OpenAI gab am 17. November 2026 bekannt, dass Astra for Law – die rechtsspezifische Konfiguration des GPT-6.2-Astra-Modells des Unternehmens – über sein Trusted Access-Programm, einschließlich API-Zugriff, für jeden ChatGPT Enterprise-Kunden geöffnet wird, nachdem das Setup bei Harveys Legal Agent Benchmark den ersten Platz belegt hat.
Der Schritt übernimmt ein Produkt, das seit September einer kleinen Gruppe von Pilotfirmen vorbehalten war, und stellt es der gesamten Unternehmensbasis von OpenAI zur Verfügung, eine Wette, dass spezialisierte Modellkonfigurationen – und nicht neue Basismodelle – die Domänenmärkte gewinnen werden. Weitere Informationen zu dieser Geschichte finden Sie in unserer aktuelle KI-Trends.
Eine Konfiguration, kein neues Modell
Astra for Law ist kein eigenständiges Stiftungsmodell. Es handelt sich um GPT-6.2 Astra, das neueste Frontier-Modell von OpenAI, verpackt in rechtsspezifische Anweisungen und gepaart mit einem speziellen Rechtssuchindex. Das Setup ist für den Kernprozess der juristischen Arbeit konzipiert: Fragen recherchieren, konkurrierende Behörden abwägen und Dokumente verfassen.
Als OpenAI im September 2026 Astra for Law einführte, hieß es, dass der Rechtssuchindex US-Rechtsprechung, Gesetze, Vorschriften, Gerichtsregeln und Verwaltungsentscheidungen abdeckt. Dabei stütze er sich auf die CourtListener-Sammlung des Free Law Project, die mehr als 99,9 % der veröffentlichten US-Präzedenzrechtsprechung abdeckt, und ergänzt lizenzierte Content-Firmen, die bereits bei Anbietern wie Thomson Reuters einkaufen. Harvey und Legora wurden als API-Kunden genannt, die die Konfiguration in ihre eigenen Produkte integrieren, zusammen mit 26 Ökosystem-Plugins, die ChatGPT mit Tools verbinden, die Unternehmen bereits verwenden, wie Relativity und Clio, sowie neuen Datenschutz- und Governance-Kontrollen für vertrauliche Kundenarbeit.
Erster Platz bei Harveys LAB-AA-Benchmark
Das Herzstück der Erweiterungsankündigung ist der Harvey LAB-AA-Benchmark, eine durch künstliche Analyse durchgeführte Version von Harvey's Legal Agent Benchmark. Der Test durchläuft Modelle 120 Aufgaben aus 24 Rechtsgebieten, von der Erstellung von Hinterlegungsplänen über die Überprüfung gewerblicher Mietverträge bis hin zur Abbildung von Eigentumsänderungen bei Übernahmen. Die volle Anerkennung erfordert die Erfüllung aller Anforderungen eines Auftrags, ohne dass ein wesentlicher Anspruch geltend gemacht wird, der nicht durch die Quelldokumente gestützt wird.
Astra for Law erhielt bei 20,8 % der Aufgaben die volle Punktzahl, die Höchstpunktzahl. Der einfache GPT-6.2 Astra schaffte 15,0 %, und der stärkste Nicht-OpenAI-Teilnehmer, Muse Wonder Full, erreichte 13,1 %. OpenAI sagte, dass die legale Konfiguration die Allpass-Grenze fast 40 % häufiger überschritt als die zweitplatzierte Version ihres eigenen Modells – ein Beweis dafür, dass die Anweisungen und der Suchindex und nicht die Rohmodellfähigkeit den Gewinn ausmachten.
Die Konfiguration war zudem deutlich günstiger im Betrieb. Astra for Law erzielte durchschnittlich etwa 64.000 Ausgabe-Tokens pro Auftrag, 54 % weniger als die 139.000 von Muse Wonder Full – eine Lücke, die für Rechtsteams, die nach Nutzung abgerechnet werden, von Bedeutung ist.
Halluzinationsraten: Die Zahl, die Anwälte tatsächlich beobachten
Besondere Aufmerksamkeit erregte die Halluzinationsleistung. Astra for Law verzeichnete durchschnittlich 0,03 materielle Halluzinationen pro Auftrag, gleichauf mit GPT-6 für die niedrigste Rate im Vergleich und der Hälfte der 0,06, die beim regulären GPT-6.2 Astra aufgezeichnet wurden. Claude Opus 5.5, der stärkste Nicht-OpenAI-Performer der Metrik, lag im Durchschnitt bei 0,59 – etwa das Zwanzigfache des Wertes von Astra for Law. OpenAI sagte, die rechtliche Konfiguration habe keine wesentlichen Halluzinationen bei Aufgaben protokolliert, die die All-Pass-Kriterien erfüllten.
Hier steht konkret auf dem Spiel. Gerichte haben Anwälte sanktioniert, wenn sie sich auf erfundene Fälle berufen, und ein einziges erfundenes Zitat kann dem Ansehen eines Anwalts schaden. Für legale Käufer ist ein zwanzigfacher Unterschied in der Materialhalluzinationsrate zwischen konkurrierenden Systemen die Art von Zahl, die über die Beschaffung entscheidet.
Vals AI: Die Erfolgsquote stieg schnell
Unabhängige Beweise deuten in die gleiche Richtung. Auf der Vals AI Legal Research Bench, wo praktizierende Anwälte Forschungsfragen zum Bundes- und Landesrecht stellen, stieg der Anteil der Astra for Law-Antworten, die jede Prüfung bestanden, auf 53,8 % – 112 von 208 Fragen – von etwa 46 % weniger als zwei Monate zuvor. Über alle Fragen hinweg erreichte das Modell 90,9 % der verfügbaren Punkte inklusive Teilpunkte. OpenAI führt die Gewinne auf ein engagiertes juristisches Forschungsteam und einen Suchindex zurück, der seit September um 34 % auf mehr als 310 Millionen URLs gewachsen ist.
Harveys eigenes Evaluierungsteam schloss sich diesem Trend an. „Astra for Law 6.2 stellt in unseren Benchmarks eine wesentliche Verbesserung gegenüber früheren Astra-Modellen dar“, sagte Julio Pereyra, Leiter der Rechtsforschung bei Harvey. „Es werden umfassendere und besser begründete Schriftsätze verfasst, die von unseren paarweisen Juroren in fast 90 % der Fälle denen von GPT-6 Astra vorgezogen werden.“ Pereyra fügte hinzu, dass die Tiefengewinne ohne einen Rückgang der Genauigkeit erfolgten, wobei die Modelle der Astra-Klasse weiterhin einige der niedrigsten Halluzinationsraten auf Harveys Benchmark und seiner Erweiterung der US-Rechtsprechung aufwiesen.
Vom Piloten zur Plattform
Die Flugbahn zeichnet sich durch ihre Geschwindigkeit aus. Astra for Law wurde im September 2026 für eine kleine Gruppe von Kanzleien eingeführt, darunter Cooley, Ropes & Gray und Sullivan & Cromwell. Zwei Monate später führt die Konfiguration die wichtigsten rechtlichen Benchmarks an, ihre Halluzinationsrate hat sich halbiert und jeder ChatGPT Enterprise-Kunde kann Zugriff beantragen.
Die Strategie ist auch ein Signal. Anstatt ein maßgeschneidertes Rechtsmodell zu trainieren, produziert OpenAI Konfigurationen: Domänenanweisungen, einen Domänensuchindex, Governance-Kontrollen und Partner-Plugins, die um ein Grenzmodell herum zusammengefasst sind. Wenn sich diese Formel in anderen regulierten Branchen wiederholt, verlagert sich der Wettbewerb in der vertikalen KI von der Frage, wer das beste Modell erstellt, hin zu der Person, die den besten Kontext erstellt – und die Benchmarks, die den Unterschied messen, werden nur noch bedeutsamer.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →