ChatGPT oder Claude kennen das Bürgerliche Gesetzbuch, zumindest ungefähr. Ob es auch Ihre internen Vertragsstandards kennt, die Auslegungspraxis Ihrer Aufsichtsbehörde oder die Meldeschwellen Ihrer Branche, ist eine andere Frage. Die Antwort lautet in den meisten Fällen nein. Genau hier setzen domänenspezifische Sprachmodelle an, also Modelle, die nicht für alles, sondern für ein klar umgrenztes Fachgebiet trainiert und optimiert wurden.
Domänenspezifische Sprachmodelle versprechen präzisere Antworten als allgemeine KI. Dieser Beitrag zeigt, worin der Unterschied technisch besteht, wann sich der Aufwand für Rechts- und Datenschutzteams rechnet und welche datenschutzrechtlichen Fragen vorher geklärt sein müssen.
Das Problem mit dem Allgemeinwissen
Allgemeine Large Language Models sind auf riesigen Textmengen aus dem offenen Internet trainiert. Diese Breite ist ihre Stärke bei Alltagsfragen und ihre Schwäche im Spezialkontext. Juristische Fachsprache, aktuelle Gesetzesfassungen, Beschlüsse der Datenschutzkonferenz oder Ihre internen Prozessstandards machen einen verschwindend kleinen Anteil der Trainingsdaten aus.
Das Ergebnis kennen die meisten Teams aus eigener Erfahrung. Ein allgemeines Modell erklärt zuverlässig, was eine Auftragsverarbeitung ist. Wird gefragt, ob ein konkreter Datenfluss in Ihrem Unternehmen eine Datenschutz-Folgenabschätzung auslöst, paraphrasiert es die Rechtslage, statt sie auf Ihren konkreten Fall anzuwenden. Kritisch wird das, wenn die Antwort souverän formuliert, aber sachlich falsch ist. Den Fehler sehen Sie nur, wenn Sie alles gegenprüfen. Dann können Sie die Frage auch gleich selbst beantworten
Pre-Training, Fine-Tuning oder RAG
Ein domänenspezifisches Sprachmodell ist auf einen definierten Fachbereich ausgerichtet. Technisch führen drei Wege dorthin, die sich in Kosten, Pflegeaufwand und Aktualität deutlich unterscheiden:
Pre-Training auf Fachdaten: Das Modell entsteht von Grund auf aus domänenspezifischen Inhalten wie Urteilen, Gesetzestexten, Kommentarliteratur und behördlichen Leitlinien. Höchste Fachtiefe, aber auch höchste Kosten. Realistisch ist das nur für Anbieter und nicht für einzelne Rechtsabteilungen.
Fine-Tuning eines Basismodells: Ein bestehendes Modell wird mit einem kleineren Spezialdatensatz nachtrainiert. Das ist deutlich günstiger als Pre-Training, aber die Datenpflege bleibt dauerhafte Arbeit und jede relevante Rechtsänderung verlangt einen neuen Trainingslauf.
Retrieval-Augmented Generation (RAG): Das Modell greift bei jeder Anfrage auf eine kontrollierte Wissensbasis zu, etwa Ihre Richtlinien, Vertragstemplates und Datenschutzdokumentation. Dafür ist kein Training nötig, Änderungen wirken sofort und jede Antwort lässt sich auf ihre Quelle zurückführen.
Für die meisten Rechtsabteilungen ist RAG der richtige Einstieg. Kommt eine neue Aufsichtsleitlinie, legen Sie das Dokument in den Index und die Antworten stimmen ab sofort. Fragt jemand, woher eine Aussage stammt, zeigen Sie auf die Fundstelle. Fine-Tuning lohnt sich erst, wenn ein Modell immer wieder dasselbe tun soll, etwa jede Prüfung im selben Aufbau ausgeben.
Wo sich der Aufwand konkret lohnt
Am deutlichsten wird der Unterschied in der Vertragsprüfung. Ein Modell, das Ihre Musterklauseln kennt, meldet die Abweichung von Ihrer Haftungsregelung. Ein allgemeines Modell weiß nur, wie Haftungsklauseln üblicherweise aussehen, und findet deshalb nichts Auffälliges an einer Klausel, die Sie so nie unterschreiben würden. Ähnlich läuft es bei der internen Rechtsauskunft. Stützt sich das Modell auf Ihre Richtlinien, bekommen Einkauf und Marketing auf dieselbe Frage dieselbe Antwort. Bisher hing das davon ab, wen die beiden gefragt haben. Auch Risikobewertungen im Datenschutz werden belastbarer, wenn das System auf Ihren bisherigen Folgenabschätzungen aufsetzt und nicht auf dem, was irgendwo im Netz zu Art. 35 DSGVO steht. Kein Modell muss dafür alles wissen. Es muss wissen, wie Sie es halten.
Was es kostet, was es bringt
Spezialisierte Systeme erfinden im eigenen Fachgebiet deutlich seltener etwas dazu, weil die Antwort aus einer geprüften Quelle kommt und nicht aus Wahrscheinlichkeiten. In regulierten Bereichen entscheidet genau das darüber, ob ein Werkzeug im Tagesgeschäft eingesetzt werden darf. Aber dafür zahlen Sie, und zwar nicht einmalig im Projekt. Jemand muss die Dokumente aktuell halten, alte Fassungen aussortieren und stichprobenweise prüfen, ob die Antworten noch stimmen. Ein veraltetes Vertragstemplate im Index richtet mehr Schaden an als gar keines, weil das System es ohne Zögern zitiert.
Fine-getunte Modelle bringen ein zweites Problem mit: Sie können beim nächsten Training vergessen, was sie vorher konnten. Die datenschutzrechtlichen Fragen klären Sie am besten, bevor das erste Dokument im System liegt. Greift das Modell auf interne Verträge oder personenbezogene Daten zu, brauchen Sie eine Rechtsgrundlage, ein Lösch- und ein Berechtigungskonzept und je nach Risiko eine Folgenabschätzung. Hier trennen sich die Ansätze sehr praktisch: Aus Trainingsgewichten bekommen Sie Daten kaum wieder heraus, aus einem RAG-Index löschen Sie einfach das Dokument.
Wie KLTO bei der Modellauswahl unterstützt
Die Entscheidung zwischen allgemeinem LLM, Fine-Tuning und RAG hängt von Ihrem Anwendungsfall, Ihren Datenschutzanforderungen und den Kapazitäten, die Sie realistisch für die Pflege aufbringen können ab. KLTO begleitet Rechts- und Datenschutzteams bei genau dieser Abwägung, von der Anforderungsanalyse über die Modellauswahl bis zur datenschutzkonformen Integration in bestehende Prozesse.
Unser Maßstab ist dabei nicht die Technologie, sondern die Frage, was in Ihrer Organisation tatsächlich betrieben werden kann, wer es pflegt und ob am Ende jemand anders arbeitet als vorher.
KLTO Beratung: KI-Modellauswahl für Rechts- und Datenschutzteams
Welches Modell passt zu Ihren Anforderungen: ein allgemeines LLM, ein domänenspezifisches Modell oder ein RAG-Setup auf Ihren eigenen Dokumenten? Wir bewerten Ihren Anwendungsfall, klären die datenschutzrechtlichen Voraussetzungen und begleiten die Integration bis in den laufenden Betrieb.
Jetzt anfragen: info@klto.io
Sie möchten wissen, welcher Ansatz zu Ihrer Rechts- oder Datenschutzabteilung passt? Sprechen Sie uns an, wir sortieren das gemeinsam.
KLTO | Ein Beitrag von Leonie Vandieken