Kontext
Die Plattform von STeP enthält ein Modul für Vertragsvorlagen, mit dem HR- und Rechtsteams Arbeitsverträge, Dienstleistungsvereinbarungen und Compliance-Dokumente erstellen. Eine neue Vorlage anzulegen bedeutete, jedes dynamische Feld eines Vertrags manuell zu identifizieren, ihm einen Feldtyp (Text, Datum, Dropdown usw.) zuzuweisen und die Vorlage anschließend in einem Rich-Text-Editor mit Feld-Platzhaltern zusammenzustellen — ein Prozess, der 2–4 Stunden pro Vorlage dauerte und anfällig für übersehene Felder und Typfehler war.
Die Herausforderung
- Jedes Vertragsdokument enthält 20–40 dynamische Felder, die manuell identifiziert, benannt, typisiert und platziert werden mussten.
- HR-Teams mit länderübergreifenden Standorten benötigten Vorlagen für VAE, KSA, Katar, Kuwait — jedes Land mit eigenen rechtlichen Anforderungen und Feldsätzen.
- Der manuelle Prozess war fehleranfällig: Ein übersehenes Feld führte dazu, dass ein Vertrag mit einem hart codierten Wert statt eines dynamischen Platzhalters live ging.
- Die Vorlagenerstellung wurde zum Engpass — nur erfahrene Mitarbeiter konnten sie durchführen — das blockierte Vertrieb und Onboarding.
Meine Rolle
Ich leitete die Product Discovery, das UI/UX-Design und die Frontend-Entwicklung des KI-gestützten Vorlagen-Generators. Das gesamte Frontend und die KI-Integration habe ich mit Claude gebaut — von der Konzeption bis zum funktionierenden Prototyp. Das umfasste die Erfassung des manuellen Ist-Workflows, die Spezifikation der KI-Extraktionspipeline (Dokumentenanalyse → Feldidentifikation → Typzuweisung → Editor-Befüllung), das Design der Prüf-/Freigabe-UX, damit Nutzer KI-Vorschläge vor der Übernahme verifizieren konnten, sowie die Koordination mit dem Entwicklungsteam in Sprint-Zyklen.
Die zentrale Designentscheidung war, die KI assistierend statt autonom einzusetzen. Jedes extrahierte Feld durchläuft einen Prüf-Screen, auf dem Nutzer Felder umbenennen, umtypisieren, hinzufügen oder entfernen können, bevor sie übernommen werden. Die KI übernimmt die Fleißarbeit; der Mensch behält die Kontrolle. Das beseitigte die Vertrauensbarriere, die bei einem vollautomatischen Ansatz die Akzeptanz zerstört hätte.
Vorgehen
- Mit Claude gebaut. Das gesamte Frontend, die KI-Integrationslogik, der Rich-Text-Editor und der mehrstufige Workflow wurden mit Claude entwickelt und direkt in die Codebasis committed — vom ersten Prototyp bis zum produktionsreifen Code.
- Dokumenten-Upload & Analyse. Nutzer laden PDF- oder DOCX-Verträge hoch. Das System extrahiert Text und Struktur und identifiziert per KI dynamische Felder anhand von Kontextmustern — Daten, Namen, Beträge, Orte, Unterschriften.
- Intelligente Feldtypisierung. Felder werden automatisch als DatePicker, Textbox, Textarea, Dropdown usw. klassifiziert — basierend auf Inhalt und umgebendem Kontext — nicht nur Pattern-Matching.
- Prüfung & Verfeinerung. Alle KI-erkannten Felder erscheinen in einem Prüfmodal mit Inline-Bearbeitung. Nutzer können Labels umbenennen, Typen ändern, Fehlalarme löschen oder übersehene Felder hinzufügen. Mit einem KI-Badge markierte Felder zeigen die Herkunft an.
- Ein-Klick-Vorlagenbefüllung. Nach Freigabe fügt das System alle Felder als interaktive Chips in den Rich-Text-Editor ein und erstellt die vollständige Vertragsvorlage aus einem strukturierten Layout. Nutzer können dann Formatierung und Sprache verfeinern.
- Länderübergreifende Unterstützung. Vorlagen-Metadaten (Land, Büro) steuern Feldvorschläge. VAE-Arbeitsverträge schlagen automatisch VAE-spezifische Rechtsfelder vor; KSA-Vorlagen erhalten KSA-angemessene Standardwerte.
Ergebnisse
Entscheidungen & Erkenntnisse
- Der Prüf-Screen war das MVP. Ursprünglich war geplant, die Prüfung zu überspringen und automatisch zu übernehmen. Nutzertests zeigten sofortige Ablehnung — Menschen vertrauen keiner KI, die sie nicht verifizieren können. Das Prüfmodal mit Inline-Bearbeitung machte Skeptiker zu Befürwortern.
- Feld-Chips im Editor. Extrahierte Felder als interaktive Chips (farbig, entfernbar, klickbar) im Editor sichtbar zu machen, gab Nutzern ein sofort verständliches mentales Modell: „Das sind die Lücken, die ich später fülle." Das ersetzte eine verwirrende Platzhalter-Syntax.
- Länder-Metadaten sind entscheidend. Ein „Vertragsbeginn" ist universell; eine „Iqama-Nummer" ist KSA-spezifisch. Die Verknüpfung von Vorlagen-Metadaten mit der Feldvorschlagslogik machte die KI kontextuell klüger, ohne länderspezifische Trainingsdaten zu erfordern.