KI in der Patentrecherche: Stand der Technik automatisch finden

KI in der Patentrecherche: Was sich wirklich ändert

Jeder Patentanwalt kennt das ungute Gefühl nach einer abgeschlossenen Recherche: Habe ich alles gefunden? Allein Espacenet enthält über 140 Millionen Patentdokumente, dazu kommen wissenschaftliche Publikationen, technische Normen und Produktliteratur. Eine gründliche Neuheitsrecherche dauert acht bis sechzehn Stunden, eine FTO-Analyse zwanzig bis vierzig Stunden -- und selbst erfahrene Rechercheure können Vollständigkeit nie garantieren. Die klassische Stichwort- und Klassifikationssuche findet, wonach man gezielt sucht. KI-gestützte semantische Suche findet auch das, wovon man nicht wusste, dass es existiert. Dieser Unterschied ist in der Praxis erheblich.

Warum Stichwörter und Klassifikationen nicht reichen

Die traditionelle Patentrecherche arbeitet mit booleschen Operatoren, IPC/CPC-Klassifikationen und Zitationsanalysen. Das funktioniert gut, solange die Fachterminologie standardisiert ist und der Rechercheur die relevante Klassifikationslandschaft kennt. Es versagt, wenn Erfinder eigene Begriffe für bekannte Konzepte verwenden, wenn relevanter Stand der Technik in einer unerwarteten Klassifikation liegt oder wenn die nächstliegende Entgegenhaltung auf Chinesisch oder Koreanisch verfasst ist.

Das grundlegende Problem ist konzeptueller Natur: Eine Stichwortsuche nach "Solarmodul Effizienzsteigerung" findet keine Dokumente über "Verfahren zur Verbesserung der Energieausbeute von Photovoltaikmodulen", es sei denn, der Rechercheur hat dieses Synonym explizit eingegeben. Multipliziert man das über alle Merkmale eines Anspruchssatzes, wird die Zahl der nötigen Suchkombinationen schnell unpraktikabel. Genau deshalb investieren erfahrene Rechercheure regelmäßig einen ganzen Arbeitstag in eine einzige Neuheitsrecherche -- und können trotzdem nicht sicher sein, dass ihnen nichts entgangen ist.

Wie semantische Suche funktioniert

KI-basierte Patentrecherchesysteme verwenden große Sprachmodelle, um Texte -- eine Erfindungsbeschreibung, einen Anspruchssatz oder eine Frage in natürlicher Sprache -- in hochdimensionale Vektordarstellungen umzuwandeln, die Bedeutung statt Wortlaut erfassen. Das System findet dann Patentdokumente, deren Vektoren den Ihren am nächsten liegen, unabhängig von den konkreten Formulierungen. Eine Suche nach "Verfahren zur Reduzierung des Energieverbrauchs in Rechenzentren durch adaptive Kühlung" findet auch Dokumente über "dynamisches Thermomanagement für Serverfarmen", weil die zugrundeliegenden Konzepte übereinstimmen.

Das ist weder Magie noch unfehlbar. Semantische Suche ist stark in der Breite -- sie findet relevante Dokumente, die bei einer Stichwortsuche durchs Raster fallen -- aber sie kann hochspezifische Fachtermini übersehen, die eine gezielte boolesche Abfrage sofort treffen würde. Die besten Ergebnisse entstehen durch die Kombination beider Ansätze: KI für den breiten Erstzugriff und die Relevanzranking, dann klassifikationsbasierte Suche für spezifische technische Nischen und manuelle Zitationsanalyse für die wichtigsten Treffer.

Was sich im Arbeitsalltag verändert

Die Auswirkungen auf die tägliche Arbeit sind greifbar. Eine Neuheitsrecherche, die früher einen ganzen Tag beanspruchte, lässt sich in zwei bis drei Stunden abschließen, wenn die KI die initiale Dokumentenrecherche und Relevanzbewertung übernimmt. FTO-Analysen werden gründlicher, weil die KI Dokumente über Sprachbarrieren hinweg aufspürt, die eine manuelle Recherche komplett übersehen hätte. Einspruchsrecherchen profitieren von der Fähigkeit der KI, konzeptuell verwandten Stand der Technik zu finden, der keine offensichtlichen Schlüsselwörter mit dem angegriffenen Patent teilt.

Der Workflow ist einfach: Erfindung in natürlicher Sprache beschreiben, die KI identifiziert relevante technische Merkmale und durchsucht Patent- und Nicht-Patent-Literaturdatenbanken, Ergebnisse nach Relevanz sortiert mit KI-generierten Zusammenfassungen durchgehen, dann die vielversprechendsten Treffer im Detail analysieren. Entscheidend ist die Aufgabenteilung: Die KI übernimmt das Retrieval und Ranking -- rechenintensiv, aber kein juristisches Urteil erforderlich -- während Sie sich auf Analyse und strategische Bewertung konzentrieren, wo tatsächlich Expertise gefragt ist.

Wo die Grenzen liegen

KI-gestützte Patentrecherche hat reale Grenzen, die Praktiker kennen sollten. Das System findet, was Ihrer Anfrage semantisch ähnlich ist, führt aber keine rechtliche Analyse durch. Ob ein gefundenes Dokument Ihre Ansprüche tatsächlich neuheitsschädlich vorwegnimmt, erfordert die Lektüre des Dokuments und die Anwendung des Rechts -- das bleibt Aufgabe des Anwalts. Ebenso wenig ersetzt KI die Pflicht, die Recherchestrategie für Prüfungsverfahren zu dokumentieren: welche Datenbanken durchsucht wurden, welche Abfragen verwendet wurden, wann recherchiert wurde.

Das richtige Bild ist KI als Kraftverstärker für den erfahrenen Rechercheur. Sie bewältigt die Brute-Force-Aspekte der Suche -- mehr Dokumente, mehr Sprachen, mehr konzeptuelle Varianten als jeder Mensch -- und gibt Ihnen die Zeit zurück, die Sie für die eigentlich wertschöpfende Arbeit brauchen: Relevanz beurteilen, Argumentationslinien aufbauen und Mandanten strategisch beraten.

Testen Sie WunderChat kostenlos und erleben Sie, wie KI Ihre Patentrecherche beschleunigt. Jetzt starten