Big Data im IP: Vergangenheit, Gegenwart, Zukunft

---

„Big Data“ wird oft benutzt, um schlichte Daten eindrucksvoll klingen zu lassen. Dabei ist die Definition klar: Ein Datenbestand ist dann Big Data, wenn er für herkömmliche Anwendungen zur Datenverarbeitung zu groß oder zu komplex ist.

Software entwickelt sich schnell. Was heute „herkömmlich“ heißt, war gestern neu. Und was heute als fortschrittlich gilt, kann morgen herkömmlich sein.

In der Literatur finden sich mehrere Größen, die einen Datenbestand zu groß oder zu komplex machen. Für Daten der IP-Branche sind vor allem Volumen, Vielfalt und Aussagekraft entscheidend. Ihr Gewicht hat sich über die Jahre verschoben. Wer beurteilen will, ob ein Datenbestand wirklich Big Data ist, muss die Zeit also mitdenken.

Früher war es das Volumen, das Anwendungen für IP-Daten zu Recht als Big-Data-Werkzeuge auswies. Ich erinnere mich, dass wir noch vor zehn Jahren am Institut für Innovationsmanagement der LMU München damit kämpften, weltweite Patentinformationen in vertretbarer Zeit zu speichern und zu verarbeiten, allein wegen der schieren Größe der Datenbank mit über 100 Millionen Patentveröffentlichungen. Algorithmen liefen tagelang auf den stärksten Servern, die am Markt zu bekommen waren. Damals waren die Datenbestände für herkömmliche Verfahren schlicht zu groß.

Heute verarbeiten wir 140 Millionen Patentveröffentlichungen in wenigen Sekunden auf einer gewöhnlichen Datenbank wie PostgreSQL, der relationalen Standarddatenbank der meisten Anwendungen. Einzelne Abfragen, die endlos laufen, sehe ich kaum noch. Wenn doch, liegt es eher daran, dass der Aufbau nicht sauber ist oder die Methode nicht passt.

Inzwischen ist es vor allem die Vielfalt, die das Verarbeiten schwierig macht. In der IP-Branche haben wir es meist mit strukturierten Beständen zu tun, selbst in der Volltextanalyse, und die sind deutlich einfacher zu nutzen als unstrukturierte. Über 100 Patentämter folgen im Großen und Ganzen einem ähnlichen Format, und es gab hilfreiche Ansätze, die Formate der Quellen anzugleichen, etwa die WIPO-Formate ST.36 und ST.66. An einer sauberen Strukturdefinition fehlt es also nicht.

Die Schwierigkeiten entstehen dadurch, was in diese Struktur hineingepresst wird. Ein Beispiel aus der Praxis: Bei Patent-Pilot verarbeiten wir die Vertreterangaben. Manche Ämter erfassen Kanzleinamen, manche nur Anwaltsnamen, manche beides. Manche erfassen sie auf Englisch und in der Landessprache, manche bieten automatische Übersetzungen oder Umschriften. Adressen fehlen oft ganz. Mal sehen wir den Stand bei Anmeldung, mal spätere Änderungen, ohne dass erkennbar wäre, dass etwas geändert wurde. Trotzdem landet alles in denselben XML-Feldern. Aus meiner Sicht sollte mehr Aufwand darauf verwendet werden, weltweit genau dieselben Daten im selben Format zu erheben und sich darauf zu einigen, auch die Altbestände entsprechend umzustellen. Erst dann wird das Gesammelte wirklich vergleichbar.

Für die Verarbeitung haben wir eigene Algorithmen gebaut, übrigens auf Basis von HI, also Human Intelligence, und nicht von Artificial Intelligence. Anders gesagt: Der größte Teil der Arbeit an Big Data dreht sich derzeit um die Vereinheitlichung uneinheitlicher Rohdaten. Das Volumen ist dabei kein Problem mehr, im Gegenteil, es hilft sogar erheblich bei der Entscheidung, wie mit der Vielfalt umzugehen ist und wie die Daten zu bereinigen sind. Je mehr Daten vorliegen, desto leichter lässt sich unter ähnlichen Einträgen der richtige erkennen und der falsche korrigieren. Auch die Trainingsdaten für Machine-Learning-Algorithmen werden dadurch besser.

Besonders spannend ist die Zukunft von Big Data für den Berufsstand. Ich bin überzeugt, dass wir erst an der Oberfläche dessen kratzen, was Daten für die IP-Praxis leisten können. Big Data wird weniger eine bloße Informationsquelle sein, sondern entscheidend für Insights.

Die neue Schlüsselgröße ist die Aussagekraft, also der Sinn in den Daten. Muster lassen sich nicht erkennen, wenn man einzelne Datenpunkte betrachtet oder die Quellen mit herkömmlichen Modellen verarbeitet, gruppiert und zusammenfasst. Mustererkennung ist der Schlüssel zu dem, was aus meiner Sicht das eigentliche Ziel ist: Entscheidungen auf Daten zu stützen.

Was heißt das konkret in unserem Fall? Aus unseren Daten lässt sich ablesen, welche IP-Kanzleien für welche Mandanten arbeiten. Ebenso lassen sich die Netzwerke einer Kanzlei erkennen und zum Beispiel, ob sie ausgewogene internationale Beziehungen anstrebt, also Reziprozität.

Einen Schritt weiter gehen unsere Algorithmen, die erkennen, ob der Mandant oder die Kanzlei im internationalen Fallaustausch entscheidet. In den Rohdaten steht das nirgends. Genau darin liegt die Stärke von Big Data.

Am Ende bedeuten Insights, die Informationen algorithmisch so aufzubereiten, dass sie zur richtigen Entscheidung führen, etwa dazu, mit welchen Kanzleien oder Mandanten man weltweit arbeiten sollte. Anders gefragt: Wer sind, gemessen an der Strategie der eigenen Kanzlei, die idealen Partner? Wo zeigen sich Muster, wenn man ein Portfolio gegen alle anderen Kanzlei- und Mandantenportfolios hält, die einen Partner oder Mandanten als passend erscheinen lassen? Interessenkonflikte vermeiden, technische Lücken oder gemeinsame Geschäftsbeziehungen erkennen, strategische Ziele und vieles mehr können die Entscheidung stützen. Daran arbeiten wir gerade.

Das Beispiel oben betrifft die Entscheidungen innerhalb einer Kanzlei. Andere Anwendungen können Patentanwälte dabei unterstützen, ihre Mandanten im Anmeldeverfahren besser zu beraten.

Technisch heißt das in jedem Fall: weg von Beständen, die auf Patentveröffentlichungen beruhen, hin zu umgeformten Beständen, die Kennzahlen laufend berechnen, etwa die Entwicklung von Marktanteilen bei Mandanten oder ähnliche Anmelder. Tausende Kanzleiportfolios, Millionen Anmelderportfolios oder mehrere technische Bereiche gleichzeitig zu vergleichen ist für keine Datenbank einfach. N-mal-n-Matrizen bereiten den meisten modernen Datenbanksystemen weiterhin Mühe. Genau daraus entsteht die Komplexität, die solche Verfahren zu Recht als zu komplex für herkömmliche Anwendungen ausweist und sie damit zu Big Data macht.

Kurz gesagt: Der technische Fortschritt verändert bereits, was als Big-Data-Anwendung gilt, und wird das weiter tun. Für Fachleute im IP-Bereich bedeutet das eine tiefere Verarbeitung der Informationen und neue Software, die Patentanwälte bei ihren Entscheidungen weiter unterstützt.