Warum die Arbeit an Patent-Landscapes kaputt ist, und was zuerst zu reparieren ist

Was tatsächlich kaputt ist

Ein typischer Patent-Landscape-Report enthält: Klassifikations-Heatmaps, Diagramme zur Anmeldegeschwindigkeit, Ranglisten der größten Anmelder, Zitationsnetzwerke und eine Karte der „weißen Flecken". Die Ausgabe ist beeindruckend. Die Ausgabe ist für die eigentliche Arbeit des IP-Teams auch nahezu nutzlos.

Warum? Weil das Ergebnis die Fragen beantwortet, die die Datenbank beantworten kann („welche CPC-Klasse ist gewachsen?", „wer hat angemeldet?"), statt der Fragen, die das IP-Team gestellt hat („können wir bedenkenlos ausliefern?", „sollen wir das Programm X beschleunigen?", „wie steht die Freedom-to-Operate-Position bei Y?").

Das entscheidungsverankerte Modell

In unserer Beratungspraxis haben sich drei Umdeutungen bewährt, die die Landscape-Arbeit vom Theater zum Hebel machen:

1. Definieren Sie die Entscheidung vor der Recherche. Nicht „wie sieht die Landschaft aus", sondern „bis Ende Q3 müssen wir entscheiden, ob wir im Anspruchsraum X anmelden, von Y lizenzieren oder zu Z schwenken". Der Rechercheumfang wird von der Entscheidungsgrenze her rückwärts abgeleitet.
2. Reportieren Sie gegen die Entscheidung, nicht gegen die Datenbank. Der Hauptbefund ist eine nummerierte Liste von drei bis fünf Einreichungen (manchmal einer einzigen), die verändern, was der Stakeholder in diesem Quartal tun sollte. Die Klassifikations-Heatmap ist Material für den Anhang.
3. Grenzen Sie die FTO-Frage zeitlich ein. Freedom-to-Operate ist nicht binär; es ist eine Position mit einem Konfidenzfenster. Ein Landscape-Report sollte das Fenster ausdrücklich benennen: „FTO-Position bis Ende 2027 gegenüber Anspruchssatz X als frei eingeschätzt, mit empfohlener erneuter Prüfung bei Veröffentlichung eines Änderungsantrags zu Anmeldung Y."

Was KI hier tatsächlich ändert

Nicht das, was die meisten Teams annehmen. KI repariert schlechte Landscape-Arbeit nicht, sie skaliert sie. Ein Team, das den bibliometrischen Standard mit KI-Unterstützung betreibt, produziert nur mehr Visualisierungstheater, und zwar schneller.

Das entscheidungsverankerte Modell ist das, was KI produktiv beschleunigt: KI kann die Sprache von Ansprüchen lesen, die Änderungshistorie zusammenfassen und Kandidateneinreichungen gegen eine gestellte FTO-Frage zutage fördern. Sie kann nicht entscheiden, welche FTO-Frage zu stellen ist. Dort gehört das Urteil des IP-Analysten hin.

Was die Standards tatsächlich sagen

Das ist keine Außenseitermeinung. Die eigenen Guidelines for Preparing Patent Landscape Reports der WIPO setzen an derselben Stelle an: Eine Landscape „soll konkrete politische oder praktische Fragen beantworten" für ein definiertes Publikum, nicht alles plotten, was eine Datenbank plotten kann (WIPO, 2015↗). Die Leitlinien verankern die Logik der „Bedürfnis hinter dem Bedürfnis" (das Bedürfnis treibt die Frage, die Frage treibt die Daten, die Daten treiben das Werkzeug) und behandeln Präzision/Recall als bewussten Kompromiss, nicht als nachträglichen Einfall.

Freedom-to-Operate ist eine eigene Disziplin mit definiertem Vorgehen. Der FTO-Leitfaden der WIPO lehrt eine dreistufige Methode (Beschreiben Sie die Erfindung, Suchen Sie nach geltenden Ansprüchen, die auf sie zutreffen könnten, Analysieren Sie jeden Anspruch und seinen Rechtsstatus) und dokumentiert ausdrücklich die Grenzen und Risiken der Einschätzung (WIPO-FTO-Leitfaden, CDIP↗). Genau deshalb bestehe ich darauf, eine FTO-Position als Konfidenzfenster mit einem Auslöser für die erneute Prüfung anzugeben, nicht als binäres „frei / nicht frei".

Quellen

• WIPO (2015). Guidelines for Preparing Patent Landscape Reports. Übersicht↗ · vollständiges PDF↗
• WIPO. Guide on conducting a Freedom-to-Operate (FTO) analysis (Describe / Search / Analyze). PDF↗
• Trippe, A. Patinformatics: Patent analytics, types of patent reports & the Law of Linear Patent Analysis. WIPO-Präsentation, PDF↗