Die Plattform · Funktion & Technik

Was PatentGuard leistet – und wie es als Software tatsächlich gebaut wird.

Vier Module, ein System. Für jedes zeigen wir nicht nur, was es kann, sondern auch, wie wir es technisch umsetzen – Komponenten, Datenfluss und konkreter Tech-Stack. So sehen Sie, dass hinter den Versprechen ein baubares System steht, kein Marketing-Luftschloss.

Grundprinzip: zwei getrennte Ebenen

öffentlich Patentdaten dürfen hybrid/cloud verarbeitet werden. vertraulich Ihre Erfindungen werden ausschließlich lokal/privat verarbeitet. Diese Trennung zieht sich durch jedes Modul. Details zur Architektur →

Modul 1 · Patent-Monitoring & Wettbewerbsanalyse

arbeitet mit öffentlichen Daten

Automatisierte Scans öffentlicher Patentdatenbanken – mit intelligenter Relevanzbewertung statt nackter Trefferlisten, verständlichen Zusammenfassungen und Fristenüberwachung.

Was Sie bekommen
  • Monatlicher Scan (optional wöchentlich) nach Wettbewerbern, Technologien und IPC/CPC-Klassen
  • Patentfamilien-Deduplizierung & Anmelder-Normalisierung (aus „KraussMaffei Technologies GmbH" und „Krauss-Maffei" wird ein Wettbewerber)
  • Relevanz- und Risiko-Score plus Klartext-Begründung
  • Fristen, Laufzeiten & Statusänderungen eigener Schutzrechte
  • Benachrichtigung per E-Mail, Microsoft Teams oder Dashboard
So bauen wir das (Software)

Eine geplante Ingestion-Pipeline holt Daten über die amtlichen APIs, normalisiert sie und legt Embeddings in einer Vektor-DB ab. Ein Scoring-Service bewertet Relevanz gegen Ihre Profile.

IngestionEPO OPS · DPMAconnect · WIPO · USPTOgeplante Jobs
NormalisierungFamilien, Anmelder, IPC/CPCPostgreSQL
Embedding + IndexPatentSBERTpgvector / Qdrant
Scoring + AlertRelevanz + KlartextLLM · E-Mail/Teams

Stack (Beispiel): Python + FastAPI, Celery/Cron für Jobs, PostgreSQL + pgvector, optional Qdrant, Sentence-Transformers, Templating für Reports.

→ Vorschau ansehen (Konzept, Beispieldaten)

Modul 2 · Erfindungs-Drafting-Assistent

100 % lokal · offline · getrennt vom Internet

Ein geführtes Erfindungsinterview verwandelt die Beschreibung eines Entwicklers in eine strukturierte Erfindungsmeldung. Das Entscheidende: Dieser Teil läuft vollständig auf einem Rechner im eigenen Haus – ohne Internetverbindung. Es kommt eine lokale KI zum Einsatz (z. B. über LM Studio oder Ollama), keine Cloud. Ihre unveröffentlichte Erfindung verlässt das Gerät physisch nie.

Warum das der wichtigste Punkt ist

Eine unveröffentlichte Erfindung, die einmal in eine Cloud-KI eingegeben wurde, gilt im Zweifel als offengelegt – das kann die Patentierbarkeit gefährden. Deshalb läuft das Drafting bewusst air-gapped: lokales Sprachmodell, lokale Wissensbasis, kein Datenabfluss. → So richtet man das konkret ein (Schritt für Schritt)

Was Sie bekommen
  • Interaktives Interview: Problem, Lösung, Merkmale, Varianten, Abgrenzung
  • Struktur-Entwurf: Zusammenfassung, Beschreibung, erste Anspruchsvorschläge
  • RAG auf Ihren eigenen Alt-Anmeldungen & Dokumenten – lokal indexiert
  • Export als geordnetes Übergabepaket für den Patentanwalt
So funktioniert es technisch (kurz)

Ein lokales LLM (via LM Studio oder Ollama) führt das Interview und erzeugt die Entwürfe. Eine lokale Vektor-DB liefert Kontext aus Ihren Dokumenten und offenen Patentdaten. Die Anwendung spricht die KI nur über einen lokalen Endpunkt (z. B. localhost:11434) an – es geht kein Datenpaket ins Internet.

Interview-Enginegeführte Fragenlokales LLM
Eigene WissensbasisDokumente + Patentdatenlokale Vektor-DB
EntwurfStruktur + AnsprücheVorlage für Anwalt

Die vollständige, konkrete Anleitung – inkl. LM Studio/Ollama, Modellwahl und Einbinden offener GitHub-Patentdaten – steht auf einer eigenen Seite: Lokale KI einrichten →

→ Vorschau ansehen (Konzept)  ·  Lokale KI Schritt für Schritt →

Modul 3 · Newsticker & Wissensbereich

kuratiert

Relevante Entwicklungen gebündelt – ohne dass Sie selbst suchen müssen. Neue Patente, Trends und amtliche Änderungen in Ihren Feldern, verständlich aufbereitet.

So bauen wir das (Software)

Aus dem Monitoring-Index werden je Kunde die relevantesten Einträge selektiert, per LLM zu kurzen, belegten Meldungen verdichtet und periodisch als Digest zugestellt (E-Mail/Teams/Dashboard).

Stack (Beispiel): Scheduler, Retrieval aus der Vektor-DB, LLM-Zusammenfassung mit Quellen-Links, Mail-/Teams-Versand.

Modul 4 · Sicherheit & Architektur

Querschnitt

Sicherheit ist kein Modul „on top", sondern das Fundament: strikte Trennung öffentlich/vertraulich, Rollen- und Rechtekonzept, Audit-Log, Verschlüsselung, optionaler On-Prem-/Air-Gap-Betrieb.

→ Ausführlich auf „Technik & Sicherheit" – inklusive der zentralen Frage, wie man online aktuell bleibt, ohne eigene Daten preiszugeben.

Ist das nur ein Konzept – oder Software?

Die hier gezeigten Demos laufen bereits im Browser (mit Mock-Daten). Der beschriebene Stack ist bewusst aus erprobten Open-Source-Bausteinen zusammengesetzt, damit aus dem Konzept Schritt für Schritt echte Software wird – beginnend mit dem Monitoring-Kern. Wie andere das lösen →