
Kurz: Wiederkehrende Aufgaben sammeln, Prompts testen, an einem gemeinsamen Ort ablegen und regelmäßig prüfen.
Ein guter Prompt ist kein Einmalprodukt. Er ist ein Werkzeug, das sich wieder einsetzen lässt. Eine Prompt-Bibliothek ist die Sammlung solcher erprobten Prompt-Vorlagen für Ihr Team. Sie sorgt dafür, dass nicht jede Person dieselbe Frage neu formuliert und dass Ergebnisse einheitlicher ausfallen.
- Anwendungsfälle festlegen. Welche Aufgaben kehren wieder? Typisch sind Recherche, Vertragsprüfung, die Vorbereitung von Verfahren und Standardschreiben.
- Prompts entwickeln und testen. Am besten an einem Dokument, das Sie gut kennen. Dann sehen Sie sofort, wo die KI richtig liegt.
- Ablage wählen. Für den Einstieg reichen ein internes Wiki oder eine geteilte Tabelle, geordnet nach Kategorien wie Vertragsgestaltung, Prozessführung oder Mandantenkommunikation. Manche KI-Tools bringen eine eigene Prompt-Ablage mit.
- Zuständigkeit klären. Wer darf Prompts aufnehmen und ändern? Bewährt hat sich, dass erfahrene Kolleg:innen neue Vorschläge prüfen und freigeben.
- Regelmäßig prüfen. Prompts veralten, wenn sich Gesetz, Rechtsprechung oder das Modell ändern.
Ein Eintrag kann so aussehen:
# [Titel, z. B. Urteilsanalyse für den Mandantenbrief]
Kategorie: [z. B. Prozessführung]
Zweck: [Wofür ist der Prompt gedacht, wofür nicht?]
Getestet mit: [Tool und Datum]
Verantwortlich: [Rolle oder Team]
Zuletzt geprüft: [Datum]
## Prompt
[Vorlage mit Platzhaltern in eckigen Klammern]
## Hinweise
[Was vor der Nutzung zu anonymisieren ist, was im Ergebnis zu prüfen ist]Wenn ein Prompt so oft gebraucht wird, dass ihn niemand mehr einfügen möchte, ist der nächste Schritt ein Skill, also eine dauerhaft hinterlegte Arbeitsanweisung. Wie das geht, lesen Sie in Claude Skills und Tabular Review. Die Begriffe rund um Claude erklärt Claude für Juristen.
Was gilt für Mandatsdaten und die Kontrolle der Ergebnisse?
Kurz: Möglichst abstrakt fragen, Dokumente vorher anonymisieren und jedes Ergebnis selbst prüfen.
Die Bundesrechtsanwaltskammer rät in ihren Hinweisen zum KI-Einsatz, Sprachmodellen wenn möglich nur abstrakte Anfragen zu stellen, die auch im Kontext keine Rückschlüsse auf ein bestimmtes Mandat zulassen. Müssen Dokumente hochgeladen werden, sollten sie vorher vollständig anonymisiert sein. Namen und Anschriften zu entfernen, reicht dabei regelmäßig nicht, wenn sich Mandatsinformationen aus dem Kontext ergeben können. Für die Vorlagen heißt das: Die Platzhalter füllen Sie so, dass der Fall nicht erkennbar wird, oder Sie arbeiten in einem Tool, das Ihre Organisation dafür geprüft und freigegeben hat.
Auch der beste Prompt ersetzt die Kontrolle nicht. Nach den Hinweisen der BRAK ist in jedem Fall eine eigenverantwortliche Überprüfung und Endkontrolle der KI-Ergebnisse durch die Rechtsanwältin oder den Rechtsanwalt erforderlich.
Mein Tipp: Nehmen Sie sich eine Aufgabe vor, die Sie jede Woche erledigen, und bauen Sie dafür einen einzigen Prompt mit dem Grundgerüst von oben. Speichern Sie ihn. Das ist der erste Eintrag Ihrer Prompt-Bibliothek.
Häufige Fragen
Was ist Legal Prompting?
Legal Prompting ist das Formulieren von Eingaben an ein Sprachmodell für juristische Aufgaben, etwa Urteilsanalyse, Vertragsprüfung oder Mandantenkommunikation. Legal Prompt Engineering meint dasselbe als planvolle Arbeit: Prompts aufbauen, testen, verbessern und wiederverwenden.
Was ist aktives Prompting?
In der Forschung bezeichnet Active Prompting ein Verfahren, bei dem gezielt die Fragen mit Beispielen versehen werden, bei denen das Modell am unsichersten ist (Diao u. a., 2023). Im Alltag ist meist etwas Einfacheres gemeint: das Gespräch mit der KI aktiv steuern, also Kontext schrittweise aufbauen, Zwischenergebnisse aufgreifen und nachschärfen.
Sind Markdown oder XML-Tags besser für Prompts?
Beides ist besser als ein unformatierter Textblock. Markdown ist der einfachere Einstieg und reicht für die meisten Alltagsaufgaben. XML-Tags lohnen sich, sobald mehrere Inhalte sauber getrennt werden müssen, etwa Klausel und Prüfrichtlinie. Anthropic und OpenAI beschreiben beide Formate in ihrer Dokumentation.
Darf ich Mandatsdaten in einen Prompt schreiben?
Die Bundesrechtsanwaltskammer rät, Sprachmodellen wenn möglich nur abstrakte Anfragen zu stellen, die keine Rückschlüsse auf ein bestimmtes Mandat zulassen, und Dokumente vor dem Hochladen vollständig zu anonymisieren. Maßgeblich ist außerdem, welches Tool Ihre Organisation geprüft und freigegeben hat.
Was gehört in eine Prompt-Bibliothek?
Erprobte Prompts für wiederkehrende Aufgaben, geordnet nach Kategorien wie Vertragsgestaltung, Prozessführung oder Mandantenkommunikation. Zu jedem Eintrag gehören Zweck, Vorlage mit Platzhaltern, das Tool, mit dem er getestet wurde, eine verantwortliche Person und das Datum der letzten Prüfung.
Quellen
- Anthropic: Prompting best practices (Claude-Dokumentation), abgerufen am 17.11.2026
- OpenAI: Prompt engineering (API-Dokumentation), abgerufen am 17.11.2026
- Liu u. a.: Lost in the Middle: How Language Models Use Long Contexts (2023), abgerufen am 17.11.2026
- Diao u. a.: Active Prompting with Chain-of-Thought for Large Language Models (2023), abgerufen am 17.11.2026
- Bundesrechtsanwaltskammer: Hinweise zum Einsatz von künstlicher Intelligenz (Stand Dezember 2024), abgerufen am 17.11.2026
Legal Prompting 2026: Was in der juristischen Arbeit heute zählt
Weiterlesen in Use Cases & Prompting
- Verträge mit KI prüfen: drei Wege und ihre GrenzenUse Cases & Prompting
- Claude Skills und Tabular Review: wie KI-Ergebnisse einheitlich und prüfbar werdenUse Cases & Prompting
- Claude für Juristen: Cowork, Skills und Konnektoren einfach erklärtUse Cases & Prompting