10 Years Lawyers on Fire – Jochen's Update from Silicon Valley

JR:Super, herzlichen Dank, Carsten. Zehn Jahre. Es ist unfassbar, wie die Zeit vergangen ist, seit wir mit unserem kleinen Podcast gestartet sind. Vielen Dank für die Einladung.

JR:Ich bin in Redwood City. Das sagt einem vermutlich nicht so viel, es liegt aber eigentlich in der strategischen Mitte des Silicon Valley. Wenn du den Caltrain nimmst, hast du in der einen Richtung San Francisco, da bist du in 20, 25 Minuten. Die Stopps in der anderen Richtung sind die Klassiker: Menlo Park, Palo Alto mit Stanford, Mountain View, Cupertino und so weiter. Hier bin ich jetzt für eine Woche, dann geht es weiter.

JR:Ich beschäftige mich schon seit vielen Jahren mit KI, aus Interesse, aber auch in unserem Unternehmen, der Privacy Solutions. Im letzten Jahr habe ich dann in Stanford einen Professional-Certificate-Kurs in Künstlicher Intelligenz begonnen, den ich intellektuell unfassbar unterschätzt habe. Im Prinzip sind das die Graduate Courses, die dort angeboten werden, und da habe ich mich durchgequält. Es hat Spaß gemacht, war aber wirklich unfassbar anstrengend. Ich hatte keine richtigen Wochenenden mehr, und man startet immer sehr frustrierend. Eine der Aufgaben war zum Beispiel, ein selbstfahrendes Auto zu simulieren. Bis ich das Auto überhaupt gegen die erste Wand fahren lassen konnte, hat es schon ewig gedauert. Am Ende fährt es dann aber eine dieser Straßen entlang. Es ist schon faszinierend zu sehen, welche Möglichkeiten uns künstliche Intelligenz auf der Foundation-Ebene bringt.

Also weg von dem, was wir gemeinhin meinen, wenn wir KI sagen – 99 Prozent der Zeit ist das ja nichts anderes als generative KI, also ChatGPT, Claude, Grok oder Gemini; der eine oder andere muss Copilot nutzen. Stattdessen richtig auf die Ebene darunter zu gehen und zu schauen, wie man solche Modelle selbst baut. Das war sehr faszinierend. Letzte Woche war die Award Ceremony, und dazu bin ich angereist, zusammen mit 25, 30 anderen, die den Kurs bestanden haben. Also diesmal keine Konferenz, dafür aber viele Meetings im Valley.

JR:Genau. Ich habe vorher auch einen Kurs am MIT gemacht, in deren xPRO-Programm. Das ist das, was du beschreibst: Im Prinzip bekommt jeder seinen Abschluss. Was man einreichen musste, war recht oberflächlich. Man konnte hin und wieder in die Tiefe gehen, aber wenn du nicht wirklich angeleitet wirst oder es machen musst, machst du diese Vertiefungen gar nicht.

Im Stanford-Programm ist es anders, wie du richtig sagst. Man hat erst einmal eine gewisse Hürde, um zugelassen zu werden. Und es ist an der Stanford School of Engineering angesiedelt, also in dieser ganz klassischen Schmiede, durch die Leute von NVIDIA und Google gegangen sind. Im Prinzip gibt es eine Kursnummer für das normale Graduate-Programm, das dann auch wirklich noch einmal deutlich mehr kostet, und für die speziellen Kurse in der Professional Education wird ein X vorangestellt. Inhaltlich ist es dasselbe, man hört die identischen Vorlesungen.

Da es ein sehr engineering-lastiges Programm ist, arbeitet man mit sogenannten Notebooks. Das sind im Prinzip kleine, selbst lauffähige Programme mit Erläuterungen zwischendrin. In diesen Notebooks schreibt man seinen eigenen Code oder baut seine eigenen Modelle, und am Ende reicht man diesen Code ein. Man kann auf dem eigenen Rechner testen, ob und bis wohin es klappt; nach dem Einreichen läuft es dann noch einmal auf dem System der Uni, und am Ende bekommt man einen Score, wie gut man es geschafft hat. Für dieses Programm gibt es keine Noten, man muss jeden Kurs einfach bestehen.

Aber natürlich hast du einen gewissen Ehrgeiz, es richtig vernünftig zu machen. Und das ist zum Teil schon sehr, sehr schwierig, muss ich sagen. Nach ein, zwei Monaten kommst du ein bisschen mehr rein. Du lernst die Muster, wie du mathematische Formeln in Code übersetzt – das ist ein erster Aha-Moment. Aber dann gibt es natürlich unzählige Stellschrauben, an denen man drehen kann, um wirklich eine vernünftige Lösung herzustellen. Das ist spannend und anspruchsvoll, und man sollte sich vorher genau Gedanken machen. Man braucht eine sehr große Mathematikaffinität und ein gutes Grundwissen – im Prinzip Mathe-Leistungskurs-Niveau oder ein, zwei Mathe-Scheine aus der Uni. Dann hat man eine Chance, über die zweite Woche hinaus zu verstehen, was da eigentlich passiert.

Das Valley: eine Bubble mit eigener Realität

Ich habe es erst einmal primär für mich selbst gemacht, um mich noch einmal intellektuell herauszufordern – wie sehr, hatte ich, wie gesagt, ein bisschen unterschätzt. Und es spielt auf einer Foundation-Ebene, die ich so wahrscheinlich nicht unbedingt nutzen werde. Andererseits war ich zum Beispiel an einem Tag im Computer History Museum in Mountain View. Wenn man da durch die Räume geht und sich die letzten Jahrzehnte anschaut, sieht man: Es gab immer schon Innovationen, die wirklich an die Foundations gegangen sind.

In den Gesprächen, die ich hier geführt habe, war es diesmal anders. Letztes Jahr war ich auch hier, da war Legal AI der große Hype. Harvey ist immer noch das Gravitationszentrum. Aber dadurch, dass die Frontier Labs jetzt Law aufgegriffen und als – so wird das hier genannt – First Class Vertical eingebaut haben, hat Legal AI erheblich an Bedeutung verloren. Man hört immer noch viel von Agentic und MCP und davon, wie man agentische Prozesse tatsächlich versteht. Es geht ein bisschen in Richtung AI-native Law Firm.

Aber ich habe immer das Gefühl, wenn ich hier bin, bin ich wirklich in einer Bubble – dieses Mal mehr denn je. Das Valley ist eine sehr konzentrierte Ansammlung von Menschen und Unternehmen, die in einer eigenen Realität operieren. Wenn du 100 Meilen nach Osten ins normale Amerika fährst, raus aus der Bubble, kommst du in eine ganz andere Welt, in der KI zum Beispiel sehr viel kritischer gesehen wird und andere Themen relevant und wichtig sind.

Für mich war dieser Kurs noch einmal wichtig, weil wir ja immer an der Grenze, an der Frontier sind: Wie können wir der Maschine beibringen, juristisch zu denken? Und ich glaube mehr denn je, dass der Weg über die jetzigen Frontier-Modelle, über LLMs und generative KI, für Disziplinen mit einer klar vorgegebenen logischen Struktur der falsche Weg ist. Das sieht man auch an Ideen wie denen von Yann Le Cun, der eigene Weltmodelle baut, die den nächsten Schritt in der Welt vorhersagen sollen. Oder an „Baby Dragon Hatchling“ von Pathway: Die versuchen, das Gehirn stärker nachzubilden und Wissen in den Synapsen zu speichern. Ob es wirklich immer der richtige Weg ist, eine menschliche Funktion auf Technologie zu übertragen, weiß ich nicht so genau. Aber um vernünftig einschätzen zu können, wie man Recht und Technologie verbinden kann, braucht man ein solides Verständnis davon, wie die Technologie funktioniert, was sie kann, wie sie ausgerichtet ist und was sie benötigt. Und dann kann man schauen: Wie gehe ich damit um, was baue ich, was nutze ich – und was nutze ich eben auch nicht.

JR:Das ist wirklich schwierig, sich zehn Jahre zurückzuversetzen, das ist immer sehr abstrakt. Ich habe noch in Erinnerung, als du hier warst, diese Konferenz, die mittlerweile erheblich größer geworden ist. Auch die Law Schools hier sind auf den Zug aufgesprungen. Damals ging es im Prinzip um Dokumentenautomatisierung. Du hattest textbasierte Systeme, die irgendetwas damit zu machen versucht haben – auch damals in einer ganz kleinen Nische.

Der wirklich große Schritt, über Law & Tech hinaus, ist natürlich Covid gewesen. In dem Moment war klar, dass wir mit den bestehenden Prozessen, die darauf basieren, dass Menschen an einem Ort sind, überhaupt nicht mehr vorankommen, sondern viel mehr Digitalisierung brauchen. Dieser Digitalisierungsschub, den die Corona-Pandemie mitgebracht hat, hat sich natürlich auch auf der Dokumentenebene fortgesetzt: Prozessautomatisierung und solche Sachen.

In den letzten Jahren sehen wir das, was Legal AI genannt wird – und da bin ich wirklich sehr skeptisch. Sowohl Harvey als auch Legora sind stolz darauf, dass sie unfassbar viele Tokens verbrauchen. Das ist für mich überhaupt kein KPI, kein Measurement, wie viele Tokens ich verbrate. Aus einer Kostenperspektive ist es ein wichtiger Aspekt, ansonsten völlig zweitrangig.

Was wir gerade sehen, ist, dass die Effizienzrendite der KI – etwa weil Retrieval-Systeme viel besser funktionieren – beim Mandanten überhaupt nicht ankommt. Sie wird als Marge einbehalten. Dieser Verteilungskonflikt verläuft nicht zwischen Anwalt und Maschine, sondern zwischen Kanzlei und Mandant. Citigroup, Morgan Stanley und wie sie alle heißen – Ford, glaube ich, auch noch – haben mit ihrer Verhandlungsmacht verlangt, dass die Einsparungen seit diesem Jahr weitergegeben werden. Und selbst diese großen Unternehmen bekommen sie nicht.

Legal AI ist für mich deshalb immer noch hauptsächlich ein Marketingbegriff. Er hat das Rennen gegen Legal Tech oder Law & Tech scheinbar gewonnen, man spricht nur noch von Legal AI. Aber ich weiß nicht, ob es die Erwartungen erfüllen kann. Wenn man den Gartner Hype Cycle betrachtet, stehen wir für mich am Peak of Inflated Expectations. Manche sagen zwar, wir seien noch unten beim Innovation Trigger. Aber ich glaube, wir sind schon an einem Punkt mit sehr vielen überzogenen Erwartungen, an dem die Leute denken, was damit alles möglich ist. Und als Nächstes kommt natürlich das Tal der Enttäuschungen, das Trough of Disillusionment. Irgendwo da stehen wir, und das ist auch das Gefühl, das ich aus den Gesprächen mit den 20, 30 Leuten mitnehme, mit denen ich hier in der letzten Woche gesprochen habe. Deshalb ist es eine wirklich spannende Zeit: Wo geht das hin, platzt eine Legal-AI-Blase?

Bevor ich hierhergeflogen bin, war ich auf dem TechBBQ in Kopenhagen. Dort war Legal im Prinzip kein Thema, bis auf den klassischen Legora-Vortrag – das ist ja deren Home Turf, der CTO ist, glaube ich, Däne und kommt aus Kopenhagen. Und die Ansage selbst von Legora war: Wir haben die AI, und wir haben ein System drumherum gebaut – und das ist eher der Moat, nicht so sehr die Einbindung des einen oder anderen Frontier-Modells.

Ist das Valley noch fünf Jahre voraus?

JR:Es ist schon interessant: Ich bin in den USA zur Schule gegangen und habe hier meinen Highschool-Abschluss gemacht. Seitdem bin ich regelmäßig zu meiner amerikanischen Familie geflogen, letztes Weihnachten war ich zum Beispiel bei ihnen. Ich war also relativ oft in den USA und hatte viele Jahre das Gefühl: Den Fünf-Jahres-Vorsprung in der Breite, den sehe ich einfach, wenn ich die Straße entlanggehe – dann sehe ich die Zukunft. Das habe ich in der Breite nicht mehr. Roboter in der Gastronomie habe ich zum Beispiel zuerst in Stockholm gesehen. Die gibt es hier einfach nicht; die Gastronomie wird genauso betrieben wie seit Jahrzehnten.

JR:Tatsächlich, genau. Was immer noch fünf Jahre voraus ist, ist diese kleine Peninsula hier – sie ist immer noch ein Blick in die Zukunft. Vieles davon wird vermutlich nicht funktionieren, man weiß nur nicht, was. Aber ich bin tatsächlich vom Computer History Museum über den alten Highway mit einem Waymo zurück nach Redwood City gefahren, einem selbstfahrenden Auto aus dem Google-Konzern. Die Robotaxis von Elon Musk fahren hier nicht, die sind ja eher in Austin gestartet. Vor zwei Jahren war ich unter anderem in Santa Monica, da fuhren die Waymos auch schon, aber damals gab es noch drei Monate Wartezeit, du hattest also gar keine Chance. Jetzt mache ich die App auf, und das Auto holt mich vor der Tür ab.

Es ist total erstaunlich, wenn du da einsteigst. Zuerst ist es absolut spooky: Du bist quasi auf „Brace for Impact“, wenn es auf die erste Kreuzung zufährt. Und dann, nach anderthalb Minuten und den ersten zwei, drei Verkehrssituationen – die gar nicht kritisch sind: Es hat an einer Ampel gehalten, ist dem Vordermann nicht draufgefahren, hat einen Spurwechsel gemacht –, hast du das Gefühl: Okay, das Ding weiß scheinbar, was es tut. Und dann fällt es dir gar nicht mehr auf. Es ist wirklich bizarr. Du schaust einfach raus, wie du aus einem Uber rausschauen würdest, und genießt die 40 Minuten Fahrt durch die Gegend. Es hält sich an das Tempolimit, das ist eher ungewohnt; es fährt wirklich mit 25 Meilen die Straßen entlang. Deshalb wurden wir auch zweimal von menschlichen Fahrern angehupt – was ich für ein bizarres menschliches Verhalten halte. Es ist ein autonomes Fahrzeug, was soll ich machen? Ich kann es ja schlecht beschleunigen.

Deshalb glaube ich, dass das Valley weiterhin ein ganz besonderer Ort ist. Letztes Jahr habe ich das nicht so empfunden, da dachte ich eher, es ist einer der vielen Technologie-Hubs der Welt, nichts Besonderes.

Warum Legal AI an ihren Daten scheitern kann

Der deutsche Markt ist natürlich interessant. Als Markt ist er mir eigentlich relativ egal, und auch das deutsche Recht ist relativ egal – wenn Recht relevant ist, dann ist es europäisches. Vielleicht kann man es ein bisschen an der Reise festmachen, die wir mit der Privacy Solutions gemacht haben, die es mittlerweile auch acht Jahre gibt, als Software für Datenschutz- und Compliance-Management. Wir haben angefangen, regelbasiert zu automatisieren. Bei einer Compliance-Lösung ist es immer wichtig, dass du auditfest jeden Schritt erklären kannst: warum das System welche Entscheidung vorgeschlagen oder getroffen hat. Also ganz klassisch das, was wir eben als Trend von vor zehn Jahren genannt haben: Automatisierung, Dokumentenautomatisierung.

2020/21 haben wir dann den ersten KI-Versuch unternommen und ganz simple KI eingeführt: Case-Based Reasoning. Wir haben alle Verarbeitungstätigkeiten analysiert und neue Verarbeitungstätigkeiten mit der bestehenden Fallbasis abgeglichen. Das hat uns einen Innovation Award und eine Goldmedaille eingebracht, denn in der Theorie hat es ganz prima funktioniert. Dann haben wir es in der Praxis ausgerollt – und da hat es überhaupt nicht funktioniert. Und zwar wegen der beiden klassischen Probleme: Die Daten sind schlecht, oder sie sind unvollständig oder nicht mehr aktuell. Du hast eine Datenbasis, mit der du wenig machen kannst. Und das war bei uns so, obwohl die Daten von wirklich hochqualifizierten Juristen erstellt worden waren.

Daher kommt auch meine Skepsis, wenn wir an Legal AI in Kanzleien denken. Vor vielen Jahren, mit etwas mehr Haaren, haben wir ja in Großkanzleien gearbeitet. Wenn ich an die ersten Sachen zurückdenke, die ich da geschrieben habe, oder auch an die zweiten oder dritten: Ich habe seitdem sehr viel dazugelernt, und das war sicherlich echt viel Grütze, was ich da produziert habe. Das heißt, du hast im großen Dokumentenbestand der Kanzleien eine unfassbare Bandbreite an Qualität. Als weitere Dimension kommt die zeitliche hinzu: Es gibt unterschiedliche Zeiträume, in denen neue Gesetze in Kraft getreten und neue Urteile ergangen sind, und das ist in den Unterlagen nicht berücksichtigt. Darauf wird aber trotzdem trainiert.

Und dann gibt es noch etwas Menschliches. Das hat die Stanford Law School herausgefunden, als sie untersucht hat, wie vollständig die Grundlage ist, auf der die Top-Kanzleien im Arbeitsrecht agieren. Sie haben das damit verglichen, wie eine KI es machen würde – und die KI hätte 53 Quellen mehr berücksichtigt, oder eine ähnliche, jedenfalls substanzielle Zahl. Weil wir als Menschen einen Selection Bias haben: Wir machen das, was wir typischerweise gemacht haben, und um aus diesem Kanal herauszukommen, braucht es oft einen Anstoß von außen. Einem KI-System ist das herzlich egal; als nacktes, neues System hat es diesen Selection Bias zumindest nicht.

Deshalb sind wir mit unserem System, mit AI for Privacy in der ersten Version, wieder zurückgerudert, zu einem sehr komplexen, regelbasierten Ansatz. Der läuft auch in unserem Produktivsystem. Er ist aber quasi die letzte Grenze dessen, was man in einem regelbasierten System noch wirklich machen kann. Vor zwei Jahren haben wir dann angefangen, das zu bauen, was jetzt der ganze Hype ist: agentische Systeme. Bei agentischen Systemen kommen plausible Antworten heraus, und sie tragen wieder diesen Marketingbegriff „Reasoning“. Aber es ist ja kein Reasoning, kein philosophisches Nachdenken darüber, wie ich zu einem Ergebnis komme, sondern im Prinzip Qualitätskontrolle, eine trainierte Arbeitsweise: Das Modell löst schwere Aufgaben, indem es vor der sichtbaren Antwort intern viele Zwischenschritte erzeugt, sie plant, prüft, verwirft, neu ansetzt und erst danach die endgültige Antwort schreibt. Aber es bleibt die identische Datenbasis, sie wird nur tiefer durchforstet.

Wer da tiefer einsteigen möchte: Es gibt ein prima Buch von Sebastian Raschka, „Build a Reasoning Model (From Scratch)“. Er hat vorher auch „Build a Large Language Model (From Scratch)“ geschrieben, und das neue Buch setzt darauf auf und entzaubert das, was wir als Reasoning bezeichnen, was aber eigentlich keines ist.

Und dann hast du natürlich den klassischen Model Drift – das ist in der Literatur tatsächlich schon belegt: Die perfekte Prognose zerstört im Prinzip ihre eigene Datengrundlage. Der Korpus, aus dem das Modell lernt, versiegt in dem Maß, in dem das Modell funktioniert. Die Prognosegüte ist sozusagen eine selbstverzehrende Größe. Es führt alles auf einen gemeinsamen Nenner – und damit funktioniert Innovation eben nicht, und auch kein Diskurs. Dieser Rückkopplungseffekt wird im Markt überhaupt nicht modelliert, weil er erst jenseits des Investitionshorizonts wirkt. Man sieht ihn aber bereits im amerikanischen Gerichtssystem, dazu gibt es Studien. All das führt dazu, dass ich sehr skeptisch bin, was die bisherigen Modelle und Ansätze angeht. Es gibt ja neuere Ansätze in Richtung Weltmodelle.

Recht als Logik: ein anderer Bauplan

Aber ich glaube, im juristischen Bereich haben wir einen ganz großen Vorzug: Wir bauen im Prinzip auf einer jahrtausendealten Tradition der Logik auf. Deshalb bin ich zu den Klassikern zurückgegangen – ich musste mir den alten Larenz besorgen, die Methodenlehre –, um zu überlegen: Wie kann ich ein modernes juristisches System bauen, das juristische Inferenz, also juristische Ableitungen, belastbar trifft?

Ich glaube, da gehören verschiedene Komponenten hinein. Als Skelett brauchst du die Logikkomponente, in der einfachsten Form die juristische Subsumtion. So modellierst du zum Beispiel deine Gesetze. Und dann hast du durchaus Raum für generative KI, um Argumente zu bilden und zu bewerten. Du kannst ein System bauen, in das wie Nervensignale Informationen hineinkommen: durch Urteile, durch Fachartikel, durch Guidance, die die Behörden veröffentlichen. In dieser Mischung hat man einen anderen Ansatz. Er funktioniert eben nicht wie ein generatives System von unten, das aus einer Masse von Daten Muster lernt. Sondern das System ist primär logikorientiert, von oben: Ich leite aus dem Abstrakten etwas Konkretes ab, subsumiere den konkreten Fall unter das Abstrakte und habe von der Seite weitere Parameter, die hineinkommen.

Dann kann ich zum Beispiel auch das Problem lösen, dass ein neues Urteil ergeht. Das neue Urteil erfordert nicht, dass sich mein Grundmodell ändert, als hätte sich das Gesetz geändert, sondern es ist ein weiteres Signal, das von der Seite hereinkommt. Das ist aber extrem schwer zu bauen. Wir haben auch keinen Goldstandard; selbst in der Wissenschaft gibt es nichts, was auch nur annähernd in Richtung eines vollständigen Systems geht. Und wenn man die jüngste, auch wissenschaftliche Literatur sieht: Es ist gerade einfach nicht in, schwere, logische Systeme zu bauen. Eher ist es in, den nächsten autoregressiven Transformer auf ein bestehendes KI-Modell zu setzen.

Wo würde man heute gründen?

JR:Wir haben ja zum Beispiel noch die Kanzlei, die ich seit über einem Jahrzehnt mit meinen zwei Kumpels betreibe. Da haben wir von vornherein gesagt: Wir wollen genau nicht den Standardweg gehen, mit großen Lettern an der Tür oder einem Haufen Associates, denen wir einen Partnertrack anbieten müssen, alles von vornherein auf Wachstum, Wachstum, Wachstum ausgelegt. Sondern wir wollen die Kontrolle behalten. Das heißt, wir müssen vielleicht auch mal Sachen machen, die man sonst an ein Sekretariat auslagern könnte – die machen wir halt selbst. Dafür haben wir die vollständige Kontrolle. Und das hat super funktioniert: Covid und andere kritische Zeiten haben wir wunderbar überstanden, weil unsere Kosten minimal sind. Wir haben unser kleines Frankfurter Büro, und das sind die Kosten, die wir haben.

Wenn ich aber an die Gründung eines Softwareunternehmens denke, dann war es der allergrößte Fehler, das in Deutschland zu machen. Aus verschiedenen Gründen. Erstens haben wir eine Exit Tax, die die unternehmerische Freiheit immens einschränkt. Wie sehr mich das selbst treffen würde, war mir vorher gar nicht klar.

JR:Genau, und das ist das Problem. Wir sind als Unternehmen in Deutschland gefangen. Wir haben gar keine Möglichkeit zu sagen: Wir machen das jetzt mal zwei Jahre in den USA und probieren einfach etwas aus. Dann müssten wir auf den hypothetischen Verkaufswert des Unternehmens Steuern zahlen, und damit ist das Thema durch.

JR:Diese Exit Tax schränkt die unternehmerische Freiheit in einem Maß ein, dass ich nur noch mit dem Kopf schütteln kann. Wir haben Systeme, die im Prinzip völlig eingerostet sind – ob es die Verwaltung ist oder Dienstleister im Accounting und Tax. Das ist einfach nicht mehr zeitgemäß, auch die Abrechnungsarten nicht.

Und wir haben ein Gerichtswesen … Ich mache ganz wenig Litigation, aber ich habe einen Fall, in dem ich ein Start-up vertrete, das eine Forderung gegen ein Unternehmen einklagen möchte. Der Fall ist offensichtlich und auch durch Dokumente belegt. Normalerweise könnte man ihn im Urkundenprozess entscheiden, wenn das Gericht ihn kennen oder sich die Mühe machen würde. Stattdessen haben wir einen Termin mehr als ein Jahr später bekommen. Als ich den Richter anrief, sagte er, ich hätte es damit noch ganz gut getroffen, seine Kollegen würden noch viel später terminieren. Und gerade heute Morgen ist eingegangen, dass das gegnerische Unternehmen Insolvenz beantragt hat. Das eine Jahr läuft quasi Ende des Monats ab. In einem funktionierenden Gerichtssystem hättest du im letzten Jahr deinen Termin gehabt, du hättest vollstreckt und dein Geld bekommen – oder der Gegner hätte eben die Grätsche gemacht.

Das hat für mich nichts mehr mit Rechtsstaat zu tun. Ein Rechtsstaat muss nicht nur gewährleisten, dass das Recht vernünftig besteht, sondern auch, dass es adäquat und zeitlich angemessen durchsetzbar ist. Für solche Sachen schäme ich mich im Prinzip, als Anwalt Organ der Rechtspflege zu sein. Wenn ich mich hier mit VCs unterhalte und ihnen sage, wir kommen aus Deutschland, geht der Rollladen runter. Es wird nicht mehr in Deutschland investiert, es ist einfach zu kompliziert. Es gibt auch nicht die normalen Benefits, die du Mitarbeitern zukommen lassen kannst. Was bei Aktienoptionen gemacht wird, geht völlig an der Realität vorbei und ist weit, weit vom internationalen Standard entfernt. Aber wir applaudieren uns in Deutschland alle gegenseitig und sagen, wie großartig das ist und was für eine großartige Start-up-Landschaft wir haben. Und deshalb haben wir auch niemanden, der auf internationalem Niveau auch nur annähernd mitspielen kann.

Deutschland würde für mich also ausscheiden. Es gibt im Prinzip zwei Regionen, in denen ich so etwas noch einmal machen würde. Die eine wären sicherlich die USA, dann aber sehr selektiv: entweder hier im Silicon Valley oder in einigen wenigen anderen Hotspots in Nordamerika, etwa Kitchener-Waterloo in Kanada. Das ist auch ein sehr integrierter Raum aus Universität, Unternehmen und Verwaltung, aber natürlich auf einem viel kleineren Niveau. Hier hast du Infrastruktur, und hier hast du ein Mindset, Dinge kaputtzumachen. Wir haben ja eingangs darüber gesprochen, wie sich Law & Tech entwickelt hat: Hier wird Law nicht als Disziplin gesehen, sondern als etwas, das man dekonstruieren, auseinandernehmen kann, um zu überlegen, welchen Prozess man wie verbessern kann. Wir Juristen und Anwälte sehen uns ja ganz oft als Künstler, deren Arbeit nicht kopierbar ist. Sie ist selbstverständlich kopierbar, und sie ist selbstverständlich dekonstruierbar. Dieses Mindset hast du hier ganz stark. Und natürlich hast du hier Zugang zu Kapital – wobei alle meine Unternehmen gebootstrappt sind, weil mir das die Möglichkeit gibt, selbst zu entscheiden, in welche Richtung ich gehen will.

USA und Silicon Valley wären also das eine. Das andere wären tatsächlich der Nahe Osten und Afrika – vor allem der Nahe Osten, die Golfstaaten. Das ist im Moment vielleicht nicht ganz opportun, aber wir haben Anfang des Jahres ein Produkt ganz bewusst in Doha, in Katar, gelauncht. Da gibt es einen unfassbaren Drive, der den Drive hier im Valley tatsächlich noch übertrifft. Du hast das Gefühl, da sind sehr viele hungrige, wissbegierige Menschen, Männer wie Frauen – auf dem Web Summit waren gefühlt mehr Frauen als Männer. Und es gibt eine Willingness, Dinge umzusetzen und zu verändern. Der Legal-AI-Bereich ist dort überhaupt nicht entwickelt; wenn du dir die eingeworbenen Fördermittel anschaust, sind das absolute Peanuts. Was aber nicht heißt, dass es sich in den nächsten ein, zwei, drei Jahren nicht ganz anders entwickeln kann. Wir haben über diese Staaten gelacht, als sie noch Wüste waren und gesagt haben, wir bauen jetzt ein paar Hochhäuser auf künstlichen Inseln. Da haben wir gesagt: Ja, klar. Und wenige Jahre später ist das Realität. Deshalb denke ich, das wäre noch eine Region, in der zurzeit viel geht und die durchaus sehr spannend ist.

JR:Sehr gerne. Vielen Dank.