KI im Vertragsmanagement: Einfach effizienter prüfen

Doch mit steigender Menge und Vielschichtigkeit der Regelwerke wird es immer aufwändiger, sämtliche Bestandsverträge manuell zu überprüfen. Denn neben der fristgerechten Anpassung der Verträge mit den IKT-Drittdienstleistenden müssen weitere Hürden gemeistert werden.

Herausforderungen im Vertragsmanagement

· Gap-Analyse ist aufgrund manueller Sichtung sehr zeitaufwändig
· Sehr hohe Anzahl an anzupassenden Bestandsverträgen bringt die Prüfung an Ressourcenengpässe
· Priorisierung und Scoping sind bezüglich eines risikobasierten Ansatzes während der Prüfung der Bestandsverträge schwierig
· Hoher Anpassungsbedarf bei Verträgen zu Non-Outsourcings
· Die Datenqualität der Vertragsdatenbank ist häufig mangelhaft
· Identifikation/Definition von IKT-relevanter Dienstleistungen oft langwierig
· Fehlende Awareness zu Vertragsanpassungen bei IKT-Dienstleistenden

Wie GenAI das Vertragsmanagement vereinfachen kann

Um den Herausforderungen zu begegnen, setzen wir bei Exxeta ein GenAI ein. Dabei helfen uns die KI-Algorithmen, die auf maschinellem Lernen (ML) und Natural Language Processing (NLP) basieren, wesentliche Schritte wie die Gap-Analyse und Priorisierung der Verträge mit beispielloser Geschwindigkeit und Präzision durchzuführen. Zum Beispiel auf dem Weg zur DORA-Compliance im Vertragsmanagement, wobei der Prozess vier typische Schritte umfasst.

Unser KI-gestütztes Tool kann hier die Schritte zwei und drei automatisieren und damit deutlich effizienter auszuführen. Dabei gilt: Je mehr Vertragsprüfungen mit der KI durchgeführt werden können, desto mehr Zeit spart man am Ende ein. Mit dem Vorteil, dass sich die ansonsten mit der Vertragsprüfung beschäftigen Jurist:innen sofort für wertschöpfendere Tätigkeiten einsetzen lassen.

In 4 Schritten zur vertraglichen DORA-Compliance

1. Sichtung und Priorisierung der Bestandsverträge (manuell)
Alle bestehenden Verträge werden gesichtet und dahingehen priorisiert, welche davon zuerst überprüft und aktualisiert werden müssen.

2. Gap-Analyse relevanter Verträge
Die KI ist in der Lage, eine sehr große Anzahl an Verträgen automatisch zu durchsuchen und daraufhin zu analysieren, ob Lücken oder Klauseln fehlen.

3. Priorisierung und Scoping
Indem die KI die Verträge nach vorgegebenen Kriterien priorisiert, wird ein risikobasierter Ansatz erleichtert. So kann man sich auf die wichtigsten Verträge fokussieren und den Prüfprozess optimieren.

4. Verhandlung und Aktualisierung der Verträge (manuell)
Um die erforderlichen Änderungen und Ergänzungen vorzunehmen, werden die relevanten Verträge neu verhandelt und unterschrieben.

Mit Training zum KI-Vertragsmanagement-Meister

Nach dem Input, der Prüfung und Kategorisierung sowie Evaluierung und Einstufung macht ein Ampel-Reporting potenzielle Compliance-Probleme sofort sichtbar. Auch positive Anmerkungen und Verbesserungsbedarfe sind integiert. Die Ergebnisse müssen jedoch noch manuell überprüft werden, wobei dieser Schritt gemäß BaFin-Vorgaben sowieso unerlässlich ist.

Dabei dienen die Ja- oder Nein-Entscheidungen gleichzeitig als Trainingsdatensätze, um die KI kontinuierlich zu verbessern und die Haftungssicherheit zu erhöhen. Ohnehin lernt die KI anhand der spezifischen Unternehmensdaten ständig dazu und liefert dadurch immer bessere Ergebnisse.

Die können sich sehen lassen: Wenn die Zeitersparnis bereits zu Beginn bei rund 25 % liegt, kann sie sich im weiteren Verlauf auf 60 bis 70 % erhöhen. So wird das Vertragsmanagement immer effizienter und zuverlässiger, während sich gleichzeitig die Compliance-Risiken minimieren.

Welche Herausforderungen es im KI-Vertragsmanagement gibt

Der Einsatz von KI im Vertragsmanagement birgt allerdings auch Herausforderungen. Ein zentrales Problem ist die hohe Interpretierbarkeit der Richtlinien und die große Varianz in den Verträgen. Zudem fehlen oft initiale Trainings- und Testdaten, die für eine präzise KI-Modellierung unverzichtbar sind.

Exxeta begegnet diesen Herausforderungen mit mehreren Lösungsansätzen: Identifizierte Aspekte werden segmentiert, klassifiziert und anonymisiert, um sie als Trainingsdaten zu nutzen. Ein initialer Start mit einem Pre-Trained Large Language Model (LLM) hilft dabei, die anfänglich geringe Präzision durch Engineering und grobgranulare Klassifizierung zu mitigieren. Und natürlich wird auch menschliches Feedback genutzt, um die Genauigkeit der Klassifizierung kontinuierlich zu verbessern.

Ein weiterer Lösungsansatz beinhaltet die Anpassung der Dokumente, um nachvollziehbare, geprüfte Dokumente mit Annotationen im Prüfprozess zu erstellen. Zusätzlich werden Testdaten aus manuell bestätigten und automatisch klassifizierten Vertragsfragmenten abgeleitet. Um dann noch eine umfassende Validierung und Verbesserung des KI-Modells zu gewährleisten, werden synthetische Testdaten aus qualitätsgesicherten Input-Daten erstellt.

Beschleunige dein Vertragsmanagement mit KI

Gut, dass erste Kund:innen bereits unseren Proof of Concept nutzen, um das Potenzial von KI für das eigene Vertragsmanagement zu evaluieren. Und weil nicht nur DORA eine enge Timeline für die Aktualisierung und Verhandlung von IKT-relevanten Dienstleisterverträgen setzt, ist es umso besser, dass sich unser KI-gestütztes Vertragsmanagement auf weitere regulatorische Anforderungen übertragen lässt. Lediglich die Prüfparameter müssen entsprechend angepasst werden.

Dabei ist die Lösung so flexibel, dass sie über die Cloud oder On-Premise genutzt werden kann. Und so einfach zu nutzen, dass weder besonderen Schulungen noch Kenntnisse nötig sind.