Harvey

Was es ist

Harvey ist der Legal-AI-Assistent, der für Elite-Anwaltskanzleien und Enterprise-In-House-Teams gebaut wurde. Als früher Enterprise-Partner von OpenAI unterstützt, wurde Harvey gegen Legal-spezifische Korpora trainiert und hat die tiefste kommerzielle Präsenz in den AmLaw 100. Bis Juni 2026 überschritt Harvey 300 Mio. $ ARR — rund 3x seines ARR von 100 Mio. $ aus August 2025 — mit 100.000+ Anwälten in 1.300+ Organisationen. Eine Wachstumsrunde vom März 2026 unter Co-Leitung von GIC und Sequoia setzte die Bewertung auf 11 Mrd. $. Eingesetzt für Contract Review, Legal Research, Dokumenten-Drafting und Matter Management.

Warum es in Legal-Ops-Stacks auftaucht

• Gebaut für Legal-Workflows. Anders als generische LLMs setzen UI, Retrieval und Prompting-Defaults von Harvey Legal-Kontext voraus — Case Citations, Bewusstsein für Jurisdiktionen, Vertragsklausel-Bibliotheken. Seine Workflow Agents liefern vorgefertigte, No-Code-Sequenzen für bestimmte Dokumententypen (M&A-Deals, Lease Agreements, Credit Agreements), die eine Aufgabe in Schritte zerlegen und für das Human Review pausieren.
• Enterprise-Grade Governance. SSO, Audit-Logs, Matter-Scoped Access Controls, Ethical Walls und Compliance-Zertifizierungen. Die Default-Wahl für Kanzleien, die Mandantendaten nicht in ChatGPT geben können.
• Kombinierbar über MCP. Harvey läuft jetzt sowohl als MCP-Client — der die internen Tools und Agents einer Kanzlei innerhalb von Harvey verfügbar macht — als auch als MCP-Server, über den andere Systeme Harveys Dokumentenanalyse, Vault-Review und Research aufrufen können, mit zentralisierten Berechtigungen über jedes verbundene System hinweg. Mehr als 25.000 Custom Agents laufen bereits auf der Plattform.
• Tiefe Kanzlei-Partnerschaften. Harvey gestaltet Workflows gemeinsam mit großen Kanzleien (A&O Shearman, PwC Legal). Features werden typischerweise ausgeliefert, wie Partner-Track-Anwälte tatsächlich arbeiten.

Ein konkreter Use Case

M&A-Due-Diligence über einen Deal-Room-Vault: Richten Sie einen Workflow Agent auf Hunderte von Verträgen, lassen Sie ihn Change-of-Control-, Assignment- und MFN-Klauseln in ein Review-Grid extrahieren und routen Sie nur die Ausnahmen an einen Associate — statt dass ein First-Year jedes Dokument von der ersten Seite an liest.

Pricing

Harvey gibt es nur auf Custom-Angebot — keine öffentliche Pricing-Seite, kein Free Tier und Mindest-Commitments, die typischerweise bei rund 25 Seats beginnen.

• Berichtete Bänder (Drittquellen, trianguliert — Harvey veröffentlicht keine): Mid-Market-In-House-Teams und kleinere Kanzleien landen bei rund 1.000–2.000 $ pro Seat/Monat; die Harvey-Assistant-Baseline wird bei rund 12.000–14.400 $ pro Seat/Jahr berichtet.
• Enterprise-Mengenrabatte drücken die Per-Seat-Raten der AmLaw 100 deutlich unter diese Werte, aber vollständige Kanzlei-Deployments laufen weiterhin in den siebenstelligen Bereich pro Jahr.
• Kunden berichten von einem jährlichen Renewal-Uplift von 10–25 %, wenn der Vertrag keine Obergrenze hat.
• Nicht tragfähig für Einzelanwälte oder kleine In-House-Teams; die Alternativen unten sind im kleineren Maßstab der richtige Weg.

Am besten geeignet für

• AmLaw 100 / Magic-Circle-Kanzleien
• Enterprise-In-House-Legal-Teams (1 Mrd. $+ Umsatz, 20+ Legal-Headcount)
• Kanzleien, deren Haupt-Blocker bei der AI-Einführung Governance/Compliance ist, nicht die Capability

Alternativen und wann Sie sie stattdessen wählen

• Thomson Reuters CoCounsel — der andere Pol des Enterprise-Markts. Wählen Sie es, wenn Westlaw-gegroundete Research-Fidelity und die Nachvollziehbarkeit von Citations wichtiger sind als die Breite der Workflow-Suite.
• Legora — der am schnellsten wachsende Challenger; eine Mega-Runde 2026 machte es zu Harveys Haupt-Rivalen. Wählen Sie es für kollaboratives Drafting und Review europäischer Herkunft, wo Teams engere In-Document-Kontrolle wollen.
• Spellbook — wählen Sie es für Word-natives Contract-Drafting im Solo-bis-Mittelstands-Maßstab, wo Harveys Preis-Untergrenze und Procurement-Zyklus nicht aufgehen.

Worauf zu achten ist

• Intransparentes, hohes Pricing und ein langer Procurement-Zyklus. Guard: Holen Sie Seat-gebänderte Angebote von zwei Vendoren (z. B. Harvey und CoCounsel) parallel ein und verhandeln Sie eine Renewal-Uplift-Obergrenze in den ersten Vertrag, nicht in den zweiten.
• Der Vorsprung bei Legal AI wird kleiner. Harveys Vorsprung aus 2024–2025 steht unter Druck von CoCounsel, Legora und Spellbook. Guard: Setzen Sie einen bezahlten Pilot gegen einen benannten Rivalen an Ihren eigenen Matters auf und bewerten Sie die Accuracy an einem festen Klausel-Set, bevor Sie kanzleiweit committen.
• Data-Residency- und Training-Data-Policies variieren nach Tier und Region. Guard: Lassen Sie sich das DPA und die Residency-Bedingungen schriftlich geben und bestätigen Sie, dass Mandantendaten nicht für das Training verwendet werden, bevor Sie regulierte Matters onboarden.