Thomson Reuters baut eigenes KI-Sprachmodell für Juristen

Thomson Reuters hat mit „Thomson“ sein erstes proprietäres großes Sprachmodell vorgestellt. Grundlage ist Qwen, das offene Modell des chinesischen Konzerns Alibaba – nach Angaben des Unternehmens kommt aktuell die Version Qwen3.5-397B zum Einsatz. Für das Projekt hat Thomson Reuters nach eigenen Angaben rund 40 Millionen Dollar über zwei Jahre in Personal und Rechenleistung investiert, wie das Fachmedium The Decoder berichtet.

Der einzelne finale Trainingslauf der aktuellen Version soll rund 450.000 Dollar gekostet haben – eine Zahl, die in der Berichterstattung häufiger genannt wird, aber nur einen Bruchteil der tatsächlichen Kosten abbildet. Selbst die 40 Millionen Dollar erfassen nicht den eigentlichen zugrunde liegenden Wert: Jahrzehnte an Inhalten aus Westlaw, Practical Law, Checkpoint und Reuters sowie die Arbeitszeit Hunderter Fachleute aus dem Rechtsbereich, die über Jahre in das Projekt eingeflossen ist.

Wie aus einem offenen Modell ein Justiz-Modell wurde

Gemeinsam mit dem Imperial College London hat Thomson Reuters das offene chinesische Modell zunächst in Sachen Sicherheit, Ethik und politischer Neutralität neu ausgerichtet. Dieser Zwischenschritt trägt den internen Codenamen „Snowdon“, benannt nach einem Berg in Wales. Danach folgten ein Vortraining auf firmeneigenen Inhalten, ein Nachtraining mit Fachexperten aus dem Rechtsbereich sowie agentisches Reinforcement Learning in firmeneigenen Werkzeugumgebungen wie Westlaw. Nach Angaben des Unternehmens wurden bislang weniger als 10 Prozent der verfügbaren Inhalte für das Training genutzt.

Wie oft sich die Richtung des Projekts geändert hat, beschreibt CTO Joel Hron gegenüber The Decoder: Der Ausgangspunkt sei „etwa ein halbes Dutzend Mal“ geändert worden. Forschungsleiter Jonathan Schwartz ergänzt, der eigentliche Erfolg liege nicht in einem einzelnen Modell, sondern in einer wiederverwendbaren „Modellfabrik“.

Thomson muss die Grenze der Intelligenz im Rechtsbereich definieren. Das ist eine andere Aufgabe als die, die viele Frontier-Labs meiner Meinung nach verfolgen.

Wenn man einfach das Open-Source-Modell ohne all diese zusätzlichen Schritte nimmt, wird es nicht so viel wissen. Man ist damit nicht zwangsläufig an den eigenen Werten ausgerichtet, und es wird nicht so gut sein wie mit den Werkzeugen, die man später selbst gebaut hat.

Benchmarks, die mit Vorsicht zu lesen sind

Bei firmeneigenen Tests erreicht Thomson auf dem Stanford-LegalBench-Benchmark einen Wert von 0,823 und liegt damit hinter Gemini 3.1 Pro und GPT-5.5. Beim Harvey Legal Agent Benchmark landet das Modell knapp hinter Claude Opus 4.8. Vorn liegt Thomson beim Befolgen von Anweisungen und beim anspruchsvollen PrBench Legal, deutlich zurück fällt es dagegen beim logischen Schließen und vor allem beim Programmieren. Der Vergleich gilt als methodisch verzerrt: Thomson wird mit Skalierung zum Testzeitpunkt geprüft, während GPT-5.5 ohne Reasoning-Modus getestet wird.

Beim unternehmensinternen Benchmark für vertiefte Recherche erreicht Thomson mit reinem Web-Zugriff einen Wert für faktische Zuverlässigkeit von 0,53, gegenüber 0,65 bei GPT-5.4. Mit Zugriff auf die firmeneigenen Inhalte des Konzerns steigt der Wert dagegen auf 0,83 und liegt damit knapp vor GPT-5.4 mit 0,82. Andrew Bean, der die Auswertung verantwortet, räumt ein, dass das Modell mit reinem Web-Zugriff „sicher noch nicht“ führend sei. Bemerkenswert: Auch GPT-5.4 profitiert stark vom Zugriff auf firmeneigene Inhalte – der Datenzugang zählt fast ebenso viel wie das spezialisierte Training selbst. SiliconANGLE weist darauf hin, dass diese internen Ergebnisse noch keine umfassende unabhängige Bestätigung erhalten haben; ein technischer Bericht mit weiteren Benchmark-Ergebnissen soll später folgen. Thomson Reuters hat begonnen, das Modell mit Rechtsexperten und akademischen Einrichtungen zum Testen zu teilen.

Warum ein eigenes Modell statt Feinabstimmung eines Frontier-Modells

Warum kein Fine-Tuning eines bestehenden Frontier-Modells von OpenAI oder Anthropic? Das Unternehmen nennt drei Gründe:

• Wirtschaftlichkeit: Klassisches Fine-Tuning verschlechtert häufig die allgemeinen Fähigkeiten eines Modells und macht das Unternehmen abhängig von Inferenzkosten und der Roadmap des Anbieters; ein kleineres eigenes Modell rechnet sich dagegen für Aufgaben mit hohem Volumen wie die Dokumentenprüfung.
• Daten: Das Training in firmeneigenen Werkzeugumgebungen wie Westlaw erzeugt genau den beobachteten Leistungssprung – einen Zugang, den das Unternehmen keinem Dritten gewähren will.
• Kumulativer Effekt: Jede Expertenbewertung bei Produktaktualisierungen wird zu Trainingsdaten, die sich bei einem eigenen Modell wie Eigenkapital ansammeln, statt einem externen Anbieter zugutezukommen.

Das Unternehmen räumt zugleich Grenzen des Ansatzes ein: Er lässt sich nur auf Unternehmen übertragen, die drei seltene Voraussetzungen mitbringen – exklusive Datenbanken, Hunderte intern beschäftigte Fachexperten und Arbeitsabläufe, in denen sich Qualität objektiv messen lässt. Für ein Unternehmen mit diesem Profil verzögere die Open-Source-Community die Aufholjagd zu den führenden Laboren nur um wenige Monate, und 40 Millionen Dollar könnten für ein konkurrenzfähiges Spezialmodell bereits ausreichen. Für ein Unternehmen ohne eigene Daten oder Auswertungsinfrastruktur würde ein eigenes Modell dagegen vor allem laufende Wartungskosten verursachen.

Erster Einsatz: in CoCounsel

Thomson ist zunächst in die Funktion „Tabular Analysis“ von CoCounsel Legal integriert, dem KI-Assistenten von Thomson Reuters für Juristen, und übernimmt dort die Prüfung großer Dokumentenmengen – ein Anwendungsfall, bei dem ein kleineres, günstigeres Modell wirtschaftlich sinnvoll ist. CoCounsel bleibt multimodal: Administratoren können weiterhin andere Modelle auswählen. Thomson soll nicht das gesamte System steuern, sondern Teilaufgaben wie die Überprüfung von Zitaten übernehmen. Kundendaten fließen nach Angaben des Unternehmens nicht in das Training ein.

Eine kleinere Version des Modells soll mit offenen Gewichten auf Hugging Face unter einer nicht-kommerziellen Lizenz veröffentlicht werden, begleitet von einem technischen Bericht und einem Entwicklerportal. Mit Anwaltskanzleien laufen zudem vorläufige, unverbindliche Gespräche über eine direkte Lizenzierung des Modells.

Thomson Reuters verweist auf den Kontext: Die Kernplattform Westlaw umfasst mehr als 40.000 einzelne Datenbanken und mehr als 150 Jahre juristischer Publikations- und Redaktionsarbeit. Die Kontrolle über ein eigenes Modell verschaffe dem Unternehmen nach eigener Darstellung mehr Autorität über Einsatz, Governance und künftige Weiterentwicklung – ein Argument der „KI-Souveränität“. Gespräche mit großen Anwaltskanzleien und Unternehmen über einen direkten Zugang zum Modell laufen bereits, einschließlich der Möglichkeit, dass Kunden Thomson künftig an ihr eigenes Wissen und ihre eigenen Arbeitsabläufe anpassen.

Für deutsche Kanzleien und Unternehmen mit eigener Rechtsabteilung zeigt der Fall exemplarisch, unter welchen Bedingungen ein hausgemachtes Sprachmodell überhaupt wirtschaftlich sinnvoll ist: Nur wer über exklusive, jahrzehntelang gepflegte Datenbestände, eigene Fachexperten und messbare Qualitätsmaßstäbe verfügt, kann mit einem vergleichsweise überschaubaren Budget ein spezialisiertes Modell aufbauen, das mit den führenden Laboren mithält. Für die meisten deutschen Unternehmen dürfte dagegen weiterhin die Integration bestehender Modelle über agentische Systeme der pragmatischere Weg bleiben, insbesondere bei der Automatisierung wiederkehrender juristischer und administrativer Aufgaben.