Recherche-Vorbereitung mit KI: Modelle für Berufsgeheimnisträger

OpenAI

Die GPT-Modellfamilie von OpenAI ist der bekannteste Name der KI-Welle und vielen Mitarbeitenden aus der privaten Nutzung vertraut - Bedienung und Antwortstil sind bekannt, die Einarbeitung fällt entsprechend kurz aus. Berufsrechtlich hängt alles am Bezugsweg: Geschlossen ist die Vertragskette ausschließlich über Azure: Dort ist die Verschwiegenheitsverpflichtung in Textform mit Belehrung über die Strafbarkeit gezeichnet, und Eingaben fließen nicht ins Modelltraining. Direkt beim Hersteller fehlt genau dieser Baustein - ein öffentlich verfügbares Dokument dazu war zum Recherchestand Juli 2026 nicht auffindbar -, und der frei zugängliche Zugang kennt weder Auftragsverarbeitungsvertrag noch Verschwiegenheitsverpflichtung.

• Höchste Bekanntheit im Team - ChatGPT ist der Einstieg, den alle bereits kennen
• Breite Aufgaben-Abdeckung von Entwurfsarbeit bis Recherche-Vorbereitung

Stärken, Grenzen und Einordnung auf der Modell-Seite

Anthropic

Die leistungsstärkste Stufe der Standard-Claude-Familie von Anthropic, gebaut für Textarbeit, bei der es auf Präzision ankommt: Sie hält lange Argumentationsketten sauber, arbeitet Widersprüche zwischen mehreren Dokumenten heraus und trifft im Deutschen einen Ton, der für Schriftsätze und Mandantenschreiben taugt. Berufsrechtlich entscheidet hier der Bezugsweg. Über Google Vertex AI ist die Vertragskette geschlossen: Der Plattform-Betreiber hat die Verschwiegenheitsvereinbarung nach § 203 StGB gezeichnet, davor greift die Kettenverpflichtung nach § 203 Abs. 4 StGB. Über Amazon Bedrock fehlt trotz weitreichender technischer Zusagen ein zeichenbares Dokument für diese Verpflichtung; der direkte Bezug beim Hersteller und die frei zugänglichen Zugänge tragen Berufsgeheimnisse nicht.

• Leistungsstärkste Stufe der Standard-Claude-Familie für komplexe Analyse- und Entwurfsarbeit
• Kein Content-Zugriff durch Google oder Anthropic auf der Google-Plattform (Anthropic-Doku), Speicherfreiheit wählbar

Stärken, Grenzen und Einordnung auf der Modell-Seite

Google

Das schnelle Allzweck-Modell aus der Gemini-Familie von Google: Es liest lange Dokumente am Stück, fasst sie zusammen und beantwortet Rückfragen zum selben Text, ohne dass er erneut hochgeladen werden muss. Neben Text verarbeitet es Scans und Bilder, was es für Akten- und Belegarbeit brauchbar macht. Der geprüfte Bezugsweg ist Google Vertex AI, und auf ihm ist die Vertragskette geschlossen: Die Verschwiegenheitsvereinbarung nach § 203 StGB des Plattform-Betreibers ist gezeichnet, dienstgebunden für alle Modelle der Plattform, davor steht die Verpflichtung nach § 203 Abs. 4 StGB. Weil ein US-Konzern in der Kette bleibt, gehört der Drittland-Baustein zwingend dazu.

• Großes Kontextfenster und Multimodalität für Akten-, Tabellen- und Beleg-Arbeit
• Maximale No-Persistence-Konfiguration am EU-Endpunkt konfigurierbar (kein Caching, kein Abuse Monitoring)

Stärken, Grenzen und Einordnung auf der Modell-Seite

Alibaba Cloud (Qwen)

Ein offenes, auf Herleitung ausgelegtes Modell der Qwen-Familie, das seine Zwischenschritte ausweist: Man sieht nicht nur das Ergebnis, sondern den Weg zur Einordnung - hilfreich, wo die Herleitung fachlich nachgeprüft werden soll. Besonders zuverlässig arbeitet es bei strukturierter Extraktion aus Dokumenten; die deutsche Rechtssprache trifft es weniger sicher als die europäischen Modelle. Drei Wege sind für Berufsgeheimnisse geschlossen: der dedizierte Betrieb auf reservierter Hardware, der EU-Betreiber offener Modelle als deutscher Betreiber und die Open Telekom Cloud, wo das Modell in deutschen Rechenzentren läuft und die Verschwiegenheitsvereinbarung nach § 203 StGB gezeichnet ist. Über IONOS bleibt die Kette offen, solange die produktbezogene Bestätigung der § 203-Klausel fehlt.

• Reasoning-fähiges Modell mit nachvollziehbaren Zwischenschritten für Analyse- und Recherche-Vorbereitung
• Offene Gewichte - EU-Betrieb ohne Datenfluss an den Modellhersteller

Stärken, Grenzen und Einordnung auf der Modell-Seite

DeepSeek

Ein Modell mit offenen Gewichten, das seine Denkschritte ausweist: Es rechnet Aufgaben schrittweise durch, statt nur ein Ergebnis zu nennen - hilfreich bei Fristenketten und mehrstufigen Prüfungen, deren Herleitung nachvollziehbar bleiben soll; je Antwort kostet das spürbar mehr Zeit. Für Berufsgeheimnisse tragen drei Wege: der EU-Betreiber offener Modelle als deutscher Betreiber und die Open Telekom Cloud, beide mit gezeichneter Verschwiegenheitsvereinbarung nach § 203 StGB, dazu Azure, wo das Modell von der Plattform selbst verkauft und über reservierte Kapazität in EU-Regionen betrieben wird. Der Bezug direkt beim Hersteller ist dagegen ausgeschlossen: Er führt personenbezogene Daten nach China, ohne Angemessenheitsbeschluss und ohne durchsetzbare Betroffenenrechte.

• Reasoning-Modell mit nachvollziehbaren Zwischenschritten für strukturierte Analyse-Aufgaben
• Offene Gewichte - Betrieb ohne US-Konzern in der Kette möglich

Stärken, Grenzen und Einordnung auf der Modell-Seite

NVIDIA

NVIDIAs offene Modellreihe, gestaffelt von einer kompakten bis zu einer sehr großen Ausbaustufe. Der Grund für den Eintrag ist das außergewöhnlich große Kontextfenster: Eine vollständige Akte samt Anlagen passt in einen Vorgang, ohne sie vorher zu zerschneiden; die größte Stufe verlangt allerdings mehr Rechenleistung, als eine einzelne Maschine bereitstellt. Läuft das Modell auf eigener Hardware, wirkt kein Dritter mit, und die Offenbarungsfrage des § 203 StGB stellt sich nicht. Im dedizierten Betrieb auf reservierter Hardware in Deutschland und über die Open Telekom Cloud ist die Kette ebenfalls geschlossen: Dort bindet die gezeichnete Verschwiegenheitsverpflichtung den Betreiber, der an der Verarbeitung mitwirkt.

• Kontextfenster von bis zu einer Million Token - umfangreiche Akten müssen nicht gestückelt werden
• Nano und Super laufen im dedizierten Betrieb auf einer Karte, Ultra braucht mehr Hardware

Stärken, Grenzen und Einordnung auf der Modell-Seite

OpenAI

Die auf mehrstufiges Schließen ausgelegte Reihe von OpenAI arbeitet vor der Antwort eine Ableitungskette ab. Das lohnt sich, wo die Reihenfolge der Prüfschritte zählt - Klauselwerke gegeneinander halten, Sachverhalte auf Tatbestandsmerkmale abschichten, Widersprüche in Unterlagen suchen -, kostet aber deutlich mehr Antwortzeit als die Standard-Stufen. Bezogen wird die Reihe über Azure, und auf diesem Weg ist die Vertragskette geschlossen: Die Verschwiegenheitsverpflichtung ist gezeichnet und erfasst die von Azure verkauften Modelle. Die Verarbeitung bleibt in der EU, die Ablage im Ruhezustand in der gewählten Azure-Geografie.

• Mehrstufiges Schließen mit interner Ableitungskette - stärker bei Prüfungsreihenfolgen als die Standard-Klasse
• Vier Ausbaustufen in der EU, zwei davon zusätzlich als regionales Deployment in Schweden

Stärken, Grenzen und Einordnung auf der Modell-Seite

Google

Die große, auf Herleitung ausgelegte Stufe der Gemini-Familie von Google mit sehr großem Kontextfenster - die Wahl für Akten mit vielen Anlagen und für Vertrags- und Schriftsatzarbeit, bei der der ganze Vorgang in einem Durchgang vorliegen muss. Über Google Vertex AI ist die Kette geschlossen: Der Plattform-Betreiber hat eine dienstgebundene Verschwiegenheitsvereinbarung nach § 203 StGB gezeichnet, die Verarbeitung während der Anfrage ist für die EU zugesagt, und die projektbezogene Ausnahme von der Protokollierung liegt genehmigt vor. Voraussetzung bleibt, dass der Bezug auf EU-Endpunkte beschränkt wird - der globale Endpunkt der Plattform gibt keine Residenz-Garantie.

• Sehr großes Kontextfenster - eine vollständige Akte mit Anlagen passt in einen Durchgang
• Reasoning-Stufe der Familie für Vertrags- und Schriftsatzarbeit mit vielen Bezügen

Stärken, Grenzen und Einordnung auf der Modell-Seite

Google

Ein Embedding-Modell beantwortet nichts - es macht Bestände auffindbar. Diese Stufe der Gemini-Familie wandelt Text in Vektoren, sodass eine Suche nach Bedeutung statt nach Wortlaut trifft; sie ist der Unterbau der Aktensuche und jeder Antwort, die aus den eigenen Unterlagen belegt wird. Bezogen wird sie über Google Vertex AI, und dort ist die Vertragskette geschlossen: Die Verschwiegenheitsvereinbarung nach § 203 StGB des Plattform-Betreibers gilt dienstgebunden und erfasst dieses Modell wie die Sprachmodelle der Plattform. Zu bedenken bleibt der Umfang: Ein Indexlauf schickt den gesamten Bestand durch den Dienst, und Vektoren sind wie Klartext zu behandeln.

• Grundlage für Suche und Belegzuordnung über den eigenen Aktenbestand
• Über den EU-Endpunkt der Plattform aufrufbar, Verarbeitung in der EU zugesagt

Stärken, Grenzen und Einordnung auf der Modell-Seite

Google

Die etablierte Vorgängergeneration der Google-Embeddings wandelt Text in Vektoren und bringt eine ausdrücklich mehrsprachige Stufe mit. Sie ist dort richtig, wo ein bestehender Suchindex nicht neu berechnet werden soll oder fremdsprachige Unterlagen den Ausschlag geben. Über Google Vertex AI ist die Kette geschlossen: Die gezeichnete Verschwiegenheitsvereinbarung nach § 203 StGB des Plattform-Betreibers ist dienstgebunden und erfasst die Embeddings ebenso wie die Sprachmodelle, aufrufbar über den EU-Endpunkt und über EU-Einzelregionen. Zwei Punkte gehören in die Einrichtung: Ein Embedding-Lauf schickt den gesamten indizierten Bestand durch den Dienst, und der für zwei Stufen geführte Verarbeitungsort London liegt außerhalb des EU-Endpunkts.

• Etablierte Embedding-Reihe mit mehrsprachiger Stufe für fremdsprachige Unterlagen
• Über den EU-Endpunkt und über EU-Einzelregionen aufrufbar, Verarbeitung in der EU zugesagt

Stärken, Grenzen und Einordnung auf der Modell-Seite

Microsoft Research (E5-Modellreihe, offene Gewichte)

Mehrsprachige Embedding-Modelle mit offenen Gewichten, verfügbar in zwei Größenklassen. Ihr Vorzug liegt in der Beweglichkeit: Weil die Gewichte offen vorliegen, lässt sich derselbe Suchindex später auf anderer Hardware weiterführen, ohne ihn neu zu berechnen. Sie ordnen Bestände für die Suche vor; Würdigung und Entwurf leisten sie nicht. Über Google Vertex AI ist die Kette nach § 203 StGB geschlossen - die gezeichnete Vereinbarung des Plattform-Betreibers ist dienstgebunden und erfasst deshalb auch die offenen Modelle des Model Garden. Diese Prüfung wiegt hier besonders schwer, weil ein Embedding-Lauf nicht eine einzelne Anfrage, sondern den gesamten indizierten Bestand durch den Dienst schickt.

• Offene Gewichte - derselbe Index lässt sich später ohne Neuberechnung auf eine eigene oder dedizierte Instanz umziehen
• Mehrsprachig, in zwei Größen verfügbar - die kleine Stufe genügt für viele Aktenbestände

Stärken, Grenzen und Einordnung auf der Modell-Seite

OpenAI

Das Embedding-Modell von OpenAI wandelt Text in Zahlenvektoren, damit eine Suche nach Bedeutung statt nach Wortgleichheit arbeitet - der Unterbau der Aktensuche: Es erzeugt keinen Text und trifft keine Bewertung, sondern entscheidet, welche Aktenstelle einer Frage nahekommt. Über Azure ist die Kette nach § 203 StGB geschlossen: Die Verarbeitung bleibt in der EU, die Ablage im Ruhezustand in der gewählten Azure-Geografie, und die dort gezeichnete Verschwiegenheitslinie erfasst die von Azure verkauften Modelle. Eigenständig zu regeln bleibt der Vektorspeicher: Er ist aus Mandatsdaten abgeleitet und gehört zur Aktenhaltung.

• Grundlage für Suche und Frage-Antwort über eigenen Aktenbeständen, ohne dass ein Sprachmodell den ganzen Bestand sehen muss
• Drei Ausbaustufen, davon zwei zusätzlich als regionales EU-Deployment belegt

Stärken, Grenzen und Einordnung auf der Modell-Seite

Cohere

Ein Rerank-Modell ordnet die Treffer einer Suche neu: Es bewertet jede gefundene Stelle gegen die ursprüngliche Frage und hebt die einschlägigen nach oben. In der Aktensuche steht dieses Modell von Cohere hinter dem Embedding-Schritt und vor dem Sprachmodell und kürzt damit den Text, den dieses lesen muss. Weil es die Aktenstellen dabei im Klartext sieht, fällt die berufsrechtliche Prüfung nicht kleiner aus als bei einem generativen Modell - über Azure ist sie beantwortet: Das Modell wird von der Plattform selbst verkauft und betrieben und fällt damit unter die dort gezeichnete Verschwiegenheitslinie. Auf diesem Weg ist die Kette nach § 203 StGB geschlossen.

• Hebt die einschlägigen Fundstellen einer Aktensuche nach oben und verkürzt damit den Kontext für das nachgelagerte Sprachmodell
• Zwei Ausbaustufen (pro und fast) in der EU belegt

Stärken, Grenzen und Einordnung auf der Modell-Seite

BAAI

Das verbreitetste offene Embedding-Modell für mehrsprachige Suche: Es liefert dichte, stichwortartige und passagenweise Repräsentationen aus einem einzigen Modell und bleibt dabei so sparsam, dass es neben dem Sprachmodell auf derselben Grafikkarte läuft. Für Berufsgeheimnisse ist die Kette auf zwei Wegen geschlossen - über die Open Telekom Cloud, weil das Modell dort vom Betreiber selbst in deutschen Rechenzentren betrieben wird und die gezeichnete Vereinbarung nach § 203 StGB genau diese Dienste erfasst, sowie im dedizierten Betrieb auf reservierter Hardware, wo allein der Rechenzentrumsbetreiber mitwirkt und über § 203 Abs. 4 StGB gebunden ist. Über IONOS fehlt bislang die produktbezogene Bestätigung der Verschwiegenheitsklausel.

• Auf drei deutschen Wegen beziehbar - über die Telekom, über IONOS und auf der dedizierten Instanz
• 0,6 Milliarden Parameter in BF16, rund 4 GB - läuft neben dem Sprachmodell auf derselben Karte

Stärken, Grenzen und Einordnung auf der Modell-Seite

Alibaba Cloud (Qwen)

Das Embedding-Modell der Qwen-Familie, ausgelegt auf lange Eingaben und über hundert Sprachen: Es ordnet längere Aktenpassagen am Stück ein, statt sie vorher zu zerschneiden, was den Zusammenhang einer Passage erhält und die Dokumentensuche genauer macht. Der Genauigkeitsgewinn kostet Rechenzeit und Platz. Geschlossen ist die Vertragskette im dedizierten Betrieb auf reservierter Hardware in einem deutschen Rechenzentrum: Die Gewichte sind offen, es gibt keinen Modellhersteller, an den etwas übermittelt wird, und der Rechenzentrumsbetreiber ist über die Kettenverpflichtung nach § 203 Abs. 4 StGB gebunden. Über IONOS fehlt bislang die produktbezogene Bestätigung der § 203-Klausel.

• 32.768 Token Eingabe - längere Aktenpassagen werden am Stück eingeordnet
• 8 Milliarden Parameter in BF16, rund 19 GB - läuft neben einem Sprachmodell auf einer Karte

Stärken, Grenzen und Einordnung auf der Modell-Seite

Jina AI

Ein Embedding-Modell, das ausdrücklich auf die deutsche Sprache ausgelegt ist, entwickelt von einem Berliner Hersteller. Bei überwiegend deutschsprachigem Bestand entscheidet diese Auslegung über brauchbare statt beliebige Treffer: Formulierungen der Rechts- und Verwaltungssprache werden zuverlässiger einander zugeordnet; für stark mehrsprachige Bestände sind die mehrsprachigen Modelle die passendere Wahl. Bezogen wird es über die Open Telekom Cloud, und dort ist die Vertragskette geschlossen - das Modell wird in deutschen Rechenzentren selbst betrieben, die Verschwiegenheitsvereinbarung nach § 203 StGB mit dem Betreiber ist gezeichnet, ein US-Konzern steht auf diesem Weg nicht in der Kette.

• Ausdrücklich auf Deutsch ausgelegt - passend zum Sprachprofil einer deutschen Kanzlei
• Deutscher Modellhersteller, deutscher Betreiber, gezeichnete § 203-Vereinbarung

Stärken, Grenzen und Einordnung auf der Modell-Seite

Moonshot AI

Ein sehr großes offenes Modell mit Schwerpunkt auf Code und langen, mehrschrittigen Aufgaben. Stark ist es dort, wo aus eigenen Beständen etwas herausgerechnet werden soll: wiederkehrende Auswertungen, strukturierte Extraktion aus großen Mengen, Vorgänge über viele Zwischenschritte hinweg. Die deutsche Rechtssprache trifft es weniger sicher als die europäischen Modelle. Berufsrechtlich trägt genau ein Weg, dieser aber vollständig: Bei der EU-Betreiber offener Modelle, dem deutschen Betreiber, ist die Zusatzvereinbarung nach § 203 StGB gezeichnet - Verschwiegenheitsverpflichtung in Textform mit Belehrung über die Strafbarkeit, Kettenverpflichtung auf die Subunternehmer, Inferenz in Europa. Zum Hersteller außerhalb der EU fließen dabei keine Daten.

• Sehr große offene Modellklasse für mehrschrittige Aufgaben und Auswertungs-Code
• Läuft über die Gosign-Kette in europäischen Rechenzentren, ohne Datenfluss zum Hersteller

Stärken, Grenzen und Einordnung auf der Modell-Seite