Über 5 Millionen Menschen in Deutschland beziehen Bürgergeld. Jährlich werden rund 21 Millionen Leistungsbescheide vom Jobcenter verschickt. Studien und Statistiken der Bundesagentur für Arbeit zeigen: Etwa jeder dritte Bescheid enthält Fehler — falsche Berechnungen, nicht berücksichtigte Ansprüche, fehlerhafte Gesetzesanwendungen. Das sind Millionen potentially fehlerhafte Entscheidungen pro Jahr.
< 5 Min.
Analyse inkl. Dokumentengenerierung
93%
RAG-Genauigkeit bei Rechtsfragen
100%
DSGVO-konform, Daten anonymisiert
Auto-DocX + PDF
Widerspruch & Vollmacht generiert
Die Prüfung eines einzelnen Bürgergeld-Bescheids erfordert die Kreuzung von Dutzenden Paragrafen des SGB II mit aktuellen Urteilen der Sozialgerichte, Weisungen der Bundesagentur für Arbeit und Verwaltungsvorschriften der jeweiligen Kommune. Ein Fachanwalt für Sozialrecht benötigt dafür typischerweise 30 bis 90 Minuten, bei Beratungshilfe zahlt der Mandant 15 Euro, privat können 200 bis 500 Euro anfallen. Für die über 5 Millionen Leistungsempfänger, die meist in prekären finanziellen Verhältnissen leben, ist eine anwaltliche Erstberatung oft nicht leistbar. Gleichzeitig steigen die Zahlen: 2025 wurden über 500.000 Widersprüche gegen Jobcenter-Entscheidungen eingelegt, etwa ein Drittel davon war erfolgreich. Über 53.000 Fälle landeten vor dem Sozialgericht. Der Bedarf an erschwinglicher, präziser Rechtsprüfung ist massiv und wächst.
klarbescheid.de ist eine Legal-Tech-Plattform, die diesen Prüfprozess vollständig automatisiert und dem Bürgergeld-Empfänger kostenlos zur Verfügung stellt. Der Nutzer lädt seinen Bescheid als PDF oder Foto hoch. Ein OCR-Service extrahiert den Text, der vor der Analyse automatisch anonymisiert wird, damit keine personenbezogenen Daten die KI erreichen. Zwei parallel arbeitende RAG-Systeme durchsuchen anschließend die gesamte relevante Rechtsgrundlage: ein eigenes Vektorsystem mit direkter Ähnlichkeitssuche über Schlüsselwörter sowie eine Qdrant-Vektordatenbank für semantische Suche mit hochwertigen Embeddings. Die abgerufenen Rechtsquellen umfassen das komplette SGB II, aktuelle Sozialgerichtsentscheidungen und die Weisungen der Bundesagentur.
Ein KI-Modell mit 128.000 Token Kontextfenster evaluiert den Bescheid anhand hochspezialisierter juristischer Prompts. Diese Prompts implementieren eine Kaskadenbewertung (Relevanz, Extraktion, Berechnungsprüfung, Rechtsanwendung, Formalien, Evidenz), eine automatische Degradationsregel (ein Befund ohne belegbare Rechtsquelle wird von „problematisch" zu „unsicher" herabgestuft) sowie Metadaten-Guardrails, die die KI daran hindern, erfundene Paragraphen oder Urteile zu generieren. Jede Referenz muss exakt aus dem bereitgestellten Kontext stammen, Extracte sind auf 25 Wörter begrenzt, und bei fehlender Quelle wird ein „context_gap" dokumentiert.
Das Ergebnis ist ein strukturierter Bericht mit Befunden in vier Kategorien: problematisch, unsicher, korrekt und Hinweis. Dazu kommen priorisierte Handlungsempfehlungen mit Fristen (etwa „1 Monat ab Bekanntgabe") und exakte Rechtsreferenzen mit Typ, Quelle, Extract und Verlinkung. Auf Basis dieser Analyse generiert die Plattform automatisch zwei vollständige juristische Dokumente: einen Widerspruch (Rechtsbehelf gegen den Bescheid, mit allen relevanten Argumenten aus der Analyse) und eine Vollmacht (16 spezifische Befugnisse für die anwaltliche Vertretung), jeweils als DOCX aus Word-Vorlagen und als PDF. Die generierten Dokumente und Analysedaten werden per E-Mail direkt an die Partnerkanzlei übermittelt.
Der technische Ablauf im Detail.
Der Nutzer lädt seinen Bescheid per Drag-and-Drop hoch, akzeptiert werden PDFs und Fotos. Ein Microservice auf Basis von pdf2json extrahiert den eingebetteten Text, bei gescannten Dokumenten kommt ein externer OCR-Service zum Einsatz. Die extrahierten Daten werden in Echtzeit angezeigt, sodass der Nutzer die Qualität der Erkennung überprüfen kann. Bei Bedarf lassen sich kontextbezogene Optionen wählen, darunter die Heizungsart des Haushalts, ob Alleinerziehend-Status vorliegt und ob die erweiterte Qdrant-Suche verwendet werden soll.
Vor der eigentlichen Analyse durchläuft der extrahierte Text einen Anonymisierungsprozess über einen dedizierten API-Endpunkt. Namen, Adressen, Geburtsdaten, Telefonnummern und weitere personenbezogene Informationen werden entfernt oder maskiert. Dieser Schritt stellt sicher, dass die KI ausschließlich mit fachlichen Inhalten arbeitet und die DSGVO-Anforderungen strikt eingehalten werden. Die Originaldaten verbleiben nur temporär im Prozess und werden nach der Analyse gelöscht.
Der anonymisierte Text wird gleichzeitig über zwei Wege analysiert. Das lokale Vektorsystem nutzt vereinfachte, schlüsselwortbasierte Vektoren mit Kosinusähnlichkeit für eine schnelle Erstrecherche. Parallel dazu durchsucht Qdrant eine umfangreichere Wissensbasis mit semantischen Embeddings höherer Qualität, was besonders bei komplexen rechtlichen Fragestellungen genauere Treffer liefert. Beide Ergebnisse fließen in den Analyseprozess ein. Die kombinierte RAG-Architektur erreicht auf juristischen Benchmarks eine Korrektheit von rund 93 Prozent, während vanilla LLM-Modelle ohne Retrieval typischerweise bei 50 bis 70 Prozent liegen. Guardrails und Degradationsregeln reduzieren das Halluzinationsrisiko um 71 bis 89 Prozent.
Das KI-Modell erhält einen System-Prompt, der als „präziser, misstrauischer juristischer Inspekteur für das SGB II" definiert ist. Die Methodik arbeitet in Kaskade: Zunächst wird die Relevanz jedes Bescheid-Elements geprüft, dann die relevanten Daten extrahiert, anschließend Berechnungen nachvollzogen, die Rechtsanwendung überprüft, Formalien geprüft und die Evidenz bewertet. Die Metadaten-Guardrails stellen sicher, dass nur tatsächlich im Kontext vorhandene Quellen referenziert werden. Fehlt eine passende Quelle, wird dies transparent als „context_gap" gekennzeichnet, anstatt eine erfundene Referenz zu generieren. Das Ergebnis ist ein strukturiertes JSON mit fachlicher Bewertung, detaillierter Analyse, Handlungsempfehlungen, Berechnungsprüfung und Rechtsreferenzen.
Dem Nutzer wird ein detaillierter Analysebericht präsentiert. Die Befunde sind farbcodiert in vier Kategorien: problematisch (rote Markierung), unsicher (gelb), korrekt (grün) und Hinweis (blau). Jeder Befund enthält die entsprechende Rechtsgrundlage mit Verweis auf den konkreten Paragrafen, das Urteil oder die Weisung. Die Handlungsempfehlungen sind nach Priorität sortiert (hoch, mittel, niedrig) und geben konkrete Fristen an. Eine automatische Berechnungsprüfung vergleicht die im Bescheid ausgewiesenen Beträge mit den rechnerisch korrekten Werten.
Auf Basis der Analyseergebnisse generiert die Plattform automatisch einen vollständigen Widerspruch und eine Vollmacht. Der Widerspruch enthält nur die relevanten Argumente (neutrale und positive Befunde werden automatisch herausgefiltert) und ist direkt an das Jobcenter adressiert. Die Vollmacht umfasst 16 spezifische Befugnisse, die dem Anwalt alle notwendigen Handlungsspielräume geben. Beide Dokumente werden als DOCX (aus Word-Vorlagen mit Mustache-Templating) und als PDF generiert. Der Nutzer gibt seine Kontaktdaten inklusive digitaler Unterschrift ein, und die komplette Dokumentation wird per E-Mail an die Partnerkanzlei gesendet.
In Deutschland sind rund 300 Legal-Tech-Unternehmen aktiv mit geschätzten 10.000 Beschäftigten und einer Bilanzsumme von 800 Millionen Euro. Der globale Legal-Tech-Markt wird auf 30,4 Milliarden Dollar geschätzt und wächst mit einer jährlichen Rate von 9,2 Prozent. Die Adoptionsrate von KI im Rechtsbereich hat sich innerhalb eines Jahres mehr als verdoppelt: von 23 Prozent 2023 auf 47 Prozent 2024. Jährlich werden rund 21 Millionen Leistungsbescheide verschickt, etwa jeder dritte enthält Fehler. Über 500.000 Widersprüche wurden 2025 eingelegt, mit einer Erfolgsquote von rund 33 Prozent. Das entspricht hunderten Millionen Euro an nicht ausgeschöpften Ansprüchen, die Betroffenen rechtmäßig zustehen.
Bereit für den nächsten Schritt?
Lassen Sie uns besprechen, wie wir Ihr digitales Produkt bauen — von der Idee bis zum marktreifen System.