Das Europäische Patentamt (EPA) würdigt die Bedeutung qualitativ hochwertiger Forschung zu patentbezogenen Fragen des geistigen Eigentums als Informationsgrundlage für politische Entscheidungsträger sowie um fundierte Geschäftsentscheidungen in einem Kontext zu erleichtern, in dem immaterielle Vermögenswerte, Innovation und geistige Eigentumsrechte eine zentrale wirtschaftliche Rolle spielen. Mit dem 2017 gestarteten Akademischen Forschungsprogramm (EPA-ARP) will das EPA insbesondere die akademische Forschung im Bereich des geistigen Eigentums fördern und die Verbreitung von Forschungsergebnissen unterstützen.
Um eine effektive Forschungszusammenarbeit zu ermöglichen, fördert das EPA Kooperationsprojekte, bei denen wissenschaftliche Partnerinstitutionen zusammen an umfangreicheren Projekten mit größerem Budget und längerer Laufzeit arbeiten und potenziell verschiedene Abteilungen des EPA mitwirken können. Das aktuelle EPA-ARP umfasst zwei Schwerpunktbereiche: “The New Frontiers of Innovation” und “Digital Technologies for IP”. Von 36 Projektvorschlägen, die beim EPA eingereicht wurden, erhielten nur fünf einen Förderbescheid. Geförderte erhalten bis zu 150.000 Euro für ihre Projekte.
Im Rahmen des ersten Förderschwerpunkts und des Forschungsbereichs “From University Research to Innovation Ecosystems” hat eine Forschungsgruppe um Dietmar Harhoff, mit Sebastian Erhardt, Michael E. Rose, Mainak Ghosh und Erik Buunk nun eine erhebliche Fördersumme für das Projekt “Tracing the Flow of Knowledge from Science to Technology Using Deep Learning” erhalten.
Das Team will die semantische Ähnlichkeit zwischen Patenten und wissenschaftlichen Veröffentlichungen mithilfe der neuesten Fortschritte im Bereich des maschinellen Lernens nutzbar zu machen. Die Lösung nutzt Transformer-Modelle, die semantisch ähnliche Dokumente identifizieren. Ein Patent, das einer früheren wissenschaftlichen Veröffentlichung sehr ähnlich ist, ist möglicherweise durch diese beeinflusst worden. Der Ansatz ist skalierbar und in der Lage, große Textmengen zu verarbeiten. Sobald die Dokumente semantisch miteinander verknüpft sind, werden die Daten verwendet, um Rückschlüsse auf die Verbreitung von Wissen aus der Wissenschaft in Veröffentlichungen sowie in Patente und unter Patenten zu ziehen.
Auf der Grundlage der durch diesen Ansatz gewonnenen Informationen wird das Team in der Lage sein, eine vollständige Wissenslandschaft anzulegen, um die Bedeutung von Grundlagenforschung für neue Technologien zu ermitteln.