Das Papierkram-Problem, das Patienten zwei Monate kostet
ACTA AI nutzt Multi-Agenten-Vertragsintelligenz, um Verhandlungen über klinische Studienvereinbarungen um 50 Tage zu verkürzen, wodurch Milliarden an Pipeline-Wert freigesetzt werden und Patienten schnelleren Zugang erhalten.
Enter war beim HackPrinceton Frühjahr 2026 – 410 Teilnehmer, 36 Stunden, auf dem Campus von Princeton. Das Team hinter ACTA AI entschied sich für das schwierigste Problem im Raum. Und sie wussten genau, warum.
Ein humanitäres Problem im juristischen Gewand
Jeden Tag, an dem sich eine klinische Studie verzögert, warten Patienten mit aggressiven Krebsarten, seltenen Krankheiten und chronischen Leiden länger auf Therapien, die ihr Leben verändern oder retten könnten.
Bevor ein einziger Patient an einer Studie teilnehmen kann, müssen pharmazeutische Sponsoren und klinische Forschungszentren eine „Clinical Trial Agreement“ (klinische Studienvereinbarung) aushandeln – ein komplexes Rechtsdokument, das geistiges Eigentum, Entschädigungen, Veröffentlichungsrechte, Patientendatenschutz und regulatorische Meldepflichten umfasst. Diese Verhandlung dauert durchschnittlich 100 Tage. Bei einem entgangenen Pipeline-Wert von 800.000 bis 1,4 Millionen US-Dollar pro Tag sind die finanziellen Kosten beträchtlich. Aber die wichtigere Zahl ist diejenige, die in keinem Finanzmodell auftaucht: die Patienten auf der anderen Seite dieser Verzögerung, denen die Zeit davonläuft.
Für ein Unternehmen, das 56 aktive klinische Programme betreibt, bedeutet eine Verkürzung jeder Verhandlung um 50 Tage eine Erschließung von über 2,24 Milliarden US-Dollar an Pipeline-Wert. Was noch wichtiger ist: Es bedeutet, dass Patienten mit aggressiven Lymphomen oder seltenen entzündlichen Erkrankungen fast zwei Monate früher Zugang zu potenziell lebensrettenden Therapien erhalten.
Das Team betrachtete dies nicht als ein Problem der juristischen Automatisierung. Sie haben es korrekt als ein humanitäres Problem eingestuft, das zufällig wie Papierkram aussieht.
Was ACTA AI tatsächlich leistet
ACTA AI ist eine Multi-Agenten-Plattform für Vertragsintelligenz, die rund um den Prozess der klinischen Studienvereinbarung aufgebaut ist. Sie wurde entwickelt, um das zu leisten, was derzeit kein kommerzielles KI-Rechtstool bietet: Verträge Klausel für Klausel zu analysieren, eine standardisierte Baseline durchzusetzen, Verhandlungen über Versionen und Parteien hinweg zu verfolgen und vertragsübergreifende Konflikte aufzudecken, bevor sie zu juristischen Krisen werden.
Die architektonische Entscheidung, die das gesamte Produkt definiert, ist auch die am einfachsten zu erklärende. Ein 30-seitiger Rechtsvertrag, der einem Sprachmodell als einzelner Textblock vorgeworfen wird, liefert unzuverlässige Ergebnisse. Das Team ging den entgegengesetzten Weg. Jeder Vertrag wird in einzelne Klauseln unterteilt, die jeweils unabhängig gegen eine fest kodierte Baseline von sieben ACTA-Standards geprüft werden – Veröffentlichungsfristen, Entschädigungsstruktur, Zahlungsbedingungen, Dauer der Vertraulichkeit, Obergrenzen für indirekte Kosten –, bevor die Ergebnisse in einer Zusammenfassung für die Geschäftsführung aggregiert werden. Diese Struktur ist es, die ein juristisches Intelligenzwerkzeug von einer ausgeklügelten Suchmaske unterscheidet.
Das Klauselanalys-Interface von ACTA AI zeigt ein unabhängiges Compliance-Scoring für jeden Vertragsabschnitt im Vergleich zur ACTA-Baseline – Abweichungen werden vor der Erstellung der Zusammenfassung nach Schweregrad markiert.
Ein Confidence-Scoring-System sortiert jede Klausel in vier Kategorien: konform mit der Baseline und bereit zur Verwendung, geringfügige Abweichung mit Standardlösung, kritische Abweichung, die bei Nichtlösung zu mehrwöchigen Verzögerungen führen wird, oder Sprache, die das System noch nie zuvor gesehen hat und die direkt an einen menschlichen Anwalt weitergeleitet wird. Ein zweiköpfiges Rechtsteam kann 50 gleichzeitige Verträge verwalten, weil sie immer wissen, wo sie zuerst nachsehen müssen.
Der Ein-Klick-ACTA-Modus adressiert das Szenario, in dem eine Verhandlung völlig ins Stocken geraten ist. Eine einzige Schaltfläche schreibt jede abweichende Klausel gleichzeitig auf die Baseline um, generiert eine Seite-an-Seite-Ansicht der Änderungen sowie ein sofort versandfertiges Verhandlungsmemo, das jede Änderung für die Gegenpartei erläutert.
Prädiktive Standort-Personas berücksichtigen etwas, das generische Vertragstools völlig ignorieren: verschiedene Krankenhäuser verhandeln unterschiedlich. Ein akademisches medizinisches Zentrum und ein regionales Gemeindekrankenhaus haben unterschiedliche rechtliche Prioritäten, unterschiedliche Reflexe und unterschiedliche rote Linien. ACTA AI sagt Reibungspunkte voraus, noch bevor der Vertrag überhaupt versendet wurde.
Der Multi-Parteien-Konfliktdetektor – den das Team als das Feature beschrieb, das sie am meisten überrascht hat – löst ein Problem, für das derzeit leitende Anwälte Hunderte von Dokumenten manuell miteinander vergleichen müssen. Laden Sie mehrere CTAs hoch, führen Sie den Scan durch, und das System zeigt Inkonsistenzen über Verträge hinweg auf: widersprüchliche IP-Rechte für verschiedene Standorte bei derselben Verbindung, inkompatible Veröffentlichungsfristen, die verschiedenen Institutionen versprochen wurden. Was bisher erst Monate nach Beginn eines Programms als juristische Krise auftauchte, wird nun in Sekunden sichtbar.
Das Interface des Multi-Parteien-Konfliktdetektors zeigt vertragsübergreifende Inkonsistenzen, die bei gleichzeitigen klinischen Studienvereinbarungen markiert wurden – eine Funktion, die das Team in drei Stunden entwickelte und die möglicherweise das kommerziell bedeutendste Feature des Produkts ist.
Wie alles zusammenkam
Das Backend ist eine Vier-Agenten-Pipeline – Dokumentenparser, Klauselextraktion, Risikoidentifikation, Compliance-Prüfung, Vorschlag – mit einem gemeinsamen Zustandsobjekt, das extrahierte Klauseln, Risikoergebnisse, Compliance-Ergebnisse und Versionsunterschiede durch jeden Schritt trägt. Die Architektur umfasst auch eine Routing-Ebene, die widerspiegelt, wie Anwaltskanzleien Arbeit tatsächlich verteilen: Rechtslastige Klauseln gehen an ein Modell, das auf juristische Argumentation optimiert ist, schnelle Klassifizierungsaufgaben an ein auf Geschwindigkeit optimiertes Modell, und komplexe Umschreibungen an ein auf Sprachqualität optimiertes Modell. Das richtige Modell für die richtige Aufgabe, eingebaut in das System, statt dem Zufall überlassen.
Keiner aus dem Team hatte vor dem Wochenende eine produktionsreife Multi-Agenten-Pipeline gebaut. Die Architektur durchlief drei komplette Neugestaltungen, bevor sie bei der landete, die tatsächlich Bestand hatte. Rückblickend beschrieb das Team diese frühen Diskussionen als die wertvollsten Stunden des Hackathons.
Das Frontend wurde zweimal neu aufgebaut – ganz bewusst. Die visuelle Sprache besteht aus warmen Cremetönen, Salbeigrün und gedämpftem Blaugrün. Die Begründung für diese Wahl war einfach: Klinische Software sollte sich vertrauenswürdig und ruhig anfühlen. Das Design ist eine Produktentscheidung, keine stilistische.
Worauf sie am meisten stolz sind
Dass es mit echten Dokumenten funktioniert.
Echte klinische Studienvereinbarungen – chaotische Formatierung, ungewöhnliche Klauselreihenfolge, juristische Sprache, die das System in der Entwicklung noch nie gesehen hatte – die Pipeline bewältigt sie. Randfälle werden sauber gehandhabt. Fallbacks greifen zuverlässig. Die strukturierte Ausgabe bleibt stabil.
Der Multi-Parteien-Konfliktdetektor hätte es fast nicht in die Einreichung geschafft. Er war eine späte Ergänzung, die in drei Stunden gebaut wurde. Sie haben ihn trotzdem veröffentlicht, und sie glauben, dass es das kommerziell wertvollste Element des Produkts ist.
Sie sind auch stolz auf etwas, das nicht in der Demo erscheint: In der 28. Stunde, müde und unter Druck, haben sie es nicht aneinander ausgelassen. Sie beschrieben es als eine Fähigkeit, unter Druck respektvoll mit dem Team umzugehen, und behandelten es auch so. Das ist keine Kleinigkeit. Es ist wahrscheinlich der Grund, warum alles andere fertig geworden ist.
Der Multi-Parteien-Konfliktdetektor hat oberste Priorität – der Übergang von einem funktionierenden Prototyp zu dauerhaftem Vertragsspeicher, Konflikthistorienverfolgung, automatisierten Warnmeldungen und Netzwerkvisualisierung, die zeigt, welche Standorte überlappende rechtliche Bedingungen teilen.
Eine auf Privatsphäre ausgerichtete Architektur ist der nächste Schritt. Klinische Studienvereinbarungen enthalten sensible Informationen über Patienten und Organisationen. Die nächste Version benötigt Ende-zu-Ende-Verschlüsselung, rollenbasierte Zugriffskontrollen und einen Datenrahmen, der regulatorische Anforderungen für beide Seiten der Verhandlung erfüllt. Vertrauen, so das Team, ist das Fundament jedes Rechtsprodukts. Sie wollen es sich redlich verdienen.
Das längerfristige Ziel ist es, dass Agenten aus realen Fällen lernen – echte Verhandlungsergebnisse zurück in das System speisen, damit es seine Risikomodelle im Laufe der Zeit verfeinert. Welche Abweichungen verursachten Verzögerungen? Welche roten Linien wurden akzeptiert? Welche Standorttypen wehrten sich am stärksten gegen welche Klauseln? Das System wird mit jedem verarbeiteten Vertrag intelligenter.
Und schließlich langfristige Verhandlungsintelligenz: ein Feature, das einem Rechtsteam genau sagt, wie ein bestimmter Standort in der Vergangenheit verhandelt hat, welche Sprache sie letztendlich akzeptiert haben und wo Reibungen am wahrscheinlichsten entstehen – die Art von institutionellem Gedächtnis, das derzeit in den Köpfen einzelner Anwälte lebt und jedem im Team zugänglich gemacht wird.
Das Problem, das es wert ist gelöst zu werden
ACTA AI wurde nicht gebaut, um einen Wettbewerb zu gewinnen. Es wurde gebaut, weil das Problem real ist, die Mathematik brutal ist und niemand es bisher wirklich gelöst hat.
Die Lücke zwischen einer vielversprechenden Therapie, die in Studien eintritt, und einem Patienten, der Zugang dazu erhält, ist nicht primär ein wissenschaftliches Problem. Es ist ein Koordinationsproblem, ein Dokumentationsproblem, ein Prozessproblem – genau die Art von Problem, die strukturierte Intelligenz an der richtigen Stelle beseitigen kann.
Das Team sah diese Lücke und verbrachte 36 Stunden damit, etwas zu bauen, das sie schließt. Die Patienten auf der anderen Seite dieses Verhandlungstisches haben keine 100 Tage Zeit zu warten.
Frühere Ausgaben verpasst? → Vol. 1 — Heritage in Pixels → Vol. 2 — Terra Zone AI *→ Vol. 3 — *reAgent *→ Vol. 4 *— TaleTailor *→ Vol. 5 *— LEGR *→ Vol. 6 — *PolyPath *→ Vol. 7 — EcoThread→ Vol. 8 *— Aletheia *→ Vol. 9 *— Synova → Vol. 10 — Overturn Insurance→Vol. 11 — **VentureLink *→**Vol. 11 *—Atlas: Immersive 3D AI Learning
