1. Juni 2026 · 13 Min. Lesezeit

Legal AI in der M&A-Due-Diligence: Lehren aus dem Google-Wiz-Deal über 32 Mrd. US-Dollar

Legal AIM&A-Due-DiligenceDatenraumreviewKartellrecht

Als Alphabet im März 2025 den Kauf von Wiz für rund 32 Mrd. US-Dollar ankündigte, wurde einer der größten Unternehmensdeals der Branche in Bewegung gesetzt. Der Abschluss im März 2026 folgte erst nach fast einem Jahr intensiver juristischer Vorbereitung (1) (2). Bei Transaktionen dieser Größenordnung entscheidet sich der Erfolg nicht über eine einzelne brillante Klausel, sondern über disziplinierte Due Diligence in riesigen Dokumentenmengen. Genau hier kann quellenbasierte Legal AI den Arbeitsablauf von Juristinnen und Juristen deutlich verbessern.

Warum ein Mega-Deal in die Legal-AI-Debatte gehört

Der Google-Wiz-Deal ist kein Exotisches Randbeispiel, sondern ein realistisches Musterfallbeispiel. Ein Käufer nennt einen Kaufpreis, danach bestätigt die juristische Aufbereitung über Monate hinweg, dass das Zielunternehmen den Annahmen in den Deal-Unterlagen entspricht. Die öffentliche Berichterstattung begleitete den Verlauf von der ersten Anbahnungsphase über ein abgelehntes Angebot von 23 Mrd. US-Dollar bis zur reaktivierten Einigung über 32 Mrd. US-Dollar mit unbedingter EU-Freigabe im Februar 2026 und Vollzug im März 2026 (1) (2) (3).

Hinter dieser öffentlichen Timeline steht aber die eigentliche juristische Kernarbeit: Verträge lesen, den Datenraum prüfen, Risiken kartieren, Disclosure Schedules aufsetzen, behördliche Fragen beantworten und für jedes Ergebnis eine belastbare Dossier-Lage vorhalten. Nichts davon ist spektakulär – dort entstehen aber genau die Engpässe, die den Deal verzögern, Kosten erhöhen und später zu Streit nach dem Closing führen können.

Für jedes Deal-Team gilt dieselbe praktische Frage: Wie lassen sich bei Zehntausenden von Verträgen, Richtlinien, Finanzdaten, IP-Registern, Personalunterlagen und regulatorischen Dokumenten Risiken früh erkennen, vollständig aufbereiten und dabei durchgängig belegbar dokumentieren?

Die Due-Diligence-Herausforderung im Transaktionsmaßstab

Jede Unternehmenskonsolidierung endet als Leseproblem. Ein Datenraum für eine relevante Transaktion kann Tausende Dokumente enthalten – von Corporate über Commercial, Employment, IP, Datenschutz, Litigation, Steuern bis zu Regulatory. Entscheidend sind die wenigen Klauseln, die wirklich Wertverlagerungen verursachen oder wesentliches Risiko tragen: Change-of-Control-Trigger, Exklusivitäts- und Wettbewerbsverbote, Abtretungsbeschränkungen, unübliche Freistellungen, Kündigungsrechte, Datenschutzrisiken und laufende Verfahren.

Der Druck ist strukturell: Due Diligence läuft unter Signing- oder Closing-Druck, während der Datenbestand laufend mit Nachlässen aus dem Datenraum wächst. Oft verstecken sich die wichtigsten Punkte in langen, scheinbar routinehaften Vereinbarungen – bis ein einzelner definierter Begriff alles verändert. Die richtige Erkenntnis liegt selten in einem isolierten Dokument, sondern im Muster über viele Unterlagen hinweg.

Bei grenzüberschreitenden Transaktionen verstärkt sich dieser Druck weiter. Google-Wiz zeigt das klar: Kartellrechtliche Prüfung, Investment-Review und sektorspezifische Aufsichten kamen parallel zur klassischen Vertragsprüfung hinzu (3) (4). Jedes Regime fordert eigene Nachweise, eigene Fristen und denselben zugrundeliegenden Datenbestand.

Was quellenbasierte Legal AI tatsächlich verbessert

Legal AI wirkt in der Due Diligence dann besonders gut, wenn sie Juristinnen und Juristen dabei unterstützt, Datenvolumen in Struktur zu übersetzen. Nicht die stilistische Qualität eines Textes entscheidet, sondern die Fähigkeit, die relevanten Klauseln schnell zu finden, fachlich korrekt zu gewichten und direkt zur Grundlage zurückzusetzen. Eine professionelle Plattform verbessert Due Diligence an mehreren Punkten:

Erst-Triage: Datenräume nach Dokumententyp, Vertragspartner, Risiko- und Relevanzkriterien ordnen, damit die Review mit dem entscheidungsrelevanten Material beginnt.
Klausel-Extraktion: Change-of-Control-, Abtretungs-, Exklusiv-, Kündigungs-, Freistellungs- und Haftungsbegrenzungsklauseln identifizieren und mit präzisem Dokument- und Seitenbezug verlinken.
Risikomarkierung: Ungewöhnliche Bedingungen, fehlende Unterzeichnungen, abgelaufene Vereinbarungen und provisionswidrige Klauseln hervorheben, die den Annahmen des Deals widersprechen.
Themenorganisation: Befunde in Due-Diligence-Kategorien wie Corporate, Commercial, IP, Employment, Datenschutz, Litigation und Regulatory für Berichte und Disclosure Schedules sauber strukturieren.
Regulatorische Arbeitsunterlagen: Unterlagen für Fusionskontrolle, Investitionsprüfung und Branchennachweise aus einem konsistenten, belegbaren Materialkorb zusammenführen.
Q&A-Unterstützung: Gezielte Recherchen direkt auf freigegebenen Datenraummaterialien ausführen, ohne die Dokumentation in eine ungesicherte Einzelaussage zu verwandeln.
Review-Übergaben: Den großen Dokumentensatz in prüfbare Pakete für Associate, Partner, Spezialisten und Mandant:innen überführen.

Keines dieser Elemente ersetzt die Verantwortung der Juristinnen und Juristen. Es verändert den Startpunkt: Statt viele Stunden mit der bloßen Suche zu verbringen, beginnt das Team mit einer quellenverknüpften Karte des Datenraums, die sich prüfen, korrigieren und präzisieren lässt.

Ein besserer Workflow für die Datenraum-Review

In einer großen Transaktion sollte ein Legal-AI-Workflow mit klarer Struktur starten, nicht mit dem finalen Entwurf. Der erste operative Output ist kein perfekt formulierter Due-Diligence-Bericht, sondern ein belastbares Arbeitsbild dessen, was der Datenraum tatsächlich enthält.

Scope definieren: Vor Beginn der Review Dokumententypen, Zeiträume, Sprachen, Jurisdiktionen, Wertkategorien und Zugriffsrechte eindeutig festlegen.
Nach Risiko triagieren: KI-gestützte Priorisierung für hochrelevante Verträge, regulierte Tätigkeiten sowie Change-of-Control- und Abtretungsthemen einsetzen.
Kernklauseln extrahieren: Die Klauseln identifizieren, die Wert und Risiko prägen, und sie mit eindeutig referenzierbaren Dokumenten verknüpfen.
Fakt und Schlussfolgerung trennen: Dokumentieren, was der Vertrag sagt, was der Verkäufer zusichert, welche rechtliche Einschätzung das Team trifft und welche Punkte offen nachgereicht werden müssen.
Issue-Liste aufbauen: Erkenntnisse nach Due-Diligence-Themen sortieren und klaren Reviewer:innen zuordnen.
Review-fähige Ergebnisse finalisieren: Due-Diligence-Bericht, Red-Flag-Memo und Disclosure Schedules erst nach belastbarer Quellenprüfung freigeben.

Genau dort wird Legal AI in Corporate- und Kartellrechtsteams wirksam: Sie entscheidet nicht, ob ein Deal gemacht wird; sie hilft, dass ein materielles Risiko nicht im Dokumentenstrom untergeht.

Die Mega-Deal-Lehre: Quellenverknüpfung macht den Unterschied

Wenn es im Transaktionsrecht um konkrete Vereinbarungen, Verpflichtungen oder Rechte geht, sind unbelegte Zusammenfassungen besonders riskant. Eine sauber formulierte Aussage kann leicht Pflicht, Entwurf, Side Letter, abgelaufenes Dokument oder reine Arbeitshypothese verschleiern. Bei einem Milliarden-Deal ist das kein akademisches Problem: Es prägt den Kaufvertrag, die Freistellungen, die Disclosure Schedules und die Risikoverteilung nach Closing.

Eine quellenbasierte Legal-AI-Plattform muss den Quellenpfad transparent halten. Wird eine Change-of-Control-Klausel markiert, muss die Juristin oder der Jurist den Vertrag sofort öffnen und prüfen können. Bei kollidierenden Dokumenten müssen beide Fassungen direkt nebeneinander verfügbar sein. Wenn eine Aussage nicht belegbar ist, sollte das System das klar kennzeichnen statt eine vermeintlich sichere, aber nicht nachprüfbare Formulierung auszugeben.

Das ist keine technische Spielerei, sondern professionelle Notwendigkeit: Das Deal-Team braucht Transparenz darüber, ob ein Befund in eine Repräsentation aufgenommen werden kann, ob er in den Disclosure Letter gehört, die Closing-Klauselfrage besteht und ob eine Mandanteneskalation vor Signing notwendig ist.

Wo Legal AI den regulatorischen Strang stärkt

Große Transaktionen brauchen neben der Vertragsprüfung auch belastbare Freigabeprozesse. Die Google-Wiz-Transaktion stand von Anfang an unter kartellrechtlicher Beobachtung und konnte erst nach unbedingter EU-Freigabe im Februar 2026 vollzogen werden (3) (4). Fusionskontrolle, Investitionsprüfung und sektorspezifische Aufsichten laufen parallel zum kommerziellen Deal und haben jeweils eigene, dokumentenintensive Abläufe. Genau hier ist Legal AI operativ hilfreich.

Filing-Vorbereitung: Dokumente für Unternehmenskonzentrations- und Marktanalysen aus einem konsistenten, quellenbelegten Bestand zusammenführen.
Auskunftsersuchen: Behördenanfragen strukturiert zuordnen und früh erkennen, welche Dokumente noch fehlen.
Overlap-Analyse: Materialien ordnen, die Überschneidungen zwischen den Parteien der Transaktion abbilden, damit Jurist:innen und Wirtschaftsprüfungen gemeinsam bewerten können.
Mehr-Jurisdiktions-Tracking: Fristen, Bedingungen und Zusagen zwischen unterschiedlichen Aufsichtsregimen angleichen, die ähnliche Informationsanforderungen in unterschiedlicher Form stellen.
Konsistenzprüfungen: Diskrepanzen sichtbar machen, wenn Filing, Vertrag oder Board Paper in unterschiedliche Richtungen weisen.
Privilege-Bewusstsein: Vertraulichkeits- und Privilegiengrenzen beachten, wenn ein Datensatz kommerzielle, regulatorische und streitige Arbeitspfade speist.

Der Mehrwert liegt nicht nur in Geschwindigkeit. Er liegt in früher Transparenz darüber, welche Fragen Aufsichten erwarten könnten und ob die Akte diese Fragen belastbar beantwortet.

Was KI nicht leisten sollte

Ein professioneller KI-Einsatz in M&A verlangt klare Grenzen. KI darf nicht entscheiden, ob ein Risiko materiell ist, welches Freistellungspaket angemessen ist oder welche Punkte in den Disclosure Schedule gehören. Sie ersetzt keine Spezialprüfung im Steuer-, Kartellrechts- oder Datenschutzbereich und keine wirtschaftliche Gesamtbeurteilung, die von Team, Mandant und Management gemeinsam getragen wird.

Praktische Risiken bleiben real: Ein Modell kann komplexe Klauseln zu stark vereinfachen, die Bedeutung eines Side Letters unterschätzen, häufiges Boilerplate zu hoch gewichten oder verbindliche Pflicht versus nicht bindende Absichtserklärung verwischen. Es kann außerdem souverän formulieren, obwohl der Workflow keine harte Rückkopplung auf die Quelldokumente erzwingt.

Darum sind belastbare Due-Diligence-Workflows konservativ: KI dient dem Finden, Strukturieren und Überprüfen des Datenraums – nicht als Instanz, die die Deal-Entscheidung ersetzt.

Wie Jurist:innen die Lehre sofort umsetzen können

Ein US$32-Mrd.-Deal ist außergewöhnlich in der Größe, aber das Verfahren gilt im normalen Corporate-Alltag genauso: Mid-Market-Käufe, Carve-outs, Joint Ventures, Finanzierungen, Immobilienportfolios oder Private-Equity-Add-ons erzeugen dieselbe Konstellation aus Dokumentenflut, knapper Zeitschiene und hoher Fehlerkostenquote. Die Umsetzung beginnt mit einfachen Regeln auf Mandatsniveau.

Jede von KI markierte Klausel muss auf den Quellvertrag und die korrekte Seite verlinken.
Jeder Due-Diligence-Befund muss zwischen Vertragsfakt, Verkäuferzusage, juristischer Schlussfolgerung und offener Frage unterscheiden.
Jeder Red-Flag-Punkt braucht eine Rechtsfreigabe, bevor er in Kaufvertrag oder Disclosure Schedules einfließt.
Jede regulatorische Einreichung ist gegen die zugrunde liegenden Dokumente zu prüfen, nicht gegen Zwischenzusammenfassungen.
Jede Suche im Datenraum muss Zugriffsrechte, Vertraulichkeit und Ethical Walls respektieren.
Jede Plattformeinführung sollte vor dem Rollout in einem reproduzierbaren Due-Diligence-Workflow getestet werden.

Diese Regeln sind keine Anti-AI-Haltung. Sie sind die Voraussetzung dafür, dass KI in einem Umfeld wirklich nützt, in dem ein Fehler direkt zu Preisnachlässen, Freistellungsstreitigkeiten oder Post-Closing-Litigation führen kann.

Wie LexVera in diesen Kontext passt

LexVera ist dafür ausgelegt, Legal AI als Unterstützung für prüfbare Rechtsarbeit zu positionieren – nicht als Ort isolierter Antworten. In dokumentenintensiven Transaktionen bedeutet das: Juristinnen und Juristen sollen mühelos zwischen Datenraumdateien, Recherchen, Präzedenzfällen, Notizen und Entwurfsständen wechseln können, ohne den Quellenbezug zu verlieren.

Für Corporate- und Wettbewerbsrechtsteams kann LexVera bei der Strukturierung der Transaktionsunterlagen helfen, quellenbasierte Zusammenfassungen vorbereiten, Issue-Listen aufbauen, relevante Klauseln in großen Mengen schneller finden, beim Drafting unterstützen und Due-Diligence-Ergebnisse direkt an belastbare Rechtsquellen binden. Die Plattform versteckt nicht die Komplexität eines Deals; sie macht sie unter Deal-Druck handhabbar.

Das ist entscheidend, weil Due Diligence selten über einen einzigen Prompt läuft. Sie ist ein Prozess: Datenraum abgrenzen, Risiken priorisieren, Quellen prüfen, Entwürfe in kontrollierten Stufen erstellen, professionell reviewen und kontinuierlich aktualisieren, während der Verkäufer weitere Dokumente einstellt. Legal AI schafft Vertrauen, wenn sie diesen Prozess stärkt statt ihn zu umgehen.

Fragen vor KI-Einsatz in einem Deal

Bevor ein Deal-Team Legal AI in einer Akquisition, Finanzierung oder regulatorischen Anmeldung nutzt, sollten konkrete kontrollierte Fragen definiert werden:

Kann die Plattform für jede markierte Klausel den Vertrag samt Seite sofort anzeigen?
Kann sie Zielunterlagen, öffentliches Recht, Kanzlei-Präzedenzfälle und Nutzerannahmen sauber trennen?
Kann der Zugriff rollen- und Workstream-spezifisch nach Deal, Dokumenttyp oder Ethical-Wall-Segment eingeschränkt werden?
Wie werden vertrauliche Datenraumdaten und privilegierte Analysen technisch voneinander getrennt?
Was passiert, wenn ein Befund im hochgeladenen Material nicht belegbar ist?
Kann das Team ungewöhnliche Bedingungen, Lücken und Unsicherheiten als prüfbaren Ausgabewert behandeln?
Bleiben Ausgaben korrigierbar, wenn der Datenraum wächst und der Deal fortschreitet?
Bietet die Plattform der Partneraufsicht genügend Kontext für spätere Audits?

Die richtigen Antworten sind praktisch und evidenzgeführt. Deal-Teams benötigen Systeme, die zeigen, was die Akte tatsächlich trägt – nicht Tools, die suggerieren, den gesamten Deal zu kennen.

Fazit

Der Google-Wiz-Deal zeigt: Auch der größte Deal bleibt diszipliniertes Lesen in großem Maßstab – unter Zeitdruck, mit parallel laufenden regulatorischen Anforderungen. Legal AI entscheidet weder über die ökonomische Tragfähigkeit noch über die materiellen Bedingungen eines Deals. Richtig eingesetzt hilft sie jedoch, die zentralen Bestimmungen schneller zu finden, sauber zu ordnen und den Quellenpfad hinter jeder Markierung transparent zu halten.

Das ist das stärkste Versprechen von Legal AI im Jahr 2026: keine autonome Dealbewertung, sondern schnellere Due Diligence mit besserer Quellensteuerung. Bei transaktionell relevanten Volumen und engem Zeitplan steigt dadurch die Beratungsqualität vor Signing deutlich.

Legal AI sollte keinen Deal abschließen, bevor der Datenraum vollständig nachvollzogen ist. Ihre Aufgabe ist es, Juristinnen und Juristen die Dokumente so klar zu machen, dass sie den Deal selbst kompetent beraten, verhandeln und verteidigen können.