Artikel teilen

Das chinesische KI-Labor Zhipu hat mit GLM-Legal ein Sprachmodell für juristische Arbeit vorgestellt, das im Kanzlei-Test von Harvey Platz 7 unter 79 Modellen belegt. Ein Testdurchlauf kostet rund 13 Cent, ein Siebzigstel des teuersten Modells unter den ersten zehn. Über den Einsatz in deutschen Kanzleien entscheidet trotzdem das Berufsrecht.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

In einem Beispiel von Zhipu kürzt GLM-Legal die Kündigungsfrist eines Softwarevertrags von 60 auf 30 Tage und verlangt vom alten Dienstleister bis zu 90 Tage Übergabehilfe.[1] Das Basismodell riet für denselben Vertrag nur, die Frist zu verkürzen.

Das Wichtigste in Kürze

  • Zhipu stellte GLM-Legal am 12. Oktober vor, Kanzleien und Rechtsabteilungen bewerben sich zunächst um einen API-Zugang.
  • Im Benchmark von Harvey löst das Modell 19,2 % der Kanzleiaufgaben vollständig und landet auf Platz 7 von 79.
  • Einzelne Prüfpunkte erfüllt GLM-Legal zu 92,5 %, trotzdem verfehlen vier von fünf Ergebnissen mindestens einen davon.
  • Mandantengeheimnisse dürfen deutsche Anwälte nur an Dienstleister im Ausland geben, deren Land einen vergleichbaren Geheimnisschutz bietet.
Grauer Aktenordner mit orangefarbenem Paragrafen und Anhänger „13 Cent“ vor weißem Hintergrund
Zhipus GLM-Legal basiert auf dem leichten Modell GLM-5.3-Flash und wurde durch spezialisiertes Training mit juristischen Texten sowie Reinforcement Learning optimiert

Zhipu, international unter der Marke Z.ai unterwegs, baut GLM-Legal auf dem schlanken Modell GLM-5.3-Flash auf, das im August unter MIT-Lizenz erschien. Ein zusätzliches Training mit juristischen Texten legte das Fachwissen an. Im zweiten Schritt übte das Modell per Reinforcement Learning in zehntausenden nachgebauten Rechtsfällen, Verträge zu prüfen, Beweise zu ordnen und Schriftsätze zu entwerfen.[1]

Der Prüfdienst Vals AI führt GLM-Legal als Modell mit offenen Gewichten,[3] auf Hugging Face lagen am 13. Oktober aber keine Dateien, und Zhipus Blogbeitrag nennt nur den API-Zugang.

Warum scheitern vier von fünf Aufgaben trotz 92 Prozent erfüllter Prüfpunkte?

Harveys Legal Agent Benchmark gibt einem KI-Agenten Akten, Tabellen und Präsentationen aus 24 Rechtsgebieten und verlangt ein fertiges Arbeitsergebnis. Eine Aufgabe zählt nur als gelöst, sobald das Ergebnis alle Kriterien erfüllt.[2] GLM-Legal besteht 92,5 % der einzelnen Prüfpunkte, die volle Punktzahl erreicht das Modell bei 19,2 % der Aufgaben.

Ein Vertragsentwurf kann also in fast allen Punkten stimmen und trotzdem an einer vergessenen Frist oder einer falschen Fundstelle scheitern. Der Restfehler steckt damit in vier von fünf Ergebnissen, nicht in wenigen Ausreißern.

Beim Preis setzt sich Zhipu ab: Ein Testdurchlauf kostete mit GLM-Legal rund 13 Cent, mit Googles Gemini 4 Argon auf Platz 6 rund 9,18 €. OpenAIs GPT-6 Astra, das Modell hinter dem Kanzleiprodukt Astra for Law, löste 5,4 % der Aufgaben für 22,76 € je Durchlauf.[2]

GLM-Legal im Kanzlei-Test
Wie Zhipus Rechts-KI in Harveys Legal Agent Benchmark abschneidet
19,2 %
der Kanzleiaufgaben löst GLM-Legal vollständig, also mit allen Prüfpunkten
92,5 %
der einzelnen Prüfpunkte erfüllt das Modell über alle Aufgaben hinweg
13 Cent
kostet ein Testdurchlauf, bei Gemini 4 Argon auf Platz 6 kostet er 9,18 €
Platz 7
belegt GLM-Legal unter 79 geprüften Modellen, das Basismodell kam auf 6,7 %

Vollständig gelöste Aufgaben und Kosten je Testdurchlauf

Muse Spark 1.2 (Meta)1,82 € je Durchlauf
25,4 % gelöst, Platz 1
Gemini 4 Argon (Google)9,18 € je Durchlauf
19,6 % gelöst, Platz 6
GLM-Legal (Zhipu)0,13 € je Durchlauf
19,2 % gelöst, Platz 7
GPT-6 Astra (OpenAI)22,76 € je Durchlauf
5,4 % gelöst, Platz 34
Claude Opus 5.5 (Anthropic)18,60 € je Durchlauf
3,8 % gelöst, Platz 41

GLM-Legal drückt den Entwurf auf 13 Cent, die Haftung für jede falsche Fundstelle bleibt bei der Kanzlei.

Michael Dobler, Herausgeber Dr. Web
Zitat teilen

Die Bundesrechtsanwaltsordnung erlaubt Anwälten, Dienstleister im Ausland einzubinden, sofern dort ein vergleichbarer Geheimnisschutz gilt (§ 43e Abs. 4 BRAO).[4] Wo Zhipu die Anfragen an die API verarbeitet, legt der Blogbeitrag nicht offen; das Unternehmen sitzt in Peking. China fehlt zudem auf der Liste der Staaten, denen die EU-Kommission ein angemessenes Datenschutzniveau bescheinigt.[5] Zhipus Coding-Werkzeug ZCode lud im September sogar komplette Git-Historien in die Cloud.

Das Amtsgericht Köln rügte im Juli 2025 einen Anwalt, dessen Schriftsatz offenbar KI-generierte, frei erfundene Fundstellen enthielt (Az. 312 F 130/25). Der Jurist Damien Charlotin zählt in seiner Datenbank weltweit 2.184 Gerichtsentscheidungen zu KI-Halluzinationen, elf davon aus Deutschland.[6] Vor einem Test mit GLM-Legal klären Kanzleien deshalb vier Punkte:

  • Mandantendaten: Schicken Sie keine echten Akten an die Z.ai-Schnittstelle, solange Datenschutz und § 43e BRAO ungeprüft sind.
  • Kontrolle: Prüfen Sie jede Fundstelle und jede Frist selbst, denn im Benchmark verfehlen vier von fünf Ergebnissen mindestens ein Kriterium.
  • Rechtsordnung: Zhipu nennt Tests zu US-amerikanischen und chinesischen Rechtsfragen, Ergebnisse zum deutschen Recht veröffentlicht das Unternehmen nicht.
  • Gewichte: Stellt Zhipu die Gewichte tatsächlich frei, lässt sich das Modell auf eigenen Servern betreiben, und die Übermittlung nach China entfällt.

Vor dem Lizenzkauf hilft ein strukturierter Modellvergleich: Dr. Web zeigt, wie Unternehmen das passende KI-Modell auswählen.

Quellen

6 Quellen anzeigenQuellen ausblenden
  1. Z.aiGLM-Legal: Advancing Agentic Legal Intelligence12.10.2026
  2. Vals AIHarvey’s Legal Agent Benchmark, Rangliste (Stand 12. Oktober 2026)
  3. Vals AIGLM Legal, Modellseite (abgerufen am 13. Oktober 2026)
  4. Bundesamt für Justiz§ 43e BRAO, Inanspruchnahme von Dienstleistungen
  5. Europäische KommissionAdequacy decisions (abgerufen am 13. Oktober 2026)
  6. Damien CharlotinAI Hallucination Cases Database (abgerufen am 13. Oktober 2026)

Mehr Newshunger?

4,4 13 Bewertungen

Wie hat Ihnen dieser Artikel gefallen?