QuorelloLoslegenBlog › Neutralität
Ein praxistauglicher Ablauf, um KI bei der Mandatsarbeit gegenzuprüfen
KI über mehrere Modelle hinweg gegenzuprüfen, nützt nur mit einem festen Ablauf. Drei Chatbots dasselbe zu fragen und die Ergebnisse zu überfliegen, ist besser, als einem einzigen zu vertrauen — aber nur unwesentlich. Was daraus eine echte Absicherung macht, ist ein wiederholbarer Arbeitsablauf. Hier ist ein konkreter, zugeschnitten auf folgenreiche Arbeit: die Art, bei der eine falsche Antwort beim Mandanten landet.
1. Formulieren Sie die Frage so, dass die Antworten vergleichbar sind
Geben Sie jedem Modell dieselbe, konkrete Eingabe: die Rechtsordnung, die Rechtsform, die tatsächlichen Zahlen, das Jahr. Vage Fragen erzeugen vage Übereinstimmung, und vage Übereinstimmung ist wertlos.
„Ist das abzugsfähig?“ lädt zu wolkigen Andeutungen ein, die über jedes Modell hinweg ähnlich aussehen werden — ein Scheinkonsens. „Ist für eine Schweizer GmbH im Geschäftsjahr 2026 der Aufwand X nach Regel Y abzugsfähig?“ lädt zu prüfbaren Antworten ein, und jede Abweichung, die dabei zutage tritt, ist eine echte. Präzise Eingaben sind es, die eine Abweichung aussagekräftig machen. Überspringen Sie diesen Schritt, ist nichts, was danach kommt, verlässlich.
2. Fragen Sie mehrere unabhängige Anbieter — auf die Unabhängigkeit kommt es an
Leiten Sie dieselbe Frage an Modelle verschiedener Labore und verschiedener Regionen — nicht an mehrere Versionen desselben Hausstils. Ein einzelner Anbieter kann seine eigenen blinden Flecken strukturell nicht prüfen; genau das ist das Grundproblem, sich auf ein einziges Modell festzulegen.
Je unabhängiger das Panel — ein US-Modell, ein chinesisches, ein europäisches —, desto aussagekräftiger ist eine Uneinigkeit tatsächlich, weil sie aus wirklich unterschiedlichen Trainingsdaten, Voreinstellungen und regulatorischen Annahmen stammt und nicht aus Rauschen.
3. Lesen Sie den Grad der Übereinstimmung, bevor Sie die Antwort lesen
Das mit Abstand nützlichste Signal ist nicht, was die Modelle sagen — es ist, wie stark sie übereinstimmen. Sortieren Sie zuerst danach:
| Übereinstimmung | Was es bedeutet | Was als Nächstes zu tun ist |
|---|---|---|
| Hoch | Unabhängige Modelle auf Basis unterschiedlicher Daten und Voreinstellungen kamen zum selben Ergebnis | Festerer Boden. Prüfen Sie Folgenreiches dennoch nach, aber Sie können mit mehr Zuversicht vorgehen |
| Gemischt | Es gibt eine vertretbare Antwort und einen echten Vorbehalt | Gehen Sie mit Umsicht vor — finden Sie den Vorbehalt und verstehen Sie, für wen er gilt |
| Niedrig | Die Frage ist wirklich strittig, mehrdeutig oder hängt an Fakten, die die Modelle nicht teilen | Halten Sie inne. Genau hier hätte Ihnen ein einzelnes Modell eine selbstsichere Antwort geliefert und den Konflikt verborgen |
Ein Ergebnis mit niedriger Übereinstimmung ist kein Versagen des Werkzeugs. Es ist das Werkzeug, das genau seine Aufgabe erfüllt — es zeigt Ihnen eine Weggabelung, die ein einzelner Chatbot still für Sie aufgelöst hätte, ohne Ihnen zu sagen, dass er es getan hat.
4. Machen Sie aus jeder Abweichung eine Quellenprüfung
Wo die Modelle auseinandergehen, haben Sie eine Aufgabenliste, keinen Münzwurf. Mitteln Sie die Antworten nicht und wählen Sie nicht die, die Ihnen gefällt. Gehen Sie zur Primärquelle: dem Gesetz, dem fachlichen Standard, der geltenden amtlichen Weisung, der tatsächlichen Akte des Mandanten.
Der Wert des Gegenprüfens liegt nicht darin, dass es den Sieger für Sie kürt. Er liegt darin, dass es Ihnen eine kurze, konkrete Liste prüfenswerter Punkte an die Hand gibt — statt Sie vor die Wahl zu stellen, entweder alles von Hand zu verifizieren oder, wahrscheinlicher, nichts zu verifizieren und zu hoffen.
5. Behalten Sie die menschliche Freigabe — und halten Sie fest, was Sie getan haben
Ein Mensch trifft die Entscheidung und kann erklären, warum. Hinterlassen Sie dann eine kurze Spur: gefragt, N unabhängige Modelle gegengeprüft, Übereinstimmung war gemischt, den strittigen Punkt anhand von Quelle Y verifiziert. Eine Zeile. Dieser Eintrag ist es, der aus „die KI hat es so gesagt“ ein Vorgehen macht, für das Sie geradestehen können — gegenüber einer Mandantin, einem Partner oder einer Aufsichtsbehörde. Er ist auch der Grund, warum die Verantwortung bei Ihnen bleibt, und warum das ein Vorteil ist und keine Last.
Wo sich das auszahlt
Die Gefahr in der fachlichen Arbeit ist selten die Frage, die ein Modell offensichtlich nicht beantworten kann. Sie liegt vielmehr in der plausiblen Auslegung, die sich als anfechtbar erweist: der Abzug, der nur unter einer Deutung vertretbar ist, die Klausel, die eine jüngst verabschiedete Reform verändert hat, die Behandlung, die in einem Kanton richtig und im nächsten falsch ist. Ein einzelnes Modell liefert diese in einem selbstsicheren, gut strukturierten Absatz, ohne irgendeinen Hinweis „prüf mich nach“. Der Arbeitsablauf bringt sie als „schau hier“ ans Licht.
Was es nicht leistet
Das Gegenprüfen engt Fehler ein; es schafft sie nicht aus der Welt. Unabhängige Modelle können denselben blinden Fleck teilen, und all das ist keine Rechts-, Steuer- oder Berufsberatung. Was der Ablauf Ihnen einbringt, ist schnelleres Arbeiten und Unsicherheit, die auf die wenigen Stellen beschränkt bleibt, die Ihre Aufmerksamkeit verdienen. Der Private Modus begrenzt die Offenlegung — sensible Fragen werden nur an Endpunkte geleitet, die Ihre Eingabe nicht speichern und nicht zum Training verwenden, wie auf unserer Sicherheitsseite beschrieben. Das Urteil bleibt, wie immer, bei Ihnen.
Probieren Sie es an einer schwierigen Frage
Am ehesten spüren Sie den Ablauf bei einer Frage, die Sie ohnehin für anfechtbar halten: Stellen Sie sie mehreren unabhängigen Anbietern, lesen Sie den Grad der Übereinstimmung und folgen Sie jeder Abweichung bis zu ihrer Quelle. Unsere Antwortseiten mit mehreren Modellen zeigen dasselbe an echten Fragen, nebeneinander, falls Sie es sehen möchten, bevor Sie Ihren eigenen Durchlauf starten.