Vertragsversionen und Lastenhefte mit KI vergleichen: jede Änderung und ihre Bedeutung

Zwei Versionen eines Dokuments mit lokaler KI vergleichen

Um zwei Versionen eines Vertrags oder eines Lastenhefts mit KI zu vergleichen, findet zuerst ein klassischer Vergleich jede geänderte Stelle, und ein Sprachmodell auf Ihrer eigenen Workstation ordnet die Änderungen dann und erklärt die wichtigen: eine neue Pflicht, eine verschobene Frist, eine engere Toleranz, eine andere Haftungsgrenze. Das Modell zitiert alten und neuen Wortlaut nebeneinander, und eine Person in Einkauf, Rechtsabteilung oder Entwicklung entscheidet, was angenommen wird. Nach unserer Regel für Nutzer je Karte betreibt eine NVIDIA RTX PRO 5000 Blackwell mit 48 oder 72 GB für eine Abteilung Qwen3.8-27B, ein Modell mit 27 Milliarden Parametern, das bis zu 262.144 Token liest.

Die Situation kennen viele Unternehmen. Ein Lieferant schickt den Rahmenvertrag als sauberes PDF zurück und schreibt, es seien nur „kleinere Anpassungen“. Ein Kunde gibt Revision C seines Lastenhefts heraus, vierzig Seiten ohne Änderungsliste. Ihre Rechtsabteilung erhält den dritten Entwurf der Gegenseite ohne Änderungsverfolgung. Beide Fassungen Zeile für Zeile zu lesen kostet einen Nachmittag, und das eine geänderte Wort, auf das es ankommt, übersieht man auf Seite 31 leicht.

Dieser Leitfaden richtet sich an Einkauf, Vertragsmanagement und Entwicklung, die solche Vergleiche machen, und an die IT, die das System einrichtet. Die Lieferbedingungen eines Lieferanten mit Ihren eigenen Einkaufsbedingungen abzugleichen ist eine andere Aufgabe, die unser Leitfaden zur Vertragsprüfung im Einkauf behandelt; hier geht es darum, was sich zwischen zwei Versionen desselben Dokuments geändert hat. Packmittel- und Etiketten-PDFs mit dem freigegebenen Mastertext abzugleichen ist eine dritte Aufgabe, die unser Leitfaden zur Druckfreigabe von Packmitteln mit KI behandelt.

Was ein Wortvergleich zeigt und was er Ihnen überlässt

Ein Vergleichsprogramm, oft Diff genannt, listet jedes eingefügte und gelöschte Wort zwischen zwei Texten. Die Vergleichsfunktion von Word stellt im Modus „legal blackline“ laut Supportartikel zwei Dokumente gegenüber und zeigt die Unterschiede in einem dritten, neuen Dokument, mit den Änderungen als nachverfolgte Änderungen; die verglichenen Dokumente bleiben unverändert, und Sie wählen, ob Kommentare und Formatierung mitzählen. „Dokument vergleichen“ in LibreOffice Writer markiert Text, der nur in der neueren Fassung steht, als Einfügung und entfernten Text als Löschung, ebenfalls als Änderungen zum Annehmen oder Ablehnen; laut Hilfe steht die Überarbeitungsfunktion für Textdokumente und Tabellendokumente zur Verfügung.

Supportartikel zu Word (Option „legal blackline“), LibreOffice-Hilfe zum Vergleichen von Dokumenten und Python-Dokumentation zu difflib, gelesen am 30. Oktober 2026; letzte Zeile unsere Beschreibung des Verfahrens unten.

Für das, was sie vergleichen, sind diese Werkzeuge genau und vollständig. Welche Änderungen zählen, sagen sie nicht. Eine neu nummerierte Klausel erzeugt Dutzende Markierungen und bedeutet nichts; aus „muss“ wird „kann“, ein Wort, und eine Pflicht ist keine mehr; eine Toleranz von ±0,05 mm, die zu ±0,1 mm wurde, sind wenige Zeichen in einer Tabelle. Der Word-Artikel erwähnt keine PDF-Dateien, und viele überarbeitete Dokumente kommen als PDF; zuerst ist also eine Umwandlung nötig.

Der Diff findet die Änderungen, das Modell erklärt sie

Dieses Verfahren nutzt die Stärke beider Seiten. Das Vergleichsprogramm findet jede Änderung, und das Sprachmodell liest nur diese Änderungen mit ihrem Umfeld und bewertet sie. Weil die Liste der Änderungen aus dem Diff stammt, kann das Modell keine Änderung hinzufügen, die der Diff nicht gefunden hat, und jede Änderung bleibt auf der Liste, auch wenn das Modell sie falsch einstuft.

1. Umwandeln. Beide Fassungen werden zu strukturiertem Text mit Überschriften, Klauselnummern und Tabellen. Docling, ein offener Konverter unter der MIT-Lizenz, liest PDF, DOCX, PPTX, XLSX, HTML und weitere Formate; seine Beschreibung nennt „page layout, reading order, table structure“ unter dem, was es erkennt, und es läuft lokal, nach eigener Angabe auch für sensible Daten und Umgebungen ohne Netzverbindung. Die jüngste Version auf PyPI, 2.145.0, erschien am 29. Oktober 2026.
2. Zuordnen. Die beiden Fassungen werden nach Abschnitt und Klausel einander zugeordnet, damit eine neue Nummerierung nicht als Änderung jeder Klausel zählt.
3. Vergleichen. Für jedes Abschnittspaar listet ein Vergleich die geänderten Stellen mit Klauselnummer und Seite. difflib aus der Standardbibliothek von Python erzeugt wahlweise einen Unified Diff oder eine HTML-Tabelle nebeneinander mit Hervorhebung der Änderungen zwischen und innerhalb von Zeilen.
4. Erklären. Zu jeder Änderung erhält das Sprachmodell die Klausel in beiden Fassungen und die Definitionen, auf die sie verweist, und gibt die Art der Änderung zurück (redaktionell oder inhaltlich; Pflicht, Frist, Betrag, Toleranz, Haftung, Leistungsumfang), beide Wortlaute und einen Satz dazu, was sich in der Wirkung ändert.
5. Kontrollieren. Ein Skript prüft, dass jeder zitierte Wortlaut wörtlich in seiner Fassung steht; ein Zitat, das sich nicht finden lässt, schickt die Zeile zurück in die Prüfung.
6. Entscheiden. Die prüfende Person geht die Liste durch, inhaltliche Änderungen zuerst, und Anwalt oder verantwortliche Ingenieurin erhalten die Zeilen, die sie betreffen.

Ein zweiter Modus hilft bei Querverweisen. Ändert sich eine Definition, etwa des „Liefertermins“ oder der „Abnahme“, ändern Klauseln an anderer Stelle ihre Bedeutung, ohne dass sich ein Wort in ihnen ändert. Dann liest das Modell beide vollständigen Fassungen in einer Anfrage und beantwortet eine genaue Frage: Welche Klauseln verwenden die geänderte Definition, und was ändert sich für jede? Dafür braucht es einen langen Kontext, siehe unten.

Sie können die Workstation allein bestellen, die Einrichtung von Docling, dem Vergleichsskript und einem lokalen Modell allein oder beides zusammen: die Workstation mit allem fertig installiert und eingerichtet; schreiben Sie uns, wir schlagen Ihnen die beste Lösung für Ihre Aufgaben und Ihr Budget vor.

Änderungen in Lastenheften, Tabellen und Toleranzen erkennen

Technische Spezifikationen stellen die wichtigen Werte in Tabellen: Maße und Toleranzen, Werkstoffe, Prüfbedingungen, Abnahmekriterien. Ein Vergleich von reinem Text, der aus einer PDF-Tabelle gezogen wurde, bringt Zellen leicht durcheinander, sodass ein geänderter Wert einen unübersichtlichen Block von Änderungen erzeugt. Docling erkennt die Tabellenstruktur und gibt Zeilen und Zellen als Markdown, HTML oder JSON aus; eine geänderte Toleranz wird so zu einer geänderten Zelle in einer benannten Zeile, die das Modell als „Zeile ‚Bohrungsdurchmesser‘, Toleranz von ±0,05 mm auf ±0,1 mm“ melden kann.

Zur Geschwindigkeit veröffentlicht Docling einen Benchmark: Auf einer Cloud-Instanz mit einer NVIDIA L40S wandelte die Standard-Pipeline ohne OCR ein PDF mit 192 Seiten und 95 Tabellen mit 3,1 Seiten pro Sekunde um. Ein Lastenheft mit 200 Seiten braucht für die Umwandlung nach unserer Schätzung also etwa eine Minute, auf vergleichbarer Hardware. Die GPU-Seite von Docling vermerkt, dass die Erkennung der Tabellenstruktur derzeit kein GPU-Batching nutzt („currently not using GPU batching“); messen Sie ein Lastenheft mit vielen Tabellen deshalb auf Ihrer eigenen Hardware.

Lassen Sie das Modell jede geänderte Zahl mit Einheit und beiden Werten melden, und lassen Sie ein Skript prüfen, dass beide Werte im Quelltext vorkommen. Zeichnungen, auf die das Lastenheft verweist, brauchen einen eigenen Vergleich; ein Scan braucht zuerst eine Texterkennung, wie unsere Leitfäden zum PDF-Parsing mit Docling und MinerU und zu Vision-Language-Modellen für Dokumenten-KI erklären.

Dokumentlänge, Token und GPU-Speicher

Sprachmodelle zählen Text in Token, also Wortteilen. Unser Planungswert ist 2 Token pro Wort für Deutsch; ein Preprint vom Mai 2026 zählt im Mittel 1,76, wie unser Artikel zu Token pro Wort in europäischen Sprachen berichtet. Ein Vertrag mit 40 Seiten und etwa 20.000 Wörtern hat dann etwa 40.000 Token, beide Fassungen mit Anweisungen zusammen etwa 85.000, nach unserer Schätzung. Im Diff-Modus enthält jede Anfrage eine geänderte Klausel mit Umfeld, nach derselben Schätzung einige tausend Token; nur der Querverweis-Modus braucht beide vollständigen Fassungen auf einmal.

Qwen3.8-27B ist ein Modell in der passenden Größe für diese Arbeit. Seine Karte nennt einen nativen Kontext von 262.144 Token, die Lizenz ist Apache 2.0, und es gibt zwei komprimierte Versionen: die FP8-Version von Qwen mit 30,9 GB und den meisten Gewichten in 8 Bit sowie NVIDIAs NVFP4-Version mit 21,9 GB, die die meisten Gewichte in einem 4-Bit-Format speichert und laut Karte für kommerzielle und nicht kommerzielle Nutzung bereit ist. Die Karte nennt keine unterstützten Sprachen; testen Sie also mit Dokumenten in jeder Sprache, die Sie erhalten. Der Denkmodus, in dem das Modell vor der Antwort seine Überlegungen ausschreibt, ist standardmäßig an und lässt sich pro Anfrage abschalten; testen Sie beide Einstellungen mit Ihren eigenen Änderungen.

Der GPU-Speicher hält das Modell und einen Arbeitsbereich für jede laufende Anfrage. Unsere Regel für Nutzer je Karte nimmt 90 Prozent des Speichers, den der Treiber meldet, zieht 3 GiB pro Karte und dann die Gewichte ab. Nach unserer Rechnung aus der Konfigurationsdatei des Modells braucht eine Anfrage mit 128K Token, genug für beide Fassungen eines langen Vertrags, etwa 4,1 GiB Arbeitsbereich. Eine Anfrage mit 32K braucht etwa 1,1 GiB und die vollen 262.144 Token etwa 8,1 GiB, mit dem Arbeitsbereich in FP8 wie in NVIDIAs Serving-Beispiel.

Unsere Schätzung nach der Regel für Nutzer je Karte; Gewichte von den Dateiseiten auf Hugging Face zu nvidia/Qwen3.8-27B-NVFP4 (21,9 GB) und Qwen/Qwen3.8-27B-FP8 (30,9 GB); FP8-Arbeitsbereich aus der Konfigurationsdatei des Modells, gelesen am 30. Oktober 2026; die Zeile RTX PRO 6000 gilt für jede Edition.

Eine Anfrage mit 128K Token braucht außerdem Rechenzeit, bevor das erste Wort der Antwort erscheint. Für so lange Anfragen auf RTX-PRO-Karten haben wir keinen veröffentlichten Wert gefunden; prüfen Sie die Antwortzeit also mit Ihren eigenen Dokumenten auf der geplanten Karte.

Welche Workstation für den Dokumentvergleich

Der Vergleich ist Büroarbeit in Schüben: einige Dokumente pro Woche im Einkauf, mehr vor einer Vertragsunterzeichnung oder der Freigabe eines Lastenhefts. Das spricht für eine Workstation pro Abteilung und für die nächste Stufe, wenn sich mehrere Abteilungen eine Workstation teilen.

Unsere Schätzung nach der Regel für Nutzer je Karte aus der Speichertabelle oben; RTX PRO 5000 mit 300 W laut NVIDIAs Produktseite; Server wie in unserem Leitfaden zur Vertragsprüfung im Einkauf.

Die RTX PRO 5000 Blackwell nimmt bis zu 300 W auf und hat 48 oder 72 GB; die Karte mit 72 GB hält die FP8-Version mit Platz für mehrere Vergleiche in voller Länge. Die RTX PRO 6000 Workstation Edition ist eine 600-W-Karte, und zwei davon sind das realistische Maximum in einer Workstation; drei oder vier RTX PRO 6000 Max-Q gehören nur in ein Gehäuse, das dafür gebaut ist, mit starkem, gerichtetem Luftstrom. Läuft der Vergleich neben der Vertragsprüfung und einem Assistenten für alle Mitarbeitenden, passt ein Server besser, wie unser Leitfaden zur Vertragsprüfung im Einkauf für einen Server mit zwei Karten zeigt.

Wir bauen diese Workstations nach Bestellung mit der Software Ihrer Wahl; senden Sie uns die Dokumenttypen, ihre übliche Länge und die Zahl der Vergleiche pro Monat, und unser Team antwortet mit einer Konfiguration.

Ein Test, bevor Sie sich darauf verlassen

Nehmen Sie zehn Paare echter Dokumente, bei denen die Änderungen bekannt sind, zum Beispiel Verhandlungsrunden, in denen Ihr Anwalt die Änderungsverfolgung geführt hat. Die Änderungsverfolgung ist der Lösungsschlüssel.

1. Prüfen Sie, ob der Diff jede Änderung des Schlüssels gefunden hat; das sollte er, und ein Fehlen deutet auf ein Problem bei der Umwandlung.
2. Zählen Sie, wie viele inhaltliche Änderungen das Modell als inhaltlich eingestuft hat und wie viele redaktionelle es fälschlich als inhaltlich gemeldet hat.
3. Prüfen Sie jede geänderte Zahl, Einheit und jedes Datum der Liste gegen beide Fassungen.
4. Lassen Sie den Querverweis-Modus auf zwei geänderte Definitionen laufen und prüfen Sie die Klauseln, die er nennt.
5. Wiederholen Sie das mit Dokumenten in jeder Sprache, die Sie erhalten, und mit Denkmodus an und aus.

Unser Artikel zur Antwortqualität lokaler LLMs und ChatGPT erklärt verständlich, warum Modelle solche Fehler machen. Verträge enthalten Ihre Preise, Mengen und die Bedingungen der Gegenseite; mit dem Modell auf Ihrer eigenen Workstation bleiben sie auf Hardware, die Sie kontrollieren, darum geht es in unserem Artikel zu Geschäftsgeheimnissen, NDAs und KI-Werkzeugen. Die Änderungsliste ist ein Arbeitsdokument; die rechtliche Bewertung einer Änderung bleibt bei Ihrem Anwalt.

Hinweise für die IT

1. Diff-Einstellungen. difflib behandelt häufige Elemente in langen Eingaben standardmäßig als Ballast; die Dokumentation nennt diese Heuristik asymmetrisch und empfiehlt, sie abzuschalten, wo sie stört; setzen Sie für lange Dokumente also autojunk=False.
2. Strukturierte Ausgabe. Fordern Sie die Änderungsliste als JSON nach einem festen Schema an; vLLM nimmt mit jeder Anfrage ein JSON-Schema an.
3. Wortlautprüfung. Prüfen Sie per Skript, dass jeder zitierte Wortlaut in seiner Quellfassung vorkommt.
4. Modelllizenzen. Der Code von Docling steht unter MIT, und sein README bittet, die Lizenzen der einzelnen Modelle zu prüfen, die es lädt.
5. Netz. --api-key von vLLM schützt nur einen Teil der Pfade (Sicherheitsleitfaden zu vLLM 0.32.0); betreiben Sie den Modellserver also im internen Netz.
6. Speicher je Anfrage. Mit einem FP8-Cache braucht das Modell in seinen 16 Schichten mit voller Attention 32 KiB pro Token und in seinen 48 Schichten mit linearer Attention etwa 0,14 GiB Zustand pro Anfrage, nach unserer Rechnung aus seiner config.json.

Unser Service Private AI/ML setzt offene Modelle mit vLLM oder Ollama On-Premise ein, sodass die Dokumente Ihr Netzwerk nicht verlassen.

FAQ