Patentrecherche - Technologieüberwachung durch künstliche Intelligenz

Inhaltsverzeichnis

1 Einleitung

2 Patentinformationen

2.1 Patentliteratur – ihre Vorteile und dessen Informationsumfang

2.2 Aufbau von Patentinformationen

2.2.1 Internationale Patentklassifikation (IPC)

2.2.2 Europäische Patentklassifikation (ECLA)

3 Recherchemethoden

3.1 Informationsrecherchen

3.2 Rechtsbezogene Recherchen

4 Geschützte Technologie abrufen

4.1 Der Weg zu den Patentinformationen

4.2 Analyse der wichtigsten Technologiepools

4.3 Technologiepool - Offline

4.4 Technologiepool und mehr - Online

5 Technologiefortschritte systematisch überwachen

5.1 Informationen digital aufbereiten

5.2 Künstliche Intelligenz antrainieren

5.3 Das Trainieren mit Vektoren

5.4 Technologiefortschritte systematisch im Auge behalten

6 Resümee

Zielsetzung & Themen der Arbeit

Das Hauptziel dieser Arbeit besteht darin, die Grundlagen der Patentrecherche und gängige Schutzrechtsdatenbanken zu beleuchten, um die „Time to market“-Phase von Unternehmen durch den Einsatz moderner Machine-Learning-Techniken zu optimieren und die Qualität sowie Effizienz der Rechercheprozesse zu steigern.

• Grundlagen und Bedeutung von Patentinformationen für Unternehmen
• Methodische Ansätze in der Informations- und rechtsbezogenen Patentrecherche
• Vergleich und Analyse relevanter Schutzrechtsdatenbanken (online und offline)
• Optimierungspotenziale durch die Anwendung der Support Vector Machine (SVM)
• Systematische Vorgehensweise bei der digitalen Aufbereitung und Klassifizierung von Patentdaten

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 Einleitung: Beschreibt die Relevanz von Geschwindigkeit in der Technologieüberwachung und führt in das Ziel ein, Patentinformationen durch Machine-Learning effizienter zu nutzen.

2 Patentinformationen: Erläutert den Wert von Patenten als Informationsquelle, ihren Aufbau sowie die Bedeutung hierarchischer Klassifizierungssysteme wie IPC und ECLA.

3 Recherchemethoden: Unterscheidet zwischen technischen Informationsrecherchen und rechtsbezogenen Recherchen und zeigt auf, wie diese zur Innovationsbewertung beitragen.

4 Geschützte Technologie abrufen: Bietet einen Überblick über Datenbankkriterien sowie eine Analyse wichtiger Online- und Offline-Datenbanken und Schutzrechtsportale.

5 Technologiefortschritte systematisch überwachen: Detailliert die technische Optimierung der Recherche mittels Machine-Learning und die Funktionsweise von Support Vector Machines.

6 Resümee: Fasst die Vorteile der kombinierten Anwendung neuer Technologien zur Beschleunigung von Innovationszyklen zusammen.

Schlüsselwörter

Patentrecherche, Technologieüberwachung, Machine-Learning, Support Vector Machine, SVM, Schutzrechtsdatenbanken, Patentklassifikation, IPC, Patentinformationen, Innovationsmanagement, Datenanalyse, Textklassifizierung, Zeitersparnis, Wettbewerbsvorteile, Patentanmeldungen

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit untersucht, wie moderne technologische Ansätze, insbesondere Machine-Learning-Methoden, dazu beitragen können, herkömmliche Prozesse der Patentrecherche effizienter und zielgerichteter zu gestalten.

Welche zentralen Themenfelder werden behandelt?

Die Themen umfassen die Grundlagen des Patentwesens, die Methoden der Informationsrecherche, die Nutzung spezialisierter Datenbanken sowie die technische Implementierung von Algorithmen zur Textklassifizierung.

Was ist das primäre Ziel der Untersuchung?

Das Hauptziel ist die Optimierung der „Time to market“-Phase durch den Einsatz der Support Vector Machine, um Rechercheergebnisse qualitativ zu verbessern und die Durchlaufzeiten zu reduzieren.

Welche wissenschaftliche Methode wird verwendet?

Die Arbeit basiert auf einer Literaturanalyse, dem Studium von Schutzrechtsdatenbanken sowie qualitativen Experteninterviews mit Vertretern der Branche.

Was wird im Hauptteil behandelt?

Der Hauptteil analysiert, wie digitale Textdaten in Vektoren umgewandelt, bereinigt und durch die Support Vector Machine zur automatisierten Klassifizierung von Patenten trainiert werden.

Welche Schlüsselwörter charakterisieren die Arbeit?

Wesentliche Begriffe sind Patentrecherche, Technologieüberwachung, Machine-Learning, Support Vector Machine (SVM) und Patentklassifikation.

Wie funktioniert der Lernprozess der Support Vector Machine in diesem Kontext?

Der Lernprozess umfasst die zyklische Klassifizierung von Trainingsdokumenten, bei der eine Hyperebene zur optimalen Trennung zwischen positiven und negativen Suchergebnissen innerhalb eines Merkmalsraums definiert wird.

Warum ist die manuelle Vorverarbeitung von Texten für den Algorithmus so entscheidend?

Durch das Herausfiltern irrelevanter Füllwörter und die Reduktion auf Stammwörter wird die Datenmenge halbiert, was die Effizienz und Genauigkeit des Klassifizierungsprozesses massiv steigert.