Generative KI wird die herkömmliche Patentrecherche grundlegend verändern

In letzter Zeit habe ich das Gefühl, dass die boolesche Recherche in fünf bis zehn Jahren sehr wahrscheinlich aufgegeben wird.

Stichwörter: Für einen technischen Begriff gibt es zu viele mögliche Ausdrucksweisen. Wie viele Synonyme man auch ergänzt, irgendetwas fehlt immer. Jeder weitere Begriff bringt zusätzliches Rauschen. Zusammenfassungen lassen zudem viel technischen Inhalt aus, während eine Suche in der Beschreibung die Treffermenge explodieren lässt.

Patentklassifikationen: Das System dient der Verteilung von Arbeit auf Prüfer, nicht der Patentanalyse. Es ist komplex, besteht aus immer neuen Schichten, ist bei aufkommenden Technologien unbrauchbar und wird durch menschliche Fehler verzerrt. Es sollte nur unterstützend eingesetzt werden.

Die herkömmliche Recherche ist weiterhin der Standard, vor allem aus Kostengründen.

  • Eine gründliche Neuheitsrecherche nützt keiner Seite: Ist die Erfindung bereits offenbart, kann die Kanzlei den Vorgang nicht abschließen, und der Mandant bekommt intern Erklärungsprobleme. Manche Mandanten behandeln Patente als Prestigeprojekt und wollen für einen sinnvollen Schutzumfang nicht bezahlen. Der Kanzlei fehlt damit der Anreiz zur Recherche. Schlechte Praxis verdrängt gute.
  • Manchmal reicht die herkömmliche Suche aus. Abgesehen von FTO-Recherchen lassen sich die meisten Recherchen abschließen, ohne vollständig zu sein. Das gilt besonders, wenn der Mandant gute Arbeit nicht von schlechter unterscheiden kann.
  • Andere Werkzeuge fehlen. Bei Suchverfahren ist die Wissenschaft der Industrie voraus. Diese Methoden haben es jedoch nie in die verwendeten Recherchesysteme geschafft.
  • Experten schließen die Lücken selbst: Sie vereinigen Dutzende Suchanfragen für einen hohen Recall (Vollständigkeit) und lesen anschließend große Mengen von Dokumenten für eine bessere Precision (Treffergenauigkeit). Wie viel sie tatsächlich lesen, bleibt ihrem Gewissen überlassen.

Mit begrenzten Ressourcen lassen sich Recall und Precision nicht gleichzeitig maximieren. Steigt der Recall über 80 %, fällt die Precision meist unter 30 %. Bei einer Suche mit 10.000 Patenten bleiben weiterhin Tausende Dokumente manuell zu lesen. Die Honorare lassen das nicht zu.

Eine Recherche prüft ihre eigene Qualität auch nicht selbst, denn damit würde sie sich Probleme einhandeln. Recall und Precision werden gewöhnlich nur bei Patentlandschaftsanalysen verlangt. Selbst dort lässt sich nur die Precision genau bestimmen. Für den Recall muss man zählen, was die Suche verfehlt hat. Was nie gefunden wurde, kann aber nicht als Maßstab dienen. Meist ersetzt man diesen durch einen Referenzbestand aus den Patenten weniger Unternehmen. Das ist anfällig für Verzerrungen: Ausgewählt werden in der Regel die relevantesten Patente, nicht die übersehenen Grenzfälle. Die meisten Recall-Angaben in Berichten sind maßgeschneidert.

Hohe Qualität hat nur einen Weg: genügend Menschen und genügend Geld. An den Arbeitsstunden führt kein Weg vorbei.

Was bringt KI also? Geschwindigkeit beim Lesen großer Patentmengen. In meiner eigenen Umsetzung kostet eine hohe Genauigkeit weiterhin fast so viel wie menschliche Arbeit. Wenn aber die Tokenkosten sinken, können wir uns vom alten Arbeitsablauf verabschieden.

Es ist unangenehm, eine Methode infrage zu stellen, die ich seit mehr als zehn Jahren verwende. Weil sich die Qualität mit KI aber auf ein anderes Niveau heben lässt, muss ich eingestehen: Ich wusste schlicht nicht, was ich nicht wusste. Die Stichwortsuche wird nicht nutzlos. Ihre Rolle verlagert sich nach vorn, zur groben Vorauswahl vor der KI-Suche.

Ich arbeite im Patentwesen in Taiwan. Dieser Beitrag beschreibt meine dortigen Erfahrungen.