Thomson Reuters baut ein eigenes Rechts-KI-Modell: Was 40 Millionen Dollar bringen

Eine Messgröße kann diese Einführung in den kommenden drei bis sechs Monaten überprüfen. Wenn die Tabellenanalyse in CoCounsel Legal bei identischen Dokumentensätzen und Prüfregeln sowohl Inferenzkosten als auch menschliche Korrekturzeit senkt, hat Thomson Reuters die Wirtschaftlichkeit seines Produkts verändert; entsprechende Daten hat das Unternehmen bislang nicht veröffentlicht.

Am 2026-08-24 stellte Thomson Reuters mit Thomson sein erstes eigenes großes Sprachmodell vor und bezifferte die gemeinsamen Ausgaben für Personal und Rechenleistung auf $40 million. Das Unternehmen trainierte kein Basismodell von Grund auf. Es begann mit einem Open-Weight-Modell und spezialisierte es anschließend durch Mid- und Post-Training mit Inhalten und Werkzeugen aus Westlaw, Practical Law, Checkpoint und Reuters. Hunderte Fachleute bestimmten Trainingsziele, erstellten Beispiele für juristische Fragen und bewerteten Antworten in Blindvergleichen. Die Investition finanzierte damit fachliche Spezialisierung und Kontrolle, nicht den Wettbewerb um ein möglichst großes Universalmodell.

Der erste Einsatz erfolgt in Tabular Analysis innerhalb von CoCounsel Legal. Diese Funktion ist für die strukturierte Prüfung großer Dokumentenmengen bestimmt. Administratoren können weiterhin andere Modelle auswählen, und CoCounsel bleibt als Multi-Modell-System ausgelegt. Thomson bearbeitet Aufgaben, bei denen das Unternehmen einen fachlichen Vorteil erwartet; externe Frontier-Modelle bleiben für andere Arbeiten im Einsatz. So muss Thomson Reuters nicht alle Arbeitslasten auf einmal umstellen und kann Qualität und Kosten des eigenen Modells direkt mit denen externer Anbieter vergleichen.

Die Kosten stehen im Zentrum dieser Entscheidung. SiliconANGLE berichtet von einer Projektlaufzeit von zwei Jahren und rund 450.000 Dollar für den letzten Trainingslauf. Zusätzlich erwartet das Unternehmen niedrigere Inferenzkosten durch den Modellbesitz. Bislang flossen weniger als 10% des internen Informationsbestands in das Training ein. Die nächste Entwicklungsstufe soll nicht einfach mehr Dokumente hinzufügen, sondern nützliche Inhalte und Produktinteraktionen in bessere Trainingssignale übersetzen. Thomson Reuters erklärt außerdem, Kundendaten ohne ausdrückliche Zustimmung nicht zum Training zu verwenden.

Interne Ergebnisse müssen extern reproduziert werden

Nach Angaben des Unternehmens war Thomson in internen Tests ungefähr konkurrenzfähig mit führenden Modellen, wenn alle Systeme nur auf das öffentliche Web zugreifen durften. Mit Zugriff auf Inhalte von Thomson Reuters erreichte das Modell etwa gleiche oder leicht bessere Resultate. Geprüft wurden die Vollständigkeit der Antworten und die Frage, ob Zitate die jeweiligen Aussagen tatsächlich stützten. Ein vollständiger technischer Bericht fehlt jedoch weiterhin. SiliconANGLE weist zudem darauf hin, dass die Ergebnisse noch nicht umfassend unabhängig validiert wurden. Erste Bewertungen von zwei Rechtswissenschaftlern liefern externe Beobachtungen, reichen wegen Umfang und Testbedingungen aber nicht als Nachweis für verschiedene Rechtsordnungen und Arbeitsarten aus.

In den kommenden Wochen und Monaten will das Unternehmen weiteren externen Stellen Zugang gewähren. Eine kleinere Open-Weight-Version soll auf Hugging Face für akademische und nichtkommerzielle Nutzung erscheinen. Darüber hinaus sind Anwendungen in Rechts- und Steuerprodukten sowie zusätzliche Optionen für souveräne KI vorgesehen. Bis Ende 2026 werden deshalb nicht einzelne Hersteller-Benchmarks die belastbarste Auskunft liefern, sondern die menschliche Korrekturquote in Tabular Analysis, die Kosten je geprüftem Dokument und die Reproduzierbarkeit der Zitatqualität unter offengelegten Bedingungen.

Quellen:

• Unternehmensmitteilung von Thomson Reuters
• Unabhängige Berichterstattung von SiliconANGLE