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?”, ist keine Nachmittagsarbeit, und sie liegt zwischen Auftrag und Ergebnis meist wochenlang in einer Warteschlange. Wir nennen hier bewusst keine Durchschnittsdauer und keinen Durchschnitts-Stundensatz: Patentanwaltshonorare sind frei vereinbar, es gibt keine Gebührenordnung wie bei Rechtsanwälten, und jede kolportierte Zahl ist ein Einzelfall, den jemand weitererzählt hat. Deine Zahl steht in deinen letzten Rechnungen.

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 amtlichen Gebühren allein sind dabei nicht das Problem: Beim DPMA kostet die elektronische Patentanmeldung mit bis zu zehn Ansprüchen 40 Euro, der Rechercheantrag nach § 43 PatG 300 Euro, der Prüfungsantrag 150 Euro nach vorheriger Recherche oder 350 Euro ohne. Teuer wird es durch die anwaltliche Arbeit, die Auslandsanmeldungen und die Jahresgebühren, die über die Laufzeit steigen. Und teuer wird es vor allem, wenn das Patent am Ende wertlos ist: Wenn die Erfindung später kommerzialisiert werden soll, muss sie entweder aufgegeben werden oder wird Ziel eines Einspruchsverfahrens.

Ein zweites Problem: Japanische und chinesische Schutzrechte werden in deutschen Recherchen leicht untergewichtet. Japan ist in Elektronik, Katalyse und Materialwissenschaften ein Patent-Schwergewicht, und Sprachbarriere sowie abweichende Klassifikationspraxis erhöhen die Schwelle. Wie groß der blinde Fleck ist, lässt sich nicht seriös in Prozent angeben, eine frühere Fassung dieser Seite tat das mit einem Schätzwert, den wir nicht belegen konnten. Prüfbar ist stattdessen die Abdeckung der Werkzeuge: Espacenet umfasst nach Angaben des EPA über 140 Millionen Patentdokumente aus mehr als 100 Ländern, japanische und chinesische eingeschlossen. Die Frage ist also weniger, ob die Dokumente da sind, sondern ob deine Suchstrategie sie findet.

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

Der wichtigste Satz auf dieser Seite: Die KI-Variante ersetzt weder die professionelle Recherche noch den Patentanwalt. Sie ersetzt auch keine amtliche Recherche nach § 43 PatG. Sie ist Vorarbeit, die dem Anwalt eine sortierte Ausgangslage liefert, statt ihn bei Null anfangen zu lassen. Wer auf Basis eines grünen Tool-Scores anmeldet, hat keine Recherche durchgeführt, sondern eine Vermutung.

Zur Zeitersparnis gibt es keine belastbare Untersuchung, die wir nennen könnten. Eine frühere Fassung dieser Seite behauptete “3–4 Wochen auf 2–3 Tage” und “40 bis 60 Prozent weniger Anwaltskosten” als Tatsachen. Beide Zahlen konnten wir nicht belegen, und sie sind raus. Was du selbst messen kannst: die Zeit von der Erfindungsmeldung bis zur ersten belastbaren Einschätzung, und die Rechnungssumme pro Recherche, vorher und nachher. Diese beiden Werte hat dein Büro bereits im System.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5)
Der Engpass im Tech-Transfer-Büro ist selten die Suchmaschine, sondern die Wartezeit auf einen externen Termin. Genau dort setzt das Werkzeug an: Die erste Trefferliste entsteht im eigenen Haus, am selben Tag, und der Erfinder bekommt früher eine Rückmeldung. Der Anwalt braucht danach immer noch Zeit, aber für eine andere Arbeit. Nicht maximal bewertet, weil der eigentliche Entscheidungsprozess, patentieren ja oder nein, weiterhin Gespräche kostet, die kein Werkzeug abkürzt.

Kosteneinsparung, hoch (4/5)
Der Hebel ist real, aber er ist eine Verschiebung, keine Streichung: Recherchezeit wandert vom Anwaltsstundensatz auf die Lizenz und die eigene Personalzeit. Wie viel das bringt, hängt daran, was eure Kanzlei heute für eine Initialrecherche berechnet, und diese Zahl steht in euren eigenen Rechnungen. Eine frühere Fassung dieser Seite rechnete hier mit erfundenen Marktpreisen eine sechsstellige Jahresersparnis vor. Rechne stattdessen mit euren echten letzten zehn Rechnungen. Nicht maximal bewertet, weil die anwaltliche Bewertung bleibt und bezahlt werden muss.

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. Die Lizenzen der ernsthaften Plattformen werden pro Nutzer berechnet, nicht pro Institut, jeder zusätzliche Recherchierende kostet also volle Rate. Bei einem Büro mit mehreren Dutzend Erfindungsmeldungen im Jahr trägt sich das, bei drei Meldungen ist die Plattform überdimensioniert. Nicht maximal bewertet, weil die Lizenzkosten nicht mit der Nutzerzahl sinken.

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, nach Relevanz priorisierte Trefferliste mit Zusammenfassungen je Dokument. Der Patentanwalt arbeitet dann eine sortierte Liste durch, statt von Grund auf zu recherchieren. Wie viel Zeit ihm das spart, sagt dir nur er, und diese Frage gehört ins erste Gespräch über die Umstellung.

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

Und ein Limit, das eine Klasse härter ist: Frag kein Sprachmodell nach der Neuheit. Eine Patentrechercheplattform arbeitet auf einem indexierten Dokumentenbestand, sie zeigt dir Treffer, die wirklich existieren. Ein allgemeines Sprachmodell wie ChatGPT, Claude oder Gemini tut das nicht. Es erzeugt plausibel aussehenden Text, und dazu gehören plausibel aussehende Veröffentlichungsnummern, die es nie gegeben hat, ebenso wie souverän vorgetragene Aussagen darüber, dass „keine kollidierenden Schutzrechte bekannt” seien. Beides ist wertlos, und das zweite ist gefährlich.

Die Arbeitsteilung, die trägt: Ein Sprachmodell hilft beim Formulieren der Recherche, also beim Zerlegen der Erfindung in technische Merkmale, beim Vorschlagen von Synonymen und Klassifikationen, beim Übersetzen von Suchbegriffen. Es hilft nicht beim Beantworten der Rechercheergebnisse. Jede Fundstelle, die aus einem Sprachmodell kommt, wird in Espacenet oder DPMAregister nachgeschlagen, bevor sie irgendwo auftaucht. Und die Frage, ob eine Erfindung neu und erfinderisch ist, beantwortet ein Patentanwalt auf Basis einer echten Recherche. Eine zerstörte Neuheit bekommt man nicht zurück, und die Anmeldung, die darauf aufbaut, ist verloren.

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 Recherchewerkzeug des Europäischen Patentamts: über 140 Millionen Patentdokumente aus mehr als 100 Ländern, vollständig kostenlos, ohne Anmeldung, beim EPA gehostet. Der praktische Datenschutzvorteil liegt weniger im Hosting als in der Arbeitsweise: Du lädst keine Erfindungsmeldung hoch, du tippst Suchbegriffe ein. Damit stellt sich die AVV-Frage gar nicht erst. Google Patents bietet eine schnellere Oberfläche und eine brauchbare Ähnlichkeitssuche per Freitext, wird aber in den USA betrieben.

Wann passt das: Für erste Orientierungen, kleine Institute mit wenigen Meldungen im Jahr, oder als Vorab-Blick, bevor der Anwalt beauftragt wird. Erfordert manuelle Sichtung aller Treffer, zeitaufwändig, aber kostenlos.

Mittleres Segment: PatSnap

PatSnap ist die Plattform, die einem im deutschsprachigen Tech-Transfer am häufigsten begegnet. Semantische Suche über mehr als 100 Millionen Patente aus über 170 Jurisdiktionen, Patentfamilienanalyse, Claim-Vergleiche und agentische Workflows. Kosten: ca. 800 bis 2.000 Euro pro Monat und Nutzer, Enterprise-Konditionen auf Anfrage. Gehostet wird global, nicht rein in der EU, das ist vor dem Hochladen von Erfindungsmeldungen zu klären. Rechne mit einer Kalibrierungsphase, bis das Team dem Scoring traut.

Wann passt das: Institute mit zweistelliger Zahl an Erfindungsmeldungen pro Jahr, Budget für Lizenzen, und der Bereitschaft, Zeit in die Validierungsphase zu investieren.

Enterprise-Ebene: Questel Orbit

Questel Orbit ist die europäische Enterprise-Option, Questel SAS sitzt in Paris, die Daten werden in der EU verarbeitet. Über 100 Millionen Patente, dazu Designs und wissenschaftliche Literatur, mit dem KI-Assistenten Sophia für semantische Prior-Art-Suche. Questel veröffentlicht keine Preisliste, die Lizenz läuft über ein Vertriebsgespräch, für Hochschulen und Forschungseinrichtungen gibt es Konsortialtarife. Eine frühere Fassung dieser Seite nannte hier 2.000 bis 5.000 Euro pro Monat, eine Zahl, die wir nicht belegen können. Frag nach dem Hochschultarif, bevor du auf Basis kolportierter Marktpreise planst. Eher für strategisches Portfolio-Management als für die einzelne Initialrecherche.

Was hier nicht mehr steht, und warum: Eine frühere Fassung dieser Seite empfahl an dieser Stelle “IPRova” als günstigere, EU-gehostete Alternative mit tieferer Claim-Level-Analyse. Das war in jedem Punkt falsch. Iprova ist ein Schweizer Anbieter mit Sitz in Lausanne, und das Produkt sucht keine Patente, es schlägt Erfindungen vor: maschinelles Lernen über Patent- und Nicht-Patent-Literatur, um Konzern-F&E auf unbesetzte Kombinationen hinzuweisen. Kein Selbstbedienungs-SaaS, keine öffentliche Preisliste, Zielgruppe ist Konzernforschung, nicht das Tech-Transfer-Büro einer Universität. Für den hier beschriebenen Anwendungsfall ist es das falsche Werkzeug.

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

Zusätzliche Tools für spezifische Anwendungen:

PatSeer für schnelle Trend-Visualisierungen und Technologie-Roadmaps, günstiger als die großen Plattformen, aber schwächer beim tiefen Claim-Mapping. Auch hier gilt: kein öffentlicher Listenpreis, Angebot über den Vertrieb, kostenlose Testphase verfügbar.

Empfehlung für die erste Implementierung:
Startet mit Espacenet (kostenlos, Validierung ohne Risiko), macht 3–5 Recherchen damit, evaluiert dann PatSnap oder Questel Orbit über einen befristeten Testzugang, führt parallel zum bisherigen Anwalt durch und vergleicht die Ergebnisse. Danach entscheidet ihr auf Basis eurer eigenen Trefferlisten, nicht auf Basis von Anbietermaterial: Weitermachen mit Tool und fokussierter Anwaltsunterstützung, oder zurück zur vollständig externen Recherche.

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 Questel Orbit 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, nicht ausschließlich in der EU. Ob und zu welchen Bedingungen eine Beschränkung auf EU-Infrastruktur möglich ist, gehört in die Vertragsverhandlung und in die Anbieterauskunft, nicht in eine Annahme.
• Questel Orbit verarbeitet in der EU, ist ISO-27001-zertifiziert und stellt einen AVV sowie Standardvertragsklauseln bereit.
• Die kostenlosen Werkzeuge Espacenet und Google Patents haben unterschiedliche Profile: Espacenet wird vom EPA betrieben, Google Patents in den USA. Für beide gilt der entscheidende Punkt: Du gibst dort Suchbegriffe ein, keine Erfindungsmeldung. Solange das so bleibt, ist die datenschutzrechtliche Lage deutlich einfacher als bei jedem Upload-Werkzeug.

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.

Die einzigen Zahlen auf dieser Seite, die verlässlich sind

Amtliche Gebühren sind veröffentlicht und damit prüfbar. Alles andere in diesem Abschnitt ist eine Kalkulationsvorlage, die du mit deinen eigenen Werten füllst.

Merke dir vor allem die dritte Zeile. Für 300 Euro recherchiert das Deutsche Patent- und Markenamt selbst zum Stand der Technik. Das ist kein Ersatz für eine Freedom-to-Operate-Analyse und keine Rechtsberatung, aber es ist ein amtlicher Referenzpunkt, an dem du die Ergebnisse jedes Tools und jeder Kanzlei spiegeln kannst, zu einem Preis, der in keiner Budgetdiskussion eine Rolle spielt.

Laufende Kosten, die du selbst einsetzen musst

Warum hier keine Gesamtsumme steht. Eine frühere Fassung dieser Seite stellte einem “Status quo” von 400.000 Euro pro Jahr einen Tool-Betrieb von 61.000 Euro gegenüber und wies 339.000 Euro Ersparnis aus. Diese Rechnung hatte drei Fehler: Sie unterstellte einen Marktpreis pro Recherche, den wir nicht belegen können. Sie führte dieselbe Plattformlizenz einmal als Setup und einmal als Jahreskosten. Und sie widersprach dem Abschnitt weiter oben auf dieser Seite, der richtig feststellt, dass viele Institute aus Kostengründen gar keine gründliche Initialrecherche beauftragen, ein Institut, das heute nichts ausgibt, kann daran auch nichts sparen.

Die ehrliche Version der Wirtschaftlichkeitsfrage: Nimm eure letzten zehn Recherche-Rechnungen. Rechne aus, was ihr pro Erfindungsmeldung tatsächlich zahlt. Frag eure Kanzlei, wie sich ihr Aufwand ändert, wenn sie eine vorsortierte Trefferliste statt einer Erfindungsmeldung bekommt. Erst diese drei Werte ergeben eine Rechnung, die für euer Haus gilt.

Ab wann lohnt sich das?
Eine Plattformlizenz trägt sich erst bei regelmäßigem Recherchebedarf, grob ab einer zweistelligen Zahl von Meldungen im Jahr. Darunter: Espacenet nutzen, bei Bedarf den amtlichen Rechercheantrag stellen und den Anwalt gezielt beauftragen.

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, nur mit anderem Auftrag: Er recherchiert nicht mehr von Grund auf, er prüft und bewertet eine vorbereitete Trefferliste. Die Ersparnis entsteht aus dieser Verschiebung, nicht aus Automatisierung ohne Kontrolle. Und budgetiere den Anwalt weiter mit einem substanziellen Anteil der bisherigen Stunden ein, nicht mit null. Wie hoch dieser Anteil ausfällt, klärst du mit deiner Kanzlei, bevor du das Tool kaufst, nicht danach.

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 Recherchestrategien 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 einzelnen Fall.

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 die Basisarbeit vor ihm liegt, wenn er anfängt. Stichwortkombinationen durchprobieren, Treffer filtern, Patentfamilien nachschlagen, das erledigt die Plattform in Stunden und legt die Ergebnisse strukturiert vor. Der Anwalt prüft, bewertet und haftet. Wir beziffern die Effizienzsteigerung hier nicht in Prozent, eine frühere Fassung dieser Seite sprach von 90 Prozent, ohne dass irgendjemand das gemessen hätte.

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 genau deshalb gehört es in die Evaluation. Macht drei Test-Recherchen in euren tatsächlichen Nischenbereichen, ihr habt zwei oder drei davon. Vergleicht mit dem, was der Anwalt findet. Wenn das Tool dort schlecht abschneidet, habt ihr die falsche Plattform evaluiert, und ihr habt es vor dem Kauf gemerkt. Diese drei Testrecherchen sind der einzige belastbare Test, den es gibt, jede Anbieteraussage über Fachgebietsabdeckung ist Marketing, bis ihr sie an euren eigenen Fällen geprüft habt.

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: Stellt für eine abgeschlossene Erfindung einen Rechercheantrag nach § 43 PatG beim DPMA, 300 Euro, und vergleicht den amtlichen Recherchebericht mit dem, was ihr selbst gefunden habt. Danach fordert ihr einen befristeten Testzugang bei PatSnap oder Questel Orbit an und lasst dieselbe Erfindung noch einmal laufen. Drei Ergebnisse zum selben Fall, das ist eine Bewertungsgrundlage.

Quellen & Methodik

• DPMA-Gebühren für Patente, Anmeldung elektronisch 40 € und in Papierform 60 € (bis 10 Ansprüche), Rechercheantrag nach § 43 PatG 300 €, Prüfungsantrag 150 € nach vorheriger Recherche und 350 € ohne, Jahresgebühren 3. und 4. Jahr je 70 €, Einspruch 200 € (dpma.de/service/gebuehren/patente, abgerufen am 18.09.2026). Eine frühere Fassung dieser Seite nannte 350 € als Recherchegebühr, das ist die Gebühr für den Prüfungsantrag ohne vorherige Recherche.
• Espacenet, über 140 Millionen Patentdokumente aus mehr als 100 Ländern, kostenlos und ohne Anmeldung, betrieben vom Europäischen Patentamt (worldwide.espacenet.com, siehe auch unsere Toolseite Espacenet ). Eine frühere Fassung dieser Seite nannte 90 Millionen, das war ein veralteter Stand.
• PatSnap, semantische Suche über mehr als 100 Millionen Patente aus über 170 Jurisdiktionen, ca. 800–2.000 € pro Monat und Nutzer, globale Datenhaltung. Stand unserer Toolseite PatSnap .
• Questel Orbit, Questel SAS (Paris), über 100 Millionen Patente, KI-Assistent Sophia, EU-Datenverarbeitung, ISO 27001, kein öffentlicher Listenpreis, Hochschul- und Konsortialtarife auf Anfrage. Stand unserer Toolseite Questel Orbit .
• Iprova, Iprova SA, Lausanne (Schweiz), Plattform zur Generierung von Erfindungsvorschlägen, nicht zur Patentrecherche, kein öffentlicher Preis (iprova.com, siehe unsere Toolseite Iprova ). Eine frühere Fassung dieser Seite empfahl das Produkt unter dem falschen Namen “IPRova” als EU-gehostete Recherche-Alternative mit Claim-Level-Analyse. Das war falsch und ist ersatzlos raus.
• Nicht belegbar und deshalb nicht mehr auf dieser Seite: eine Dauer von 3 bis 4 Wochen je Initialrecherche, ein Marktpreis von 8.000 bis 15.000 € je Recherche, eine Kostensenkung von 40 bis 60 Prozent, eine Jahresersparnis von 339.000 €, ein Anteil übersehener japanischer und chinesischer Schutzrechte von 30 Prozent, eine Effizienzsteigerung des Anwalts von 90 Prozent, sowie vier Quellenangaben, die einer Prüfung nicht standhielten: ein PatSnap-Blogartikel (URL liefert 404), eine EPA-Meldung von 2023 unter einer Adresse, die keinen solchen Artikel enthält, eine angebliche Fraunhofer-FOKUS-Fallstudie ohne auffindbare Veröffentlichung, und F1-Werte von 90 bis 94 Prozent für die Open-Source-Initiative PQAI, die dort nicht publiziert sind.
• Keine Rechtsberatung und keine Recherche. Diese Seite beschreibt Werkzeuge und Abläufe. Ob eine Erfindung neu und erfinderisch ist, klärt eine professionelle Recherche und ein Patentanwalt, nicht ein Softwarescore und erst recht kein Sprachmodell.