Study Projects
Generierung von Patentanmeldungen mittel generativer KI
Hintergrund: Patente stellen für Unternehmen einen Erfolgsfaktor dar, mit dem die technologische Position gesichert und wirtschaftlich verwertet werden kann. Dabei ist die Erstellung von Patentanmeldungen ein komplexer Prozess. Neben bibliografischen Daten auf dem Titelblatt sind es gerade die Textteile der Patente – wie der Titel, die Zusammenfassung, die Ansprüche und die Beschreibung –, die zentrale Informationen über die zum Schutz gestellten Erfindungen liefern. Unterstützt werden diese Textteile durch technische Zeichnungen, welche die Funktionsweise und den Aufbau der Erfindung anschaulich darstellen. Der gesamte Erstellungsprozess einer Patentanmeldung erfordert nicht nur juristisches und technisches Fachwissen, sondern auch strukturiertes und pr?zises Schreiben sowie die F?higkeit, technische Inhalte grafisch darzustellen.
Ziel dieses Projekts ist es, das Potential zur Erstellung von Patenten mittels generativer KI durch den Einsatz von Large Language Models (LLMs) wie z.B. GPT zu identifizieren. Dazu sollen auf Basis von nicht weiter verfolgten Erfindungen die Textteile und Zeichnungen von Patenten generiert werden. Der Fokus des Masterprojektes liegt dabei auf der Erstellung von Prompts durch Anwendung eines effektiven Prompt Engineerings, um die LLMs zweckm??ig einzusetzen.
Semester: WiSe 25/26, SoSe 26
Gruppengr??e: 3 Personen
Kontakt für Rückfragen:
M.Sc Andre Herzberg [E-Mail]
Institut für Projektmanagement und Innovation (IPMI)
WiWi1, A 2110
Tel.: 0421/218-66813
Zerlegung von Patentansprüchen unter Hinzuziehung von KI/Dissecting patent claims with the help of AI
Hintergrund Angesichts der exponentiellen Zunahme von Patentanmeldungen und deren zentraler Bedeutung für Innovation und technologischen Fortschritt, schl?gt dieses Lehrprojekt die systematische Anwendung von Künstlicher Intelligenz (KI), insbesondere Large Language Models wie ChatGPT-3.5, zur umfassenden Analyse von Patentansprüchen vor.
Projektziele:
Zerlegung von Patentansprüchen: Die Aufgabe besteht darin, Patente mithilfe von Large Language Models in ihre Merkmale zu zerlegen, um eine strukturierte Darstellung der beanspruchten Schutzrechte zu erstellen.
Zusammenfassung und Sortierung: Large Language Models sollen genutzt werden, um Methoden zu entwickeln, mit denen Sie ?hnliche Merkmale und Ansprüche gruppieren und sortieren k?nnen, um die ?bersichtlichkeit zu verbessern.
Vergleich des Schutzumfangs: Verwenden von Large Language Models, um den Schutzumfang 澳门皇冠_皇冠足球比分-劲爆体育erer Patente zu vergleichen und potenzielle Kollisionen oder ?berschneidungen zu identifizieren.
Validierung mit klassischen Verfahren: Validieren der Ergebnisse, indem traditionelle Patentanalyseverfahren wie Prior Art Search und Schutzumfangsanalysen angewandt werden.
Erwartete Ergebnisse:
Nach Abschluss dieses Projekts werden Studierende:
- Eine effiziente Methode zur Zerlegung von Patentansprüchen entwickelt haben.
- In der Lage sein, potenzielle Schutzrechtskollisionen zwischen Patenten zu identifizieren.
- Ein besseres Verst?ndnis für die Anwendung von Large Language Models in der Patentanalyse gewonnen haben.
- Ein validiertes Verfahren erarbeitet haben, das zuverl?ssige Ergebnisse liefert.
Lehrende und Betreuende:
Dr. Lothar Walter [E-Mail]
Institut für Projektmanagement und Innovation (IPMI)
WiWi1, A 2080
Tel.: 0421/218-66809
Extraktion von Bauteilen von Erfindungen in ausgew?hlten Technologiegebieten mithilfe von KI/Extraction of components of inventions in selected technology areas using AI
Hintergrund Angesichts Patente stellen für Unternehmen einen Erfolgsfaktor dar, mit denen die technologische Position gesichert werden kann. Dabei ist es nicht nur entscheidend, die eigenen Patente zu verwalten, sondern es sind insbesondere die Patente der Wettbewerber als Informationsquelle zu nutzen. Neben bibliografischen Daten auf dem Titelblatt sind es gerade die Textteile der Patente wie die Patentbeschreibung, die genaue Informationen über die zum Schutz gestellten Erfindungen liefern.
Die Patentbeschreibung folgt dem Titelblatt und beschreibt die Erfindung im Detail. Sie stellt damit den Offenbarungsteil der Erfindung dar und beinhaltet das zu l?sende technische Problem, die vorgeschlagene L?sung und Hinweise zur Auslegung der Patentansprüche. Dabei soll die Offenbarung der neuen Erfindung so erfolgen, dass sie von einem technischen Fachmann nachempfunden werden kann, wobei die Zeichnungen mit den einzelnen Bauteilen dem Fachmann einen schnellen und tiefgehenden Zugang zur Erfindung liefert.
Ziel dieses Projekts ist es daher, ein bestehendes Verfahren zur Identifikation von Bauteilen in Erfindungen durch den Einsatz von Large Language Models (LLMs) wie z.B. GPT und PaLM zu erweitern. Dazu sollen Patenttexte aus abgegrenzten Technologiegebieten mit diesen LLMs analysiert und hinsichtlich der eingesetzten Bauteile differenziert werden.
Dazu bedarf es effektiven Prompt Engineerings, um die LLMs zweckm??ig einzusetzen und sicheren Umgangs mit Patentdaten, um geeignete, technologiespezifische Patentdokumente aus entsprechenden Datenbanken zu extrahieren.
Lehrende und Betreuende:
Dr. Lothar Walter [E-Mail]
M.Sc Joe Waterstraat [E-Mail]
Institut für Projektmanagement und Innovation (IPMI)
WiWi1, A 2030
Tel.: 0421/218-66807