Abkürzungsverzeichnis 19
Einleitung 23
A. Gegenstand der Untersuchung und Methodik 25
B. Gang und Ziel der Untersuchung 26
Teil I: Grundlagen zur Effizienz des Patentrechts 29
A. Allgemeine Grundlagen der ökonomischen Analyse des Rechts 29
I. Sinn und Zweck der ökonomischen Analyse des Rechts 30
II. Verhaltensmodell des homo oeconomicus und Kritik 31
III. Ausgestaltung des Entscheidungskriteriums,Effizienz* 32
1. Pareto-Effizienz 33
2. Effizienz nach Kaldor und Hicks 34
3. Coase-Theorem 35
4. Zwischenergebnis 36
B. Wirtschaftliche Bedeutung von Patenten 36
I. Monopolartige Stellung des Patentinhabers 37
II. Rechtfertigung von Patenten 38
1. Theorien zur Rechtfertigung von Patenten 38
2. Kritik an den Theorien und Erkenntnisgewinn 40
3. Zwischenergebnis 42
C. Ökonomische Analyse im Patentrecht 42
I. Der homo oeconomicus im Patentrecht 43
II. Effizienz und Patente 44
III. Zwischenergebnis 46
D. Zusammenfassung 46
Teil II: Technische Grundlagen 49
A. Allgemeine Begriffsbestimmungen und Abgrenzung zur
,künstlichen Intelligenz 49
B. Abgrenzung zu »herkömmlichen Algorithmen 52
C. Funktionsweise des maschinellen Lernens 53
I. Klassische wissensbasierte (deduktive) Ansätze 54
II. Maschinelles Lernen als induktiver Ansatz 54
1. Symbolische Verfahren 55
2. Sub-symbolische Verfahren 55
a. Künstliches neuronales Netz 56
aa. Aufbau 56
bb. Funktionsweise 57
b. Lernverfahren 59
aa. Überwachtes Lernen 59
bb. Unüberwachtes Lernen 60
cc. Bestärkendes Lernen 61
c. Deep Learning 62
III. Zwischenergebnis 63
D. Vom ML-Modell zum ML-Erzeugnis 63
E. Autonomiegrad von ML-Systemen 64
I. Grundbegriffe 65
II. Aktueller Stand bei vollständig autonomen ML-Systemen 66
F. Erklärbarkeit von ML-Systemen 68
G. Zusammenfassung 69
Teil III: Anwendung des aktuell geltenden Patentrechts auf das
maschinelle Lernen 71
Kapitel 1: Patentschutz der ML-Systeme als solche 71
A. Maschinelles Lernen als technische Erfindung 72
I. Grundlagen der Technizität 73
II. Bedeutung für das maschinelle Lernen als technische
Erfindung 75
1. ML-Modell als noch nicht ausführbarer Programmcode 76
2. ML-Modell in maschinenlesbarer Form 79
a. Grundlagen zur Technizität
von Computerprogrammen und
computerimplementiertenErfindungen 80
aa. Computerprogramm 81
bb. Grundlagen computerimplementierter
Erfindungen 82
cc. Datenverarbeitungsanlage 85
dd. Technizität von Simulations- und
Entwurfsverfahren 86
ee. Zwischenergebnis 88
b. Anwendung auf das ML-Modell in maschinenlesbarer
Form 88
aa. Untrainierte ML-Modelle 89
bb. Trainingsverfahren 91
cc. Implementierte und trainierte ML-Modell 94
dd. Zwischenergebnis 96
3. Hardware des ML-Systems als Erzeugnispatent 97
4. Zwischenergebnis 97
B. Neuheit des ML-Systems 98
I. Grundlagen der Neuheitsprüfung 98
II. Bedeutung für das ML-System 101
1. Durchschnittsfachmann 102
2. Einzelvergleich bei ML-Modell und ML-System 103
III. Zwischenergebnis 105
C. ML-System als erfinderische Tätigkeit 105
I. Grundlagen erfinderische Tätigkeit 105
1. Nächstliegender Stand der Technik 106
2. Bestimmung der zu lösenden technischen Aufgabe 107
3. Anforderungen des could/would approach 108
II. Bedeutung für das ML-System 109
1. Nächstliegender Stand der Technik 109
2. Bestimmung der zu lösenden technischen Aufgabe 109
3. Anwendung des could/would approach 110
III. Zwischenergebnis 111
D. Offenbarung des ML-Systems 111
I. Grundlagen der Offenbarung 112
II. Bedeutung für das maschinelle Lernen 113
1. Allgemeine Anforderungen und Beschreibung des
technischen Vorgangs 113
2. Zugriff auf die Trainingsdaten und Reproduzierbarkeit 115
3. Erklärbarkeit der konkreten Arbeitsweise (Black-Box) 116
4. Unspezifische Fachbegriffe 119
III. Zwischenergebnis 119
E. Gewerbliche Anwendbarkeit des ML-Systems 120
F. Besonderheiten bei vollständig autonomen ML-Systemen 120
I. Technizität 120
II. Offenbarung und Reichweite des Patentanspruchs 121
III. Erfinderschaft 122
IV. Zwischenergebnis 123
G. Zusammenfassung 123
Kapitel 2: Patentschutz von ML-Erzeugnissen 126
A. Anwendung von hoch entwickelten und vollständig autonomen
ML-Systemen im Entwicklungsprozess 126
I. Einsatz eines hoch entwickelten ML-Systems 126
1. Bestehende Unterschiede zu anderen Hilfsmitteln 127
2. Unterschiedliche Anwendung von hoch entwickelten
ML-Systemen 128
II. Einsatz eines vollständig autonomen ML-Systems 129
III. Zwischenergebnis 130
B. ML-Erzeugnis als Erfindung aufdem Gebiet der Technik 130
I. Subjektive Ebene der Erfindung 130
1. Persönliche menschliche Schöpfung 131
2. Zufallserfindung 133
3. Verwechslung mit dem Erfinderbegriffund die
Bedeutung des Erkennens 134
4. Zwischenergebnis 135
II. Das Erfordernis einer konkreten Handlungsanweisung 136
1. Übersetzung 136
2. ML-Erzeugnis als Entdeckung 137
III. Technizität 138
1. Wiedergabe von Informationen 138
a. Grundlagen 139
b. Anwendung aufdas ML-Erzeugnis 139
2. Ausführbarkeit und Wiederholbarkeit 141
a. Ausführbarkeit 142
b. Wiederholbarkeit 142
IV. Zwischenergebnis 143
C. Neuheit des ML-Erzeugnisses 143
I. Stand der Technik 143
II. Die Besonderheiten des maschinellen Lernens im Rahmen
des Einzelvergleichs 145
D. ML-Erzeugnis als Folge einer erfinderischen Tätigkeit 146
I. Nächstliegender Stand der Technik aus Sicht des
Durchschnittsfachmanns 146
1. Art der Berücksichtigung des ML-Systems 147
a. Mögliche unterbleibende Berücksichtigung des MLSystems 148
b. Maschine oder natürliche Person als
Durchschnittsfachmann 148
2. Einbindung des ML-Systems 150
3. Praktikabilität der Festlegung eines „Durchschnitts-MLSystems’ 152
a. Schwierigkeiten bei der Bestimmung des
„Durchschnitts-ML-Systems’ 153
b. Weiterhin ausreichende Praktikabilität für Patentämter 154
c. Zwischenergebnis 158
4. Folgen der unterschiedlichen Autonomiegrade 158
a. Untergeordneter Einsatz als Tool 158
b. Umfassender Einsatz als Tool 159
c. Vollständig autonomes ML-System 160
5. Zwischenergebnis 161
II. Bestimmung zu lösender technischer Aufgabe 162
III. Durchführung des could/would approach 162
IV. Zwischenergebnis 165
E. Offenbarung 166
F. Erfindereigenschaft und Patentanmeldung 167
I. Recht an der und aufdie Erfindung 168
II. Erfinder in sachlicher Hinsicht 169
1. Begriffsdefinition des,Erfinders* 169
a. Erkenntnis begründet keine Erfinderstellung 170
b. Natürliche Personen 173
c. Zwischenergebnis 174
2. Beiträge der Beteiligten 174
a. Untergeordneter Einsatz als Tool 175
b. Umfassender Einsatz als Tool 176
aa. Programmierer des ML-Systems 176
bb. Nutzer der Ergebnisse 178
(1) Nutzung als Wahrnehmbarmachung 178
(2) Keine Vergleichbarkeit zu biotechnologischen
Erfindungen 181
(3) Gestaltende Nutzung 183
(4) Zwischenergebnis 184
cc. Eigentümer 184
dd. Einzelne Datenerzeuger 185
ee. Investor 185
ff. Konzept der „elektronischen Person’ 186
gg. Zwischenergebnis 186
c. Vollständig autonomes ML-System 187
d. Zwischenergebnis 187
3. Betriebserfindung und Arbeitnehmererfindung 187
4. Miterfinder 189
5. ML-Erzeugnis als Verfahrenserzeugnis 191
a. ML-Erzeugnis als Erzeugnis 192
aa. Unkörperlichkeit von Daten 192
bb. Vergleichbarkeit mit körperlichen Gegenständen 194
cc. Patentfähigkeit des Erzeugnisses 195
dd. Taugliches Objekt eines Sachpatents 195
(1) Technische Erfindung als Bedingung für das
Erzeugnis 195
(2) ML-Erzeugnis als taugliches Objekt eines
Sachpatents 196
ee. Zwischenergebnis 196
b. Unmittelbare Herstellung 197
aa. Auslegung des,hergestelltenErzeugnisses 197
bb. Auslegung des Begriffs der Unmittelbarkeif 199
cc. Anwendung aufdas ML-Erzeugnis 200
dd. Zwischenergebnis 201
c. Schutzumfang 202
d. Zwischenergebnis 202
6. Weitere Zurechnungsmöglichkeiten 203
a. Product-by-Process-Ansprüche 203
b. Reach-Through-Ansprüche 204
7. Zwischenergebnis 205
III. Formale Anmeldebestimmungen 205
1. Allgemeine Voraussetzungen zur Anmeldung eines
Patents 205
2. Anwendung auf das maschinelle Lernen 207
a. Untergeordneter Einsatz als Tool 207
b. Umfassender Einsatz als Tool 208
aa. Rechtsprechung zu DABUS 210
(1) Anmelder kein Rechtsnachfolger des MLSystems 210
(2) Formale Anforderungen nach der EPÜAO 214
(3) Fehlende Akzeptanz der,Erfindung ohne
Erfinder 215
(4) Keine Rechtsnachfolge aufgrund von
Eigentumsrechten 216
(5) Zwischenergebnis 217
bb. Widerspruchslose falsche Erfindernennung 218
cc. Zwischenergebnis 219
c. Vollständig autonomes ML-System 219
3. Zwischenergebnis 219
IV. Erfindereigenschaft über vollständig autonome ML-Systeme 220
G. Zusammenfassung 220
Teil IV: Anforderungen an eine effiziente und an ökonomischen
Aspekten ausgerichtete Patentrechtsordnung 225
Kapitel 1: Grundannahmen zur Ausgestaltung einer effizienten
Patentrechtsordnung 225
A. Wirtschaftliche Bedeutung des maschinellen Lernens 225
I. Makroökonomische Bedeutung des maschinellen Lernens 226
II. Besonderheiten der Datenwirtschaft 228
III. Patentierbare ML-Erzeugnisse als Wirtschaftsfaktor 229
IV. Zwischenergebnis 232
B. Keine Schließung der bestehenden Schutzlücken durch andere
Immaterialgüterrechte 233
I. Patentrechtliche Schutzlücken 233
II. Anderweitige Schutzmöglichkeiten 234
1. Urheberrecht 234
a. Computerprogramm 234
b. Schutz als Datenbank 237
c. Zwischenergebnis 237
2. Geschäftsgeheimnisrecht 238
a. Grundlegende Unterschiede 238
b. Schutz von (Trainings-)Daten 240
aa. Patentschutz für (Trainings-)Daten 240
bb. Geheimnisschutz für (Trainings-)Daten 241
c. Zwischenergebnis 242
3. Gebrauchsmusterrecht 242
C. Zusammenfassung 243
Kapitel 2: Ausgestaltung einer effizienten Patentrechtsordnung 244
A. Fehlende Technizität des ML-Systems 244
I. Ökonomische Auswirkungen einer Erweiterung des
Technizitätsverständnisses 244
1. Folgen eines umfassenden Technizitätsverständnisses 245
2. Effizienz der möglichen Ausweitung des
Technizitätsverständnisses 247
3. Effizienz der aktuellen Auslegung der Rechtsprechung 249
II. Schutzrechtserweiterung für (Trainings-)Daten 250
III. Zwischenergebnis 253
B. Bestimmbarkeit der erfinderischen Tätigkeit 253
I. Ökonomische Bedeutung der erfinderischen Tätigkeit 254
II. Schwierigkeiten bei der Bestimmung der erfinderischen
Tätigkeit 255
1. Patentschutz ohne eine erfinderische Tätigkeit 255
2. Änderungsvorschläge im bestehenden System 256
a. Transparenz beim Einsatz von ML-Systemen 257
aa. Kennzeichnungspflicht 258
bb. Konsequente Rechtsfolgen 260
cc. Plausibilitätsprüfung 261
dd. Auswirkung aufdie Effizienz der
Patentrechtsordnung 262
b. Benutzungspflicht 263
c. Zwischenergebnis 268
3. Vorschläge für einen Schutz außerhalb des Patentrechts 268
a. Sui-generis-Schutz nach dem Vorbild des
Gebrauchsmusterrechts 268
aa. Grundlagen des sui-generis-Schutzes 269
bb. Ineffizienz des sui-generis-Schutzes 270
cc. Zwischenergebnis 272
b. Orientierung am Markenrecht 272
4. Zwischenergebnis 274
III. Vollständig autonome ML-Systeme 275
IV. Zwischenergebnis 277
C. Schutzdauer bei ML-Erzeugnissen 278
I. Keine Veränderung am Schutzumfang 278
II. Keine Massenproduktion von ML-Erzeugnissen 279
III. Daten und derfirst mover advantage 280
IV. Fehlende empirische Grundlage 281
V. Zwischenergebnis 282
D. ,Erfindung ohne Erfinder - Auswirkungen und
Lösungsvorschläge 282
I. Folgen fehlender Erfinderzuordnung für eine effiziente
Patentrechtsordnung 283
1. Patentschutz ohne menschliche Schöpfung 285
2. Ungleicher Zugriff aufML-Systeme 287
3. Abgeleiteter Schutz vom ML-System 288
4. Kein Widerspruch zum Anreizmodell 289
5. Geheimhaltung und Transaktionskosten 291
6. Zwischenergebnis 293
II. Keine Zuordnung zum ML-System 294
1. ML-System als „elektronische Person 294
2. Vorteile der Einführung einer „elektronischen Person 295
3. Deutlich überwiegende Nachteile der Einführung einer
,elektronischen Person 296
4. Zwischenergebnis 298
III. Neue und effiziente Regelungen de