Legal AI — Eigene Rechtsrecherche

Disclaimer: ausschließlich für eigene private Recherchen, kein Service für Dritte, keine Rechtsberatung.

Anwendungsfall

Eigene Recherche zu privaten Verfahren wird durch lokal laufende LLMs unterstützt: Volltext-Suche über Akten, Zusammenfassungen, Querverweise zwischen Schriftsätzen, Termin-Übersichten. Inferenz läuft auf einer eigenen 24-GB-GPU mit einem quantisierten Open-Weights-Modell, Daten liegen in einer eigenen PostgreSQL-Instanz auf dem Heim-Server. Cloud-LLMs sind für sensible Akten ausgeschlossen.

Versionen

• Legal AI v1 — Erst-Generation, läuft live im Daily-Use. Funktioniert, aber monolithisch aufgebaut, jedes neue Rechtssystem braucht Code-Änderungen.
• Legal AI v2 — optimierte, universell erweiterbare Re-Implementierung. Vision: „Jedes Land. Jedes Gesetz. Jede Sprache." Neue Rechtssysteme werden über DB-Einträge und einen passenden Scraper aufgenommen, ohne dass am Code gebastelt werden muss. Status: in Arbeit, noch nicht produktiv.

Bisher erreicht (v1, läuft)

• Lokale Inferenz mit quantisiertem 27B-Open-Weights-Modell auf einer 24-GB-GPU
• Eigene PostgreSQL-Instanz für strukturierte Akten-Indexierung
• Agent-Loop mit ~22 Tools (Volltext-Suche, Zusammenfassung, Datums-Extraktion, Cross-Referencing)
• Eigenes Provider-Layer (llm.js) statt Cloud-LLM-SDK
• Tool-Call-Optimierung über mehrere Iterationen

Bisher erreicht (v2, in Arbeit)

• 9-Service-Architektur designt (postgres + 4 MCPs + 3 Scrapers + Portal)
• Portal mit Web-UI, REST-Proxy und Agenten-Loop über Server-Sent-Events
• mcp-laws mit 7 MCP-Tools für Gesetzesbaum und Paragraphen-Suche prototypisiert
• Erweiterbarkeits-Pattern definiert (neues Rechtssystem = DB-Eintrag + Scraper)

Aktuell in Arbeit

v2 fertigstellen: RAG über die Akten-Datenbank statt Volltext-Stuffing, bessere Tool-Selection im Agent-Loop, Robustheit bei OCR-Fehlern, Audit-Log pro Inferenz-Anfrage, Anbindung weiterer Rechtsquellen über das Scraper-Pattern. Solange v2 nicht produktiv ist, bleibt v1 das tägliche Werkzeug.