Effizienzgewinne durch KI in Restrukturierungen entstehen nicht durch das Werkzeug, sondern durch das, was vorher in das Werkzeug eingegangen ist. Wer den Aufbau dieser Voraussetzungen überspringt, verlagert den Ort, an dem die Fehler entstehen.
Kapitel 1 · Ausgangspunkt
Drei Stufen, eine Architektur
Restrukturierungen sind verfahrensintensiv. Das ist kein Nachteil — es ist die Prüfungsanordnung, die ihnen rechtlich Bestand gibt. Wer hier KI einsetzen will, beginnt nicht beim Werkzeug.
Restrukturierungen gehören zu den verfahrensintensiven Vorhaben des deutschen Arbeitsrechts. Sie sind getragen von Beteiligungsrechten der Betriebsverfassungsorgane, formellen Informations- und Konsultationspflichten und bei der Umsetzung von einer Sozialauswahl mit hoher Fehleranfälligkeit. Mängel in einem dieser Schritte können sich auf die Wirksamkeit der einzelnen Beendigung auswirken — mit entsprechenden Folgen für Belegschaft, Verfahren und Wirtschaftlichkeit der Maßnahme.
Im Fokus dieses Beitrags steht der Mittelstand und steuerlich oder gesellschaftsrechtlich verbundene deutsche Töchter internationaler Konzerne. In dieser Konstellation reichen die typischen Restrukturierungen von einigen Dutzend bis einigen hundert betroffenen Arbeitsplätzen, oft an einem oder mehr Standorten, regelmäßig mit örtlichem Betriebsrat und in einer nicht unerheblichen Zahl von Fällen mit Konzernvorgaben aus dem Ausland. Diese Vorgaben können mit deutschem Berufs- und Datenschutzrecht in Konflikt geraten — ein Punkt, auf den noch zurückzukommen sein wird.
Die Frage des vorliegenden Beitrags lautet, an welchen konkreten Stellen KI in einer solchen Restrukturierung heute zu Effizienz beitragen kann, ohne die rechtliche Substanz der Maßnahme zu gefährden. Die Antwort hängt nicht primär vom Werkzeug ab, sondern davon, wie weit der Aufbau der zugrundeliegenden KI-Architektur fortgeschritten ist. Die Frage ist also nicht nur, an welchen Stellen die Nutzung von KI zu Effizienzgewinnen führen kann, sondern vor alle, auch, um was für eine KI es sich handeln muss, damit überhaupt spürbare Effizienzgewinne möglich sind. Das Ergebnis vorwegnehmend: Standard-KIs wie ChatGPT, Harvey, Claude, Copilot oder Gemini können zu Effizienzgewinnen führen, einen wirklichen Unterschied machen aber erst solche KIs, die für die konkrete Maßnahme hochgradig spezialisiert wurden. Dafür muss keine neue KI „gebaut“ werden; es reicht, wenn eine existierende um konkretes Wissen angereichert wird.
Die Architektur einer solchen KI lässt sich in drei Stufen beschreiben.
Kapitel 2 · Stufenarchitektur
Drei Stufen einer KI-gestützten Restrukturierungsberatung
Der Aufbau einer KI-gestützten Beratungspraxis erfolgt in drei aufeinander aufbauenden Stufen. In jeder Stufe steigt das Effizienzpotenzial. In jeder Stufe steigt zugleich die regulatorische Anforderung. Die Reihenfolge lässt sich nicht umkehren.
2.1 Stufe 1 — Aufbau der KI ohne Mandantendaten
In Stufe 1 wird die KI vorbereitet, ohne dass Mandantendaten in das System gelangen. Das Fundament bildet das Weltwissen eines Generalisten-Modells. Darauf liegen drei zusätzliche Schichten: rechtliches Strukturwissen, fachjuristische Inhalte aus Verlagen und Datenbanken und — entscheidend — das Erfahrungswissen eines Anwalts, der Restrukturierungen wiederholt verantwortet hat. Erst diese vierte Schicht macht aus einer Subsumtionsmaschine ein Beratungsinstrument.
Das ist der zentrale, oft unterschlagene Punkt. Eine KI, die nur das Gesetz und die Kommentarliteratur kennt, kann betriebsbedingte Kündigungen formell prüfen. Sie weiß allerdings nicht, an welcher Stelle eines Konsultationsverfahrens der Betriebsrat erfahrungsgemäß nachfragt. Sie weiß nicht, welche persönlichen Beziehungen zwischen den Beteiligten bestehen, welche offenen oder verdeckten Emotionen eine Rolle bei den Verhandlungen spielen. Sie weiß nicht, wann sich eine Einigungsstelle eher beruhigen, und wann sie sich aufschaukeln wird. Dieses Wissen entsteht nicht aus Lektüre, sondern aus Praxis.
Matan Grinberg, CEO des KI-Tooling-Unternehmens Factory, hat es jüngst auf einen knappen Punkt gebracht: „the enemy of AI agents is tacit knowledge — things discussed but not written down“. In der Restrukturierungsberatung ist dieses implizite Wissen besonders dicht und besonders folgenreich. Wer Stufe 1 baut, baut zu einem nicht unerheblichen Teil daran, dieses Wissen zu explizieren — zu verschriftlichen, zu strukturieren, in Prüfschemata zu überführen.
Wird Stufe 1 ohne tiefe Restrukturierungserfahrung aufgebaut, ist die KI nominell einsatzbereit, in der Sache aber von begrenztem Nutzen. Sie reproduziert dann nur das, was ohnehin in jedem Lehrbuch steht. Die Effizienzgewinne in Stufe 1 entstehen aber genau dort, wo das verschriftlichte Erfahrungswissen über die Werkzeuge zugänglich gemacht wurde — in Prüfschemata, Argumentationsmustern, abgestimmten Standardklauseln, hinterlegten Reaktionsmustern für typische BR-Anfragen, Risikobewertungs-Templates.
In Stufe 1 werden keine Mandantendaten verarbeitet. Damit gelten die strengen Anforderungen aus DSGVO und § 203 StGB nicht; berufsrechtlich greift Stufe 1 ausschließlich über die Sorgfaltspflichten nach § 43 BRAO im Umgang mit dem Werkzeug selbst.
2.2 Stufe 2 — KI mit Mandantendaten
In Stufe 2 wird die in Stufe 1 entwickelte KI auf konkrete Mandantensachverhalte angewandt. Vertragsbestände, Sozialdaten, Betriebsvereinbarungen, Korrespondenz mit dem Betriebsrat — all das geht in das System ein und wird dort verarbeitet. Die Effizienzgewinne sind in Stufe 2 noch einmal erheblich größer als in Stufe 1, weil sich nun nicht mehr nur die Werkzeugkette verbessert, sondern die einzelne Mandatsbearbeitung als solche.
Stufe 2 unterliegt allerdings einem geschlossenen Pflichtenkanon. Erforderlich sind: Verarbeitung in EU-gehosteten Modellen mit vollständigem Auftragsverarbeitungsvertrag nach Art. 28 DSGVO; ausdrückliche schriftliche Geheimhaltungsverpflichtung des KI-Anbieters nach § 203 Abs. 4 Satz 2 StGB, die über den Auftragsverarbeitungsvertrag hinausgeht; Datenschutz-Folgenabschätzung; kanzleiinterne KI-Richtlinie und nachgewiesene Schulung des Personals nach Art. 4 EU AI Act; und schließlich Zero-Data-Retention auf Modellebene, also der vertraglich gesicherte Verzicht auf Speicherung der Mandantendaten über die Bearbeitung hinaus.
Hinzu kommt, was die McKinsey-Autorengruppe um Asin Tavakoli den eigentlichen Engpass agentischer KI nennt: nicht die Modelle, sondern die Datenarchitektur darunter. „Agentic AI scales on strong data“, heißt es bei Tavakoli; acht von zehn Unternehmen scheiterten beim Skalieren an Datenlimitierungen. Mandantendaten müssen deshalb nicht nur compliancegerecht in das System gelangen, sondern strukturell aufbereitet — mit klaren Definitionen, sauberer Lineage, prüfbaren Outputs. Erst dann kann eine KI auf ihnen verlässlich arbeiten. Ein reines Hochladen von Dokumenten in das System reicht mithin zum maximalen Effizienzgewinn kaum.
Hinzu kommt die Bereitschaft des Mandanten. Stufe 2 setzt voraus, dass der Mandant der Verarbeitung seiner Daten in einem KI-System zustimmt. Diese Zustimmung ist im Mittelstand und bei Konzerntöchtern keine Selbstverständlichkeit. Compliance-Funktionen ausländischer Mütter haben hierzu mitunter ausdifferenzierte Vorgaben, die nicht selten über das hinausgehen, was deutsches Recht verlangt; in anderen Fällen verlangen sie ihrerseits den Einsatz von US-Cloud-Diensten, deren §-203-StGB-Konformität standardvertraglich nicht gegeben ist. Beide Konstellationen schränken den praktischen Einsatzbereich von Stufe 2 für Rechtsanwältinnen und Rechtsanwälte spürbar ein.
Wo der Pflichtenkanon erfüllt und die Mandantenzustimmung vorhanden ist, hebt Stufe 2 die Bearbeitungseffizienz für eine Restrukturierung deutlich. Insbesondere die Erstellung individueller Anhörungen nach § 102 BetrVG, die Erstanfertigung der Massenentlassungsanzeige, die laufende Pflege des Whitebooks und die Reaktion auf BR-Anfragen im Konsultationsverfahren werden hier substanziell beschleunigt.
2.3 Stufe 3 — Mandanten-Memory über Mandate hinweg
Stufe 3 baut auf Stufe 2 auf. Die in Stufe 2 verarbeiteten Mandantendaten werden in einem persistenten Mandanten-Memory zusammengeführt, das über das einzelne Mandat hinaus erhalten bleiben könnte. Die Konsequenz wäre ein Beratungsbild, das in der Restrukturierungspraxis bislang ohne Vorbild ist: Eine KI wüsste, was im Vorjahr zur Tariflage des Mandanten besprochen wurde, welche Sozialplanlogik sich für ihn als tragbar erwiesen hat, welche Argumente bereits ausgetauscht wurden und mit welchem Erfolg.
Das Effizienzpotenzial von Stufe 3 liegt um ein Vielfaches über dem von Stufe 2. Mandate würden nicht länger isoliert bearbeitet, sondern in einer kontinuierlich wachsenden Wissensbasis. Personalwechsel im Mandantenunternehmen oder in der Kanzlei führten nicht mehr zum Verlust beratungsrelevanten Kontextwissens.
Die regulatorischen Hürden für Stufe 3 sind allerdings ebenso erheblich. Datenschutzrechtlich verschiebt sich die Argumentationslast deutlich, weil die Verarbeitung nicht mehr zweckgebunden auf das einzelne Mandat erfolgt, sondern zweckübergreifend angelegt ist. Die Zweckbindung nach DSGVO wird zur zentralen Hürde. Hinzu kommt die Frage der Rückhol- und Löschfristen, die strafrechtliche Frage nach § 203 Abs. 4 StGB, die berufsrechtliche Frage nach der Mandatstrennung. Die technische Verortung der KI — beim Mandanten oder beim Anwalt — wird zur eigenen Rechtsfrage.
Stufe 3 ist nach gegenwärtigem Stand eine Vision. Sie zeigt aber, in welche Richtung das Spannungsfeld zwischen technischem Möglichem und rechtlich Zulässigem in den nächsten Jahren wandern wird.
Infografik · Die Stufenbilanz auf einen Blick
Kapitel 3 · Anatomie
Anatomie einer mittelständischen Restrukturierung
Die typische Restrukturierung im Mittelstand oder bei einer deutschen Konzerntochter besteht aus rund vierzig diskreten Arbeitsschritten. Ein kleinerer Teil davon ist hochstrategisch — das Whitebook, die Verhandlungsführung mit dem Betriebsrat, die Sozialauswahl-Doktrin, die Beurteilung der Einigungsstelle, die Kommunikationslinie, der Einsatz einer Transfergesellschaft. Der größere Teil ist Prozessarbeit: das Aufbereiten der vertraglichen Grundlagen, das Erstellen formell korrekter Mitteilungen, die Konsistenzprüfung über Dokumentenstapel, das Verfassen einzelner Anhörungsschreiben.
In dieser Aufteilung entscheidet sich, wo KI ansetzen kann. Werkzeuggestützte Beschleunigung ist dort denkbar, wo sich wiederkehrende, formal beschreibbare Prozessarbeit abbilden lässt. Sie ist nicht denkbar, wo Strategie, anwaltliche Bewertung oder persönliche Verhandlungsführung den Kern ausmachen.
Kapitel 4 · Vorbereitung
Die arbeitsrechtliche Basis-Due-Diligence
Vor jeder größeren Restrukturierungsmaßnahme steht eine Aufgabe, die in der Praxis regelmäßig unterschätzt wird: die arbeitsrechtliche Basis-Due-Diligence. Sie ist die Versicherung gegen Überraschungen während der Umsetzung.
Die Basis-DD prüft den Bestand an Arbeitsverträgen, Betriebsvereinbarungen, Tarifregelungen, Bonus- und Pensionszusagen und sonstigen kollektivrechtlichen Bindungen darauf, ob Hindernisse bestehen, die die geplante Maßnahme einschränken oder verhindern können.
Ein Beispiel illustriert die Tragweite. In einer Betriebsvereinbarung zur Einführung eines IT-Systems aus dem Jahr 2018 findet sich der Satz: „Betriebsbedingte Kündigungen aufgrund der Einführung dieses Systems sind ausgeschlossen.“ Eine solche Klausel — in der Praxis nicht selten — kann Jahre später eine Restrukturierung blockieren, deren wirtschaftlicher Hintergrund in einer Automatisierung von Tätigkeiten besteht. Wird sie erst im Rahmen der Konsultation mit dem Betriebsrat sichtbar, ist die gesamte Maßnahme inhaltlich neu zu denken — zu einem Zeitpunkt, an dem die Mandantenstrukturen und die Kommunikation bereits darauf ausgerichtet sind.
Klassisch erfordert eine kursorische Basis-DD für eine mittelständische Konstellation zwischen 15 und 50 Anwaltsstunden. Sie umfasst die Sichtung der einschlägigen Betriebsvereinbarungen, der relevanten Konzernbetriebsvereinbarungen, der Tariflandschaft, der typischen Vertragstypen sowie etwaiger Sozialplan- oder Vereinbarungsreste aus früheren Restrukturierungen.
KI-gestützt lässt sich diese Vorbereitung in einer berücksichtigungsfähigen Tiefe deutlich beschleunigen — vorausgesetzt, die in Stufe 1 aufgebaute Architektur enthält die Prüfschemata, die ein erfahrener Anwalt typischerweise abarbeitet. Auf Stufe 2, in der Mandantendokumente in das System eingehen, können Vertragsbestände und Betriebsvereinbarungen systematisch auf Risikoklauseln durchsucht werden, ohne dass eine manuelle Sichtung jeder einzelnen Anlage erforderlich ist. Die anwaltliche Wertung der Funde — ist eine Klausel im konkreten Kontext bindend, ist sie ausgelaufen, ist sie in der Auslegung streitig — bleibt davon unberührt.
Die Basis-DD ist damit ein konkreter Anwendungsfall, in dem die Stufenlogik des KI-Einsatzes sichtbar wird. Stufe 1 erlaubt eine schnellere und systematischere Prüfungsstruktur. Stufe 2 erlaubt zusätzlich die Anwendung dieser Struktur auf den realen Dokumentenbestand des Mandanten. Stufe 3 würde es ermöglichen, das Wissen aus jeder vorangegangenen Prüfung in die nächste eingehen zu lassen — mit den dargestellten regulatorischen Einschränkungen.
Kapitel 5 · Anwendung
Felder mit belastbarem Effizienzpotenzial in Stufe 2
5.1 Datenextraktion aus Vertragsbeständen
Vor der Verhandlung von Sozialplan und Interessenausgleich muss bekannt sein, was vertraglich geschuldet ist. In der Praxis bedeutet dies typischerweise eine Sichtung von einigen Dutzend bis einigen hundert Arbeitsverträgen samt Anlagen, Bonus-Policies, Dienstwagenregelungen, Wettbewerbsverboten und Pensionszusagen. KI-gestützt lässt sich diese Sichtung in einer Zeitgrößenordnung erledigen, die sich von der manuellen Bearbeitung deutlich unterscheidet. Die Konsistenz ist höher, weil das Modell nicht ermüdet.
5.2 Konsistenzprüfung über Dokumentenstapel
Interessenausgleich, Sozialplan, Anlagen, Massenentlassungsanzeige, Konsultationsschreiben, Anhörungen nach § 102 BetrVG und Begleitkommunikation summieren sich auch in mittelständischen Verfahren auf einen Umfang, in dem Konsistenz nicht länger durch Aufmerksamkeit allein zu sichern ist. Eine KI nimmt diese Prüfung mit gleichbleibender Präzision wahr und identifiziert Widersprüche, semantische Verschiebungen und vergessene Querverweise zuverlässig. Die Rechtsprechung der vergangenen Jahre zeigt, dass auch begrenzte Inkonsistenzen Wirksamkeitsfragen aufwerfen können. Die hier liegende Effizienz ist deshalb nicht nur eine Zeitfrage, sondern eine Qualitätsfrage.
5.3 Erstentwurf der Massenentlassungsanzeige
Die Massenentlassungsanzeige nach § 17 KSchG ist ein Beispiel für ein Dokument, dessen formelle Anforderungen ausreichend kodifiziert sind. § 17 Abs. 2 und 3 KSchG, die Massenentlassungsrichtlinie 98/59/EG und die relevante Rechtsprechung des EuGH und des BAG vor allem in der jüngsten Zeit liefern einen geschlossenen Prüfrahmen. Eine sauber gepromptete KI mit hinterlegtem Prüfschema produziert auf dieser Grundlage einen formell vollständigen Erstentwurf. Detailfragen — die Berechnung der in der Regel beschäftigten Arbeitnehmer, die Definition der Berufsgruppen, die Stichtagsfestlegung — werden im Erstentwurf bereits adressiert. Der Iterationsbedarf zwischen Erstentwurf und unterschriftsreifer Fassung verringert sich entsprechend.
5.4 Individuelle Anhörungsschreiben nach § 102 BetrVG
§ 102 BetrVG verlangt die Anhörung des Betriebsrats vor jeder einzelnen Kündigung. Auch im Mittelstand summieren sich diese Anhörungen rasch auf eine zwei- bis dreistellige Zahl. Jede unvollständige oder unrichtige Anhörung führt nach § 102 Abs. 1 Satz 3 BetrVG zur Unwirksamkeit der einzelnen Kündigung. KI-gestützt lässt sich die Massenfertigung aus einer strukturiert gepflegten Sozialdatenmatrix in deutlich kürzerer Zeit erzeugen. Die Anhörungen sind individuell ausformuliert und enthalten die formell zwingenden Bestandteile. Die anwaltliche Endkontrolle erfolgt anschließend, vollständig und nicht nur stichprobenartig.
5.5 Konsultationsverfahren und Whitebook
Aus der Unterrichtung des Betriebsrats nach § 17 Abs. 2 KSchG entwickeln sich in der Praxis konkrete Rückfragen, deren zügige und konsistente Beantwortung im Verlaufe der Interessenausgleichsverhandlungen den Verfahrensgang maßgeblich beeinflusst. Eine KI, die auf typische Rückfragenmuster vorbereitet ist, erzeugt zu jeder eingehenden Anfrage einen ersten Antwortentwurf. Wer Restrukturierungen regelmäßig betreut weiß, dass die Zusammenstellung von Antworten auf Fragen des Betriebsrats in der Praxis sehr häufig das Bottleneck der Verhandlungen darstellen und oft erstaunlich zeitintensiv sind. Eine KI-unterstützte Vorbereitung kann hier einen wirklichen Unterschied machen.
Das Whitebook — das strategische Vorbereitungsdokument — lässt sich in derselben Architektur als laufend aktualisiertes Dokument führen. Die Daten, die dem Whitebook zugrunde liegen, können auch bei der Beantwortung von Fragen des Betriebsrats von der KI herangezogen werden.
Derartige Anwendungen verlangen Stufe 2 und damit den vollen Compliance-Aufbau um die genutzte KI.
Kapitel 6 · Grenzen
Felder, in denen KI vorerst nicht zum Einsatz kommen sollte
6.1 Sozialauswahl-Doktrin
Die Sozialauswahl ist im Rahmen der Umsetzung oft der materiell anspruchsvollste Teil der betriebsbedingten Restrukturierung. Sie verlangt nicht allein die mechanische Anwendung eines Punkteschemas, sondern die vorherige Definition der Vergleichsgruppen, die Bestimmung der „Austauschbarkeit“ von Tätigkeiten, die Prüfung berechtigter betrieblicher Interessen, die Anwendung des Direktionsrechts, und vor allem die Prüfung der Vergleichbarkeit auf individueller Ebene unter Berücksichtigung der konkreten Vorkenntnisse und Ausbildung. Diese Wertungen sind juristisch komplex, betrieblich politisch aufgeladen und betreffen die Lebensumstände konkreter Menschen. Sie gehören zur anwaltlichen Kernarbeit.
6.2 Verhandlung mit dem Betriebsrat
Verhandlungen mit dem Betriebsrat — insbesondere in der Einigungsstelle — leben von Präsenz, Pause, Tonfall und vom Verständnis dafür, dass die Gegenseite keine abstrakte Position vertritt, sondern Belegschaftsinteressen. Diese Dimension ist durch Werkzeuge nicht abzubilden. Sie gehört zur Präsenzleistung der Anwältinnen und Anwälte.
6.3 Anwaltliche Endkontrolle
Jede Massenentlassungsanzeige, jeder Interessenausgleich, jede Anhörung wird vom verantwortlichen Anwalt freigegeben oder unterzeichnet. Diese Freigabe ist die berufsrechtlich vorgeschriebene Endkontrolle nach § 43 BRAO und die haftungsrechtliche Übernahme der Verantwortung. Sie wird durch KI nicht ersetzt, sondern erleichtert: Die Prüfung beginnt nicht mehr beim leeren Blatt.
Kapitel 7 · Honorar
Konsequenz für das Honorarmodell
Wer eine Restrukturierung mit den hier beschriebenen Methoden bearbeitet, ist schneller. Bei reiner Stundenabrechnung sinkt damit das abrechenbare Volumen. Diese Implikation wird in der Marktdiskussion bislang weniger besprochen als die Werkzeuge selbst, obwohl sie für die Honorierungssystematik der nächsten Jahre die zentrale Frage ist.
Eine stete Erhöhung der Stundensätze löst das strukturelle Problem nicht. Die zukunftsfähige Antwort ist ein hybrides Honorarmodell, z.B. Pauschalen für KI-fähige Standardprodukte und Stundensätze für die genuin anwaltliche Eigenleistung, oder ein Festhonorar für das Gesamtpaket, wodurch das Risiko der Effizienzgewinne zu 100% auf den anwaltlichen Berater verlagert wird.
Diese Strukturierung erfordert eine ehrliche Bestandsaufnahme, welche Beratungsleistungen tatsächlich KI-fähig sind und welche nicht. Sie erfordert zudem die Bereitschaft, gegenüber Mandanten transparent zu kommunizieren, an welcher Stelle Effizienz entstanden ist.
Kapitel 8 · Fazit
Eine Bilanz
Effizienzgewinne durch KI in Restrukturierungen sind real. Sie sind aber nicht das Produkt eines Werkzeugs, sondern das Produkt eines vorausgegangenen Aufbaus. Stufe 1 — die Vorbereitung der KI ohne Mandantendaten — entscheidet über die Tragfähigkeit des späteren Einsatzes. Wird sie ohne tiefes Erfahrungswissen aufgebaut, bleiben die Werkzeuge in der Sache leer.
Stufe 2 hebt die Effizienz noch einmal erheblich, ist aber an einen geschlossenen Pflichtenkanon und an die Bereitschaft des Mandanten gebunden. Im Mittelstand und bei Konzerntöchtern ist diese Bereitschaft nicht selbstverständlich; ausländische Konzernvorgaben können zusätzlich blockierend wirken.
Stufe 3 — die persistente Wissensverknetung über Mandate hinweg — verspricht den größten Effizienzgewinn und ist datenschutzrechtlich kritisch. Ihre praktische Verfügbarkeit hängt von einer regulatorischen Entwicklung ab, die es abzuwarten gilt.