Laufende Forschungsprojekte

Mit diesem Projekt soll eine öffentliche Datenbank erstellt werden, die Patente mit wissenschaftlichen Veröffentlichungen verknüpft, indem ein leistungsstarkes Text-Mining-Verfahren Referenzen aus Patenttexten extrahiert. Forschende sollen damit die Möglichkeit erhalten, die Auswirkungen der wissenschaftlichen Forschung für Innovationen in der Industrie zu analysieren.

Unter Verwendung eines einmaligen Datensatzes von Förderanträgen an den norwegischen Forschungsrat aus allen akademischen Bereichen sollen in diesem Projekt die mit den Forschungsstipendien verbundenen patentierten Erfindungen nachverfolgt und Erkenntnisse darüber gewonnen werden, wie die Forschungsförderung konzeptionell verbessert und ihr Einfluss auf die Innovationstätigkeit erhöht werden können.

Projekt gestoppt

Unter Verwendung eines neuen Datensatzes, der als standardessenziell deklarierte Patente (SEPs) mit unterschiedlichen Quellen von staatlichen Fördergeldern verknüpft, wird in diesem Projekt untersucht, wie wichtig staatlich geförderte Forschung für SEPs ist und wie sie sich auf die Entwicklung technischer Standards auswirkt.

Dieses Projekt hat zum Ziel, spezifische Charakteristika in wissenschaftlichen Clustern zu identifizieren, die deren späteren Einfluss auf technologische Entwicklungen signalisieren. Zu diesem Zweck werden 1. quantitative Methoden der semantischen Analyse und Grafikeinbettung eingesetzt und auf wissenschaftliche Publikationen und Patentdaten angewandt, 2. fallspezifische Monografien auf verschiedenen wissenschaftlichen Gebieten (z. B. maschinelles Lernen, Krebs, mRNA, Cybersicherheit, CRISPR, Quanteninformatik) erstellt und 3. spezifische Charakteristika wissenschaftlicher Entdeckungen gemessen und untersucht, die deren spätere Auswirkungen beeinflussen könnten. Die Projektergebnisse werden einen analytischen Bericht sowie ein Toolkit umfassen, mit dem sich die potenziellen Auswirkungen spezifischer wissenschaftlicher Publikationen auf eine Technologie bewerten lassen.

Die Anführungen von Patenten in wissenschaftlichen Publikationen werden in der Regel als Indikatoren potenzieller Wissenstransfers interpretiert. Anführungen sind aber manchmal aus vielerlei Gründen problematisch, während bei textbasierten Alternativen Informationen verloren gehen und die Skalierbarkeit eingeschränkt ist. Wir schlagen daher vor, die semantische Ähnlichkeit zwischen Patenten und wissenschaftlichen Publikationen auszuschöpfen und die neuesten Fortschritte im Bereich des maschinellen Lernens zu nutzen. Unsere Lösung verwendet Transformer-Modelle, die semantisch ähnliche Dokumente identifizieren. Ein Patent, das einer früheren wissenschaftlichen Publikation sehr ähnlich ist, könnte von ihr beeinflusst worden sein. Mit unserem skalierbaren Ansatz können große Textmengen verarbeitet werden. Nach der semantischen Verknüpfung von Dokumenten werden aus den Daten Rückschlüsse darauf gezogen, wie wissenschaftliche Erkenntnisse sich in Publikationen und Patenten verbreiten und in Letzteren niederschlagen.

Aktuelle Abfragesysteme für die Patentrecherche stützen sich bei der Suche nach ähnlichen Dokumenten hauptsächlich auf Textinhalte. Die Forschung zur Nutzung der visuellen Inhalte in Abbildungen, z. B. in Diagrammen und schematischen Zeichnungen, oder sogar einer Kombination von Text und Bildern in Patenten ("multimodale Recherche") ist noch begrenzt. Ein rein multimodaler Ansatz verspricht jetzt jedoch Abhilfe bei bekannten Problemen der Patentrecherche, wie sie z. B. durch die sich ständig ändernde Terminologie der technologischen Entwicklung entstehen. Das vorgeschlagene Projekt untersucht und erweitert modernste Technologien zur Informationsextraktion und Ähnlichkeitssuche in Patentdatenbanken, der Schwerpunkt liegt dabei auf Deep-Learning-Techniken unter Verwendung umfangreicher Datensätze. Übergeordnetes Ziel ist es, Bildinformationen in Patenten zu nutzen und sie für ein optimiertes Abfrageergebnis mit Textinhalten zu verbinden.

Zur Unterstützung der Studierenden stehen zahlreiche technologiebasierte Systeme zur Verfügung. Einige davon helfen im Lernprozess, indem sie Lernressourcen vorschlagen oder Maßnahmen empfehlen. Andere Systeme unterstützen in der Beurteilungsphase durch Feedback oder indem sie den Lernfortschritt überwachen und den besten Lernpfad für einen erfolgreichen Kursabschluss empfehlen. Wie gut die jeweiligen Funktionen geeignet sind, hängt von den Studierenden und den Kursanforderungen ab. Dieses Projekt hat folgende Ziele:

• Definition eines intelligenten Lernsystems, das mithilfe von Techniken der künstlichen Intelligenz zu einem erfolgreichen Lernprozess bei IP-Schulungen verhilft
• Definition der besten automatischen Bewertungsstrategie und Lernressourcen für ein automatisches Feedback-System
• Konzeption eines Chatbots, um die Interaktion zwischen Dozent und Studierenden zu simulieren

Auf der Grundlage von Verzeichnissen elektronischer Doktorarbeiten werden Informationen über die Doktorandinnen und Doktoranden aus Frankreich, Deutschland, den Niederlanden und Spanien den Daten von Patenten und wissenschaftlichen Publikationen zugeordnet. So werden sowohl die Absolventinnen und Absolventen ermittelt, die eine Erfinderlaufbahn einschlagen, als auch diejenigen, die Wissenschaftler/in werden und Artikel veröffentlichen, die dann entweder direkt (Patent -> Publikationszitat) oder indirekt (Patent -> andere Publikationen -> Zitationskette der jeweiligen Publikation) in der Patentliteratur zitiert werden. Die gleichen Informationen werden zu den Betreuern und Betreuerinnen der jeweiligen Arbeiten erhoben. Anschließend werden – allerdings anhand erfindungsrelevanter Publikationen – die Faktoren untersucht, die die Wahrscheinlichkeit beeinflussen, dass eine Erfinderlaufbahn und/oder eine wissenschaftliche Laufbahn eingeschlagen wird. Zu diesen Faktoren gehören neben der geschlechtlichen Identität auch die wissenschaftlichen und innovationsbezogenen Aufzeichnungen der Betreuerinnen und Betreuer. Für Frankreich und Deutschland konzentrieren wir uns insbesondere auch auf die Beiträge ausländischer Absolventinnen und Absolventen.