Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
cset28. Juli 2025 · Q002469

Introducing CSET’s Patent Clusters

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

CSET berichtet, aus über 130 Millionen Patenten 70 Millionen Patentfamilien und daraus mithilfe von Textähnlichkeiten, Zitaten und Klassifikationscodes 116.370 Patentcluster gebildet zu haben. Die Cluster sollen die Patentlandschaft erschließen und künftig über zitierte wissenschaftliche Arbeiten mit CSETs „Map of Science“ verbunden werden; eine unabhängige Bewertung ihrer Genauigkeit enthält der Bericht nicht.

Mittel

CSET beschreibt ein Verfahren, mit dem globale Patente zu Clustern verwandter Technologien und Anwendungen gruppiert werden sollen. Aus mehr als 130 Millionen Patenten bildete CSET zunächst 70 Millionen Patentfamilien. Für ein Netzwerk von Ähnlichkeiten verwendete die Organisation Patenttitel und Zusammenfassungen, Verweise zwischen Patenten sowie Texte und Beschreibungen der CPC- und IPC-Klassifikationen. Ein mehrsprachiges Modell wandelte die Textmerkmale in Vektoren um; anschließend gruppierte ein Algorithmus das Netzwerk.

Laut Bericht entstanden so 116.370 Cluster. Sie beruhen auf einer Kombination aus Textähnlichkeit, Zitaten und Klassifikationscodes. CSET ordnet ihnen außerdem branchenbezogene Kategorien nach ISIC zu und ermöglicht Analysen etwa nach Erfindern, Patentinhabern, Codes und Stichwörtern. Der Bericht hebt als Schwierigkeiten die juristisch geprägte, strategisch formulierte Sprache, die Datenmenge sowie verschiedene Länder, Sprachen und Behördenformate hervor. Eine unabhängige Bewertung der Clusterqualität oder ihrer Genauigkeit enthält er nicht. Als nächsten Schritt will CSET Patentcluster über zitierte Veröffentlichungen mit seiner „Map of Science“ verknüpfen, um Forschungsbeiträge zu patentierten Erfindungen nachzuzeichnen.

Ausführlich lesen

Der Bericht stellt CSETs Ansatz vor, globale Patente automatisch in Gruppen verwandter Technologien, Verfahren und Anwendungen – sogenannte Patentcluster – einzuteilen. CSET ordnet die Cluster als Ergänzung zu seiner „Map of Science“ ein: Sie sollen helfen, Patentlandschaften zu erkunden und mögliche Verbindungen zwischen wissenschaftlicher Forschung und späterer Kommerzialisierung zu untersuchen.

CSET beschreibt die Auswertung von mehr als 130 Millionen Patenten. Zunächst fasste die Organisation diese mithilfe einfacher Familienkennungen aus PATSTAT zu 70 Millionen Patentfamilien zusammen. Eine Patentfamilie kann mehrere Dokumente umfassen, die dieselbe Erfindung betreffen, etwa Anmeldungen in verschiedenen Ländern oder Ergänzungen zu einer Anmeldung.

Für die Bestimmung von Ähnlichkeiten zwischen Patentfamilien nutzte CSET drei Arten von Informationen: Titel und Zusammenfassungen der Patente, Verweise zwischen Patenten sowie Text und Beschreibungen der zugeordneten CPC- oder IPC-Klassifikationscodes. Die beiden textbasierten Informationsarten wurden laut Bericht mit einem vortrainierten mehrsprachigen Modell in Vektoren umgewandelt. Diese dienten dazu, Textähnlichkeiten zu messen und ein Netzwerk verwandter Patentfamilien aufzubauen. Anschließend wurde dieses Netzwerk mit einem Clustering-Algorithmus gruppiert.

Das Ergebnis sind laut CSET 116.370 Patentcluster. Die Beziehungen innerhalb der Gruppen beruhen auf einer Kombination aus Textähnlichkeit, Zitaten und Klassifikationscodes. CSET kann die Cluster nach eigenen, aus Klassifikationscodes abgeleiteten Patentkategorien einfärben. Diese branchenbezogenen Kategorien orientieren sich an der internationalen ISIC-Systematik. Außerdem lassen sich Cluster etwa anhand ihrer wichtigsten Erfinder, Patentinhaber, Klassifikationscodes und Stichwörter untersuchen.

Der Bericht betont, dass Patentdaten schwer auszuwerten seien: Die Texte seien dicht und von juristischer Fachsprache geprägt; Anmelder hätten strategische Anreize bei der Formulierung und Auswahl der Angaben. Hinzu kämen die große Datenmenge, mehrere Länder und Sprachen sowie unterschiedliche Formate der Patentbehörden. Die Darstellung erläutert den entwickelten Ansatz und die Zahl der erzeugten Cluster, berichtet aber keine unabhängige Qualitätsbewertung oder messbare Genauigkeit der Gruppierung.

Als nächsten Schritt kündigt CSET an, Patentcluster mit seiner „Map of Science“ zu verbinden. Da Patente wissenschaftliche Veröffentlichungen zitieren können, sollen zitierte Arbeiten den Clustern zugeordnet werden, um den Übergang von Forschung zu Patenten in wichtigen Technologiebereichen zu untersuchen. Ein späterer Datenschnappschuss soll laut Bericht NIH-finanzierte Forschung entlang dieser Innovationskette bis zur Patentlandschaft verfolgen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Die Zusammenfassung ist sachlich korrekt und enthält keine erfundenen Angaben; die Lücken betreffen Randnotizen. Die Einordnung stützt sich auf den Bericht, der sich mit Patentclustern und nicht mit KI-Sicherheit befasst.

Im Bericht, aber nicht in der Zusammenfassung

  • Definition von Patentfamilien als Gruppen von Dokumenten zur selben Erfindung
  • Ausblick auf den nächsten Datensatz zur NIH-geförderten Forschung im Patentbezug

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 22 %beantwortet teilweise oder widerspricht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →