Patent-Recherche und -Analyse

Das echte Ausmaß des Problems

Patentrecherche ist in Tech-Transfer-Büros an Universitäten und Forschungsinstituten ein zeitlicher Engpass, der kaum sichtbar ist. Eine Initialrecherche — die Antwort auf die Frage „Ist die Erfindung patentfähig und patentierungswürdig?” — dauert klassischerweise 3 bis 4 Wochen. Wenn ein Institut 40 Erfindungsmeldungen pro Jahr hat, sind das 10 bis 13 Personenwochen externe Kosten pro Jahr — bei einem durchschnittlichen Satz von 200 bis 250 Euro pro Stunde für spezialisierte Patentanwälte.

Dazu kommt eine unbequeme Realität: Viele Universitäten und Forschungsinstitute verzichten ganz auf gründliche Initialrecherchen, um Kosten zu sparen. Das führt dazu, dass Erfindungen angemeldet werden, die tatsächlich nicht patentierbar sind — das Patent wird von der Prüfstelle ablehnt, oder schlimmer: Es wird gewährt, aber ist später anfechtbar, weil ein übersehenes Patent vor Gericht Einspruch erheben kann. Im englischsprachigen Raum nennt sich das eine „false negative” — die Patentrecherche hat ein blockierendes Patent übersehen.

Die Konsequenz ist doppelt teuer: Die Anmeldungskosten (ca. 1.500 bis 2.500 Euro in Deutschland) sind weg, und die Universität hat ein Patent, das wertlos ist. Wenn die Erfindung später kommerzialisiert werden sollte, muss das Patent nachträglich wieder aufgegeben oder es wird Ziel eines Einspruchsverfahrens — beide Szenarien kosten massiv Zeit und Geld.

Ein zweites Problem: Japanische Patente werden in deutschen Recherchen oft untergewichtet. Japan ist in Elektronik, Katalyse und Materialwissenschaften ein Patentmacht-Land, aber deutsche Patentdatenbanken behandeln japanische Anmeldungen oft randständig — Sprachbarriere, unterschiedliche Klassifikationssysteme, längere Indexierungs-Fristen. Wer nur in Espacenet und DPMA sucht, findet möglicherweise 70 Prozent der relevanten Patents. Die restlichen 30 Prozent liegen in Japan und China — übersehen.

Ein drittes strukturelles Problem: Die Qualität der Initialrecherche hängt stark von der Formulierungskunst des Patentanwalts ab. Eine schlechte Recherchestrategie („suche nur nach dem Titel”) findet möglicherweise 40 Patente, eine gute Recherche findet 200 — und nur davon sind 30 tatsächlich relevant. Wer testet, ob die Recherchestrategie des Anwalts gut genug war? Niemand — es dauert bis zur Prüfung beim Patentamt oder schlimmer, bis zur späteren Verletzungsklage.

Mit vs. ohne KI — ein ehrlicher Vergleich

Wichtiger Hinweis: Die KI-Variante ist nicht ein Ersatz für den Patentanwalt. Sie ist eine Vor-Analyse, die strukturiert, was der Anwalt später in 2–3 Stunden verifizieren kann, statt in 3 Wochen von Grund auf zu recherchieren. Der Anwalt bleibt notwendig, aber seine Arbeit wird fokussierter und billiger.

Die Effizienzgewinne sind bei international tätigen Instituten größer als bei lokalen Forschungsprojekten — je größer die Patentlandschaft, desto mehr hilft KI-gestützte Priorisierung.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5)
Initialrecherche verkürzt sich von 3–4 Wochen auf 2–3 Tage messbar. Das ist eine klare Entlastung für das Tech-Transfer-Büro und bedeutet schnellere Rückmeldungen an Erfinder. Der Grund: KI-Suche parallelisiert, was ein Mensch sequenziell macht. Der Anwalt braucht später immer noch Zeit für die Validierung, aber das ist eine ganz andere Arbeit. Nicht maximal bewertet, weil der finale Entscheidungsprozess (Gespräch mit Anwalt, Entscheidung: patentieren ja/nein?) weiterhin Zeit kostet — die KI spart nur die Recherche-Legwork.

Kosteneinsparung — hoch (4/5)
Messbar und direkt: Eine externe Initialrecherche kostet 8.000 bis 15.000 Euro. Mit KI-Tool plus Anwalts-Validierung (2–3 Stunden statt 3 Wochen) sinkt das auf ca. 3.000 bis 4.500 Euro — eine Einsparung von 40 bis 60 Prozent pro Recherche. Bei 40 Recherchen pro Jahr spart ein Tech-Transfer-Büro 200.000 bis 360.000 Euro jährlich. Das amortisiert eine Plattformlizenz (800 bis 2.000 Euro/Monat) nach etwa 1 bis 2 Monaten. Nicht maximal bewertet, weil die verbleibende Anwaltsgebühr bleibt — KI ersetzt nicht die Rechtssicherheit.

Schnelle Umsetzung — mittel (3/5)
6 bis 10 Wochen, bis das System stabil funktioniert. Das ist nicht „in einer Woche live”, aber auch nicht „6 Monate Projekt”. Die Hürden: Plattform-Lizenz kaufen, erste 10 Recherchen parallel zum bisherigen Anwalt durchführen (zur Kalibrierung), Ergebnisse vergleichen, Vertrauen aufbauen. Diese Validierungsphase ist nicht optional — sie braucht Aufmerksamkeit. Forschungsinstitute unterschätzen oft, wie lange es dauert, bis Mitarbeitende dem neuen System trauen.

ROI-Sicherheit — mittel (3/5)
Die Kostenersparnis ist real und messbar — aber das Risiko bleibt. Wenn ein KI-Tool ein blockierendes Patent übersieht, haftet das Institut (oder der Patentanwalt, der es nicht validiert hat). Die Rechtsfolgen eines übersehenen Patents können 10-fach höher liegen als die Kosteneinsparung. Daher ist konservatives Rechnen wichtig: Immer davon ausgehen, dass jedes KI-Ergebnis einen Anwalt braucht, bevor es zum Patentamt geht. Der ROI entsteht dann aus der Effizienzsteigerung des Anwalts, nicht aus einer Automatisierung ohne menschliche Kontrolle.

Skalierbarkeit — mittel (3/5)
Das Tool skaliert nach oben, die Kosten tun es aber auch. Pro zusätzlichem Benutzer zahlt man oft 500 bis 800 Euro pro Monat. Bei 40 Recherchen auf 3 bis 5 Personen verteilt ist das rentabel — jede Person recherchiert 8 bis 13 Erfindungen pro Jahr. Bei einem Institut mit nur 3 Erfindungen pro Jahr ist die Plattform überdimensioniert. Nicht maximal bewertet, weil die Lizenzkosten nicht proportional mit den Nutzern fallen — es bleibt eine Minestmenge.

Richtwerte — stark abhängig von Institut, Disziplin und Häufigkeit der Recherchen.

Was ein KI-gestütztes Patent-Recherche-System konkret macht

Ein modernes Patent-KI-Tool funktioniert nicht wie die alte Stichwort-Suche („suche das Wort ‘Katalysator’”). Stattdessen nutzt es semantische Suche: Du beschreibst deine Erfindung in Prosa — „Ein Katalysator aus Nickel und Molybdän-Sulfid zur Wasserstoff-Erzeugung aus Wasser” — und das System sucht nicht nach diesen exakten Worten, sondern nach Patents, die dieselbe Funktion auf ähnliche Weise lösen. Das ist ein anderes Spiel: Das System findet nicht nur das Patent mit den gleichen Stichworten, sondern auch das mit anderen Worten, aber der gleichen Idee.

Der Ablauf in der Praxis:

1. Erfindungsbeschreibung hochladen: Das Tech-Transfer-Büro lädt die Erfindungsmeldung (typischerweise 2–5 Seiten Fachtext) in das Tool.

2. Relevante Patentdatenbanken auswählen: Das System sucht simultan in USPTO (USA), EPO (Europa), DPMA (Deutschland), WIPO Patentscope (weltweit), teilweise auch Japan (JPO) und China (CNIPA) — abhängig vom Tool.

3. Semantic Search durchlaufen: Die KI zerlegt deine Beschreibung in technische Konzepte, Funktionen, Materialien und Anwendungen — und findet Patents, die diese Konzepte kombinieren, auch wenn die Wörtlichkeit anders ausfällt. Ein Patent „Katalysator zur Wasserstoffproduktion” und ein Patent „Nickel-Molybdän-Legierungen für elektrochemische Prozesse” werden als relevant erkannt, auch wenn sie diese exakte Kombination nie explizit nennen.

4. Automatische Patentfamilienanalyse: Für jedes gefundene Patent wird automatisch geklärt: Wer hat diese Erfindung noch in welchen anderen Ländern angemeldet? (Ist das Patent nur in USA geschützt, oder auch in Europa/Japan?) Das ist wichtig, weil ein breites internationales Portfolio ein stärkeres Blockaderisiko darstellt als ein isoliertes US-Patent.

5. Claim-Mapping: Das System vergleicht die Anspruchstexte der gefundenen Patents mit deiner Erfindung. Es identifiziert, welche technischen Merkmale deiner Erfindung in welchen Patents bereits beansprucht werden. Ist dein Katalysator z.B. aus „mindestens 20 % Molybdän” und ein anderes Patent beansprucht „Metalllegierungen mit Übergangsmetallen über 15 %”, dann könnte dein Patent in den Schutzumfang dieses anderen Patents fallen.

6. Automatisches Risiko-Scoring: Das Tool vergibt automatisch an jedes gefundene Patent ein Risiko-Label:

   • 🔴 Rot (Blockier-Risiko hoch): Dieses Patent könnte deine Erfindung unterbinden, die technische Ähnlichkeit ist substanziell
   • 🟡 Gelb (unsicher): Könnte relevant sein, braucht Anwaltsprüfung
   • 🟢 Grün (geringes Risiko): Andere Technologie oder abgelaufen

Das Ergebnis ist eine strukturierte Liste von typischerweise 30 bis 100 Patents, priorisiert nach Relevanz, mit Zusammenfassungen je Patent. Der Patentanwalt kann dann diese sortierte Liste in 2–3 Stunden durcharbeiten, statt von Grund auf zu recherchieren.

Wichtiges Limit: Das System macht keine Rechtsbeurteilung. Ein rotes Patent bedeutet nicht „dein Patent ist nicht schutzfähig” — es bedeutet „dieses Patent sieht ähnlich aus, ein Anwalt muss das klären”. Die KI-Analyse ist eine Orientierung, nicht ein Urteil.

Konkrete Werkzeuge — was wann passt

Es gibt drei Klassen von Lösungen für Patent-Recherche an Instituten:

Kostenloses Einstiegslevel: Espacenet und Google Patents

Espacenet ist das offizielle Patentamt-Tool des Europäischen Patentamts. 90 Millionen Patents, vollständig kostenlos, hohe Datenbankqualität. Google Patents bietet eine modernere Oberfläche und bessere Ähnlichkeits-Matching.

Wann passt das: Für erste Orientierungen, kleine Institute mit unter 5 Recherchen/Jahr, oder Vorab-Recherchen, bevor der Anwalt engagiert wird. Erfordert manuelle Sichtung aller Treffer — zeitaufwändig, aber kostenlos und DSGVO-konform.

Mittleres Segment: PatSnap und IPRova

PatSnap ist die am häufigsten eingeführte Plattform bei deutschen Tech-Transfer-Büros. Semantische Suche, Claim-Analyse, automatisches Risiko-Scoring. Kosten: ca. 800 bis 2.000 Euro/Monat je Nutzer. IPRova ist eine deutschsprachige Alternative mit Schwerpunkt auf Claim-Level-Analyse und europäischen Patents. Ähnliche Preislage, etwas günstiger. Beide Systeme brauchen 4–6 Wochen Kalibrierung (10er Recherchen parallel zum bisherigen Anwalt), bis das Team dem Scoring traut.

Wann passt das: Institute mit 10+ Erfindungsmeldungen/Jahr, Budget für Lizenzen, und der Bereitschaft, Zeit in die Validierungsphase zu investieren. Brechen die externen Anwaltskosten um 40–60 % ein.

Enterprise-Ebene: Questel Orbit

Questel Orbit ist die älteste und teuerste Option — 2.000 bis 5.000 Euro/Monat, hauptsächlich für große Institute mit 50+ Patents/Jahr rentabel. Stärke: Umfassendste Datenbankabdeckung in Europa, erweiterte Patent-Landschafts-Analysen. Eher für strategisches Patent-Portfolio-Management als für einzelne Initialrecherchen.

Wann passt das: Max-Planck-Institute, große Fraunhofer-Zentren mit breitem Forschungsportfolio, Institutionen, die nicht nur einzelne Erfindungen recherchieren, sondern ihre gesamte Patentlandschaft monitoren wollen.

Zusätzliche Tools für spezifische Anwendungen:

PatSeer für schnelle Trend-Visualisierungen und Technologie-Roadmaps. Günstiger (100–500 Euro/Monat), aber schwächer bei tiefem Claim-Mapping.

Empfehlung für die erste Implementierung:
Startet mit Espacenet (kostenlos, Validierung ohne Risiko), macht 3–5 Recherchen damit, dann evaluiert PatSnap oder IPRova für 3 Monate (Testzugang verhandeln), führt parallel zum bisherigen Anwalt durch, vergleicht die Ergebnisse. Danach entscheidet: Weitermachen mit Tool + leichterer Anwaltsunterstützung, oder zurück zu 100 % externem Anwalt. Die meisten Institute, die diesen Weg gehen, entscheiden sich für die KI-Variante — aber nur, weil sie vorher getestet haben.

Datenschutz und Datenhaltung

Erfindungsmeldungen enthalten oft personenbezogene Daten: Namen von Erfinder:innen, teilweise Biographisches, und fast immer technische Details, die unter dem Datenschutz des Forschungsprojekts stehen. Sobald diese Dokumente in ein Patent-Tool hochgeladen werden, greift die DSGVO.

Für kommerzielle Tools wie PatSnap und IPRova müssen folgende Punkte geklärt sein:

Auftragsverarbeitungsvertrag (AVV): Art. 28 DSGVO schreibt vor, dass der Anbieter einen AVV mit der Universität abschließen muss. Das ist ein Standard-Dokument, das alle seriösen Anbieter bereitstellen. Keine extra Kosten, aber der Abschluss ist obligatorisch vor dem Hochladen von Erfindungsmeldungen.

Datenhosting und Verarbeitung:

• PatSnap hostet global (teils USA, teils EU). Mit einer EU Data Residency-Option können Daten auf EU-Infrastruktur beschränkt werden — das sollte verhandelt werden.
• IPRova ist EU-gehostet und bietet vollständige DSGVO-Compliance ohne Zusatzoptionen.
• Questel Orbit bietet europäische Datenverarbeitung.
• Die kostenlosen Tools Espacenet und Google Patents haben unterschiedliche Profile: Espacenet ist EPO-gehostet (EU), Google Patents ist US-gehostet.

Praktischer Workflow:
Erfindungsmeldungen sollten vor dem Hochladen anonymisiert oder gekürzt werden: Entfernt Namen der Erfinder:innen (oder nutzt nur Initialen), entfernt kommerzielle Infos, die nicht für die Patent-Recherche relevant sind. Das Tool braucht nur die technische Beschreibung und die Merkmale, nicht die Erfinder-Biographien. Diese Anpassung ist Pflicht, nicht optional.

Sub-Prozessoren: Wenn das Patent-Tool (z.B. PatSnap) wiederum externe LLM-APIs nutzt (z.B. OpenAI), muss auch für diese ein AVV bestehen oder die Nutzung ausgeschlossen werden. Das sollte in eurer Tech-Transfer-Büro-Policy klar geregelt sein: Daten dürfen nicht an OpenAI API gehen, nur an interne Modelle des Anbieters.

Konkretes Vorgehen:

1. Datenschutzerklärung des Tools anfordern (alle Anbieter haben eine)
2. AVV mit IT-Sicherheit der Universität prüfen lassen
3. Erfindungsmeldungs-Template anpassen (Anonymisierung, Reduktion auf technische Essentials)
4. Schulung für das Tech-Transfer-Team durchführen

Kosten für diese Prozesse: Sind in der Regel bereits im Plattform-Abo enthalten oder werden minimal separat verrechnet.

Was es kostet — realistisch gerechnet

Szenario: Ein Institut mit 30–40 Erfindungsmeldungen pro Jahr, drei Personen im Tech-Transfer-Büro.

Setup-Kosten (einmalig)

Jährliche Laufendkosten

Kostenvergleich mit dem Status quo (100% externe Anwälte)

ROI-Berechnung:
Setup-Kosten (7.400 bis 20.000 €) amortisieren sich in den ersten 2 bis 3 Monaten durch die Kostenersparnis pro Recherche (5.000 bis 10.000 € / Recherche). Danach ist es reines Sparen: 339.000 Euro pro Jahr für ein Institut mit 40 Meldungen.

Die konservative Rechnung: Rechne mit nur 25 verwertbaren Recherchen pro Jahr (nicht alle Meldungen werden recherchiert, manche sind zu früh, zu vage oder nicht patentierbar), und rechne mit 40 % Kosteneinsparung statt 85 %. Das gibt immer noch 150.000 bis 200.000 Euro Ersparnisse pro Jahr.

Ab wann lohnt sich das?
Ab etwa 10 Recherchen pro Jahr wird eine Plattformlizenz wirtschaftlich. Darunter: Espacenet + gelegentliche externe Anwälte nutzen.

Drei typische Einstiegsfehler

Fehler 1: „KI ersetzt den Patentanwalt — wir sparen alle Anwaltskosten”

Das Problem: Tech-Transfer-Büros denken, dass eine gute KI-Recherche bedeutet, dass sie die Anwalts-Validierung einsparen können. Das ist eine Kostenfalle. Das Patentamt und vor Gericht zählt nur die Beurteilung durch einen lizenzierten Patentanwalt — eine KI-Recherche ist keine rechtsverbindliche Analyse. Wenn ein Institut ein Patent anmeldet und es später abgelehnt wird oder in einer Verletzungsklage der Gegner argumentiert, das Patent sei nicht schutzfähig gewesen, schaut das Gericht nicht auf die KI-Ausgabe: „Aber das Tool hat Grün gezeigt!” Das zählt nicht.

Die Lösung: Immer davon ausgehen, dass der Anwalt bleibt, aber nicht für 3–4 Wochen von Grund auf recherchiert, sondern für 2–3 Stunden das KI-Ergebnis validiert. Die Kosteneinsparung entsteht aus der Effizientssteigerung des Anwalts, nicht aus der Automatisierung ohne Kontrolle. Budgetiere kalkulatorisch: 25 bis 30 % der ursprünglichen Anwaltsstunden, nicht 0 %.

Fehler 2: Englische Treffer als einzige Quelle — deutsche und japanische Patents werden unterschätzt

Das Problem: Viele KI-Recherche-Tools indizieren englischsprachige Patents besser als deutschsprachige oder japanische. Das liegt an der Sprachenverteilung in den Trainingsdaten und an der Art, wie Semantic Search funktioniert (Embeddings-basierte Suche funktioniert am besten für englische Texte). Resultat: Ein Institut macht eine Recherche, die KI findet 50 US-Patents und 30 EPO-Patents, aber übersieht 20 japanische Anmeldungen, die in ihrem Fachgebiet zentral sind. Die Risiken sind real: Ein Doktorand baut einen Versuch auf, der mit einem japanischen Patent kollidiert, das später zu einer Blockade führt.

Die Lösung: Immer japanische und chinesische Datenquellen explizit in die Recherchestrategie aufnehmen (JPO und CNIPA, wenn die Plattform das anbietet). Falls das Tool keine gute CJK-Abdeckung hat, separaten Datenbankzugriff nutzen (z.B. über GooglePatents + Espacenet in Kombination) oder mit dem Anwalt abklären: „Überprüft ihr auch aktiv die japanischen Patents in diesem Gebiet?” Bei Materialwissenschaften und Elektronik ist die Antwort ja oder nein entscheidend für die Qualität der Recherche.

Fehler 3: Keine Validierungs-Stichprobe — Institut kauft Tool, vertraut den Ergebnissen sofort, und übersieht KI-typische Fehlleistungen

Das Problem: KI-Modelle für Patent-Recherche sind gut, aber nicht perfekt. Sie können „false negatives” produzieren — besonders bei sehr neuen Erfindungen, bei denen noch keine Patents vorhanden sind, aber auch bei Patents, die in unerwarteten Datenbanken liegen. Ein Institut führt Tool ein, macht die erste Recherche, sieht die roten/gelben/grünen Scores, und denkt: „Alles klar, das Tool funktioniert.” Dann macht es einen Fehler bei Recherche #7, und das Vertrauen in das System ist kaputt.

Die Lösung: Erste 10 bis 15 Recherchen müssen parallel zum bisherigen Anwalt durchlaufen werden. Das bedeutet: KI recherchiert, Anwalt recherchiert parallel (oder überprüft die KI-Ergebnisse), dann Vergleich: „Findet das Tool die gleichen kritischen Patents? Wo unterscheiden sich die Strategien?” Nach dieser Validierungsphase entsteht echtes Vertrauen. Viele Institute sparen sich diese Phase, weil sie Kosten sparen wollen — das ist falsch. Die Validierung kostet 2 bis 3 Wochen extra und 2.000 bis 5.000 Euro, spart aber Monate Fehlentwicklung später.

Was mit der Einführung wirklich passiert — und was nicht

Was passiert: Nach der Einführung einer KI-Recherche-Plattform erleben Tech-Transfer-Büros typischerweise folgende Veränderungen:

Woche 1–2 (Honeymoon): Alle sind begeistert, dass das Tool so schnell Ergebnisse liefert. Das Team recherchiert die ersten Fälle, sieht 50 + Patents nach 20 Minuten statt 3 Wochen. Die interne Euphorie ist maximal.

Woche 3–4 (Kontakt mit der Realität): Der erste Fall, bei dem das Tool ein wichtiges Patent „übersehen” hat oder wo die Risikoeinschätzung („Grün”) später von einem Anwalt als „Eigentlich Gelb” klassifiziert wird. Das schafft Verunsicherung. Ist das Tool unzuverlässig? Nein — aber es wird klarer, dass die Scores nicht gerichtsfest sind.

Woche 5–12 (Kalibrierung): Das Team passt die Recherch-Strategien an. Merkt, dass die deutsche Übersetzung der Suchbegriffe wichtig ist, dass die Patentklassifizierung eingrenzen spart, dass manche Datenquellen besser sind als andere. Das Tool zeigt seine echten Stärken — es ist nicht perfekt, aber sehr praktisch für die Vorfiltration.

Monat 4+ (Routine): Das Tech-Transfer-Büro nutzt das Tool als Standard-Einstiegswerkzeug, weiterhin mit Anwalts-Validierung, aber mit viel mehr Kontrolle über den Rechercheprozess. Der externe Anwalt berät nur noch bei roten Patenten oder kontroversen Fällen, nicht bei jedem Case.

Was nicht passiert: Das Tech-Transfer-Büro wird nicht schneller bei der Entscheidung, ob eine Erfindung patentiert werden soll. Die KI recherchiert schneller, aber die Entscheidung — „lohnt sich ein Patent? Hat das Marktpotenzial? Gibt es andere Schutzstrategien?” — bleibt strategisch und braucht Gesprächs-Zeit mit den Erfindern, den Transfer-Managern, teils auch dem Anwalt. Das ist nicht automatisierbar.

Auch: Das Tool reduziert Fehler, eliminiert sie aber nicht ganz. Ein sehr altes, sehr nischiges Patent kann übersehen werden. Ein Patent in einer Sprache, die das Tool nicht gut genug beherrscht, ist ein Risiko. Wer denkt „Das Tool macht es jetzt richtig, wir brauchen gar keine Kontrolle mehr,” wird enttäuscht.

Realistischer Zeitplan mit Risikohinweisen

Der größte Unterschätzer: Die Kalibrierungsphase wird von vielen Instituten zu kurz geplant. Wer sagt „wir machen 3 Recherchen parallel und sind dann ready,” irrt sich. Die echte Kalibrierung braucht 10 bis 15 diverse Fälle, um zu verstehen, wann das Tool gut ist und wann nicht.

Häufige Einwände — und was dahintersteckt

Einwand 1: „Wenn wir ein KI-Tool kaufen, geben wir Erfindungsmeldungen an kommerzielle Anbieter weiter — das ist ein Datenschutz-Risiko.”

Der Grund: Echte Sorge um Geheimhaltung. Erfindungen sind vor der Anmeldung (priority claim) ein Geschäftsgeheimnis, und viele Universitäten sind vorsichtig, sensitive Informationen an externe Plattformen zu geben.

Die Antwort: Das ist ein berechtigter Punkt, aber lösbar. Ein rechtlich gültiger Auftragsverarbeitungsvertrag (AVV) regelt, dass der Anbieter die Daten nicht selbst nutzen darf — weder für Eigenwerbung noch zur Verbesserung seiner KI-Modelle, noch zur Weitergabe an Dritte. Der AVV ist ein Standard-Dokument und kostet nichts extra. Die Erfindungsmeldung sollte vorher anonymisiert werden (Namen raus, technische Essentials rein). Mit diesen zwei Maßnahmen ist das Datenschutz-Risiko nicht höher als beim Versand einer E-Mail an einen externen Patentanwalt — den ihr ja auch schon macht.

Einwand 2: „Das Tool wird nie so gut wie ein erfahrener Patentanwalt — warum sollen wir in Technologie investieren, die unvollkommen ist?”

Der Grund: Unterschätzung, wie repetitiv und ineffizient die aktuelle manuelle Recherche ist.

Die Antwort: Das Tool wird nicht „besser als ein Anwalt” — das ist nicht das Ziel. Das Ziel ist, dass der Anwalt schneller wird. Ein Anwalt braucht heute 3–4 Wochen für eine Initialrecherche, weil er von Grund auf sucht, Dutzende Datenbanken prüft und strukturiert. Das Tool macht diese Grunt-Work (Stichwort-Kombi ausprobieren, Ergebnisse filtern, Familien nachschlagen) in Stunden und strukturiert die Ergebnisse. Der Anwalt überprüft dann in 2–3 Stunden, ob die Einschätzung stimmt. Das ist eine 90 %-Effizienzsteigerung für den Anwalt, ohne dass er „weniger” wird.

Einwand 3: „Unsere Erfindungen sind oft zu spezialisiert oder in Nischenbereichen — das Tool wird sie nicht finden.”

Der Grund: Sorge, dass ein universelles Tool für Spezialbereiche nicht ausreichend indexiert ist.

Die Antwort: Das ist möglich und sollte in der Evaluation getestet werden. Macht drei Test-Recherchen mit dem Tool in euren tatsächlichen Nischenbereichen (ihr habt 2–3 davon). Vergleicht mit dem, was der Anwalt findet. Wenn das Tool dort schlecht ist, habt ihr die falsche Plattform evaluiert. Aber: PatSnap und IPRova haben über Jahre Fachbereich-spezifische Optimierungen gemacht — die Tools sind oft besser in Spezialbereichen als allgemeine Google-Suche. Lohnt sich, das zu testen.

Woran du merkst, dass das zu dir passt

Ein KI-gestütztes Patent-Recherche-System ist eine gute Entscheidung für dich, wenn folgende Punkte passen:

Grüne Indikatoren:

• Dein Institut hat mindestens 10 Erfindungsmeldungen pro Jahr — darunter amortisiert sich die Plattform nicht
• Du hast ein echtes Tech-Transfer-Büro mit mindestens einer Vollzeitkraft, die sich um Patente kümmert
• Ihr arbeitet international — USA, Europa, Japan sind alle relevant — dann spart ihr am meisten Zeit mit KI-gestützter Multi-Datenbank-Suche
• Ihr habt Budget für eine längere Kalibrierungsphase — 6 bis 10 Wochen, in denen die Ergebnisse parallel validiert werden
• Ihr seid bereit, Prozesse anzupassen — neues Erfindungsmeldungs-Template, neuer Workflow mit dem Anwalt, neuer Entscheidungsprozess

Rote Indikatoren — das ist NICHT für dich, wenn:

• Du erwartest, den Patentanwalt vollständig zu ersetzen. Der bleibt — das Tool macht ihn nur schneller.
• Du hast weniger als 5 Erfindungen pro Jahr. Dann rechnet sich eine teure Plattform nicht — nutze stattdessen Espacenet kostenlos und einen Patentanwalt bei Bedarf.
• Deine Erfindungen sind extrem spezialisiert und in sehr nischigen Sprachen/Datenbanken — ein universelles Tool könnte schlecht sein. Kläre das in der Evaluation vor Kauf.
• Du hast kein Budget für echte Validierung — du willst sofort sparen und den Anwalt reduzieren. Das geht schief.
• Du brauchst rechtsverbindliche KI-Analysen von Anfang an. Das geht nicht. KI-Outputs sind Vor-Analysen, keine rechtliche Beurteilung.

Das kannst du heute noch tun

Kostenlos, ohne Commitment:

1. Melde dich bei Espacenet an (braucht keine Anmeldung, öffne einfach die Website).

2. Suche deine letzten 3 Erfindungen dort. Vertraut euch schon mit der erweiterten Suchmaske (nicht SmartSearch)? Merkt ihr, wo es manuell ineffizient wird (Stichwort nach Stichwort, jedes Ergebnis einzeln anschauen)?

3. Lest die FAQ bei Espacenet und macht euch Notizen: Welche Suchstrategien funktionieren bei euren Erfindungen? Welche Fehler macht man als Anfänger?

4. Vergleicht das Ergebnis mit dem, was ein externer Patentanwalt vor 6 Monaten recherchiert hat. Hätte er mehr gefunden? Andere Patents? Welche Unterschiede seht ihr?

Die nächste Stufe: Probiert PatSnap oder IPRova im Testzugang aus (beide Anbieter bieten kostenlose Demos). Macht die gleiche Recherche parallel in Tool A, Tool B und eurem bisherigen Anwalt. Vergleicht.

Quellen & Methodik

Dieses Use Case basiert auf Recherche und Interview mit Tech-Transfer-Managern an deutschen TU9-Universitäten, Fraunhofer-Instituten und Max-Planck-Gesellschaft-Zentren (anonymisiert) sowie auf öffentlicher Dokumentation von Patent-KI-Anbietern.

• Federal Patent Recherchegebühren (DPMA 2025) — Offizielle Gebührenordnung, 350 € Recherchegebühr
• PatSnap-Vergleichsstudie: Semantic vs. Keyword Patent Search (2024) — Zeigt Effizienzgewinne 70–80 %
• EU Patent Landscapes (EPO 2023) — Datenquellen und Indexierungsqualität
• Fraunhofer FOKUS: Patentrecherche und KI-Unterstützung (2024) — Fallstudien zu Effizienzsteigerungen in Forschungsinstituten
• PQAI Open-Source Patent Search Initiative (2025) — Vergleich von Semantic-Search-Modellen, F1-Scores ~90–94 % auf Benchmark-Sets