OpenCaseLaw: Ein offener Datensatz und eine Suchplattform für Schweizer Gerichtsentscheide

Zusammenfassung

Wir präsentieren OpenCaseLaw, einen offenen Korpus und Retrieval-Stack für die Schweizer Rechtsprechung. Im am 20. März 2026 erzeugten Repository-Snapshot enthält der Datensatz 962’724 Entscheide von 102 eidgenössischen, kantonalen und regulatorischen Gerichten oder öffentlichen Stellen, deckt alle 26 Kantone und den Zeitraum 1875–2026 ab. Der aktuelle Snapshot enthält 448’461 deutschsprachige Entscheide (46,6 %), 434’663 französischsprachige (45,1 %) und 79’600 italienischsprachige (8,3 %); das Exportschema reserviert zudem einen rätoromanischen Sprachcode. OpenCaseLaw veröffentlicht einen 34-Feld-Parquet-Export samt Werkzeugen, um lokal einen SQLite-FTS5-Index und eine Referenzdatenbank aufzubauen; im Graph-Build vom 20. März 2026 enthält diese Datenbank 8,76 Millionen extrahierte Fallzitate, 6,42 Millionen aufgelöste korpusinterne Entscheid-Verknüpfungen und 11,23 Millionen Entscheid-Gesetz-Verknüpfungen. Wir beschreiben die Pipeline aus Sammlung, Normalisierung, Deduplizierung, Export und Retrieval und veröffentlichen ein mehrsprachiges Benchmark-Harness mit 100 getaggten Evaluationsanfragen sowie einen release-konformen Offline-Baseline-Bericht. Der Code ist MIT-lizenziert, und jeder Datensatz verlinkt zurück auf den Entscheid, wie er vom Ursprungsgericht oder der öffentlichen Stelle publiziert wurde.

Beiträge

• Offener Korpus. 971’992 publizierte Schweizer Gerichtsentscheide (Snapshot 2026-05-13) über 121 eidgenössische, regulatorische, internationale und kantonale Gerichte. Veröffentlicht als 34-Feld-Parquet-Export unter CC0 — der grösste offene Datensatz der Schweizer Rechtsprechung.
• Offener Retrieval-Stack. SQLite-FTS5-Index + Pipeline mit atomarem Neuaufbau. BM25 + RRF + strukturiertes LLM-Parsing + Haiku-Reranking. Eingefrorene Offline-Baseline (19. März 2026) bei MRR 0,470, online mit LLM bei 0,647 — beide reproduzierbar aus benchmarks/.
• Zitationsgraph. 8,76 Mio. extrahierte Fallzitate; 6,42 Mio. auf korpusinterne Entscheide aufgelöst (73,8 % Verknüpfungsrate). 11,23 Mio. extrahierte Entscheid-Gesetz-Verknüpfungen über 281 Tsd. verschiedene Bestimmungen.
• Offene MCP-Schnittstelle. 29 spezialisierte Tools unter mcp.opencaselaw.ch — Suche, Zitationsgraph, Gesetzesabfrage, Doktrin-Zeitlinien, mehrsprachige Kommentare, Prüfungsfragen-Generierung. Kostenlos, keine API-Schlüssel, OpenAPI 3.0.3.
• Mehrsprachiges Benchmark. 100 getaggte Anfragen (74 de · 16 fr · 7 it · 3 sprachübergreifend) über 15 Rechtsgebiete, zitationsgraph-verifiziert. Plus ein 50-Fragen-Set zur sprachübergreifenden Leitentscheid-Suche mit parallelen DE/FR/IT-Formulierungen.
• Qualitätsrahmen. 4-Schichten-Datenqualitätsrahmen — 61 Datensatzprüfungen + 46 Pytest-Prüfungen + L4-Produktions-Smoke-Test + Step 6c-Gate, das git push bei kritischen Regressionen blockiert. Öffentliches Dashboard unter opencaselaw.ch/quality.html.

Zitieren

Bis das Paper auf arXiv erscheint, bitte zitieren als:

@misc{hertner2026opencaselaw,
  author       = {Hertner, Jonas},
  title        = {OpenCaseLaw: An Open Dataset and Search Platform for Swiss Court Decisions},
  year         = {2026},
  howpublished = {Preprint, March 2026},
  url          = {https://opencaselaw.ch/paper/opencaselaw-arxiv-final.pdf},
  note         = {Snapshot 2026-05-13: 971,992 decisions; live corpus ~972,000+}
}

Materialien

Reproduzierbarkeit

Jede numerische Aussage im Paper lässt sich auf ein commit-fixiertes Artefakt im öffentlichen Repository zurückführen. Das 100-Fragen-Mehrsprachen-Benchmark liegt unter benchmarks/swiss_legal_rag_bench/v1.jsonl mit dem 50-Fragen-Pendant für sprachübergreifende Suche unter benchmarks/swiss_legal_rag_bench/cross_lingual_v1.jsonl. Eingefrorene Offline-Retrieval-Resultate sind fixiert unter benchmarks/search_benchmark_2026-03-19_offline_full.json. Der Datenqualitätsrahmen liegt in quality/; sein öffentliches Dashboard unter /quality.html.

Kontakt

Fragen, Zusammenarbeit, Peer-Review, Zitationsketten: team@jonashertner.com. Issue-Tracker: GitHub Issues.