KI-Halluzinationen bei der Patentrecherche vermeiden

Warum das für dich als IP-Profi kritisch ist

KI beschleunigt die Patentrecherche enorm. Aber sie hat eine gefährliche Eigenschaft: Sie klingt auch dann überzeugend, wenn sie falsch liegt. Eine „Halluzination" ist genau das:

die KI erfindet eine Patentnummer, verschiebt ein Prioritätsdatum oder fasst einen Anspruch zusammen, der so nie im Dokument stand.

In den meisten Arbeitskontexten ist das ärgerlich. Oft ist es sogar ein Haftungs- und Strategierisiko. Eine erfundene US-Nummer in einem FTO-Gutachten, ein übersehener Rechtsstand, ein falsch aufgelöstes Prioritätsdatum, solche Fehler kosten im Zweifel echtes Geld oder eine Anmeldung.

Die gute Nachricht: Halluzinationen lassen sich systematisch eingrenzen. Nicht, indem du der KI mehr vertraust, sondern indem du sie zwingst, sich überprüfbar zu machen.

Die folgende Checkliste ist genau dafür da.

Die Checkliste: 10 Kriterien für vertrauenswürdige KI-Recherche

Nutze sie als Prüfraster, egal, welches Tool du einsetzt. Jedes „Nein" ist ein Warnsignal.

1. Quellen sind direkt verlinkt

Jede Aussage der KI muss auf ein konkretes, anklickbares Dokument zeigen – idealerweise in ein offizielles Register (EPO, DPMA, USPTO, WIPO). Wenn eine KI ein Rechercheergebnis nennt, das du nicht mit einem Klick öffnen kannst, existiert es aus deiner Sicht nicht.

Prüffrage: Komme ich von jeder Aussage in einem Schritt zum Originaldokument?

2. Patentnummern sind verifizierbar

Erfundene oder leicht verdrehte Nummern (z. B. eine transponierte Ziffer) sind der häufigste Halluzinationstyp. Jede Nummer muss im offiziellen Register auffindbar sein und mit dem angegebenen Anmelder, Titel und Datum übereinstimmen.

Prüffrage: Führt die Nummer im offiziellen Register zum genau gleichen Dokument?

3. Patentfamilien sind aufgelöst

Ein Treffer ist selten ein Einzeldokument, sondern Teil einer Familie. Wenn die KI nur ein einzelnes Mitglied zeigt, übersieht du womöglich das relevante Familienmitglied in deinem Zielmarkt. Die Familie (INPADOC/DOCDB) muss sauber aufgelöst und zugeordnet sein.

Prüffrage: Sehe ich die vollständige Familie – oder nur ein zufälliges Mitglied?

4. Rechtsstände sind aktuell

Ein Patent, das erloschen, zurückgezogen oder für nichtig erklärt wurde, verändert deine Bewertung komplett. Der Rechtsstand muss aus einer aktuellen Registerquelle stammen – mit sichtbarem Stand-Datum, nicht aus dem Trainingswissen des Modells.

Prüffrage: Steht dabei, wann der Rechtsstand zuletzt geprüft wurde?

5. Veröffentlichungs- und Prioritätsdaten sind getrennt

Das ist ein Klassiker für Fehler. Anmeldedatum, Prioritätsdatum und Veröffentlichungsdatum sind drei verschiedene Dinge. Und für Neuheit und Stand der Technik entscheidend. Eine seriöse Ausgabe hält sie strikt auseinander.

Prüffrage: Sind alle drei Daten einzeln ausgewiesen und korrekt benannt?

6. Volltexte und Claims sind verfügbar

Zusammenfassungen sind hilfreich, aber sie sind der Ort, an dem Halluzinationen entstehen. Du musst jederzeit vom KI-Summary in den Originalanspruch springen können, um zu prüfen, ob die Aussage wirklich im Claim steht.

Prüffrage: Kann ich jede Zusammenfassung gegen den Original-Volltext prüfen?

7. Zitate sind wörtlich belegt

Wenn die KI einen Anspruch oder eine Beschreibung „zitiert", muss die Textstelle exakt und lokalisierbar sein (Absatz, Anspruchsnummer). Paraphrasen, die als Zitat verkauft werden, sind eine subtile, aber gefährliche Halluzinationsform.

Prüffrage: Finde ich das Zitat wortgleich an der genannten Stelle wieder?

8. Übersetzungen sind als solche gekennzeichnet

Bei asiatischen oder anderssprachigen Dokumenten arbeitet die KI oft mit Maschinenübersetzungen. Diese müssen klar markiert sein – inklusive Hinweis, dass für die rechtliche Bewertung das Originaldokument maßgeblich ist.

Prüffrage: Erkenne ich, ob ich einen Originaltext oder eine Übersetzung lese?

9. Der Datenstand ist datiert

Frage nicht nur „Was", sondern „Von wann". Jede Trefferliste braucht einen Zeitstempel der zugrunde liegenden Datenbank. Ohne Stichtag weißt du nicht, ob die jüngsten Veröffentlichungen überhaupt enthalten sind.

Prüffrage: Weiß ich, auf welchem Datenstand die Recherche basiert?

10. Vollständigkeit ist nachvollziehbar

Eine Halluzination muss nicht immer etwas erfinden, sie kann auch etwas verschweigen. Du solltest sehen, welcher Suchraum abgedeckt wurde (Datenbanken, Länder, Zeitraum, Klassen), damit du Lücken erkennst und die Trefferliste bewerten kannst.

Prüffrage: Verstehe ich, was durchsucht wurde und was nicht?

Der gemeinsame Nenner: Nachprüfbarkeit statt Vertrauen

Wenn du die zehn Punkte durchgehst, fällt eines auf: Es geht nie darum, ob die KI „schlau genug" ist. Es geht darum, ob sie ihre Arbeit offenlegt. Eine KI, die nachweist, woher jede Aussage kommt, kann kaum unbemerkt halluzinieren, weil du jeden Schritt zurückverfolgen kannst.

Das ist der eigentliche Qualitätsunterschied bei KI-Recherche: nicht die flüssigste Antwort, sondern die überprüfbarste.

So arbeitet PIA nach diesem Prinzip

Genau darauf ist PIA, der KI-Agent von PATOffice, ausgelegt. PIA liefert dir Rechercheergebnisse nicht als geschlossene Antwort, sondern mit dem Weg zur Quelle: verlinkte Originaldokumente, aufgelöste Patentfamilien, aktuelle Rechtsstände und den direkten Sprung vom Summary in den Volltext und die Claims.

Statt dir eine Zusammenfassung zu geben, die du blind glauben musst, gibt PIA dir eine, die du in Sekunden prüfen kannst. Du behältst die fachliche Kontrolle, aber mit dem Tempo der KI.

Kurz gesagt: PIA ist gebaut, damit du schneller recherchierst, ohne bei der Nachprüfbarkeit Kompromisse zu machen.

Deine nächsten Schritte

• Speichere die Checkliste als internen Prüfstandard für jede KI-gestützte Recherche.
• Teste dein aktuelles Tool gegen die zehn Punkte. Wo gibt es „Nein"-Antworten?
• Definiere eine Team-Regel: Kein KI-Ergebnis geht in ein Gutachten, ohne dass mindestens die Punkte 1, 2, 4 und 5 geprüft sind.

Willst du sehen, wie sich diese Kriterien in der Praxis anfühlen?

Erlebe in einer Demo, wie PIA Recherche und Nachprüfbarkeit zusammenbringt.

‍