DISCO ist ein börsennotiertes Unternehmen für Rechtstechnologie, das eine KI-gestützte eDiscovery-Plattform bereitstellt, die aktives Lernen und Technologie zur Verarbeitung natürlicher Sprache nutzt, um die Überprüfung von Prozessdokumenten und die Beweisanalyse zu beschleunigen.

DISCO

DISCOs Kernparameter und Statistiken

DISCO (NYSE: LAW) ist eines der wenigen börsennotierten Unternehmen im Bereich der Rechtstechnologie, dessen Kern auf einer nativen KI-Architektur basiert. Seine Produktpositionierung ist kein traditionelles elektronisches Discovery-Tool (eDiscovery), sondern eine intelligente Dokumentenanalyseplattform, die maschinelles Lernen in den gesamten Überprüfungsprozess einbettet. Die Plattform nutzt Continuous Active Learning (CAL) als technischen Eckpfeiler und definiert die Zusammenarbeitsgrenze von „maschineller Überprüfung + menschlicher Überprüfung“ neu.

Parameterelement	Wert
Produktpositionierung	KI-native Plattform für elektronische Forensik und intelligente Dokumentenprüfung
Muttergesellschaft	CS Disco, Inc. (NYSE: LAW)
Gegründet	2013
Hauptsitz	Austin, Texas, USA
Produktform	SaaS-Webplattform
Sicherheits-Compliance-Zertifizierung	SOC 2 Typ II, FedRAMP-konform (mittlere Auswirkungsstufe)
Anzahl der Datenerfassungsquellen	Über 200 (E-Mail-Teams, Slack, SharePoint, OneDrive, Google Drive usw.)
Neueste Release-Version	DISCO 2026 Release 2 (~2026-05)
Historischer Versionsknoten	DISCO 2026 Release 1 (~2026-02)
Zielkunden	Am Law 200 Anwaltskanzleien, Rechtsabteilungen von Fortune 500-Unternehmen, Regierungsbehörden
Öffentliche Finanzindikatoren	ARR übersteigt 100 Millionen US-Dollar (aus Finanzberichten börsennotierter Unternehmen)
Ticker	NYSE: RECHT

Öffentlichen Finanzberichten zufolge hat DISCO einen jährlichen wiederkehrenden Umsatz (ARR) von über 100 Millionen US-Dollar erzielt und die Kundenkonzentration ist hoch – die 25 größten Kunden trugen mehr als 40 % zum Umsatz bei, was auf die Tiefe der Produktdurchdringung im High-End-Rechtsmarkt hinweist. Die Plattform ist nach SOC 2 Typ II zertifiziert und erfüllt die Compliance-Anforderungen des FedRAMP Medium Impact Level, wodurch sie rechtlich für die Durchführung staatlicher Untersuchungen und Regierungsaufträge qualifiziert ist. Im Gegensatz zum Betriebsmodus „Stichwortsuche + manuelle lineare Überprüfung“ herkömmlicher Tools zur Sammlung elektronischer Beweise beginnt DISCO mit der Sortierung durch maschinelles Lernen bereits in der Datenerfassungsphase und leitet das Anmerkungsfeedback des Anwalts in Echtzeit an das Modell zurück, wodurch ein kontinuierlicher Optimierungsprozess von „Überprüfen, Lernen, Neusortieren“ entsteht. Der direkte Effekt dieser Architektur besteht darin, dass bei gleicher Fallgröße der Anteil der Dokumente, die eine intensive manuelle Lektüre erfordern, von 100 % auf 20–30 % sinkt und sich die menschliche Investitionskurve von einem linearen zu einem logarithmischen Verlauf ändert.

DISCOs Benutzer und Marktbekanntheit

Finanzielle Transparenz börsennotierter Unternehmen: Als an der NYSE notiertes Unternehmen veröffentlicht DISCO vierteljährlich Kernindikatoren wie ARR, Kundenbindungsrate und Nettoumsatzretention (NRR). Dem Jahresbericht 2025 zufolge liegt die Nettoumsatzbindungsrate der Kunden weiterhin über 110 %, was darauf hindeutet, dass bestehende Kunden die Nutzungstiefe und die Fallgröße weiter ausbauen. Diese Kennzahl ist für die LegalTech-Branche gesund und spiegelt indirekt die Unersetzlichkeit der Produkt- und Migrationskosten wider.

Branchenführende Mandantenabdeckung: Die Mandantenliste von DISCO umfasst die meisten Anwaltskanzleien der Am Law 200 sowie die Rechtsabteilungen vieler Fortune-500-Unternehmen. In groß angelegten kommerziellen Rechtsstreitigkeiten und behördlichen Ermittlungsszenarien wird DISCO oft als elektronische Plattform zur Beweiserhebung bezeichnet, die die Anwaltskanzlei von Partei B nutzen muss, wodurch ein gewisser Branchennetzwerkeffekt entsteht.

Anerkennung durch Dritte aus der Branche: DISCO ist im Gartner eDiscovery Market Guide als repräsentativer Anbieter aufgeführt und erscheint seit mehreren Jahren in den IDC MarketScape Legal Technology Assessment-Berichten. Die CAL-Technologie von DISCO wird als Referenzbeispiel für KI-gestützte Prüfungen in den Praxisleitfäden für elektronische Ermittlungen mehrerer Gerichtsbarkeiten (US-Bundesgerichte, Landesgerichte, SEC-Ermittlungsverfahren) genannt.

Kundenvalidierungsdaten: Mehrere öffentliche Fälle zeigen, dass Fallteams, die DISCO verwenden, während der Dokumentenprüfungsphase 50–70 % der Arbeitsstunden für die Überprüfung einsparten. Beispielsweise wurde in einem Rechtsstreit um Geschäftsgeheimnisse mit 3 Millionen Dokumenten der CAL-Workflow von DISCO eingesetzt, um die Menge der Dokumente, die eine manuelle Überprüfung erfordern, von 3 Millionen auf etwa 600.000 zu reduzieren, und der Überprüfungszyklus wurde von geschätzten 8 Monaten auf 3 Monate verkürzt. Diese Daten stammen aus offiziellen DISCO-Fallstudien und die tatsächlichen Ergebnisse variieren je nach Fallkomplexität, Datenqualität und Teamschulung.

DISCOs Kostenvorteil: dreistufige Kostenstruktur und verstecktes Hauptbuch

Die Kostenkomponente der elektronischen Forensik ist nicht einfach eine Softwarelizenzgebühr, sondern eine Kombination aus „Softwarekosten + Kosten für die menschliche Überprüfung + Zeitfenster-Opportunitätskosten“. Die KI-native Architektur von DISCO hat direkte Auswirkungen auf alle drei Schichten.

C-Client-/Einzelbenutzerebene: Nichtzielmarkt. DISCO bietet weder eine persönliche Version noch einen Pay-per-Use-Plan an und die Mindesteinstiegsstufe richtet sich an Anwaltskanzleien und Rechtsabteilungen von Unternehmen. Der Grundpreis des Abonnements und die Kosten für die Datenspeicherung der Plattform sind für Einzelanwälte oder kleine Teams unerschwinglich.

Mittelgroße Anwaltskanzlei/Unternehmensrechtsangelegenheiten (Bezahlung pro Projekt):

• Abrechnungsbasis: Normalerweise werden Verarbeitungs- und Hostinggebühren auf Basis des Datenvolumens (GB), Overlay-Funktionsmodul-Abonnements und Benutzerlizenzgebühren auf Basis von Sitzplätzen berechnet. Die Gesamtkosten eines eDiscovery-Projekts für einen typischen mittelgroßen Rechtsstreit (100–500 GB Daten) liegen zwischen 20.000 und 100.000 US-Dollar.
• Aufschlüsselung der Kostenstruktur: Datenzugriffs- und -verarbeitungsgebühren machen etwa 20–30 % aus, Plattform-Hosting- und Zugangsgebühren machen etwa 15–25 % aus, KI-Überprüfungsmodul (CAL + generative Zusammenfassung) machen etwa 30–40 % aus, Expertenberichte und Exportgebühren machen etwa 10–15 % aus. Unter ihnen ist das KI-Überprüfungsmodul der Kern des Werts und der Schlüssel zur Vergrößerung der Kostenlücke zum traditionellen stündlichen menschlichen Überprüfungsmodell.
• VERSTECKTE KOSTEN: Die Kosten für die CAL-Schulung für Prüfer können nicht ignoriert werden. Der KI-Effekt von DISCO hängt stark von der Qualität der anfänglichen Annotation ab. Wenn es dem für die Annotation verantwortlichen Junior-Anwalt an Erfahrung mangelt, führt die Abweichung in der Annotationsrichtung der ersten 500 Dokumente dazu, dass das Modelllernen abweicht, und es sind weitere manuelle Überprüfungen erforderlich, um die Abweichung später zu korrigieren, was die Gesamtkosten erhöht. Es wird empfohlen, zu Beginn des Projekts einen leitenden E-Discovery-Berater mit der Durchführung einer 1-2-tägigen Schulung zur CAL-Annotationsstrategie zu beauftragen.

Großunternehmensstufe (Jahresabonnement):

• Abrechnungsmodell: Schließen Sie einen Jahresvertrag ab, der eine feste Datenkapazität (z. B. 10 TB/Jahr) und die Anzahl der Benutzerplätze beinhaltet. Der Selbstbehalt wird zu einem vorher festgelegten Preis hinzugerechnet. Großkunden erhalten in der Regel Rabatte von 15–30 % und Verträge beinhalten SLA-Garantien und ein engagiertes Kundenerfolgsteam.
• Explizite Kosten: Jahresverträge beginnen in der Regel bei 500.000 US-Dollar und können für große globale Anwaltskanzleien Millionen von US-Dollar erreichen. Dieser Preis schließt eine große Anzahl kleiner und mittlerer Koffer aus.
• Hidden benefits: After adopting DISCO, legal teams can reduce their dependence on external electronic forensics suppliers - OCR, data deduplication, early case evaluation and other tasks that previously needed to be outsourced can be completed directly by internal teams on DISCO, shortening supplier communication links and project management costs. In addition, CAL-driven review efficiency improvements allow law firms to take on more cases within the same construction period, indirectly improving billable time utilization.

Kostenvergleichsabzug mit Alternativen (inoffizielle Daten, geschätzt auf der Grundlage öffentlicher Fälle aus der Branche):

Kostendimension	Traditionelle manuelle Überprüfung	DISCO (CAL + AI-Zusammenfassung)	Andere elektronische Tools zur Beweiserhebung (Stichwortsuche + technische Unterstützung)
Millionen Arbeitsstunden für die Dokumentenprüfung	8.000-12.000 Stunden	2.000-4.000 Stunden	4.000-8.000 Stunden
Projektlebensdauer (3 Millionen Dokumente)	6-12 Monate	2-4 Monate	3-6 Monate
Anteil der Softwarelizenzkosten	Nicht zutreffend (reine Arbeitskraft)	30-40 % der Gesamtkosten	20-30 % der Gesamtkosten
Anforderungen an die Prüferschulung	Keine (Suche nach Schlüsselwort)	Schulung zur CAL-Annotationsstrategie erforderlich	Schulung für boolesche Abfrage erforderlich
Risiko der Nacharbeitsrate	Hoch (Stichwort fehlt)	Mittel (Anmerkungsabweichung)	Mittelhoch (Abfrage fehlt)

Beschaffungsbedenken: Der Kostenvorteil von DISCO stellt sich nicht automatisch ein. Es erfordert, dass das Fallteam über operative Erfahrung in der KI-gestützten Überprüfung und die Fähigkeit verfügt, Anmerkungsstrategien zu entwerfen. Wenn das Team den CAL-Workflow zum ersten Mal verwendet, wird empfohlen, zunächst einen kleinen Regressionstest (10.000 Dokumente) für historisch abgeschlossene Fälle durchzuführen, die Überschneidung zwischen den Sortierergebnissen von DISCO und den Schlussfolgerungen der manuellen Überprüfung zu vergleichen und zu bestätigen, dass der Effekt den Erwartungen entspricht, bevor er sich auf einen formellen Fall einlässt.

Hauptfunktionen von DISCO

• AI Document Review (CAL Core Engine): Kontinuierliches aktives Lernen ist der technologische Eckpfeiler von DISCO. Der Arbeitsmechanismus ist in drei Phasen unterteilt: ① Erstschulung: Prüfer markieren „relevant/irrelevant“-Kennzeichnungen auf 500–1.000 Dokumenten; ② Modelliteration: Der CAL-Algorithmus berechnet Relevanzwerte für nicht überprüfte Dokumente basierend auf Anmerkungssignalen, ordnet die Warteschlange dynamisch neu und verschiebt Dokumente mit hoher Wahrscheinlichkeit an die Spitze der Warteschlange. ③ Überprüfung und Abschluss: Wenn das Modell feststellt, dass die Relevanzwahrscheinlichkeit der verbleibenden Dokumente unter dem Schwellenwert liegt, wird die Abschlussbedingung automatisch ausgelöst und die Überprüfung endet, nachdem der Prüfer dies bestätigt hat. Durch diesen Mechanismus ändert sich der Überprüfungsschwerpunkt von „Alle Dokumente scannen“ hin zu „Alle relevanten Dokumente finden“ und irrelevante Inhalte werden direkt übersprungen. Laut DISCOs offiziellem Whitepaper und mehreren Kundenfällen kann CAL den Umfang der Überprüfungen in typischen Rechtsstreitigkeiten um 50–70 % reduzieren.

• Early Case Assessment (EDA): Bevor mit der formellen Überprüfung begonnen wird, scannt DISCO schnell die gesamten Daten und gibt einen Fallporträtbericht aus – einschließlich Schätzung der Dokumentgröße, Korrespondenznetzwerkkarte, Schlüsselthemen-Clustering, Trefferstatistiken zu sensiblen Wörtern und Zeitreihenverteilung. Der Wert von EDA besteht darin, dem Fallstrategieteam dabei zu helfen, ein umfassendes Verständnis des „Volumens, der Komplexität und der Risikopunkte“ des Falles zu erlangen, bevor es sich auf eine groß angelegte Überprüfung einlässt, um so das Budget und die Überprüfungsprioritäten vernünftig planen zu können. Bei einer kartellrechtlichen Untersuchung, an der ein multinationales Unternehmen beteiligt ist, kann EDA beispielsweise schnell 20 wichtige Korrespondenten und die Dichte ihres E-Mail-Austauschs ermitteln und Anwälten dabei helfen, zu entscheiden, welche Korrespondenten eine vollständige Überprüfung erfordern und welche nur eine Stichprobenprüfung erfordern.

• Beweiskorrelationsanalyse (Kommunikationsdiagramm und Zeitleiste): Das Kommunikationsdiagrammmodul von DISCO zeigt visuell die implizite Korrelation zwischen Dokumenten an – wer hat was zu welcher Zeit an wen gesendet, wer erscheint im CC-Link welcher E-Mail und die Entwicklung desselben Themas in verschiedenen Zeitleisten. Dies unterscheidet sich grundlegend von der herkömmlichen Methode „Stichwortsuche + Ordnerklassifizierung“: Schlüsselwörter können keine Dokumente erfassen, die „verwandte, aber nicht auf Schlüsselwörter treffende“ Dokumente sind, während Kommunikationsdiagramme Hinweise auf Hinweise aus der Zeichen- und Zeitdimension finden können. So entdeckten Anwälte bei einer internen Untersuchung mithilfe einer Kommunikationskarte intensive Kommunikation zwischen dem Untersuchungsgegenstand und einem gekündigten Mitarbeiter, der nicht in der Stichwortliste auftauchte, und eröffneten so einen neuen Beweiszweig.

• Generative KI-Zusammenfassung: Die in der Version 2026 eingeführte LLM-Funktion unterstützt drei Zusammenfassungsgranularitäten - ① Zusammenfassung auf Dokumentebene: Zusammenfassung der Kernfakten einer einzelnen E-Mail oder eines einzelnen Vertrags in 2-3 Sätzen; ② Themenzusammenfassung: Generieren Sie automatisch einen umfassenden Entdeckungsbericht für alle relevanten Dokumente zu einem bestimmten Beweisthema (z. B. „Preisbetrug“); ③ Stapelzusammenfassung überprüfen: Erstellen Sie eine Fortschrittszusammenfassung für die am Tag oder in der Woche überprüften Dokumente. Der Hauptwert der generativen Zusammenfassung besteht darin, das „Dokumentverständnis“ zu beschleunigen – Anwälte müssen nicht mehr die gesamte lange E-Mail-Kette lesen, um festzustellen, ob sie relevant ist, sondern müssen zuerst die Zusammenfassung lesen und dann ein genaues Urteil fällen. Es ist jedoch zu beachten, dass die Genauigkeit generativer Zusammenfassungen stark von der Qualität und Domänenanpassung des zugrunde liegenden LLM abhängt. Bei intensivem Umgang mit juristischen Fachbegriffen können sachliche Fehler (Halluzinationen) in den Zusammenfassungen nicht vollständig ausgeschlossen werden und wichtige Verweise müssen dennoch mit dem Originaltext überprüft werden.

• Datenerfassung und Multi-Quellen-Integration: Die Plattform verfügt über integrierte 200+ Datenquellen-Konnektoren, die gängige Büro-Kollaborationssysteme (Microsoft 365, Google Workspace, Slack, Teams, Zoom, Box, Dropbox), Social-Media-Archive und benutzerdefinierte Datenquellen abdecken. Nach dem Zugriff auf die Daten werden Deduplizierung, E-Mail-Thread-Gruppierung OCR (Unterstützung der Textextraktion aus gescannten PDFs und Bildern), Metadatenstandardisierung und Zeitzonennormalisierung automatisch durchgeführt. Die Datenfusionspipeline ist die Infrastrukturschicht der elektronischen Forensik, und ihre Qualität wirkt sich direkt auf die Ergebnisse aller nachfolgenden KI-Analysen und -Überprüfungen aus. Wenn der Deduplizierungsalgorithmus keine doppelten Kopien derselben E-Mail im Posteingang und im gesendeten Ordner identifiziert, wird die anschließende KI-Sortierung durch doppelte Daten mit Relevanzbeurteilungen beeinträchtigt.

DISCOs Modell- und Versionsentwicklung

Die Produktiteration von DISCO folgt einem jährlichen Dual-Version-Release-Rhythmus (Release 1 etwa im Februar und Release 2 etwa im Mai-6 Monate), durchsetzt mit Patch-Updates und Sicherheitsfixes. Das Folgende ist die nachvollziehbare öffentliche Version:

Versions-ID	Ungefähres Erscheinungsdatum	Kernänderungen
DISCO 2025 Release 1	~2025-02	Erweiterte mehrsprachige Dokumentenunterstützung für das CAL-Modell (nicht-lateinische Zeichensätze wie Chinesisch, Japanisch, Koreanisch, Arabisch usw.); verbesserte Textextraktionsgenauigkeit der OCR-Pipeline für gescannte PDFs
DISCO 2025 Release 2	~2025-06	Einführung in die Basisversion der generativen KI-Zusammenfassungsfunktion (Dokumentebene); Einführung einer aktualisierten Version des Evidenzkorrelationsanalyse-Dashboards, das interaktives Drag-and-Drop der Kommunikationszeitleiste unterstützt
DISCO 2026 Release 1	~2026-02	Neue Unterstützung für mehrsprachige intelligente Zusammenfassungen; Erweitertes Dashboard-Upgrade für die visuelle Analyse, Unterstützung für benutzerdefinierte Anzeigefelder; offene API-Funktionen, die es Drittsystemen ermöglichen, CAL-Sortierergebnisse direkt aufzurufen
DISCO 2026 Release 2	~2026-05	Verbesserte generative KI-Zusammenfassungsfunktionen (neue Themenzusammenfassungen und Stapelzusammenfassungen); Die intelligente Beweiskorrelationsanalyse führt Konzept-Clustering ein und fasst semantisch ähnliche Dokumente automatisch zu Beweisclustern zusammen. Sicherheits- und Compliance-Module wurden erweitert, um detailliertere Benutzerberechtigungs-Überwachungsprotokolle zu unterstützen

Bei den oben genannten Veröffentlichungsterminen handelt es sich ausschließlich um Näherungswerte (~JJJJ-MM). Einen offiziellen genauen Termin gibt es noch nicht. Bitte beachten Sie die offiziellen Release-Anweisungen von DISCO.

Technologischer Evolutionstrend: Änderungen von den Versionen 2025 bis 2026 lassen sich in drei Richtungen erkennen: ① Die CAL-Engine geht von einer „einsprachigen“ zur „mehrsprachigen Globalisierung“ über, um sich an die Anforderungen der elektronischen Beweiserhebung bei grenzüberschreitenden Fällen anzupassen; ② Die generative KI geht von der „technischen Verifizierung“ zur „funktionalen Produktisierung“ über und die zusammenfassende Granularität wird weiter verfeinert; ③ Die Plattform wechselt von „geschlossenen Tools“ zu „offenen APIs“ und ermöglicht es Unternehmen, die Funktionen von DISCO in ihre eigenen Compliance-Workflows einzubetten. Diese Entwicklungsrichtungen entsprechen direkt den Kernproblemen des Marktes für Rechtstechnologie: der Komplexität der Verarbeitung mehrsprachiger Daten in globalen Fällen, dem Engpass bei der manuellen Zusammenfassung umfangreicher Dokumente und der Notwendigkeit der Rechtsabteilung, automatisierte Compliance-Prozesse zu integrieren.

Die technischen Vorteile von DISCO

Mechanismus 1: Bayesianische Grundlage des kontinuierlichen aktiven Lernens (CAL)

CAL bedeutet nicht einfach nur „Dokumente mit KI sortieren“. Die zugrunde liegende Schicht verwendet ein statistisches Lernmodell, das auf der Bayes'schen Logik basiert. Die Relevanzvorhersage für jedes Dokument ist eine probabilistische Schätzung – nachdem das Modell p(relevant|feature) ausgegeben hat, wird die Warteschlange in absteigender Reihenfolge der Wahrscheinlichkeit sortiert und jede Anmerkung des Prüfers (relevant/irrelevant) aktualisiert die Posteriorverteilung des Modells als neue Beweise. Dies bedeutet, dass das Modell noch „grob“ ist, wenn die ersten 100 Dokumente überprüft werden, aber wenn 5.000 Dokumente überprüft werden, verfügt das Modell über ein hohes Maß an Vertrauen in die Einstufung der Relevanz der verbleibenden Dokumente. Der Hauptvorteil dieses progressiven Konvergenzmechanismus besteht darin, dass der „Goldgehalt“ der Warteschlange umso geringer ist, je mehr Dokumente bis zum Ende überprüft werden, da Dokumente mit hoher Wahrscheinlichkeit im Voraus gelöscht wurden und die Relevanzwahrscheinlichkeit der verbleibenden Dokumente weiter abnimmt, bis die Konvergenzschwelle erreicht ist. Dies erklärt, warum CAL in der Lage ist, eine große Anzahl irrelevanter Dokumente sicher zu überspringen – nicht durch Vermutungen, sondern durch die kontinuierliche Anhäufung statistischer Beweise.

Mechanismus 2: Kollaborativer Workflow von CAL und generativer KI

DISCO verknüpft in der Version 2026 die CAL-Ranking-Engine mit den LLM-Zusammenfassungsfunktionen zu einem zusammengesetzten Workflow. Im ersten Schritt sortiert CAL die Dokumentenwarteschlange in absteigender Reihenfolge der Relevanzwahrscheinlichkeit; Im zweiten Schritt wird automatisch eine LLM-Zusammenfassung für die „mit hoher Wahrscheinlichkeit relevanten Dokumente“ an der Spitze der Warteschlange erstellt. Im dritten Schritt liest der Anwalt die Zusammenfassung und entscheidet, ob er den Originaltext eingehend prüfen möchte. Diese dreistufige Pipeline „zuerst sortieren, dann zusammenfassen und dann überprüfen“ reduziert mindestens zwei kognitive Reibungspunkte im Vergleich zum herkömmlichen Workflow „zuerst nach Schlüsselwörtern suchen, dann nacheinander lesen“: Erstens entfällt die Screening-Entscheidung, „welches Dokument es wert ist, gelesen zu werden“ bei umfangreichen Dokumenten; Zweitens entfällt der Sprungaufwand beim schnellen Verständnis des Dokumentinhalts.

Mechanismus Drei: Technische Optimierung von Datenverarbeitungspipelines

Die Bedeutung der Datenaufnahme in eDiscovery wird oft unterschätzt, aber in realen Projekten nehmen Datenbereinigung und Formatnormalisierung oft mehr als 30 % der Projektzeit in Anspruch. Die Datenerfassungspipeline von DISCO verfügt über eine integrierte E-Mail-Thread-Rekonstruktion (automatische Zusammenfassung von E-Mails zum gleichen Thema in einer Konversation), Metadatenvereinheitlichung (Ausrichtung von Datumsformaten, Zeitzonen und Benutzer-IDs aus verschiedenen Datenquellen) und eine fortschrittliche OCR-Engine (unterstützt die Textualisierung gescannter PDFs, Tabellenbilder und handschriftlicher Kommentare). Diese scheinbar „nicht KI“-technischen Fähigkeiten sind tatsächlich eine Voraussetzung für einen qualitativ hochwertigen Betrieb der KI-Überprüfung – wenn OCR „Geheimhaltungsvereinbarung“ fälschlicherweise als „Geheimhaltungsvereinbarung“ identifiziert, werden nachfolgende CAL-Modelle und LLM-Zusammenfassungen Fehler auf dieser Grundlage anhäufen.

Hauptunterschiede im Vergleich zu herkömmlichen elektronischen Discovery-Tools:

Vergleichsmaße	DISCO (CAL + AI)	Traditionelle elektronische forensische Werkzeuge (Relativität usw.)
Überprüfung der Prioritätsbestimmungsmethode	Algorithmus dynamisches Sortieren, kontinuierliches Lernen von Anmerkungssignalen	Boolesche Schlüsselwörter + manuelle Stapelzuordnung
Relevante Dokumentenabdeckung	Statistisches Konvergenzmodell, quantifizierbare Abdeckung	Verlassen Sie sich auf die Vollständigkeit des Schlüsselworts, hohes Risiko des Auslassens
Anforderungen an die Fähigkeiten von Gutachtern	Sie müssen das KI-gestützte Review-Workflow-Design verstehen	Kenntnisse in der Booleschen Abfragesyntax erforderlich
Nachbesserungs- und Unterlassungsprüfung	CAL markiert automatisch Intervalle mit geringer Wahrscheinlichkeit, keine manuellen Auslassungen	Zusätzliche Qualitätsnachweischargen erforderlich
Mehrsprachige Unterstützung	Die Version 2025+ unterstützt nicht-lateinische Zeichensätze	Erfordert separate Datenquellenkonfiguration
Skalierbarkeit (Millionen Dokumente)	Lineare Erweiterung auf zig Millionen Warteschlangen	Begrenzt durch Chargengröße und manuelle Sortierung

So verwenden Sie DISCO

DISCO ist eine SaaS-Plattform auf Unternehmensebene. Der Eingang ist in eine Front-End-Überprüfungsoberfläche und eine Back-End-Verwaltungskonsole unterteilt und bietet differenzierte Betriebspfade für verschiedene Rollen.

Plattformseitiger Nutzungsprozess (Rechtsanwalt/Prüfer):

1. Fallerstellung und Datenzugriff: Der Falladministrator erstellt einen neuen Fall in der DISCO-Konsole, wählt den Datenquellentyp (E-Mail-Export, PST-Datei, Office 365 API-Direktverbindung zum Slack-Exportpaket usw.) aus und konfiguriert Zeitzonen- und Metadatenzuordnungsregeln. Nachdem auf die Daten zugegriffen wurde, führt das System automatisch eine Deduplizierung und OCR-Verarbeitung durch.
2. Early Case Assessment (EDA): Nachdem die Datenverarbeitung abgeschlossen ist, überprüft das Fallstrategieteam zunächst den EDA-Bericht, um das vollständige Bild der Daten zu verstehen (Gesamtdokumentvolumen, Themenverteilung, Hauptkorrespondenten, Zeitplan). Bestimmen Sie die Überprüfungsstrategie basierend auf den EDA-Schlussfolgerungen – ob vollständige Überprüfung oder geschichtete Stichprobe.
3. CAL-Überprüfungsstart: Der Prüfer öffnet die CAL-Überprüfungsarbeitsgruppe in der DISCO-Überprüfungsoberfläche. Das System weist automatisch einen ersten Stapel von 500–1.000 „Seed-Dokumenten“ für die Annotation zu. Diese Dokumente werden in der Regel durch algorithmische Strategien abgetastet, die sowohl einen hohen Informationsgehalt als auch eine hohe Unsicherheit berücksichtigen, um die Effizienz des anfänglichen Trainings zu maximieren.
4. Markierung und Überprüfung: Der Prüfer liest die Dokumente einzeln und markiert sie mit „relevant/irrelevant“ (oder mit detaillierteren Bezeichnungen wie „privilegierte Kommunikation/Geschäftsgeheimnisse/persönliche Informationen“). Jedes Mal, wenn ein Etikettierungsstapel abgeschlossen ist, ordnet das CAL-Modell die verbleibenden Warteschlangen automatisch neu. Prüfer können jederzeit die „Konvergenzkurve“ einsehen – ein visueller Indikator für den Grad der Konvergenz von Modellvorhersagen, um zu bestimmen, wann die Prüfung sicher beendet werden kann.
5. Export und Berichterstattung von Beweisen: Nach Abschluss der Überprüfung können als „relevant“ markierte Dokumente stapelweise als Beweisdossiers exportiert werden, oder Entdeckungsberichte können über Kommunikationsdiagramme und generative KI-Zusammenfassungen für die Vorbereitung von Studien oder die Einreichung bei Behörden erstellt werden.

Konfigurationspunkte auf der Administratorseite:

• Berechtigungsrollenkonfiguration: Unterstützt die vierstufigen Berechtigungen „Fallmanager, Prüfer, Prüfer und schreibgeschützter Prüfer“. Jede Rolle kann die Funktionsmodule genau steuern (z. B. ob die Änderung von Etikettenklassifizierungen zulässig ist oder ob Originaldaten exportiert werden sollen).
• Design des Etikettensystems: Vor Beginn des Falles muss ein Etikettenklassifizierungsbaum entworfen werden (z. B. „relevant/irrelevant“ + „Beweisart: Vertrag/E-Mail/Finanzbericht“ + „Vertraulichkeitsgrad“ und andere mehrdimensionale Etiketten). Die Qualität des Etikettendesigns wirkt sich direkt auf die Lernrichtung von CAL und die Granularität der endgültigen Bewertungsklassifizierung aus.
• Qualitätsüberprüfung (QC): DISCO verfügt über ein integriertes Qualitätskontrollmodul, das die Überprüfung von Stichproben und den Prozess der „Streitentscheidung“ unterstützt – wenn zwei Prüfer inkonsistente Anmerkungsschlussfolgerungen zu demselben Dokument haben, wird dies automatisch zur endgültigen Entscheidung an den Vorgesetzten weitergeleitet. Es wird empfohlen, dass die QC-Probenahmerate 5–10 % beträgt und bei erstmaligen CAL-Fällen auf 15 % ansteigt.

Technisches Integrationsportal:

• Web-Client: Greifen Sie über einen Browser auf die DISCO-Instanz zu, der alle gängigen Browser (Chrome, Edge, Firefox) unterstützt. Es wird empfohlen, den Desktop-Client zu verwenden, um die vollständige funktionale Gestaltung des CAL-Überprüfungsarbeitsbereichs sicherzustellen.
• API-Zugriff: Die REST-API wird ab DISCO 2026 Release 1 geöffnet und unterstützt Systeme von Drittanbietern (z. B. die interne Compliance-Management-Plattform des Unternehmens, das Fallmanagementsystem), um die Funktionen zum Abrufen von Dokumenten, zur CAL-Sortierabfrage und zum Export von Beweismitteln direkt aufzurufen. Die API-Authentifizierung verwendet OAuth 2.0 und bestimmte Endpunktdokumente müssen dem offiziellen Entwicklerportal unterliegen.
• Mobiles Endgerät: Derzeit gibt es keine eigenständige mobile App. Auf das Web-Terminal kann über einen mobilen Browser zugegriffen werden, es wird jedoch aufgrund von Einschränkungen der Bildschirmgröße nicht empfohlen, den CAL-Überprüfungsarbeitsbereich auf mobilen Geräten zu betreiben.

PRODUKTPREISE VON DISCO

DISCO wendet ein hybrides Preismodell an, das keine Standardpreise offenlegt. Die Preisgestaltung basiert auf drei Kernvariablen: Datenvolumen (GB/TB), Funktionsmodule (Basisversion vs. AI-erweiterte Version) und Anzahl der Benutzerplätze. Das Folgende ist eine strukturierte Analyse, die auf öffentlichen Informationen und Branchenpraktiken basiert:

Preisstufen	Abrechnungsdimensionen	Typischer Jahresvertragsbereich	Was ist enthalten
Projekttyp (auf Anfrage)	Verarbeitungsdatenvolumen (GB/Projekt) + Anzahl Benutzerplätze + Funktionsmodule	20.000 - 100.000 US-Dollar/Projekt	Datenverarbeitung, Hosting, grundlegende Überprüfung, CAL-Sortierung, Beweisexport
Enterprise-Jahresabonnement	Feste Datenkapazität (z. B. 10 TB/Jahr) + Sitzplätze + KI-Modul	Ab 500.000 $/Jahr	Vollständige projektbasierte Funktionalität + API-Zugriff + Dedizierter Kundenerfolg + SLA
Add-on-Paket zur KI-Erweiterung	Zusätzliche Kosten je nach Anzahl der Sitzplätze oder Datenvolumen	30-50 % Erhöhung gegenüber der Grundgebühr	Generative KI-Zusammenfassung, erweitertes Kommunikationsdiagramm, intelligentes Konzept-Clustering

Kostenlose Testversion und POC: DISCO bietet Proof of Concept (POC)-Dienste auf der Grundlage spezifischer Falldaten an, die in der Regel die CAL-Überprüfungsüberprüfung von 10.000–50.000 Dokumenten mit einer Zykluszeit von 2–4 Wochen abdecken. Der Zweck des POC besteht darin, potenziellen Kunden die Überprüfung des tatsächlichen Effizienzverbesserungsverhältnisses von CAL anhand ihrer eigenen historischen Falldaten zu ermöglichen. Dies ist der kritischste und am meisten unterschätzte Aspekt vor der Beschaffung – es wird empfohlen, dass Kunden mindestens drei Datensätze unterschiedlicher Falltypen für POC vorbereiten, da es bei Post-intensiven Fällen und dokumentenintensiven Fällen zu erheblichen Unterschieden in der Leistung von CAL kommen kann.

Versteckte Gebühren und Zinsbedingungen:

• Datenexportgebühr: Wenn die Daten nach Abschluss des Falles von der DISCO-Plattform auf lokale oder andere Plattformen exportiert werden, erheben einige Verträge möglicherweise eine Exportgebühr basierend auf der Datenmenge. Die Abrechnungsstandards und Formatbeschränkungen für die Datenmigration müssen beim Kauf geklärt werden.
• Speichererhöhungsgebühr: Wenn die Menge der Falldaten während des Überprüfungsprozesses aufgrund neuer Datenquellen (z. B. der Entdeckung neuer relevanter E-Mail-Konten) erheblich ansteigt und die im Vertrag vereinbarte Obergrenze der Datenkapazität überschreitet, wird der überschüssige Teil in der Regel zu einem höheren Einheitspreis in Rechnung gestellt.
• Begrenzung der gleichzeitigen Benutzerlizenz: Bei einigen Verträgen gibt es eine Obergrenze für die Anzahl der gleichzeitigen Online-Rezensenten. Wenn das Limit überschritten wird, müssen zusätzliche gleichzeitige Sitzplätze erworben werden. Unzureichende gleichzeitige Kapazität kann zu Verzögerungen bei Genehmigungen während der zentralen Überprüfungsphase umfangreicher Fälle führen (wo die Regulierungsbehörden die Vorlage von Beweisen innerhalb von 30 Tagen verlangen).
• KI-Module werden separat abgerechnet: Generative KI-Zusammenfassungen und erweiterte Kommunikationsdiagramme können zusätzliche Module sein, die über die Grundpreise der Plattform hinausgehen. Sie müssen beim Kauf bestätigen, ob diese im Vertragspreis enthalten sind.

Anwendungsszenarien von DISCO

• Verbesserung der Effizienz der Dokumentenprüfung bei groß angelegten Handelsstreitigkeiten: Komplexe Handelsstreitigkeiten mit Millionen oder sogar mehreren zehn Millionen elektronischen Dokumenten (z. B. Patentverletzung, Diebstahl von Geschäftsgeheimnissen, Sammelklagen von Aktionären). Beim traditionellen Überprüfungsmodell müssen junge Anwälte mehrere Monate lang Dokumente einzeln lesen, was zeitaufwändig ist und anfällig für Auslassungen aufgrund von Ermüdung ist. Das CAL-Modell von DISCO verlagert den Prüfschwerpunkt von „alle lesen“ auf „alle relevanten Dokumente finden“ – in einem Kartellverfahren mit 5 Millionen Dokumenten half CAL Anwälten, die Anzahl der Dokumente, die intensiv gelesen werden mussten, auf etwa 1 Million zu reduzieren, und der Prüfzyklus wurde von geschätzten 10 Monaten auf 4 Monate verkürzt. Akzeptanzfokus: Ob die Abwärtsneigung der CAL-Schlusskurve in diesem Fall wie erwartet ist; Liegt die Schließgeschwindigkeit deutlich unter dem typischen Wert, muss die Konsistenz der Etikettierung und die Repräsentativität des Saatdokuments überprüft werden.

• Behördliche Untersuchungen und Reaktionen auf Rechtsstreitigkeiten: Für Untersuchungen von Aufsichtsbehörden wie der SEC, dem DOJ, der FTC usw. gelten häufig strenge Einreichungsfristen (z. B. 20 Tage für die Einreichung erster Beweise). Im traditionellen elektronischen Ermittlungsprozess reicht das Zeitfenster von 2–3 Wochen oft nur aus, um die Datenerfassung und grundlegende Verarbeitung abzuschließen, sodass fast keine Zeit für die Überprüfung bleibt. Die EDA-Funktion von DISCO kann innerhalb von 24 bis 48 Stunden nach dem Datenzugriff ein Fallporträt ausgeben und hilft Anwälten so dabei, schnell die Teilmenge der Daten zu ermitteln, die vorrangig überprüft werden müssen. CAL verbessert die Effizienz in nachfolgenden Überprüfungen weiter. Akzeptanzfokus: Ob die Identifizierung wichtiger Korrespondenten im EDA-Bericht mit der Intuition des Anwalts über den Fall übereinstimmt und ob die sachliche Genauigkeit der generativen KI-Zusammenfassung einem akzeptablen Ersatzniveau für die Überprüfung entspricht.

• Unternehmensinterne Untersuchungen und Compliance-Audits: Interne Untersuchungen, die von den Rechtsabteilungen des Unternehmens durchgeführt werden (z. B. Fehlverhalten von Mitarbeitern, Datenlecks, Compliance-Audits zur Bekämpfung von Bestechung), erfordern in der Regel, dass die Dokumentenauffindung und die Beweissicherung abgeschlossen werden, ohne dass der Gegenstand der Untersuchung benachrichtigt wird. Das Berechtigungsisolationsdesign von DISCO ermöglicht es Ermittlungsteams, Überprüfungen nur „relevanter Daten“ durchzuführen, ohne vollständige Datenberechtigungen zu erteilen. Das Modul „Communications Mapping“ ist bei internen Untersuchungen besonders wertvoll – im Gegensatz zu externen Rechtsstreitigkeiten, bei denen die Kommunikation zwischen Klägern und Beklagten klar verfolgt wird, müssen bei internen Untersuchungen häufig die Beziehungen zwischen Schlüsselpersonen von Grund auf identifiziert werden. Akzeptanzfokus: Ob das Kommunikationsdiagramm automatisch versteckte Kommunikationslinks erkennen kann, die nicht durch Schlüsselwortsuchen abgedeckt werden; mehrsprachige Leistung in nicht-englischen Daten wie Chinesisch und Japanisch.

• Vertragsprüfung in der M&A Due Diligence (erweitertes Szenario): Bei großen M&A-Transaktionen muss der Käufer eine Vielzahl von Verträgen des Zielunternehmens (Lieferantenverträge, Kundenverträge, Arbeitsverträge etc.) prüfen, um mögliche rechtliche Risiken zu identifizieren. Obwohl DISCO nicht speziell für die M&A-Due-Diligence konzipiert ist, kann seine Kombination aus CAL und generativer KI-Zusammenfassung die Vertragsklassifizierung und die Extraktion wichtiger Klauseln erheblich beschleunigen. Einschränkungen: Das Zeitfenster von M&A-Szenarien beträgt in der Regel nur 2-6 Wochen, und das Datenvolumen ist relativ „klein“ (Tausende bis Zehntausende Verträge). Der Effizienzsteigerungsvorteil von CAL ist bei kleinen Datenmengen nicht so groß wie bei großen Rechtsstreitigkeiten, und das Preis-Leistungs-Verhältnis ist möglicherweise nicht so gut wie bei dedizierten M&A-Vertragsanalysetools.

Anwendbare Gruppen von DISCO

• eDiscovery-Teams großer Anwaltskanzleien: Dies sind die Hauptnutzer von DISCO. Die auf eDiscovery spezialisierten Partner, Case Lawyers und „eDiscovery Specialists“ der Kanzlei sind mit dem CAL-Workflow vertraut und können das Effizienzpotenzial von DISCO maximieren. Voraussetzung: Das Team muss intern in der Lage sein, CAL-Schulungen (Annotation Strategy Design) zu organisieren, oder bereit sein, die Beratungsdienste von DISCO für die Ersteinrichtung zu erwerben.

• Compliance- und Litigation-Team von Corporate Legal: Interne Rechtsteams nutzen DISCO, um das Prozessportfolio und Compliance-Audits des Unternehmens zu verwalten. Im Vergleich zu Kanzleinutzern legen Unternehmensrechtsangelegenheiten mehr Wert auf die Budgetkontrollierbarkeit der „Unterzeichnung einer festen Kapazität zu Beginn des Jahres, um alle Fälle das ganze Jahr über abzudecken“ und auf die Sicherheitsanforderung „Daten werden nicht nach außen übermittelt“. Voraussetzung: Das jährliche Dokumentenprüfungsvolumen der Rechtsabteilung muss in der Regel mehr als 10 TB betragen, um die jährlichen Abonnementkosten zu decken, und es ist eine engagierte Person erforderlich, die sich um die technische Implementierung von DISCO kümmert.

• Untersuchungs- und Compliance-Abteilungen von Regierungsbehörden: Die Einhaltung der FedRAMP-Compliance-Anforderungen ermöglicht es DISCOs, sich in Listen für die Beschaffung von Regierungsaufträgen einzutragen. Regierungsanwender haben in der Regel strengere Datensouveränitäts- und Prüfprotokollanforderungen, und die Doppelzertifizierung SOC 2 Typ II + FedRAMP von DISCO ist in diesem Szenario ein entscheidender Wettbewerbsvorteil. Voraussetzung: Sie müssen die Sicherheitsbewertung des staatlichen IT-Beschaffungsprozesses bestehen, der bis zu 6–12 Monate dauern kann.

• Unzutreffende Gruppen (Ablehnungsliste):

  • Einzelpersonen und kleine Anwaltskanzleien (unter 5 Personen): Jährliche Abonnementgebühren und Projektkosten für die Verarbeitung von 10–50 GB Daten übersteigen bei weitem das Budget für Einzelfälle. Es wird empfohlen, dass solche Benutzer eDiscovery-Outsourcing-Dienste mit nutzungsbasierter Bezahlung nutzen, anstatt DISCO direkt zu abonnieren.
  • Teams, die einzelne, kleine Fälle (< 50 GB) bearbeiten: Der Effizienzsteigerungsvorteil von CAL lässt sich nur schwer voll ausschöpfen, wenn die Datenmenge nicht ausreicht – das Modell benötigt ausreichend annotierte Daten, um ein effektives Training abzuschließen, und die Konvergenzkurve ist bei kleinen Datenmengen möglicherweise nicht ideal. Für Fälle unter 50 GB sind die herkömmliche Stichwortsuche + manuelle Überprüfung oder ausgelagerte Dienste kostengünstigere Optionen.
  • Chinesisches Rechtsteam, das eine chinesische Schnittstelle und Lokalisierung der Rechtsterminologie benötigt: Die Produktschnittstelle und Dokumentation von DISCO unterstützen nur Englisch. Obwohl die Version 2025 bereits die OCR- und CAL-Sortierung chinesischer Dokumente unterstützt, ist die chinesische Adaption generativer KI-Zusammenfassungen und juristischer Terminologie noch nicht so ausgereift wie die englische. Chinesische Anwaltskanzleien und Unternehmensberater sollten POC-Tests mit chinesischen Datensätzen durchführen, bevor sie über eine Beschaffung nachdenken.

Zusammenfassung und Ausblick von DISCO

Kernkompetenzen: Der Burggraben von DISCO ist keine einzelne KI-Funktion, sondern die Dreifaltigkeit von „CAL-Algorithmus + gelisteter Produktreife auf Unternehmensebene + Branchenzertifizierungsbarrieren“. CAL ist der erste Technologieweg im Bereich der Rechtstechnologie, der aktives Lernen von einem akademischen Konzept in ein kommerzielles Überprüfungsprodukt umwandelt, und wurde in großem Umfang verifiziert; Der NYSE-Notierungsstatus sorgt für Transparenz in der Finanzberichterstattung und Kundenvertrauen (Kunden können die finanzielle Gesundheit von Lieferanten überprüfen); Die Doppelzertifizierung SOC 2 + FedRAMP ermöglicht den Compliance-Zugriff in staatlichen und stark regulierten Branchenszenarien.

Aktuelle Einschränkungen und Unsicherheiten:

1. Preisschwelle schließt eine große Anzahl potenzieller Kunden aus: Mit Preisen ab 500.000 US-Dollar für ein Jahresabonnement ist es in den oberen 20 % des „High-End-Rechtsmarktes“ verankert, während die restlichen 80 % des Marktes für kleine und mittlere Fälle von traditionellen Tools und Outsourcing-Diensten besetzt sind.
2. Der KI-Effekt hängt stark von der Anmerkungsqualität ab: Dies ist eine strukturelle Einschränkung des CAL-Modells – wenn die Anmerkungskonsistenz des Prüfteams schlecht ist (verschiedene Prüfer kommen zu unterschiedlichen Schlussfolgerungen für dasselbe Dokument), ist das „Lernsignal“ des CAL-Modells Rauschen und die Sortierqualität kann nicht garantiert werden. Dies ist kein spezielles Problem von DISCO, aber Einkäufer müssen sich damit auseinandersetzen: Bei der Einführung von DISCO geht es nicht nur darum, „ein Werkzeug zu kaufen“, sondern „eine Reihe von Arbeitsabläufen einzuführen, die neue Fähigkeiten erfordern“, und die Kosten für Personalschulung und Prozessgestaltung werden möglicherweise unterschätzt.
3. Die rechtliche Zuverlässigkeit generativer KI wurde noch nicht überprüft: Das Risiko einer LLM-Illusion ist in juristischen Szenarien höher als in anderen Branchen – ein KI-Schriftsatz, der einen wichtigen negativen Satz auslässt oder eine Bedingungsklausel falsch interpretiert, kann dazu führen, dass Anwälte strategische Urteile auf der Grundlage falscher Informationen fällen. DISCOs Positionierung der generativen KI in seiner Produktdokumentation besteht darin, „das Verständnis zu unterstützen und nicht die Überprüfung des Originaltextes zu ersetzen“. Einkäufer sollten interne Vorgaben für den Einsatz von KI-Zusammenfassungen formulieren (z. B. welche Arten von Dokumenten keine Nur-Zusammenfassungen lesen dürfen und wichtige Verweise müssen mit dem Originaltext überprüft werden).
4. Unzureichende Tiefe der Anpassung an den chinesischen Markt: Für den chinesischen Rechtsmarkt und die chinesischen Anforderungen an die Sammlung elektronischer Beweise bietet DISCO derzeit nur grundlegende Unterstützung auf Dokumentebene (OCR, CAL-Sortierung), aber das semantische Verständnis chinesischer Rechtsbegriffe, die Analyse von Kommunikationsdiagrammen im chinesischen Kontext und Compliance-Anforderungen (z. B. Datenexportbeschränkungen gemäß dem „Datensicherheitsgesetz“) stellen immer noch erhebliche Mängel dar. Ausländische Anwaltskanzleien mit Geschäften in China können eine Alternative sein, es ist jedoch schwierig, als Hauptplattform zu fungieren.

Beschaffungs- und Einführungsrisikobewertung (für Teams, die die Einführung eines POC planen):

1. Führen Sie zuerst eine Überprüfung der Datenkompatibilität durch: Verwenden Sie in der POC-Phase unsere repräsentativsten Falldatensätze (die mindestens zwei Arten von E-Mails und Bürodokumenten abdecken), um zu testen, ob die Datenzugriffspipeline von DISCO vollständig ist – insbesondere die OCR-Genauigkeit und die Integrität der Metadatenzuordnung bei nicht-englischen Datensätzen.
2. Quantitativer Basisvergleich: Wählen Sie einen historischen abgeschlossenen Fall aus, kopieren Sie den Datensatz des Falls und führen Sie die CAL-Überprüfung auf DISCO erneut durch. Vergleichen Sie die Größe und Art des Differenzsatzes zwischen dem „relevanten Dokumentensatz, sortiert nach DISCO“ und dem „relevanten Dokumentensatz, der durch manuelle Überprüfung markiert wurde“ – ob die Dokumente im Differenzsatz wirklich irrelevant sind (was bedeutet, dass die CAL erfolgreich gefiltert wurde) oder fehlende relevante Inhalte enthalten (was bedeutet, dass die Sortierung verzerrt ist).
3. Bewerten Sie die Lernkosten des Teams: Vereinbaren Sie, dass 2-3 Gutachter an der CAL-Annotationsstrategieschulung von DISCO teilnehmen, und notieren Sie die Zeit, die vom ersten Kontakt bis zur unabhängigen Durchführung eines vollständigen CAL-Überprüfungsworkflows benötigt wird. Wenn Sie länger als zwei Wochen immer noch nicht in der Lage sind, kompetent zu arbeiten, bedeutet dies, dass die KI-Tool-Anpassungsgrundlage des Teams schwach ist und zusätzliche Coaching-Ressourcen erforderlich sind.
4. Überprüfung der Vertragsbedingungen: Konzentrieren Sie sich vor der Unterzeichnung des Beschaffungsvertrags auf die Bestätigung des Datenexportgebührenstandards, darauf, ob das KI-Modul zum Einheitspreis mit überschüssiger jährlicher Datenkapazität im Basisvertrag enthalten oder separat genehmigt ist, sowie auf den Zeitraum und die Kosten der Datenmigration nach Vertragsbeendigung. Es wird empfohlen, die vorstehenden Regelungen in die rechtliche Prüfung einzubeziehen.

DISCO repräsentiert einen typischen Evolutionspfad im Bereich der Rechtstechnologie von „automatisierten Tools“ hin zu „intelligenten Kollaborationsplattformen“. Sein Wertversprechen besteht nicht darin, Anwälte zu ersetzen, sondern darin, Anwälten dabei zu helfen, sich innerhalb eines begrenzten Zeitrahmens auf die wertvollsten Beweise zu konzentrieren. Für Anwaltskanzleien und Unternehmensrechtsteams, die jedes Jahr mehr als 10 TB elektronische Daten verarbeiten und bereit sind, in Schulungskosten für KI-gestützte Arbeitsabläufe zu investieren, ist DISCO die Aufnahme in die POC-Kandidatenliste wert, muss jedoch anhand seiner eigenen realen Falldaten verifiziert werden, anstatt sich bei Kaufentscheidungen auf von Lieferanten bereitgestellte Benchmark-Falldaten zu verlassen.

Versionsinfo

• DISCO 2026 Version 2 ：Noch kein offizielles genaues Datum; verbesserte generative KI-Zusammenfassung und intelligente Funktionen zur Analyse von Beweiskorrelationen. （~2026-05）
• DISCO 2026 Version 1 ：Es gibt noch kein offizielles genaues Datum; Unterstützung für mehrsprachige Dokumente und ein erweitertes visuelles Analyse-Dashboard wurden hinzugefügt. （~2026-02）