Warum die Suchformulierung nicht so einfach ist

Patentabfragen in internationalen Patentdatenbanken sind nicht einfach, da oft komplexere Abfragen mit einer Kombination aus Patentklassen und Stichworten notwendig sind, die geschickt miteinander kombiniert werden müssen. Die KI zur Unterstützung bei der Suche hält bei den Datenbanken der Patentämter erst langsam Einzug. Eine direkte semantische Umsetzung von Recherchefragen aus dem technologischen Fachgebiet gibt es noch nicht. Daher sind nach wie vor die Booleschen Abfragen mit einer Kombination von Suchbegriffen mit Operatoren State-of-the-Art in diesen Datenbanken.

Ist die Formulierung jedoch zu breit, ergeben sich eine sehr große Zahl von Treffern, die kaum manuell zu sichten sind. Ist die Abfrage zu eng, werden wichtige Treffer ausgeschlossen, oder es ergibt sich gar keine Fundstelle. Bei der richtigen Suchformulierung kann es oft wichtig sein,  Begriffe im Kontext eines weiteren Begriffs zu suchen, um irrelevante Treffer in großer Zahl zu vermeiden.

Wenn ich eine neuartige Signalgebung an Fahrradhelmen erfunden habe, möchte ich möglichst die Dokumente finden, welche Signalgebung im Kontext von Helmen bezeichnen. Daher kann es oft sinnvoll sein, nach Anmeldungen zu suchen, welche den einen Begriff in der Nähe des anderen Begriffs aufführen. Diese Abfragen können kompliziert sein, da die Operatoren oft sehr verschieden sind und eben auch an den richtigen Stellen stehen müssen. Bei verschachtelten Abfragen müssen Klammern gesetzt werden, um verschiedene Ebenen der Abfrage voneinander zu trennen. Das kann bei umfangreichen Abfragen dann sehr herausfordernd sein.

Daher ist die Frage, wer oder was kann mir bei der richtigen Suchformulierung helfen?

Zunächst sollte man hier zwei Ebenen unterscheiden:

• Für den Einsteiger in den Bereich der Patentdatenbank-Recherche ist die große Frage einer Umsetzung aus natürlicher Sprache in eher einfache Abfragen für z. B. Neuheitsrecherchen.
• Für den Recherche-Profi ist eher die Unterstützung beim Aufbau  von komplexen Abfragestrukturen das zentrale Thema.

Einsteiger: Aufbau eines KI-Assistenten zur Suchformulierung

Solange die Patentämter noch keine KI unterstützen Assistenten in ihren Datenbankzugriffen anbieten, kann die Nutzung eines selbst erstellten KI-Assistenten zur Suchformulierung sinnvoll sein. Allerdings sollte man bei der Nutzung solcher Assistenten auf öffentlichen Sprachmodellen bedenken, keine vertraulichen Informationen über den Erfindungsgegenstand preiszugeben.

Um die volle Kontrolle über die Daten zu behalten und die Erstellung komplexer Suchmatrizen dennoch zu automatisieren, konfigurieren professionelle Informationsspezialisten zunehmend eigene, geschlossene Systeme. Anstatt auf öffentliche GPTs zurückzugreifen, werden lokale LLM-Umgebungen (beispielsweise über Ollama mit Modellen wie Llama 3, Gemma oder Qwen) aufgesetzt. So können vertrauliche technische Texte in präzise Suchstrings für Espacenet oder DEPATISnet übersetzt werden, ohne dass die Daten den lokalen Rechner verlassen.

Die Nutzung solcher Assistenten auf den verschiedenen KI-Plattformen habe ich schon in vorhergehenden Themen besprochen (Synonyme finden).

Wichtig bei der effektiven Erstellung eines solchen Assistenten ist die Bereitstellung eines Kontexts über die Suchsyntax und ihre spezifischen Merkmale. Solche Informationen sind oft auf den Hilfeseiten der Patentämter mit teilweise herunterladbaren PDF-Manuals enthalten. Solche Informationen können gut als Kontext bei der Erstellung eines Assistenten hochgeladen werden.

Hier ein einfaches Beispiel eines Prompts für einen KI-Assistenten zu Espacenet und der CQL-Abfragesprache:

Profi: Kombinierter Building-Block-Ansatz mit Excel oder Sheets

Für den Rechercheprofi gibt es andere Herausforderungen. In der Regel wird er zur Vorbereitung seiner komplexen Booleschen Abfragen die schon in den früheren Punkten dieser Artikelserie bezeichneten Synonym-Such-Assistenten nutzen. Auch für die Recherche nach den passenden Klassen sind KI-Assistenten sehr wertvoll. Damit hat der Recherche-Profi eine Liste mit passenden Klassen und eine Tabelle mit verwandten Suchbegriffen, die er jetzt sinnvoll zusammenbringen muss.

Für die richtige Kombination dieser Begriffe sind nicht KI-Werkzeuge die erste Wahl. Denn bei der Verknüpfung der verschiedenen Suchelemente geht es um ziemlich starre Strukturen, die sich vor allem in der korrekten Wiedergabe der Such-Syntax der Datenbank abbilden.

Solche Aufgaben können Tabellenkalkulationen mit ihren Formelblättern sehr gut lösen. Wenn ich auf einem Tabellenblatt Spalten für Patentklassen und mehrere für Suchbegriffe vorsehe und eine frei einstellbare Vorgabe für den Verknüpfungsmodus bei den Begriffen vorsehe, kann ich bei der Verwendung der richtigen Formel in schneller Weise syntaktisch korrekte hochkomplexe Suchanfragen erstellen. Wenn der Verknüpfungsmodus die jeweils passenden Nähe-Operatoren vorgibt, kann man zielgenaue Suchabfragen mit Proximity-Operatoren erstellen. Dadurch sind sehr viel genauere Abfragen möglich, wie oben beim Beispiel mit dem Fahrradhelm gezeigt wurde.

Hier ein Beispiel eines Tabellenblatts zur Suchstring-Erzeugung:

Wobei die KI hilfreich sein kann, ist die Unterstützung bei der Erstellung eines passenden Tabellenblatts. Mit einem entsprechenden Prompt kann ich erreichen, dass die KI-Plattform mir eine Basis-Vorlage erstellt, die ich dann weiter verfeinern kann. Insbesondere bei der Erstellung der richtigen Formeln leistet die KI wertvolle Dienste.

Fazit

Während Einsteiger bei der Formulierung von Patentabfragen stark von maßgeschneiderten, lokalen KI-Assistenten profitieren, bleibt für Profis der strukturierte Building-Block-Ansatz unverzichtbar. Die KI liefert hierbei wertvolle Vorarbeit durch Synonym- und Klassenfindung oder die Erstellung passender Formeln, während Tabellenkalkulationen die fehlerfreie syntaktische Verknüpfung komplexer Boolescher- und Proximity-Abfragen sicherstellen. So lassen sich hochpräzise Suchstrategien effizient umsetzen, ohne die Kontrolle über vertrauliche Erfindungsdaten aus der Hand zu geben.