Résumé de EPC2000 Art 083 pour la décision T1669/21 du 23.07.2024

In T 1669/21, machte die Beschwerdeführerin (Patentinhaberin) geltend, die Erfindung sei auch ohne ein konkretes Ausführungsbeispiel im Patent deutlich und vollständig offenbart. Bei dem anspruchsgemäßen Rechenmodell handele es sich um ein Modell des maschinellen Lernens. Angesichts des rasanten Fortschritts sei auch das Erstellen eines geeigneten Rechenmodells des maschinellen Lernens, (anders als in T 161/18) mittlerweile Gegenstand des allgemeinen Fachwissens und bedürfe keiner ausdrücklichen Offenbarung. Die Erfindung strebe eine "umfassende Lösung" zur Vorhersage des Verschleißes der feuerfesten Auskleidung eines metallurgischen Gefäßes an. Der Begriff "Rechenmodell" war für die Kammer auch im Zusammenhang mit einer Anpassung ("adaptiert") nicht auf ein Modell aus dem Bereich des maschinellen Lernens eingeschränkt. So ist die Tatsache, dass das Modell "adaptiert wird" nicht gleichbedeutend damit, dass das Modell "adaptiv" ist, sich also selbst anpasst bzw. selbstlernend ist. Anspruch 1 war daher nicht auf ein Verfahren zum maschinellen Lernen beschränkt. Für ein solches Rechenmodell gab das Patent weder ein Beispiel noch Anhaltspunkte für die zu modellierenden Zusammenhänge. Schon aus diesem Grund erfüllte der Hauptantrag nicht die Erfordernisse von Art. 83 EPÜ. Die Ausführbarkeit der Erfindung wurde auch hinsichtlich des von Anspruch 1 mitumfassten Modells maschinellen Lernens geprüft. Das Streitpatent machte hierzu keinerlei Angaben im Unterschied zu T 161/18, wo das verwendete neuronale Netz spezifiziert wurde. Eine Vielzahl an Möglichkeiten für die Ausgestaltung eines Rechenmodells bestand. Das vorgetragene Fachwissen enthielt jedoch keine Informationen zu den spezifischen Anforderungen, und das Patent enthielt hierzu auch keine. Daher lag bereits in der Wahl eines konkreten geeigneten Rechenmodells des maschinellen Lernens für den Fachmann eine erhebliche Hürde für die Ausführbarkeit der Erfindung. Selbst wenn, wäre der Fachmann dabei auf sich allein gestellt, aus der Vielzahl an möglichen Eingangsgrößen diejenigen Kombinationen auszuwählen. Schon jeder einzelne derartige Versuch für sich genommen stellte einen erheblichen Aufwand dar. Mangels eines konkret nacharbeitbaren Ausführungsbeispiels als Ausgangspunkt im Patent oder einer sonstigen spezifischen Anleitung, welche Parameter relevant sind, fehlte zudem ein Beleg für die grundsätzliche erfolgreiche Ausführbarkeit der Erfindung mit einem anspruchsgemäß trainierten Rechenmodell. Die Beschwerdeführerin trug hierzu vor, es sei nicht erforderlich, weil es gerade das Wesen des maschinellen Lernens sei, dass die Fähigkeit zur Vorhersage der Ausgangsgröße ohne Kenntnis der kausalen Zusammenhänge durch Training selbstlernend erworben werde. Dabei werde der Einfluss irrelevanter Eingangsgrößen von selbst herausgefiltert. Laut der Kammer enthielt die Patentschrift kein einziges konkret nacharbeitbares Ausführungsbeispiel und keine Anhaltspunkte oder Kriterien zur Auswahl geeigneter konkreter Parameter innerhalb der beanspruchten Kategorien. Bezüglich Menge und Qualität der Trainingsdaten (s. auch T 161/18), wurde das Rechenmodell nur mit einem reduzierten Datensatz trainiert. Die vorgetragene Art der Ausführung der Erfindung und der Trainingsdatenerfassung war nicht im Streitpatent offenbart. Die Beschwerdeführerin konnte nicht plausibel darlegen, dass das Rechenmodell mit einem solchen eingeschränkten Trainingsdatensatz erfolgreich trainiert werden kann. Somit war die Offenbarung des Patents auch bezüglich des für den Erfolg der Erfindung entscheidenden Aspekts der Trainingsdaten allgemein und unvollständig. Der fehlende Detailgrad dieser Offenbarung im Patent stand in keinem Verhältnis zur Breite der beanspruchten Erfindung und dem entsprechenden Aufwand für einen Fachmann, die Lücken zu füllen, um die Erfindung (über ihre Breite hinweg) ausführen zu können.