KI für Anwälte und Ärzte: eigene Modelle, ohne dass Mandanten- und Patientendaten das Haus verlassen

Eine KI, die deine Schriftsätze vorformuliert, wird erst gut, wenn sie deine Schriftsätze kennt. Eine KI, die Arztbriefe entwirft, braucht Befunde als Vorlage. Genau diese Daten sind aber keine gewöhnlichen Geschäftsdaten: Sie sind Berufsgeheimnisse, und ihre unbefugte Offenbarung ist strafbar.

Deshalb stecken viele Kanzleien und Praxen in einer unbefriedigenden Mitte: Die einen verbieten KI komplett und verschenken Stunden an Routineformulierungen. Die anderen nutzen private Chatbot-Konten im Graubereich, ohne Vertrag und ohne Kontrolle darüber, wo Mandats- oder Patientendaten landen.

Dabei ist der Zeitfresser in beiden Berufswelten derselbe: strukturiertes Schreiben nach festem Muster. Der Schriftsatz folgt der Kanzleigliederung, der Arztbrief dem Hausaufbau, der Befundbericht dem Formular. Genau diese Muster-Arbeit ist die Stärke von Sprachmodellen – wenn man sie füttern darf.

Vorab die gute Nachricht: Es gibt einen dritten Weg, und er ist 2026 technisch erwachsen geworden. Offene Modelle laufen auf Hardware, die du kontrollierst. Fine-Tuning funktioniert ohne Hyperscaler. Und mit PremAI Studio schauen wir uns in diesem Artikel eine Plattform an, die genau für dieses Problem gebaut wurde – ehrlich, inklusive der offenen Fragen.

Zur Einordnung, ohne Rechtsberatung zu ersetzen: § 203 StGB stellt die unbefugte Offenbarung fremder Geheimnisse unter Strafe. Absatz 1 zählt die Berufsgruppen auf – unter anderem Ärzte, Zahnärzte, Apotheker und andere Heilberufe, Rechtsanwälte, Notare, Wirtschaftsprüfer und Steuerberater (gesetze-im-internet.de, Abruf 07.09.2026).

Interessant für KI-Projekte ist Absatz 3: Seit der Reform von 2017 dürfen Geheimnisträger «sonstige mitwirkende Personen» einbeziehen, also auch IT-Dienstleister. Die Grenze steht im Gesetzestext: nur «soweit dies für die Inanspruchnahme der Tätigkeit erforderlich ist».

Der erste Haken ist die Erforderlichkeit: Du darfst einem Dienstleister nicht mehr Geheimnisse zugänglich machen, als seine Aufgabe verlangt. Der zweite steht in Absatz 4: Auch die mitwirkende Person macht sich strafbar, wenn sie unbefugt offenbart – und der Geheimnisträger muss dafür sorgen, dass Dienstleister zur Geheimhaltung verpflichtet werden.

Praktisch heißt das: Jeder KI-Dienst, der deine Mandats- oder Patientendaten verarbeitet, braucht eine vertragliche Verpflichtung zur Verschwiegenheit, eine dokumentierte Erforderlichkeits-Überlegung und einen Auftragsverarbeitungsvertrag nach DSGVO. Bei Gesundheitsdaten kommt Artikel 9 DSGVO dazu: besondere Kategorien, besonderer Schutz.

Für Anwälte gibt es dazu eine berufsständische Referenz: Die Bundesrechtsanwaltskammer hat Anfang 2025 einen Leitfaden zu künstlicher Intelligenz in Kanzleien veröffentlicht (brak.de, Newsletter 1/2025). Und für den Einzelfall gilt, was wir in jedem Artikel dieser Reihe sagen: Verbindliche Antworten gibt dir deine Kanzlei beziehungsweise dein Berufsrechtler, nicht ein Blogartikel.

Für die Grundsatzfrage «Wie kommt KI an mein Wissen?» gibt es eine bewährte Reihenfolge, die wir im Leitfaden zum eigenen KI-Modell ausführlich herleiten. Hier die Kurzfassung durch die Geheimnisträger-Brille:

Stufe 1 – Prompting: Ein Modell über eine API mit sauberem Auftragsverarbeitungsvertrag, EU-Verarbeitung und ohne Training auf deinen Eingaben. Reicht für Textentwürfe ohne Geheimnisbezug: Kanzleimarketing, allgemeine Vorlagen, Korrespondenz ohne Mandatsinhalt.

Stufe 2 – RAG: Deine Akten, Schriftsätze oder Befundtexte liegen in einer Datenbank auf deiner Infrastruktur, die KI liest darin nach und antwortet mit Fundstelle. Das Wissen verlässt dein Haus nicht und bleibt löschbar: Für die meisten Anwendungsfälle in Kanzlei und Praxis ist das die richtige Stufe. Die Abwägung im Detail: RAG vs. Fine-Tuning.

Stufe 3 – Fine-Tuning: Ein offenes Modell lernt deine Form, nicht dein Wissen. Dazu gleich mehr, denn hier wird es für Geheimnisträger interessant.

Stufe 4 – eigenes Modell von Grund auf: In unserer Projektpraxis bisher kein einziges Mal die richtige Antwort, und für Kanzleien und Praxen erst recht nicht. Die Millionenbudgets dafür haben andere.

Fine-Tuning beantwortet nicht die Frage «Wie bekommt die KI mein Wissen?», sondern «Wie bekommt sie mein Verhalten?». Genau das ist der Fall der Berufsgeheimnisträger: Deine Schriftsätze folgen einer Gliederung, deine Arztbriefe einem Aufbau, deine Gutachten einer Tonalität. Diese Formtreue ist mit Prompts allein oft mühsam – ein feinjustiertes Modell trifft sie zuverlässig.

Typische Kandidaten aus den beiden Berufswelten: Schriftsatz-Rohbauten nach Kanzleischema, Arztbrief-Entwürfe aus Stichworten und Befundwerten, standardisierte Widerspruchs- und Antragstexte, Befundberichte in Haus-Struktur. Immer gilt: Der Profi prüft und verantwortet das Ergebnis, das Modell liefert den Rohbau.

Der Datenschutz-Vorteil gegenüber reiner Cloud-Nutzung: Trainiert wird einmal, mit einem kuratierten und idealerweise pseudonymisierten Datensatz – danach läuft das Modell dort, wo du es hinstellst. Wann sich der Aufwand rechnet, welche Datenmengen es braucht und wo Fine-Tuning verliert, steht im Schwesterartikel LLM Fine-Tuning: wann es sich lohnt.

Wichtig fürs Protokoll: Fine-Tuning heißt 2026 praktisch immer offene Modelle. OpenAI wickelt sein Self-Serve-Fine-Tuning ab und nimmt seit Mai 2026 keine neuen Organisationen mehr an (developers.openai.com, Abruf 07.09.2026). Der Weg führt über Llama, Mistral, Qwen und Co. – und damit zu der Frage, wo du trainierst.

Und wenn deine Kanzlei den Schritt konkret gehen will: Den kompletten Umsetzungsweg von der Fallauswahl über die Pseudonymisierung bis zur Kanzlei-Evaluation haben wir separat beschrieben – Fine-Tuning in der Kanzlei: der Praxisweg.

Die Kanzlei mit Schriftsatz-Rohbauten: Ein feinjustiertes Modell kennt Gliederung, Zitierweise und Tonlage des Hauses und baut aus Stichworten den ersten Entwurf. Der Anwalt prüft, schärft, verantwortet. Gewonnen wird nicht die juristische Denkarbeit, sondern die halbe Stunde Formulier-Handwerk pro Standardschriftsatz.

Die Praxis mit Arztbrief-Entwürfen: Aus Diagnose-Stichworten und Befundwerten entsteht der Briefentwurf im gewohnten Aufbau. Läuft das Modell auf kontrollierter Infrastruktur, bleiben Patientendaten im Haus – und die Zeit am Diktiergerät sinkt spürbar.

Das MVZ mit Befund-Suche: Hier ist die richtige Stufe gar kein Fine-Tuning, sondern RAG: «Welche Vorbefunde zu dieser Patientin erwähnen die Schilddrüse?» ist eine Wissensfrage. Die Antwort mit Fundstelle liefert ein Suchsystem über den eigenen Dokumenten, ohne dass ein Modell trainiert wird.

Allen drei Bildern gemeinsam: Das Modell liefert Rohbauten und Fundstellen, nie die Entscheidung. Die berufliche Verantwortung bleibt beim Menschen – das ist keine Einschränkung der Technik, sondern die Bedingung, unter der sie in diesen Berufen überhaupt einsetzbar ist.

PremAI Studio ist eine Plattform, die den Weg von unstrukturierten Dokumenten zum einsatzfähigen eigenen Modell in vier Schritten organisiert: Daten aufbereiten, bereinigen, versionieren, bereitstellen. Der Anbieter richtet sich ausdrücklich an Organisationen, die spezialisierte Modelle brauchen, ohne monatelang Infrastruktur zu bauen (premai.io/studio, Abruf 07.09.2026).

Zwei Zusagen machen die Plattform für Geheimnisträger interessant. Erstens der Verarbeitungsort: «All data is processed in cryptographically secure enclaves in Switzerland»: Confidential Computing, bei dem selbst der Betreiber die Daten während der Verarbeitung nicht im Klartext sieht. Zweitens die Ausstiegstür: «Models built on Prem Studio can be exported and self-hosted» – das fertige Modell gehört dir und kann auf deine Infrastruktur umziehen.

Dazu wirbt der Anbieter mit Zahlen: unter 30 Minuten bis zum eigenen Modell, 70 Prozent günstigere Inferenz, 85 Prozent Modell-Kompression, «0% Data leakage». Das sind Marketing-Angaben von der Produktseite, keine unabhängig geprüften Werte – lies sie als Versprechen, nicht als Messergebnis.

Die Architektur-Idee ist ernst zu nehmen: Enklaven-Verarbeitung plus exportierbares Modell adressiert genau die zwei Punkte, an denen Cloud-KI für Geheimnisträger scheitert – Einsicht Dritter während der Verarbeitung und dauerhafte Abhängigkeit vom Anbieter. Ein «0 % Datenleck»-Versprechen kann dir allerdings kein Anbieter der Welt garantieren: Auch Enklaven-Systeme haben Betreiber, Update-Prozesse und Konfigurationsfehler.

Zwei Dinge konnten wir bei Redaktionsschluss nicht öffentlich prüfen: Preise (die Preisseite war am 07.09.2026 nicht erreichbar) und die genauen Trainingsverfahren hinter dem Studio-Ablauf. Beides gehört in ein Anbietergespräch, bevor Budget fließt – und der Kontrast zu unserer Linie offener Preisrahmen sei an dieser Stelle erwähnt.

Verarbeitung in der Schweiz heißt: Drittland, aber ein privilegiertes. Die EU-Kommission führt die Schweiz auf der Liste der Länder mit Angemessenheitsbeschluss; der erste Überprüfungsbericht der Alt-Beschlüsse stammt vom 15.01.2024 (commission.europa.eu, Abruf 07.09.2026). Datentransfers sind damit DSGVO-seitig deutlich einfacher als in die USA.

Getrennt davon läuft die § 203-Prüfung: Erforderlichkeit, Verpflichtung des Dienstleisters zur Verschwiegenheit, saubere Verträge. Ein Angemessenheitsbeschluss ersetzt keinen dieser Schritte. Wie du eine solche Prüfung strukturierst, zeigt unser Praxisleitfaden zu DSGVO-konformer KI – die Systematik ist dieselbe.

Die Alternative zur Plattform ist der Weg, den wir im Detail vorgerechnet haben: ein offenes Modell per LoRA-Verfahren nachtrainieren und auf gemieteter oder eigener Hardware betreiben. Für die Kanzlei mit hohen Vertraulichkeits-Anforderungen ist das der maximale Kontrollgrad: Trainingsdaten, Modell und Inferenz bleiben vollständig in deiner Verfügungsgewalt.

Der Preis dafür ist Betriebsverantwortung: Server, Updates, Monitoring, Evaluation. Ob sich das gegen API oder Plattform rechnet, hängt an Volumen und Schutzbedarf – die vollständige Rechnung mit aktuellen Serverpreisen und Break-even-Formel steht im Artikel LLM selbst hosten: was es wirklich kostet.

Kontrolle heißt dabei mehr als Serverstandort: Du bestimmst Löschfristen und Aufbewahrung, führst das Verzeichnis der Verarbeitungen selbst und kannst deinem Berufsrechtler jede Komponente benennen. Bei einem Plattform-Anbieter musst du dieselben Antworten vertraglich einsammeln – möglich, aber Arbeit, die viele im Prospekt übersehen.

Ehrlicherweise ist für viele Praxen und kleinere Kanzleien ein Zwischenweg realistisch: RAG und Inferenz auf einem EU-Server, Fine-Tuning als einmaliger Auftrag mit pseudonymisierten Daten. So bleibt der Dauerbetrieb schlank, und der heikelste Schritt, das Training, passiert kontrolliert und dokumentiert.

Für die Inferenz-Seite dieses Zwischenwegs gibt es inzwischen deutsche Managed-Angebote: Mittwald etwa bewirbt sein AI-Hosting ausdrücklich als geeignet für Anwälte, Ärzte und Steuerberater – offene Modelle in eigenen deutschen Rechenzentren, ohne Drittstaaten-Transfer, ab 9 € pro Monat (mittwald.de, Abruf 07.09.2026). Fine-Tuning bietet der Dienst selbst nicht an; als Betriebsort für Stufe 1 und 2 senkt er die Einstiegshürde aber erheblich. Die Anbieter-Claims ersetzen auch hier nicht die eigene Prüfung.

Noch gar nicht, wenn deine Dokumente unsortiert und deine Prozesse undokumentiert sind: Dann fehlt dem Projekt das Fundament, und jeder Euro fließt in Aufräumarbeit, die du auch ohne KI-Projekt brauchst. Das ist keine Absage, sondern eine Reihenfolge.

Plattform wie PremAI Studio, wenn du schnell zu einem spezialisierten Modell willst, kein eigenes Technik-Team hast und die Anbieterprüfung (Verträge, Verfahren, Preise) positiv ausfällt. Die Export-Zusage ist dabei dein wichtigstes Kriterium: Sie verhindert, dass aus dem Werkzeug eine Abhängigkeit wird.

Eigenbau, wenn Datenhoheit nicht verhandelbar ist, du dauerhaft hohes Volumen hast oder dein Berufsrechtler externe Verarbeitung ausschließt. Und in allen drei Fällen gilt die Stufenprüfung: Wenn ein RAG-System dein eigentliches Problem löst, spare dir das Training komplett.

Für das Anbietergespräch, egal ob mit PremAI oder einem anderen Haus, nimm fünf Fragen mit: Wo genau läuft das Training, und wer kann die Daten dabei einsehen? In welchem Format exportiere ich das Modell? Welche Subunternehmer sind beteiligt? Wie wird die Verschwiegenheitsverpflichtung nach § 203 vertraglich abgebildet? Und welche Löschfristen gelten für meine Trainingsdaten?

Konkrete Zahlen aus unserer Projektpraxis, als Orientierung gekennzeichnet: Ein Potenzial-Check mit Priorisierung und Abbruchkriterien liegt bei 1.500 bis 3.000 €, ein Pilotprojekt bei 3.500 bis 8.000 €, die Umsetzung beginnt ab 8.000 €. Die Struktur dahinter erklärt unsere Seite zur KI-Beratung für den Mittelstand – sie gilt für Kanzleien und Praxen genauso.

Der größte Kostenblock ist bei Geheimnisträgern übrigens selten die Technik: Es sind die Personentage für Datenkuratierung und Pseudonymisierung. Wer Trainingsbeispiele aus echten Akten baut, muss Mandats- und Patientenbezüge sauber entfernen – diese Arbeit lässt sich unterstützen, aber nicht wegautomatisieren, weil am Ende ein Mensch die Freigabe verantwortet.

Ein Posten auf der Haben-Seite: Auch Kanzleien und Praxen sind Unternehmen, und Digitalisierungs-Förderung steht ihnen offen. In Brandenburg fördert BIG-Digital bis zu 250.000 €, in Mecklenburg-Vorpommern übernimmt die TBI-Förderung die Hälfte der Kosten. Ein Blick ins Programm deines Bundeslands gehört in jede Projektrechnung.

Rechne außerdem einen Posten ein, den Anbieterprospekte gern vergessen: die Evaluation. Ein fester Satz Testfälle mit Soll-Ergebnissen, gegen den jede Modellversion gemessen wird. Ohne diesen Maßstab weißt du nie, ob das teure Fine-Tuning besser ist als das Basismodell mit gutem Prompt.

Wenn du für deine Kanzlei oder Praxis prüfen willst, was davon trägt, empfehle ich drei Vorarbeiten: Erstens den einen Anwendungsfall benennen, der am meisten Zeit frisst. Zweitens klären, welche Daten er braucht und welche davon Geheimnisschutz genießen. Drittens die Frage an deinen Berufsrechtler formulieren, statt sie zu verdrängen.

Mit diesen drei Notizen wird aus dem KI-Wunsch ein prüfbares Projekt: Du weißt, was du willst, welche Stufe es braucht und wo die rechtliche Klärung ansteht. Den Rest übernehmen wir gern gemeinsam – von der Stufen-Einordnung bis zum Betrieb auf Infrastruktur, die deine Anforderungen erfüllt.

Falls du beim Lesen an ein konkretes Dokument gedacht hast, an den einen Schriftsatz-Typ oder den einen Brief, der sich ewig gleich anfühlt: Das ist fast immer der richtige Pilot. Klein genug zum Messen, häufig genug, damit sich der Aufwand lohnt.

Buch dir ein unverbindliches Erstgespräch: 30 Minuten, am Ende hast du eine begründete Einschätzung, welche Stufe zu deinem Fall passt – auch wenn sie «erst aufräumen, dann KI» lautet.