Sitzen Sie am Steuer oder warten Sie auf den Bus?
Es bedurfte einer globalen Pandemie, um einige Patentanwaltskanzleien von Papierakten wegzuführen. Heute scheint es, als würden Patentanwälte mit der zunehmenden Verbreitung von Automatisierungstools für die Patenterstellung und das Management von Prüfungs- und Einspruchsverfahren endlich in der Moderne ankommen. Interessanterweise wird ein Großteil dieser Entwicklungen als „KI“ verkauft und beworben, obwohl es sich vielfach lediglich um eine einfache Automatisierung einfacher Aufgaben handelt, die bereits vor Jahren hätten eingeführt werden können. Darüber hinaus wird – während der Fokus weiterhin auf der Integration von Systemen von Drittanbietern zur Automatisierung einfacher Aufgaben liegt – die transformative Kraft echter KI von vielen Patentanwälten übersehen. Die Fähigkeiten der heutigen Large Language Models (LLMs) sind mittlerweile so hoch, dass „den Anwalt auf den Fahrersitz zu setzen“ nichts Geringeres bedeuten sollte als eine anwaltlich geführte, anspruchsvolle Prompt-Gestaltung für das zugrunde liegende LLM.
Den vorliegenden Blogbeitrag können Sie sich auch in
unserem Podcast blue tie anhören.
Die Patentbranche tritt aus dem technologischen Mittelalter hervor
Die Patentbranche ist bekanntermaßen langsam bei der Einführung neuer Technologien. Obwohl wir im Hinblick auf die Mandanten, die wir betreuen, buchstäblich an vorderster Front der Innovation stehen, ist der Berufsstand in Bezug auf technologische Lösungen für sich selbst bemerkenswert zögerlich. Es gibt zahlreiche repetitive Aufgaben bei der Patenterstellung, der Verfahrensführung und der Portfoliosteuerung, die bereits vor Jahrzehnten – ohne Einsatz von KI – hätten automatisiert werden können. Einfache, automatisierbare Tätigkeiten wie die Aktualisierung der Anspruchsnummerierung und -abhängigkeiten, die Beschriftung von Figuren und die Verwaltung von Zitaten sind nur einige Beispiele. Erstaunlicherweise verwenden viele Patentanwälte bis heute nicht einmal Literaturverwaltungsprogramme zur Organisation von Zitaten in ihren Dokumenten, selbst wenn zahlreiche Dokumente zitiert werden.
Im Bereich der Biotechnologie ist die Art und Weise, wie die Patentbranche die Erstellung von Sequenzlisten und Sequenzdaten handhabt, besonders eklatant. Diese Autorin erinnert sich noch gut an ihr Erstaunen, als sie in den Beruf eintrat und sah, wie Sequenzlisten erstellt wurden: durch Kopieren und Einfügen einzelner Sequenzen aus der Beschreibung oder aus Daten in ein veraltetes und äußerst instabiles JavaScript-Programm. WIPO Sequence stellt zwar eine Verbesserung dar, jedoch nur eine geringe, und viele Sequenzlisten werden weiterhin durch Kopieren und Einfügen erstellt. Dabei handelt es sich bei Sequenzlisten um hochstrukturierte XML-Dateien, die mithilfe einfacher Programmierung und FASTA-Dateien problemlos aus den Eingabesequenzen erzeugt werden könnten.
Es ist daher klar, dass – noch bevor KI überhaupt in Betracht gezogen wird – das größte Potenzial für die Branche in der einfachen Automatisierung liegt, insbesondere für große Kanzleien und Inhouse-Abteilungen mit hohem Anmeldeaufkommen (wobei viele große Inhouse-Abteilungen in dieser Hinsicht den Kanzleien bereits deutlich voraus sind, da sie eigene Systeme entwickelt und eingeführt haben). Es überrascht daher nicht, dass viele Anbieter von KI-Patentsoftware inzwischen Automatisierungslösungen verkaufen – allerdings unter dem Deckmantel von KI.
Automatisierung versus KI
Obwohl Automatisierung zu begrüßen ist, ist es entscheidend, zwischen Automatisierung und KI zu unterscheiden und für Kanzleien klarzustellen, was sie tatsächlich erwerben. Automatisierung folgt einem deterministischen Regelwerk und erzeugt vorhersehbare Ergebnisse, etwa bei der Neu-Nummerierung einer Liste. LLMs hingegen sind probabilistische Systeme für die natürliche Sprachgenerierung und das maschinelle Lernen. Daher können und müssen die Automatisierung von Routinetätigkeiten und der Einsatz anspruchsvoller LLMs unterschiedlichen Zwecken dienen und unterschiedliche Probleme für Patentanwälte lösen.
Das bedeutet nicht, dass Automatisierung keinen Wert hat. Sequenzlisten sind ein besonders gutes Beispiel dafür, dass Automatisierung eine deutlich bessere Lösung ist als LLMs. LLMs sind aufgrund ihres probabilistischen Charakters außerordentlich schlecht darin, mit Sequenzdaten umzugehen, da sie beim Kopieren scheinbar zufälliger Zeichenfolgen Fehler machen können. Zudem weisen die System-Prompts vieler Basismodelle die Modelle allgemein an, komplexe Texte zu vereinfachen und zusammenzufassen.
Fragt man Gemini, worauf sein System-Prompt abzielt, könnte es antworten, dass es statt einer dichten „Textwand“ sprachliche Einfachheit und strukturelle Klarheit optimiert. Sprachliche Einfachheit und strukturelle Klarheit sind jedoch Eigenschaften, die man Sequenzlisten noch nie zugeschrieben hat. Die Sequenzen in einer Sequenzliste müssen mit den zugrunde liegenden Sequenzdaten identisch sein, wobei bereits eine einzelne Nukleotid- oder Aminosäuresubstitution dazu führen kann, dass das gesamte Patent wertlos wird, weil es das Produkt nicht mehr abdeckt. Die Neigung von LLMs zu Halluzinationen oder zur Glättung von Daten kann daher zur Einführung stiller, katastrophaler Fehler in Sequenzlisten führen. Im Gegensatz zu spezialisierten Automatisierungstools, die Daten präzise abbilden, könnte ein LLM eine Sequenz als Textkette wahrnehmen, die vervollständigt oder „ausgeglichen“ werden soll, und dabei möglicherweise Reste erfinden, um seiner probabilistischen Trainingslogik zu entsprechen.
Daher sollten LLMs nicht zur Erstellung von Sequenzlisten verwendet werden. Die gute Nachricht ist jedoch, dass dies auch nicht erforderlich ist. Es genügt, den Prozess durch Programmcode zu automatisieren – Code, der bereits vor zwanzig Jahren hätte geschrieben werden können. Die Anbieter von KI-Patentsoftware wissen dies und bewerben inzwischen umfangreiche Funktionen, die eindeutig in den Bereich der Automatisierung fallen und nicht der KI. Dazu gehören unter anderem Lösungen für Sequenzlisten, Verfahrensmanagement-Software, übertragbare Vorlagen, Figurenbeschriftung, automatische Aktualisierung von Anspruchsabhängigkeiten und Anspruchsnummerierungen sowie Anspruchsbäume. Alles, was kein anspruchsvolles Verständnis von Sprache und Kontext erfordert, ist in der Regel eine automatisierte Code-Lösung und keine KI – oder bestenfalls eine automatisierte Lösung mit einem geringen Anteil an RAG und LLMs. Selbst viele Lösungen, die tatsächlich KI verwenden, stützen sich stark auf Code und Automatisierung, um die Benutzerführung und Integration innerhalb der Softwareplattform zu unterstützen.
Warum erwerben Kanzleien jetzt Automatisierungslösungen, obwohl solche Systeme seit Jahrzehnten von verschiedenen Anbietern verfügbar sind? Die Antwort hat wahrscheinlich mit KI-Hype, FOMO und Mandantendruck zu tun. Automatisierung und Verfahrensmanagement scheinen derzeit der einfachste Weg zu sein, auf den „KI-Zug“ aufzuspringen.
Verpassen Patentanwälte den eigentlichen Wert von KI?
Es ist selbstverständlich positiv, dass Patentanwälte endlich im 21. Jahrhundert ankommen – wenn auch etwa 20 Jahre nach vielen anderen Berufsgruppen. Diese Autorin befürwortet Automatisierung für einfache Routinetätigkeiten ausdrücklich. Dafür benötigt man jedoch keine anspruchsvollen LLMs. Zudem verdeckt der Fokus der Softwareanbieter auf vermeintliche KI-Aufgaben eine grundlegende Wahrheit über deren Angebote: Man benötigt diese Anbieter nicht, um die enorme Leistungsfähigkeit moderner Basismodelle zu nutzen. Schlimmer noch: Drittanbieterlösungen stellen eine unnötige Hürde dar, wenn es darum geht, dass Patentanwälte lernen, das wahre Potenzial dieser Modelle auszuschöpfen.
Die Basismodelle wie ChatGPT, Claude und Gemini sind mittlerweile so leistungsfähig, dass es hinsichtlich der Qualität der Arbeitsergebnisse kaum oder gar keinen Mehrwert bietet, einen Drittanbieter zwischen sich und das zugrunde liegende Modell zu schalten. Wenn der Fokus auf der Steigerung des Werts anspruchsvoller patentanwaltlicher Arbeit liegt, sind die zusätzlichen Ebenen, die Drittanbieter einziehen, nicht nur überflüssig, sondern auch stark einschränkend. Der Vorteil der Benutzerfreundlichkeit geht mit erheblichen Einschränkungen bei der Anpassbarkeit einher. Zudem hindern diese Lösungen Patentanwälte daran, zentrale Fähigkeiten für die neue KI-Welt zu entwickeln – insbesondere anspruchsvolles und effektives Prompt Engineering. Darüber hinaus ist die Abhängigkeit von vorgefertigten Lösungen inhärent einschränkend, da die Kanzlei faktisch an die Arbeitsablauflogik des Entwicklers gebunden wird. Es entsteht eine Black-Box-Umgebung, in der der Berufsträger den Beschränkungen der Software untergeordnet ist, anstatt durch deren Möglichkeiten gestärkt zu werden.
Schlussgedanken
Wie ein aktueller Bericht von Anthropic hervorhebt: „Während Claude in der Lage ist, äußerst anspruchsvoll zu antworten, tut es dies in der Regel nur, wenn Nutzer anspruchsvolle Prompts eingeben.“ Dies unterstreicht die Bedeutung von Kompetenz und zeigt, dass die Wirksamkeit von KI maßgeblich davon abhängt, wie Menschen mit ihr interagieren. Patentanwälte, die KI zur Wertschöpfung einsetzen wollen, müssen daher lernen, direkt mit LLMs zu arbeiten und anspruchsvolle Prompt-Techniken zu entwickeln, anstatt lediglich die Benutzeroberfläche eines einzelnen Anbieters zu bedienen. Der wahre Wert von KI liegt in der Einbindung dieser Modelle in maßgeschneiderte Arbeitsabläufe, die auf ein bestimmtes technisches Fachgebiet und die Bedürfnisse des Mandanten zugeschnitten sind und sich mit der anwaltlichen Expertise weiterentwickeln. Dies ist der Unterschied zwischen der Nutzung öffentlicher Verkehrsmittel und dem Erlernen des Autofahrens.
