Stimmt es überein? Auf dem Weg zu autonomen Rechtsagenten in der Venture-Capital-Branche
Does It Tie Out? Towards Autonomous Legal Agents in Venture Capital
December 21, 2025
papers.authors: Pierre Colombo, Malik Boudiaf, Allyn Sweet, Michael Desa, Hongxi Wang, Kevin Candra, Syméon del Marmol
cs.AI
papers.abstract
Vor dem Abschluss von Venture-Capital-Finanzierungsrunden führen Rechtsanwälte Due-Diligence-Prüfungen durch, die das Abstimmen der Kapitalisierungsübersicht (Capitalization Table) umfassen: die Überprüfung, dass jedes Wertpapier (zum Beispiel Aktien, Optionen, Warrants) und jede Ausgabebedingung (zum Beispiel Vesting-Pläne, Beschleunigungsklauseln, Transferbeschränkungen) durch umfangreiche zugrundeliegende Rechtsdokumente belegt ist. Während LLMs bei juristischen Benchmarks kontinuierlich besser werden, bleiben spezialisierte Rechtsarbeitsabläufe wie das Abstimmen der Kapitalisierungsübersicht selbst für leistungsstarke agentenbasierte Systeme unerreichbar. Diese Aufgabe erfordert Multi-Dokumenten-Abgleich, strikte Nachvollziehbarkeit von Beweisen und deterministische Ergebnisse, die mit aktuellen Ansätzen nicht zuverlässig geliefert werden können. Wir charakterisieren das Abstimmen der Kapitalisierungsübersicht als ein Beispiel für einen realen Benchmark für juristische KI, analysieren und vergleichen die Leistung bestehender agentenbasierter Systeme und schlagen eine World-Model-Architektur zur Automatisierung dieser Aufgabe vor – und weiter gefasst als Grundlage für angewandte juristische Intelligenz.
English
Before closing venture capital financing rounds, lawyers conduct diligence that includes tying out the capitalization table: verifying that every security (for example, shares, options, warrants) and issuance term (for example, vesting schedules, acceleration triggers, transfer restrictions) is supported by large sets of underlying legal documentation. While LLMs continue to improve on legal benchmarks, specialized legal workflows, such as capitalization tie-out, remain out of reach even for strong agentic systems. The task requires multi-document reasoning, strict evidence traceability, and deterministic outputs that current approaches fail to reliably deliver. We characterize capitalization tie-out as an instance of a real-world benchmark for legal AI, analyze and compare the performance of existing agentic systems, and propose a world model architecture toward tie-out automation-and more broadly as a foundation for applied legal intelligence.