Sarah Webb, COO und Mitgründerin von LawVu – Interviewreihe

Sarah Webb ist COO und Mitgründerin von LawVu. Sie verfügt über Erfahrung in den Bereichen Engineering und Softwareführung und hatte unter anderem Positionen bei LOVEFiLM und Amazon inne. 2015 kam sie als CTO zu LawVu und wurde 2020 COO. Dabei brachte sie ihre Erfahrung in den Bereichen Technologie, Betrieb, Sicherheit und Governance zusammen. In ihrer Arbeit konzentriert sie sich darauf, Rechtsabteilungen dabei zu unterstützen, ihre Daten und Arbeitsabläufe miteinander zu verknüpfen und zugleich Innovationen im Bereich KI mit den Risiken für Unternehmen in Einklang zu bringen.

LawVu bietet ein Betriebssystem für interne Rechtsabteilungen, das die Erfassung und Bearbeitung von Anliegen, Rechtsangelegenheiten, Verträgen, Ausgaben und Wissen auf einer vernetzten Plattform bündelt. Die KI-Funktionen und Integrationen unterstützen Teams dabei, mit ihren bestehenden Tools zu arbeiten und gleichzeitig Berechtigungen und Aufsicht zu gewährleisten. In diesem Interview spricht Webb über Schatten-KI, agentische Arbeitsabläufe, institutionelles Wissen und die Grundlagen, die Unternehmen für eine kontrollierte Einführung von KI benötigen.

Sie haben LawVu mitgegründet, nachdem Sie einen Großteil Ihrer Karriere mit dem Aufbau und der Leitung von Softwareteams verbracht hatten, unter anderem bei LOVEFiLM und Amazon. Was brachte Sie zu der Erkenntnis, dass der Rechtsbetrieb in Unternehmen ein Problem ist, für das es sich lohnt, eine Lösung zu entwickeln, und wie hat sich Ihre ursprüngliche Vision für LawVu verändert, seit KI die Technologielandschaft grundlegend verändert hat?

Den größten Teil meiner frühen Karriere war ich in den Bereichen Engineering und Technologie tätig, unter anderem bei LOVEFiLM und Amazon. Der Wechsel zur Rechtstechnologie war nicht geplant, sondern ergab sich eher zufällig. Ich bin jetzt seit fast elf Jahren bei LawVu, zunächst als CTO, wechselte aber recht schnell zur COO. Schon dieser Wechsel hat meine Sicht auf das Unternehmen stark verändert.

In den Anfangstagen bestand das erste Problem, das wir lösen wollten, darin, Transparenz zu schaffen. Die meisten Kunden kamen von Outlook und Excel-Tabellen, und schon alles an einem Ort zusammenzuführen, war ein echter Gewinn. Dann begann eine Phase, in der Teams auf Remote-Arbeit umstellten. Ohne eine zentrale Plattform wurde die Zusammenarbeit noch schwieriger. Dadurch bestätigte sich eine Beobachtung, die wir bereits gemacht hatten: Viele repetitive juristische Aufgaben wurden im übrigen Unternehmen weder wertgeschätzt noch überhaupt wahrgenommen, weil es keinen Ort gab, an dem sie sichtbar waren. In dieser Phase mussten wir unsere Kunden intensiv dabei unterstützen, ihre Daten zu strukturieren und den Wandel intern zu gestalten, statt ihnen einfach nur ein Tool an die Hand zu geben.

Schon früh bauten wir auch Integrationen für die Microsoft-Suite aus, denn unser Ziel war stets, uns in die bestehenden Arbeitsabläufe der Unternehmen einzufügen, statt von den Teams zu verlangen, ihre gewohnten Tools aufzugeben. Was sich seitdem verändert hat, ist der Umfang dessen, was diese Idee heute erfordert. Früher ging es bei der Senkung der Einstiegshürde für die Erstellung eines nutzbaren Datensatzes vor allem um Komfort. Heute entscheidet sie darüber, ob KI tatsächlich juristische Arbeit erledigen kann oder einem lediglich dieselbe Fragmentierung zurückspiegelt.

Sie haben argumentiert, dass „Schatten-KI“ oft eher ein Problem der Arbeitsabläufe als ein Problem der Mitarbeitenden ist. Was bedeutet das in der Praxis, und welche Lehren können Unternehmen daraus ziehen, wenn Mitarbeitende zugelassene KI-Tools oder -Systeme umgehen und stattdessen auf eigene Lösungen zurückgreifen?

Wenn intern nicht die passenden Tools zur Verfügung stehen, suchen sich die Mitarbeitenden selbst welche, um effizienter zu arbeiten. Das ist der Kern des Problems. Umgeht jemand ein zugelassenes System, wird das oft reflexartig als Verstoß gegen Compliance-Vorgaben behandelt – als etwas, das unterbunden oder durch eine Richtlinie verboten werden muss. In der Praxis sagt das meist etwas über den Arbeitsablauf selbst aus: Der zugelassene Weg war langsamer oder mühsamer als die Alternative, also fanden die Mitarbeitenden einen eigenen Weg daran vorbei.

Genau deshalb ist Schatten-KI ein größeres Haftungsrisiko als Schatten-IT es je war. Vorfälle im Zusammenhang mit Schatten-KI machen inzwischen 20 Prozent der Datenpannen aus und verursachen durchschnittliche Kosten von 10,2 Millionen Dollar. Denn die Menschen nutzen nicht einfach nur ein nicht zugelassenes Tool, sondern geben ihm direkt vertrauliche Inhalte an die Hand: Vertragstexte, Geschäftsbedingungen und interne Überlegungen.

Was Unternehmen daraus tatsächlich lernen sollten, ist, wo die Lücke liegt. Fehlt eine sichere, fundierte Alternative, hält das die Menschen nicht davon ab, auf KI zurückzugreifen – es führt lediglich dazu, dass sie dies an einem Ort tun, den man nicht einsehen kann. Dahinter steckt ein noch grundlegenderes Risiko, das über die Sicherheit hinausgeht. Wenn die Arbeit auf persönliche KI-Tools verteilt ist, statt in einem gemeinsamen, strukturierten System gebündelt zu sein, trifft das Unternehmen Entscheidungen auf Grundlage eines unvollständigen Bildes, ohne überhaupt zu merken, dass ein Teil der Informationen fehlt. Kann ein KI-Tool nur 60 Prozent der relevanten Daten einsehen, weil der Rest im persönlichen Konto einer Person liegt, sinkt seine Genauigkeit und steigt das Risiko einer Fehlentscheidung. Das Verbot der Umgehungslösung behebt all das nicht. Den Menschen etwas Besseres als die Umgehungslösung anzubieten, schon.

Sie arbeiten mit LawVu mit Hunderten von Rechtsabteilungen großer Unternehmen zusammen. Welche häufigen Fehler beobachten Sie bei der Einführung von KI-Governance, insbesondere da Mitarbeitende Zugang zu immer leistungsfähigeren KI-Tools für allgemeine Zwecke erhalten?

Der häufigste Fehler ist, eine schriftliche Richtlinie mit einer tatsächlichen Kontrolle zu verwechseln. Viele Unternehmen verfügen inzwischen über ein Dokument, in dem steht, wie KI genutzt werden sollte und wie nicht. Nur sehr wenige haben darauf aufbauend konkrete Maßnahmen umgesetzt, die tatsächlich regeln, auf welche Daten ein Tool zugreifen kann, protokollieren, was es getan hat, und bei Bedarf eine nachträgliche Rekonstruktion ermöglichen.

Der zweite Fehler besteht darin, nicht zu berücksichtigen, wie viel Risiko mit jedem einzelnen zusätzlichen Tool hinzukommt. Jede Einzellösung, die ein Team einführt – sei es für Verträge, Ausgaben oder den Eingang von Anfragen –, erfordert eine eigene Integration, verwendet ein eigenes Authentifizierungsprotokoll und enthält eine eigene Kopie sensibler Daten. Für sich genommen scheint jede einzelne Lösung beherrschbar. Zusammengenommen machen sie den juristischen Tech-Stack zu einem fragmentierten Risikogeflecht, und mehr als ein Drittel aller Sicherheitsverletzungen geht auf genau diese Art des Zugriffs durch Dritte zurück. Den meisten Teams wird erst dann klar, wie sehr sich das summiert, wenn sie nach einem Vorfall selbst überprüft werden.

Der dritte Fehler besteht darin, allgemeine KI-Tools anders zu behandeln als jede andere Software, die mit sensiblen Daten in Berührung kommt. Jeder Kunde, mit dem wir seit dem ersten Tag zusammengearbeitet haben – auch Kunden aus dem öffentlichen Sektor –, hat mit uns eine vollständige Sicherheitsprüfung durchlaufen. Denn in einem System wie unserem landen einige der sensibelsten Informationen, über die ein Unternehmen verfügt: Geschäftsgeheimnisse, Daten zu Fusionen und Übernahmen (M&A) sowie personenbezogene Daten. Mitarbeitende geben dieselben Arten von Informationen täglich an öffentliche KI-Tools weiter, ohne dass sie auch nur annähernd so gründlich geprüft werden. Denn es fühlt sich nicht an, als würde man einen neuen Anbieter einführen, sondern als würde man einfach ein Tool benutzen. Genau diese Lücke zwischen dem, was geprüft wird, und dem, was tatsächlich Risiken birgt, lässt die meisten Governance-Programme scheitern.

LawVu integriert KI-Agenten und agentische Arbeitsabläufe in den Rechtsbetrieb. Wie entscheiden Sie, welche Rechtsprozesse sich für die autonome Ausführung durch KI eignen und bei welchen immer eine menschliche Prüfung oder Genehmigung erforderlich sein sollte?

Wir achten stärker auf die Auswirkungen und darauf, wie leicht sich ein Fehler rückgängig machen lässt, als darauf, wie kompliziert ein Prozess auf dem Papier wirkt. Wenn ein Fehler leicht zu erkennen und einfach zu beheben ist, eignet sich der Prozess in der Regel gut für die Automatisierung. Deshalb sind umfangreiche, klar definierte Aufgaben wie die Erfassung und erste Einordnung von Anfragen meist gut dafür geeignet.

Bei allem, was eine externe Verpflichtung oder ein rechtliches Risiko mit sich bringt oder eine schwer rückgängig zu machende Entscheidung betrifft, muss ein Mensch eingebunden sein – ganz gleich, wie genau der Agent in Tests wirkt. Dahinter steckt dieselbe Logik, nach der wir bei LawVu grundsätzlich mit Risikotoleranz umgehen. Wir ermitteln, womit ein Team leben kann, richten die passenden Kontrollen ein und weiten den Einsatz erst dann aus. Entscheidend ist nicht die Genauigkeit, sondern ob wir sagen können, worauf der Agent zugegriffen hat, warum er diese Handlung ausgeführt hat, ob er dazu berechtigt war und ob wir das im Nachhinein belegen können. Können wir diese Fragen nicht beantworten, ist der Prozess noch nicht bereit, eigenständig abzulaufen.

Diese Entscheidungen sind nicht ein für alle Mal getroffen: Ein Prozess, der sich heute sicher automatisieren lässt, kann unsicher werden, wenn die Nutzung zunimmt oder der Arbeitsablauf zunehmend sensiblere Inhalte umfasst als zu Beginn. Die Grenze muss daher immer wieder überprüft und darf nicht nur einmal festgelegt werden.

Der MCP-Server von LawVu ermöglicht es Unternehmen, Tools wie ChatGPT, Claude und Microsoft Copilot direkt mit ihrer Umgebung für den Rechtsbetrieb zu verbinden. Wie können Unternehmen externen KI-Systemen sinnvollen Zugriff auf Unternehmensdaten gewähren und dabei Berechtigungen, Nachvollziehbarkeit, Datenschutz und Kontrolle gewährleisten?

Man könnte meinen, Vernetzung und Sicherheit stünden im Widerspruch, doch das muss nicht so sein. Die Plattform muss die maßgebliche Instanz für Berechtigungen bleiben – nicht das darauf aufsetzende KI-Tool. Egal, ob jemand eine Unterhaltung in ChatGPT, Claude oder Copilot beginnt: Was diese Person sehen und tun darf, sollte sich nicht danach richten, welche Benutzeroberfläche sie an diesem Tag gerade geöffnet hat.

Das funktioniert nur, wenn die Umgebung am anderen Ende bereits über die richtigen Kontrollen verfügt, bevor etwas verbunden wird. Genau diese Grundlagen überspringen die meisten Unternehmen. Alle halten MCP für einen automatischen Sicherheitsgewinn, weil dadurch weniger Daten übertragen werden – und das stimmt auch. Allerdings nur, wenn das empfangende System angeben kann, worauf zugegriffen wurde, warum und von welchem Agenten im Auftrag welcher Person, und dies im Nachhinein belegen kann.

Das hat auch geschäftliche Vorteile. Wenn das zentrale KI-Tool erkennt, dass eine Anfrage einen rechtlichen Bezug hat, und sie automatisch an LawVu weiterleitet, entfällt das Hin und Her, bei dem Mitarbeitende erst herausfinden müssen, an welches System sie sich wenden sollen. Außerdem greifen sie dann nicht auf ein privates KI-Tool zurück, das überhaupt keinen Zugang zu einem verlässlichen, sicheren Datenbestand hat. Einen einzigen, gut gesteuerten Einstiegspunkt bereitzustellen, fördert die Nutzung letztlich stärker, als alles abzuriegeln es je könnte.

Allgemeine KI-Modelle sind zwar leistungsfähig, verfügen aber oft nicht über das institutionelle Gedächtnis einer Organisation, kennen deren frühere Entscheidungen nicht und verstehen ihr spezifisches Risikoprofil nicht. Welche Informationen und welche Infrastruktur braucht ein KI-Modell, um bei anspruchsvollen Aufgaben in Unternehmen wirklich nützlich zu sein?

Ich stelle mir horizontale KI als eine brillante fremde Person vor: Sie hat außerordentlich viel gelesen, schreibt hervorragend und kann sich über fast alles unterhalten. Aber sie hat Ihren Kunden noch nie getroffen. Sie war bei keiner Ihrer Verhandlungen dabei. Sie weiß nicht, wie Ihre Organisation Risiken abwägt. Und sie hat nie die Gespräche miterlebt, die zu den Ausnahmen geführt haben, auf die sich Ihr Team vor sechs Monaten geeinigt hat.

Deshalb gehört es für viele Rechtsteams zu den ersten Maßnahmen, KI mit einem Leitfaden zu verknüpfen – und das ist wirklich äußerst wertvoll. Wenn ein KI-Modell Zugriff auf bevorzugte Vertragsklauseln, Ausweichpositionen, Genehmigungsschwellen und Verhandlungshinweise erhält, zeigen sich die Effizienzgewinne fast unmittelbar. Die Herausforderung besteht darin, dass die wichtigsten rechtlichen Entscheidungen oft dann anstehen, wenn die Standardposition nicht mehr passt: Ein strategisch wichtiger Kunde benötigt eine Ausnahme, eine Wachstumschance mit hohem Potenzial rechtfertigt ein zusätzliches Risiko oder in einer Verhandlung wiegen die geschäftlichen Prioritäten schwerer als die bevorzugte Klausel.

An solchen Stellen wird juristisches Urteilsvermögen sichtbar. Ein Teil des wertvollsten Wissens steckt in den Ausnahmen, nicht im Leitfaden. Warum haben wir für diesen Kunden eine Ausnahme gemacht? Was ist beim letzten Mal passiert, als wir mit derselben Gegenpartei über diese Position verhandelt haben? Hat das Unternehmen dieses Risiko auch anderswo akzeptiert? Wurde die Angelegenheit bereits früher eskaliert, und wie fiel die endgültige Entscheidung aus?

Die Antworten stehen selten in einem einzigen Dokument. Sie sind über Verträge, Genehmigungen, E-Mails, Vorgangsakten, Besprechungsnotizen und die gesammelten Erfahrungen der damals Beteiligten verstreut. Das Dokument hält lediglich das Ergebnis fest; die Begründung dafür bleibt an anderer Stelle im Unternehmen erhalten.

Ein brillanter Fremder kann die Regeln bemerkenswert schnell lernen. Zu verstehen, warum sie ursprünglich einmal gebeugt wurden, ist jedoch eine ganz andere Herausforderung. Was nützliche KI meist von transformativer KI unterscheidet, ist, wie viele eigene Erfahrungen die Organisation bewahrt hat, aus denen die KI lernen kann.

Viele Unternehmen haben voneinander getrennte Vertragssysteme, Tools für das Vorgangsmanagement, Tabellen, E-Mail-Archive und weitere Quellen für Unternehmenswissen angesammelt. Wie wichtig ist eine einheitliche Datengrundlage, bevor KI-Agenten eingesetzt werden, und was muss eine Organisation tun, damit ihre Daten tatsächlich für KI geeignet sind?

Der Rechtsbereich ist ein perfektes Beispiel dafür, warum das wichtig ist: Verträge werden in Word mit Änderungsmarkierungen versehen, Genehmigungen kommen per E-Mail, Entscheidungen fallen über Slack – und anschließend wird KI auf das Dokumentenarchiv aufgesetzt, statt die Arbeitsabläufe tatsächlich miteinander zu verbinden. KI auf ein fragmentiertes System aufzusetzen, bedeutet lediglich, schneller auf das Chaos zugreifen zu können.

Die Unternehmen, die schon Jahre vor dem Aufkommen von KI eine solide Dateninfrastruktur aufgebaut und ihre Systeme in Ordnung gebracht haben, profitieren bereits heute von KI. Darauf kommt es im Wesentlichen an. Man kann Agenten nicht auf voneinander getrennten Vertragssystemen, Tools für das Vorgangsmanagement, Tabellen und E-Mail-Archiven aufbauen und zugleich zuverlässige Ergebnisse erwarten. Zuerst braucht es eine solide Grundlage: miteinander verbundene Systeme, klare Zugriffsrechte und eine festgelegte Risikotoleranz. Erst dann kann man überhaupt daran denken, KI in größerem Maßstab einzusetzen.

Wenn Unternehmen abwägen, ob sie eigene KI-Anwendungen entwickeln, spezialisierte KI-Plattformen kaufen oder allgemeine Modelle mit bestehenden Systemen verbinden sollen: Wie sollten Technologieführungskräfte die Entscheidung zwischen Eigenentwicklung, Kauf und Integration angehen?

Eigenentwicklung oder Kauf klingt nach einer Technologieentscheidung. Meiner Erfahrung nach geht es dabei jedoch vielmehr um den Reifegrad der Rechtsabteilung in ihren operativen Abläufen. Entscheidend ist, wie ernst sich ein Rechtsteam als eigenständige Funktion mit eigenen Arbeitsabläufen, Daten und Betriebsmodell versteht. Stimmt dieser Reifegrad, ergibt sich die passende KI-Strategie für den Rechtsbereich meist von selbst.

Zur Eigenentwicklung: Für die wenigen Teams, die über die Ressourcen verfügen, wie ein Softwareunternehmen zu arbeiten, kann sie sinnvoll sein. Modelle entwickeln sich weiter, die Infrastruktur verändert sich, und die Arbeit kommt nie wirklich zum Abschluss. Für die meisten Teams besteht die Herausforderung nicht darin, eine Lösung einmal zu entwickeln, sondern sie dauerhaft zu pflegen.

Zum Kauf: Die meisten Teams entscheiden sich dafür, doch „Kauf“ ist nicht gleich eine einzige Option. Darunter werden mindestens drei verschiedene Dinge zusammengefasst. Allgemeine KI wie ChatGPT, Copilot und Claude ist leistungsfähig, versteht aber nicht von sich aus die Struktur von Vorgängen, die Erfassung neuer Anfragen oder Genehmigungsabläufe. KI, die über etwas wie MCP mit einer einzelnen spezialisierten Lösung verbunden ist, stellt einen bedeutenden Fortschritt dar. Ihr Einblick bleibt jedoch auf das beschränkt, was in diesem einen System vorhanden ist.

Die größere Chance liegt in einer KI, die versteht, wie die Arbeit im Rechtsbereich bereichsübergreifend zusammenhängt – und nicht nur, was innerhalb eines einzelnen Tools geschieht. Wenn Anfragen, Vorgänge, Verträge, Ausgaben und Wissen an einem Ort zusammenlaufen, kann die KI Zusammenhänge im Gesamtbild erkennen, statt nur einen einzelnen Ausschnitt zu betrachten.

Sie waren bei LawVu sowohl als CTO als auch als COO tätig und verantworteten dadurch Technologie, Betrieb, Sicherheit und die Umsetzung von Produktvorhaben. Wie hat diese Kombination Ihren Ansatz geprägt, rasche KI-Innovationen mit Sicherheit, Compliance, Zuverlässigkeit und Unternehmensrisiken in Einklang zu bringen?

Ich kam 2015 als CTO zu LawVu und übernahm 2020 die Rolle des COO. So bin ich seit mehr als einem Jahrzehnt sowohl im Technologie- als auch im operativen Bereich tätig.

Diese Kombination verändert die Art und Weise, wie man über KI-Innovation im Verhältnis zu Sicherheit und Compliance denkt, denn man erlebt sie nicht als voneinander getrennte Themen. Wenn ich intern für Governance, Risikomanagement und Compliance verantwortlich bin und zugleich eine Plattform entwickle, mit der Kunden dieselben Aufgaben bewältigen können, kann ich Innovation und Sicherheit nicht als aufeinanderfolgende Schritte betrachten: Das eine folgt nicht auf das andere. Beides muss gleichzeitig geschehen – oder gar nicht. Jeder Kunde, den wir seit dem ersten Tag hatten, hat eine umfassende Sicherheitsbewertung durchlaufen. Und jedes Mal, wenn man dem eigenen Ökosystem ein neues Tool hinzufügt, vergrößert sich die Risikolandschaft rund um diese Daten. Das gilt für uns intern genauso wie für unsere Kunden. Wenn man also die Plattform entwickelt und zugleich dafür verantwortlich ist, wie sie verwaltet wird, muss man beides gleichzeitig im Blick behalten.

Wie wird agentische KI Ihrer Einschätzung nach künftig die Rolle der Rechtsabteilungen in Unternehmen verändern? Werden Rechtsabteilungen KI vor allem als Produktivitätsschicht nutzen, oder könnten sie letztlich zu Aufsehern weitgehend autonomer Arbeitsabläufe werden, die im gesamten Unternehmen ablaufen?

Generative KI hat die Diskussion von schrittweisen Effizienzsteigerungen hin zu einer grundlegenden Neubetrachtung dessen verschoben, wie Rechtsarbeit erledigt wird und wie das Betriebsmodell in einer Welt aussehen muss, die sich rasch auf agentische Fähigkeiten zubewegt. Ich betrachte agentische KI nicht als Hype, sondern als Ausführungsebene, die der Rechtsabteilung dabei helfen kann, von der Verwaltung der Arbeit zu ihrer aktiven Ausführung überzugehen – vorausgesetzt, die richtigen Kontrollen und Leitplanken sind vorhanden.

In Unternehmen findet derzeit ein Wandel hin zu einer Art „Eingangstür“ statt: Mitarbeitende aus den Fachbereichen beginnen ihre Arbeit zunehmend mit Tools wie Microsoft Copilot oder Claude. Damit stellt sich die Frage, wie die Rechtsabteilung sicherstellt, dass diese Interaktionen mit den richtigen Systemen, den richtigen Daten und den richtigen Arbeitsabläufen verknüpft sind.

Ich sehe das also nicht als Gegensatz zwischen Produktivitätsschicht und Aufsicht, sondern als Entwicklung. Zunächst nutzt die Rechtsabteilung KI, um einzelne Aufgaben schneller zu erledigen. Doch mit zunehmender Reife agentischer Fähigkeiten besteht die eigentliche Chance darin, dass die Rechtsabteilung selbst die Ausführungsebene verantwortet und Arbeit über gesteuerte Systeme aktiv ausführt, statt lediglich schneller erste Entwürfe zu erstellen.

Vielen Dank für das großartige Interview. Leserinnen und Leser, die sich näher mit vernetzten Rechtsabläufen und gesteuerten KI-Workflows befassen möchten, sollten LawVu besuchen.