Lokale oder Cloud-KI im Patentwesen: Datenschutz und Toolauswahl

Auf einen Blick

Im Fokus:	Auswahl und Einsatz cloudbasierter, lokal betriebener oder hybrider KI-Systeme im Patentwesen
Geeignete Aufgaben:	Patentrecherche, Dokumentenanalyse, Patent-Drafting, Übersetzung, Strukturierung und interne Wissensarbeit
Entscheidendes Kriterium:	Nicht der Standort allein, sondern das Zusammenspiel aus Schutzbedarf, Datenflüssen, Anbieterbedingungen, Zugriffskontrollen und organisatorischen Vorgaben
Cloud-KI:	Kann leistungsfähige und zentral verwaltete KI-Funktionen bieten. Vor der Nutzung vertraulicher Patentdaten müssen jedoch Datenverarbeitung, Speicherorte, Protokollierung, Löschung und Anbieterbedingungen geprüft werden
Lokale KI:	Kann Datenflüsse besser kontrollierbar machen, ist aber nicht automatisch sicherer oder technisch für jeden Anwendungsfall geeignet
Hybride Systeme:	Können sensible und weniger schutzbedürftige Verarbeitung differenziert aufteilen, benötigen aber klare Regeln für Datenklassifizierung, Schnittstellen und Verantwortlichkeiten
Schutzbedarf:	Erfindungsmeldungen, technische Entwicklungsunterlagen, Mandatsinformationen und Geschäftsgeheimnisse sind vor einer Eingabe in ein KI-System besonders zu bewerten
Grundprinzip:	Erst Schutzbedarf und Zweck bestimmen, dann System und Workflow auswählen. Jede relevante KI-Ausgabe muss fachlich geprüft und darf nur kontrolliert weiterverwendet werden

Kurzantworten zu lokaler und Cloud-KI im Patentwesen

Welche Risiken bestehen bei Cloud-KI mit Patentdaten?

Bei Cloud-KI müssen insbesondere Datenflüsse, Speicherorte, Zugriffsrechte, Protokollierung, Löschkonzepte, Anbieterbedingungen und eine mögliche Weiterverwendung von Eingaben geprüft werden. Ob ein System für Patentdaten geeignet ist, hängt vom konkreten Schutzbedarf, der technischen Konfiguration und den organisatorischen Vorgaben ab. Eine pauschale Bewertung von Cloud-KI als geeignet oder ungeeignet ist deshalb nicht möglich.

Ist lokale KI automatisch sicherer?

Nein. Eine lokal betriebene KI kann bestimmte Datenflüsse und Zugriffe besser kontrollierbar machen, ist aber nicht automatisch sicherer. Auch lokale Systeme benötigen unter anderem geeignete Zugriffskontrollen, Aktualisierungen, Protokollierung, Schutz vor unbefugtem Zugriff, klare Verantwortlichkeiten und ein belastbares Lösch- und Backup-Konzept.

Welche Patentdaten dürfen in ein KI-System eingegeben werden?

Das lässt sich nicht pauschal für alle Systeme und Datenarten beantworten. Vor der Eingabe sollte der Schutzbedarf der Informationen bewertet und mit den technischen Eigenschaften, Anbieterbedingungen und internen Vorgaben abgeglichen werden. Besonders sensible Erfindungsmeldungen, nicht offengelegte technische Unterlagen, Mandatsinformationen und Geschäftsgeheimnisse sollten nur in ausdrücklich freigegebenen und kontrollierten Umgebungen verarbeitet werden.

Welche Kriterien sind bei der Auswahl eines KI-Tools wichtig?

Wichtige Kriterien sind unter anderem der konkrete Anwendungsfall, die benötigte Modellleistung, Datenflüsse, Speicherorte, Zugriffskontrollen, Verschlüsselung, Protokollierung, Löschmöglichkeiten, Anbieterbedingungen, Integrationen, Kosten und der administrative Aufwand. Zusätzlich sollte geprüft werden, ob das System eine nachvollziehbare Dokumentation, Rollen- und Berechtigungskonzepte sowie eine fachliche Prüfung der Ausgaben unterstützt.

Wie lässt sich ein sicherer KI-Workflow im Patentwesen gestalten?

Ein sicherer Workflow beginnt mit einem klar definierten Zweck und einer Bewertung des Schutzbedarfs. Anschließend werden geeignete Systeme, Eingaberegeln, Rollen, Prüf- und Freigabeschritte festgelegt. KI-Ausgaben werden als Arbeitsentwürfe oder Prüfhinweise behandelt, mit den Originalunterlagen abgeglichen und vor einer weiteren Verwendung durch qualifizierte Patentfachleute geprüft.

Warum Datenflüsse und Schutzbedarf entscheidend sind

Ob eine KI-Lösung im Patentwesen geeignet ist, lässt sich nicht allein daran beurteilen, ob sie lokal oder in der Cloud betrieben wird. Entscheidend ist, welche Informationen verarbeitet werden, zu welchem Zweck sie verarbeitet werden und welche technischen und organisatorischen Kontrollen entlang des gesamten Datenflusses bestehen.

Patentabteilungen und Kanzleien sollten deshalb vor der Toolauswahl zunächst den konkreten Anwendungsfall und den Schutzbedarf der verwendeten Informationen bestimmen. Erst danach lässt sich sinnvoll bewerten, ob eine cloudbasierte, lokal betriebene oder hybride Lösung infrage kommt.

Welche Informationen werden verarbeitet?

Zu unterscheiden sind zunächst die Art und Sensibilität der Daten. Dazu können beispielsweise gehören:

öffentlich zugängliche Patentdokumente
bereits veröffentlichte technische Informationen
interne Rechercheergebnisse
Erfindungsmeldungen und technische Entwicklungsunterlagen
nicht offengelegte Patentanmeldungen
Mandatsinformationen und Kommunikationsinhalte
Geschäftsgeheimnisse oder strategische Informationen
Zugangsdaten, Personenbezug oder sonstige vertrauliche Angaben

Nicht jede Information benötigt dasselbe Schutzniveau. Öffentlich zugängliche Patentdokumente können anders behandelt werden als eine noch nicht angemeldete Erfindung oder eine vertrauliche technische Entwicklungsplanung.

Der gesamte Datenfluss ist relevant

Die Prüfung darf sich nicht auf die Eingabe in das Chatfenster beschränken. Zu betrachten sind auch:

Upload und Übertragung der Dokumente
Verarbeitung durch das Modell
Speicherung von Eingaben und Ausgaben
Protokollierung von Prompts und Nutzeraktivitäten
Zugriff durch Mitarbeitende oder Administrierende
Schnittstellen zu Dokumentenmanagement- oder Patentverwaltungssystemen
Backups und Zwischenversionen
Löschung und Beendigung der Nutzung

Auch Prompts, automatisch erzeugte Zusammenfassungen, hochgeladene Zeichnungen und Ausgaben können vertrauliche Informationen enthalten. Ein Workflow ist daher erst dann belastbar bewertbar, wenn der gesamte Weg der Daten nachvollziehbar ist.

Zweckbindung und Datenminimierung

Vor jeder Verarbeitung sollte feststehen, welche Aufgabe die KI übernehmen soll. Für eine sprachliche Überarbeitung werden möglicherweise weniger Informationen benötigt als für die Erstellung eines strukturierten Anspruchsentwurfs oder den Abgleich einer vollständigen technischen Dokumentation.

Eine zweckbezogene Auswahl kann das Risiko reduzieren. Nicht benötigte personenbezogene, strategische oder technische Informationen sollten, soweit fachlich möglich, entfernt, anonymisiert oder durch Platzhalter ersetzt werden. Eine solche Reduktion ersetzt jedoch nicht die Prüfung, ob die verbleibenden Informationen weiterhin schutzbedürftig sind.

Schutzbedarf und Systemauswahl zusammenführen

Die Systemauswahl sollte aus dem Verhältnis von Aufgabe, Daten und Schutzbedarf abgeleitet werden. Eine cloudbasierte Lösung kann für bestimmte Aufgaben geeignet sein, wenn Datenverarbeitung, Zugriff, Speicherung und Anbieterbedingungen kontrolliert sind. Eine lokale Lösung kann bestimmte Datenflüsse begrenzen, benötigt aber ebenfalls Sicherheitsmaßnahmen, Wartung und klare Zuständigkeiten.

Bei hybriden Systemen ist zusätzlich festzulegen, welche Daten und Verarbeitungsschritte in welcher Umgebung stattfinden. Schnittstellen zwischen lokalen und cloudbasierten Komponenten müssen ausdrücklich in die Prüfung einbezogen werden.

Grundprinzip

Nicht die Bezeichnung „Cloud“ oder „lokal“ entscheidet allein über die Eignung eines KI-Systems. Maßgeblich sind der konkrete Zweck, der Schutzbedarf der Daten, der gesamte Datenfluss und die vorhandenen technischen und organisatorischen Kontrollen.

Cloud-KI, lokale KI und hybride Systeme im Vergleich

Cloudbasierte, lokal betriebene und hybride KI-Systeme unterscheiden sich vor allem darin, wo Daten verarbeitet werden, wer die technische Umgebung kontrolliert und wie Modelle, Schnittstellen und Sicherheitsmaßnahmen verwaltet werden. Keine der Varianten ist pauschal für alle Patentprozesse geeignet oder ungeeignet.

Für die Auswahl sollten deshalb der konkrete Arbeitsschritt, die Sensibilität der Daten, die benötigte Leistungsfähigkeit, die vorhandene IT-Infrastruktur und die organisatorischen Vorgaben gemeinsam betrachtet werden.

Cloud-KI

Bei Cloud-KI werden Modelle und Rechenressourcen in einer Infrastruktur des Anbieters oder eines beauftragten Cloud-Dienstes betrieben. Nutzer*innen greifen in der Regel über eine Webanwendung, eine Programmierschnittstelle oder eine integrierte Unternehmensanwendung darauf zu.

Cloudbasierte Systeme können insbesondere durch schnellen Zugang zu leistungsfähigen Modellen, zentrale Aktualisierung, flexible Skalierung und einfache Integrationen Vorteile bieten. Vor einer Nutzung mit Patentdaten müssen jedoch Datenübertragung, Speicherorte, Protokollierung, Anbieterbedingungen, Unterauftragnehmer, Zugriffsrechte und Löschmöglichkeiten geprüft werden.

Eine Cloud-Lösung kann für bestimmte Anwendungsfälle geeignet sein, wenn diese Fragen nachvollziehbar beantwortet und die Nutzung organisatorisch freigegeben wurde.

Lokal betriebene KI

Bei einer lokal betriebenen KI werden Modell, Anwendung und Datenverarbeitung innerhalb der eigenen Infrastruktur oder in einer kontrollierten Umgebung betrieben. Das kann die Kontrolle über Datenflüsse und Zugriffe erleichtern.

Dem stehen eigene Anforderungen gegenüber, etwa die Beschaffung geeigneter Hardware, die Installation und Aktualisierung der Modelle, die Prüfung von Modellherkunft und Lizenzbedingungen sowie der Schutz der internen Infrastruktur. Auch Leistung, Verfügbarkeit, Fehler und laufender Wartungsaufwand müssen berücksichtigt werden.

„Lokal“ bedeutet daher nicht automatisch „sicher“. Auch eine lokale Lösung benötigt ein abgestimmtes Sicherheits-, Berechtigungs-, Wartungs- und Freigabekonzept.

Hybride Systeme

Hybride Systeme kombinieren lokale und cloudbasierte Komponenten. Beispielsweise können besonders schutzbedürftige Dokumente lokal verarbeitet werden, während weniger sensible oder rechenintensive Aufgaben in einer kontrollierten Cloud-Umgebung stattfinden.

Dafür müssen klare Regeln bestehen: Welche Daten dürfen die lokale Umgebung verlassen? Welche Verarbeitungsschritte finden ausschließlich lokal statt? Wie werden Daten vor einer Weitergabe reduziert oder anonymisiert? Und wie werden Identitäten, Berechtigungen und Protokolle übergreifend verwaltet?

Die zusätzliche Flexibilität hybrider Systeme erhöht zugleich die Komplexität des Gesamtworkflows. Schnittstellen, Übergaben und Verantwortlichkeiten müssen daher besonders sorgfältig dokumentiert werden.

Mögliche Einsatzumgebungen nach Anwendungsfall

Anwendungsfall	Mögliche Umgebung	Zentrale Prüfungen
Analyse öffentlich zugänglicher Patentdokumente	Cloud, lokal oder hybrid	Quellenqualität, Ausgabeprüfung und Nutzungsbedingungen
Strukturierung interner, aber weniger sensibler Informationen	Kontrollierte Cloud oder lokale Lösung	Datenklassifizierung, Zugriffsrechte und Protokollierung
Bearbeitung nicht veröffentlichter Erfindungsmeldungen	Freigegebene kontrollierte oder lokale Umgebung	Schutzbedarf, Vertraulichkeit, Datenflüsse und Freigabe
Patent-Drafting mit vertraulichen technischen Unterlagen	Je nach Schutzbedarf und Freigabe kontrollierte lokale, cloudbasierte oder hybride Umgebung	Anbieterbedingungen, Speicherung, Zugriff, Prüfung und Dokumentation
Integration in Patent- oder Dokumentenmanagementsysteme	Cloud, lokal oder hybrid	Schnittstellen, Rollen, Berechtigungen, Protokolle und Löschkonzepte

Praktische Einordnung

Nicht „Cloud“ oder „lokal“ entscheidet allein über die Eignung. Maßgeblich sind der konkrete Zweck, der Schutzbedarf der Daten, der gesamte Datenfluss und die vorhandenen technischen und organisatorischen Kontrollen.

Vertraulichkeit und Geschäftsgeheimnisse

Patentabteilungen und Kanzleien verarbeiten häufig Informationen, die vor einer Veröffentlichung oder Anmeldung besonders schutzbedürftig sind. Dazu gehören technische Erfindungsmeldungen, Entwicklungsunterlagen, interne Rechercheergebnisse, Mandatsinformationen und strategische Angaben zum Patentportfolio.

Bei der Nutzung von KI-Systemen muss deshalb nicht nur die Qualität der Ausgabe geprüft werden. Entscheidend ist auch, ob Eingaben, Prompts, Dokumente, Zwischenversionen und Ergebnisse innerhalb einer kontrollierten Umgebung verarbeitet werden.

Welche Informationen sind besonders schutzbedürftig?

Je nach Organisation und Anwendungsfall können unter anderem folgende Informationen besonders sensibel sein:

noch nicht veröffentlichte Erfindungsmeldungen
technische Entwicklungsunterlagen und Konstruktionsdaten
Labor-, Test- und Messdaten
interne Beschreibungen möglicher Ausführungsvarianten
Entwürfe für Patentansprüche und Patentbeschreibungen
nicht veröffentlichte Anmeldestrategien
Mandatsinformationen und vertrauliche Kommunikation
Informationen zu Wettbewerbern, Lizenzverhandlungen oder Patentportfolios
personenbezogene Daten von Mitarbeitenden, Erfinder*innen oder Ansprechpartner*innen

Die konkrete Einstufung sollte sich an den internen Regeln der Organisation, an bestehenden Vertraulichkeitsvereinbarungen und am jeweiligen Verwendungszweck orientieren.

Nicht nur Dokumente, sondern auch Prompts und Ausgaben prüfen

Vertrauliche Inhalte können an mehreren Stellen eines KI-Workflows auftreten. Zu prüfen sind daher nicht nur hochgeladene Dokumente, sondern auch Prompts mit technischen Einzelheiten, automatisch erzeugte Zusammenfassungen, Zeichnungen, Tabellen, Zwischenversionen, Chatverläufe, Protokolle und exportierte KI-Ausgaben.

Auch eine scheinbar allgemeine Frage kann schutzbedürftige Informationen enthalten, wenn sie eine konkrete technische Lösung, Komponente oder Kombination beschreibt.

Vertraulichkeit vor der Eingabe bewerten

Vor einer Eingabe sollte festgelegt werden, welche Informationen für den Arbeitsschritt tatsächlich erforderlich sind. Wenn der vollständige technische Sachverhalt nicht benötigt wird, können Inhalte gekürzt, anonymisiert, pseudonymisiert, in allgemeine Merkmale überführt oder durch Platzhalter ersetzt werden.

Diese Maßnahmen reduzieren die Menge der verarbeiteten Informationen, ersetzen aber nicht die Prüfung des verwendeten KI-Systems und seiner Anbieterbedingungen.

Anbieterbedingungen und Datenverarbeitung prüfen

Vor der Nutzung einer cloudbasierten KI sollten unter anderem Speicherung und Verarbeitung von Eingaben und Ausgaben, eine mögliche Nutzung zur Modellverbesserung, Speicherorte, Unterauftragnehmer, Löschfristen, Exportmöglichkeiten sowie Zugriffsrechte von Administrierenden und Dienstleistern geprüft werden.

Die Ergebnisse sollten dokumentiert und regelmäßig überprüft werden. Eine einmalige Freigabe bleibt nicht zwangsläufig dauerhaft belastbar, wenn sich Dienst, Modell oder Vertragsbedingungen ändern.

Zugriffe und Verantwortlichkeiten festlegen

Ein kontrollierter Workflow benötigt klare Rollen. Festzulegen ist beispielsweise, wer sensible Informationen in ein KI-System eingeben darf, welche Systeme und Konten verwendet werden dürfen, wer KI-Ausgaben fachlich prüft und wer eine Ausgabe für die weitere Bearbeitung freigibt.

Die Nutzung eines KI-Tools darf nicht dazu führen, dass die Verantwortung für vertrauliche Informationen oder fachliche Entscheidungen unklar wird.

Vor Veröffentlichung und Anmeldung besonders vorsichtig sein

Bei noch nicht veröffentlichten Erfindungen sollte vor jeder Verarbeitung geprüft werden, ob die geplante Nutzung mit den internen Vorgaben, bestehenden Verpflichtungen und der vorgesehenen Schutzstrategie vereinbar ist. Technische Details sollten nicht ungeprüft in Systeme eingegeben werden, deren Datenverarbeitung und Weiterverwendung nicht nachvollziehbar dokumentiert sind.

Bei besonders sensiblen Informationen sollten Patentverantwortliche, Datenschutzbeauftragte, Informationssicherheit und gegebenenfalls externe Beratung frühzeitig einbezogen werden.

Praktische Einordnung

Schutzbedürftige Patentinformationen sollten nur in für den jeweiligen Schutzbedarf freigegebenen und kontrollierten KI-Umgebungen verarbeitet werden. Vor der Eingabe sind Datenumfang, Datenfluss, Anbieterbedingungen, Zugriffsrechte und Verantwortlichkeiten zu prüfen.

Datenschutz und Anbieterbedingungen

Beim Einsatz von KI-Systemen im Patentwesen können neben technischen Informationen auch personenbezogene Daten verarbeitet werden, etwa Namen von Erfinder*innen, Kontaktdaten, Kommunikationsinhalte oder Angaben aus Mandatsunterlagen. Für solche Daten gelten die datenschutzrechtlichen Anforderungen unabhängig davon, ob das KI-System lokal oder cloudbasiert betrieben wird.

Die EU-KI-Verordnung ersetzt das Datenschutzrecht nicht. Welche Anforderungen im konkreten Fall gelten, hängt unter anderem von den verarbeiteten Daten, den Rollen der Beteiligten, dem Zweck der Verarbeitung und dem eingesetzten System ab. Der Beitrag ersetzt keine datenschutzrechtliche Einzelfallprüfung.

Personenbezogene Daten erkennen

Vor der Nutzung eines KI-Systems sollte geprüft werden, ob die Eingaben personenbezogene Daten enthalten. Das kann auch dann der Fall sein, wenn der eigentliche Arbeitsschritt auf technische Informationen ausgerichtet ist. Personenbezogene Daten können beispielsweise in Erfindungsmeldungen, E-Mails, Gesprächsprotokollen, Lebensläufen, Kontaktdaten oder Mandatsunterlagen enthalten sein.

Auch Angaben, die zunächst anonym wirken, können im Zusammenhang mit anderen Informationen einer Person zugeordnet werden. Deshalb sollte die Datenprüfung nicht nur nach einzelnen Namen oder Kontaktdaten suchen, sondern den gesamten Dokumentinhalt und den Nutzungskontext berücksichtigen.

Zweck und datenschutzrechtliche Grundlage prüfen

Vor einer Verarbeitung sollte feststehen, welchem konkreten Zweck der KI-Einsatz dient. Eine technische Zusammenfassung, eine sprachliche Überarbeitung, ein Anspruchsentwurf und ein automatisierter Abgleich können unterschiedliche Datenverarbeitungen auslösen.

Für personenbezogene Daten müssen die zuständigen Stellen prüfen, ob eine geeignete datenschutzrechtliche Grundlage besteht, ob die Verarbeitung für den festgelegten Zweck erforderlich ist und ob Informations-, Lösch- und Dokumentationspflichten berücksichtigt werden. Welche Bewertung erforderlich ist, hängt vom konkreten Anwendungsfall und den Rollen der Beteiligten ab.

Verantwortlichkeiten und Auftragsverarbeitung klären

Bei cloudbasierten KI-Diensten sollte geprüft werden, wer über Zwecke und Mittel der Verarbeitung entscheidet und welche Rolle der Anbieter übernimmt. Je nach Ausgestaltung kann eine datenschutzrechtliche Vereinbarung, insbesondere eine Vereinbarung zur Auftragsverarbeitung, erforderlich sein. Diese Einordnung muss anhand des konkreten Dienstes und der tatsächlichen Nutzung vorgenommen werden.

Zu dokumentieren sind insbesondere die beteiligten Stellen, die verarbeiteten Datenarten, die Zwecke, die Zugriffsberechtigungen und die wesentlichen technischen und organisatorischen Maßnahmen. Eine bloße Bezeichnung als „Enterprise-Konto“ oder „lokale Lösung“ ersetzt diese Prüfung nicht.

Anbieterbedingungen und Modellverbesserung prüfen

Anbieterbedingungen sollten darauf geprüft werden, ob Eingaben, Ausgaben, Prompts und Nutzungsprotokolle gespeichert oder für weitere Zwecke verwendet werden. Relevant ist insbesondere, ob Inhalte zur Modellverbesserung, Qualitätssicherung oder zum Training verwendet werden können und welche Einstellungen oder Vertragsoptionen dafür bestehen.

Die Prüfung sollte sich nicht auf Werbeaussagen oder eine einzelne Datenschutzeinstellung beschränken. Maßgeblich sind die zum konkreten Produkt, Tarif und Nutzungsszenario gehörenden Vertrags- und Produktinformationen.

Speicherorte und Datenübermittlungen prüfen

Bei cloudbasierten Diensten sollte nachvollziehbar sein, wo Eingaben, Ausgaben, Protokolle, Backups und Supportdaten verarbeitet oder gespeichert werden. Zusätzlich ist zu prüfen, ob Daten an weitere Anbieter, Unterauftragnehmer oder verbundene Dienste übermittelt werden.

Bei Verarbeitungen mit Bezug zu Staaten außerhalb des Europäischen Wirtschaftsraums müssen die zuständigen Stellen außerdem prüfen, ob die Voraussetzungen für die jeweilige Datenübermittlung erfüllt sind. Diese Prüfung kann nicht allein aus dem Standort des Hauptsitzes eines Anbieters abgeleitet werden.

Löschung und Speicherfristen festlegen

Für relevante KI-Workflows sollte festgelegt werden, wie lange Eingaben, Ausgaben, Chatverläufe, Protokolle und Zwischenversionen gespeichert werden. Dabei sind auch automatische Backups, Caches und Daten in verbundenen Anwendungen zu berücksichtigen.

Die Löschung sollte technisch überprüfbar und organisatorisch zugeordnet sein. Wenn ein Anbieter keine eindeutigen Angaben zu Speicherfristen oder Löschmöglichkeiten macht, sollte die Nutzung vertraulicher oder personenbezogener Patentinformationen vor einer Freigabe besonders kritisch bewertet werden.

Datenschutz dokumentieren und regelmäßig überprüfen

Für freigegebene KI-Workflows sollten Zweck, Datenkategorien, System, Anbieter, Einstellungen, Zugriffsrechte, Speicherfristen und Prüfverantwortlichkeiten dokumentiert werden. Bei umfangreicher oder risikoreicher Verarbeitung kann zusätzlich zu prüfen sein, ob eine Datenschutz-Folgenabschätzung oder eine Einbindung der zuständigen Datenschutzstelle erforderlich ist.

Die Dokumentation sollte aktualisiert werden, wenn sich Modell, Tarif, Anbieterbedingungen, Speicherort, Schnittstellen oder Verarbeitungszweck ändern. Eine einmalige Freigabe ist daher nicht automatisch dauerhaft ausreichend.

Praktische Einordnung

Datenschutz und Anbieterprüfung gehören vor die eigentliche Nutzung eines KI-Tools. Erst wenn Zweck, Daten, Rollen, Speicherorte, Zugriffsrechte, Löschung und mögliche Weiterverwendungen nachvollziehbar bewertet sind, kann ein Workflow organisatorisch freigegeben werden.

Technische und organisatorische Sicherheitsmaßnahmen

Die Sicherheit eines KI-Workflows im Patentwesen hängt nicht allein davon ab, ob ein Modell lokal oder cloudbasiert betrieben wird. Entscheidend ist das Zusammenspiel aus technischer Absicherung, organisatorischen Vorgaben, klaren Verantwortlichkeiten und einer fachlichen Prüfung der Ergebnisse.

Grundprinzip

Ein KI-Tool sollte erst dann in einem Patentprozess eingesetzt werden, wenn Datenflüsse, Zugriffsrechte, Speicher- und Löschkonzepte, Anbieterbedingungen und Prüfverantwortlichkeiten nachvollziehbar geregelt sind.

Technische Maßnahmen für KI-Workflows

Technische Schutzmaßnahmen müssen zum Schutzbedarf der verarbeiteten Informationen und zum konkreten Einsatzszenario passen. Für Patentabteilungen und Kanzleien können insbesondere folgende Punkte relevant sein:

Zugriffskontrolle: Nur berechtigte Personen sollten auf KI-Systeme, Projekträume, Prompts, Dokumente und erzeugte Ergebnisse zugreifen können.
Rollen und Berechtigungen: Administrierende, externe Dienstleister, Patentfachleute und weitere Mitarbeitende sollten nur die jeweils erforderlichen Rechte erhalten.
Mandanten- und Projekttrennung: Daten verschiedener Mandate, Unternehmen, Erfindungen oder Patentfamilien sollten technisch und organisatorisch getrennt verarbeitet werden.
Verschlüsselung und sichere Übertragung: Schutzmaßnahmen für gespeicherte und übertragene Daten sollten geprüft und dokumentiert werden.
Protokollierung: Relevante Zugriffe, Freigaben, Datenübermittlungen und Änderungen sollten nachvollziehbar sein, soweit dies für Sicherheit, Qualitätssicherung und Compliance erforderlich ist.
Ausgabe- und Exportkontrollen: KI-generierte Texte und Analysen sollten nicht automatisch in Akten, Anmeldungen oder externe Systeme übernommen werden.
Löschung und Aufbewahrung: Für Eingabedaten, Zwischenergebnisse, Protokolle und Ausgaben sollten nachvollziehbare Lösch- und Aufbewahrungsregeln bestehen.

Organisatorische Maßnahmen und Verantwortlichkeiten

Technische Einstellungen reichen nicht aus, wenn Mitarbeitende unklar lassen, welche Informationen verarbeitet werden dürfen oder wer die Ergebnisse prüfen muss. Deshalb sollte die Nutzung von KI in Patentprozessen in interne Regeln und Verantwortlichkeiten eingebettet werden.

Freigegebene Anwendungsfälle: Die Organisation sollte festlegen, für welche Aufgaben ein KI-Tool eingesetzt werden darf und welche Aufgaben besonders geschützt oder ausgeschlossen sind.
Datenklassifizierung: Informationen sollten nach Schutzbedarf eingeordnet werden, zum Beispiel als öffentlich, intern, vertraulich oder besonders schutzbedürftig.
Freigabeprozess: Neue Tools, Anbieter und Anwendungsfälle sollten vor der produktiven Nutzung durch die zuständigen Fach- oder Sicherheitsverantwortlichen bewertet werden.
Human in the Loop: Patentfachleute müssen festlegen, welche Ergebnisse zwingend fachlich, technisch oder rechtlich geprüft werden.
Schulung und Sensibilisierung: Mitarbeitende sollten wissen, welche Daten sie eingeben dürfen, wie Prompts und Ausgaben zu behandeln sind und welche Fehlerbilder auftreten können.
Dokumentation: Für wesentliche Arbeitsschritte sollte nachvollziehbar bleiben, welches Tool verwendet wurde, welche Informationen eingeflossen sind und wie die Ausgabe geprüft wurde.
Incident Response: Für Fehlveröffentlichungen, unzulässige Datenübermittlungen, verdächtige Zugriffe oder fehlerhafte Ausgaben sollte ein Melde- und Reaktionsprozess bestehen.

Kontrollierter Ablauf vor dem produktiven Einsatz

Prüfschritt	Leitfrage
1. Zweck und Anwendungsfall	Welche konkrete Aufgabe soll das KI-System unterstützen?
2. Daten und Schutzbedarf	Welche Patentinformationen, personenbezogenen Daten oder Geschäftsgeheimnisse werden verarbeitet?
3. System und Anbieter	Wie werden Daten verarbeitet, gespeichert, geschützt und möglicherweise weiterverwendet?
4. Berechtigungen und Prozess	Wer darf das System nutzen, Ergebnisse freigeben und Daten exportieren?
5. Qualitätssicherung	Wie werden Quellen, technische Aussagen, Patentansprüche und sonstige Ergebnisse geprüft?
6. Dokumentation und Überprüfung	Wie wird dokumentiert, dass der Workflow freigegeben ist und weiterhin den internen Vorgaben entspricht?

Praktische Einordnung

Ein sicherer KI-Workflow im Patentwesen entsteht nicht durch die Wahl eines einzelnen Tools. Er entsteht durch die Kombination aus passender Einsatzumgebung, begrenzten Zugriffsrechten, kontrollierten Datenflüssen, klaren Freigaben und einer dokumentierten Prüfung der Ergebnisse.

Toolauswahl für Patentabteilungen und Kanzleien

Die Auswahl eines KI-Tools sollte nicht allein nach Modellleistung, Funktionsumfang oder Bekanntheit des Anbieters erfolgen. Für Patentabteilungen und Kanzleien sind insbesondere Schutzbedarf, Datenflüsse, Anbieterbedingungen, Integrationsmöglichkeiten und die fachliche Kontrollierbarkeit der Ergebnisse entscheidend.

Grundprinzip

Das geeignete KI-Tool ist nicht automatisch das leistungsstärkste oder technisch aufwendigste System. Es muss zum konkreten Anwendungsfall, zum Schutzbedarf der Daten und zu den fachlichen Prüf- und Freigabeprozessen passen.

Welche Kriterien bei der Auswahl wichtig sind

Vor einer Entscheidung sollten die fachlichen, technischen, organisatorischen und wirtschaftlichen Anforderungen gemeinsam betrachtet werden. Besonders relevant sind folgende Kriterien:

Anwendungsfall: Das Tool sollte die vorgesehenen Aufgaben unterstützen, zum Beispiel Recherche, Dokumentenanalyse, Übersetzung, Zusammenfassung, Patent-Drafting oder Portfolioauswertung.
Schutzbedarf: Die Lösung muss für die Verarbeitung der vorgesehenen Informationen geeignet sein. Für vertrauliche technische Unterlagen gelten andere Anforderungen als für öffentlich zugängliche Patentdokumente.
Datenverarbeitung: Zu prüfen ist, welche Daten an welche Systeme übertragen werden, wo sie verarbeitet und gespeichert werden und ob sie für weitere Zwecke verwendet werden.
Anbieterbedingungen: Nutzungsbedingungen, Datenschutzinformationen, Regelungen zur Modellverbesserung, Unterauftragnehmende und Beendigung des Vertrags sollten nachvollziehbar bewertet werden.
Ausgabequalität: Das System sollte in realistischen Tests zeigen, wie zuverlässig es mit technischen Begriffen, Patentdokumenten, Quellen und strukturierten Aufgaben umgeht.
Nachvollziehbarkeit: Für den jeweiligen Einsatzfall sollte erkennbar sein, auf welchen Eingaben und gegebenenfalls auf welchen Quellen die Ausgabe beruht.
Integrationen: Schnittstellen zu Dokumentenmanagement, Recherchetools, Wissensdatenbanken oder internen Systemen können den Nutzen erhöhen, müssen aber ebenfalls sicherheitstechnisch geprüft werden.
Berechtigungen und Administration: Rollen, Zugriffsrechte, Mandantentrennung und administrative Funktionen sollten zum Organisations- und Sicherheitsmodell passen.
Bedienbarkeit und Schulungsaufwand: Ein Tool sollte von den vorgesehenen Nutzer*innen sicher und einheitlich eingesetzt werden können.
Kosten und Skalierbarkeit: Lizenzmodell, Nutzungsgrenzen, Speicherbedarf, Support und mögliche Erweiterungen sollten in die Gesamtbewertung einfließen.

Toolauswahl nach Einsatzszenario

Einsatzszenario	Besonders wichtige Auswahlkriterien
Analyse öffentlich zugänglicher Patentdokumente	Recherchequalität, Quellenbezug, Suchfunktionen, Dokumentenmenge und Nachvollziehbarkeit der Ergebnisse
Auswertung interner Erfindungs- und Projektdaten	Schutzbedarf, Zugriffskontrolle, Datenverarbeitung, Speicherorte und Löschkonzepte
Vorbereitung von Patentansprüchen und Beschreibungen	Kontrollierte Umgebung, technische Genauigkeit, Versionsverwaltung, fachliche Prüfung und Exportkontrollen
RAG- oder Wissensdatenbank-Workflow	Quellenqualität, Aktualisierung, Berechtigungsmodell, Dokumententrennung und Zitierfähigkeit
Unterstützung im IP-Management	Datenintegration, Portfolioauswertung, Rollenrechte, Berichte, Monitoring und strategische Verwendbarkeit

Ein Tool in einer kontrollierten Testphase bewerten

Eine Pilotphase kann helfen, die Eignung eines KI-Tools unter realistischen Bedingungen zu beurteilen. Dafür sollten zunächst klar abgegrenzte und freigegebene Anwendungsfälle ausgewählt werden. Vertrauliche Patentinformationen sollten nur dann verwendet werden, wenn die dafür erforderlichen Prüfungen abgeschlossen und die Verarbeitung freigegeben ist.

Für die Bewertung können standardisierte Testaufgaben genutzt werden. Dabei sollte nicht nur die Qualität einzelner Antworten betrachtet werden. Ebenso wichtig sind die Stabilität der Ergebnisse, der Umgang mit unklaren oder unvollständigen Informationen, die Quellen- und Fehleranfälligkeit sowie der Aufwand für die fachliche Nachprüfung.

Testbereich	Beispielhafte Prüffrage
Fachliche Qualität	Erkennt das Tool technische Zusammenhänge und verwendet es die relevanten Fachbegriffe zutreffend?
Quellen und Nachvollziehbarkeit	Lassen sich verwendete Quellen, Dokumente und Schlussfolgerungen nachvollziehen?
Fehlerverhalten	Kennzeichnet das System Unsicherheiten oder erzeugt es scheinbar sichere, aber nicht belegte Aussagen?
Datenschutz und Vertraulichkeit	Entspricht die Verarbeitung den freigegebenen Vorgaben für Daten, Rollen und Speicherorte?
Prozessintegration	Lässt sich die Ausgabe in den bestehenden Patentprozess übernehmen und fachlich kontrollieren?

Praktische Einordnung

Eine belastbare Toolauswahl sollte mit einem begrenzten, dokumentierten Pilotbetrieb beginnen. Erst danach lässt sich beurteilen, ob ein System im konkreten Patentprozess tatsächlich einen fachlichen Nutzen bietet und mit den Anforderungen an Vertraulichkeit, Datenschutz und Qualitätssicherung vereinbar ist.

Praxis-Checkliste für sichere KI-Workflows

Ein sicherer KI-Einsatz im Patentwesen lässt sich am besten anhand eines klaren, wiederholbaren Ablaufs organisieren. Die folgende Checkliste unterstützt Patentabteilungen und Kanzleien dabei, einen Anwendungsfall zu bewerten, ein geeignetes Tool auszuwählen und die fachliche Prüfung in den Prozess einzubauen.

Prüfschritt	Was ist zu klären?
1. Anwendungsfall definieren	Welche konkrete Aufgabe soll KI unterstützen? Geht es beispielsweise um Recherche, Dokumentenanalyse, Übersetzung, Patent-Drafting oder Portfolioauswertung?
2. Schutzbedarf bestimmen	Welche Informationen werden verarbeitet? Handelt es sich um öffentliche Dokumente, interne Informationen, vertrauliche technische Unterlagen, personenbezogene Daten oder Geschäftsgeheimnisse?
3. Geeignete Umgebung festlegen	Ist eine lokale, cloudbasierte oder hybride Lösung für den Anwendungsfall und den Schutzbedarf geeignet?
4. Anbieter und Datenflüsse prüfen	Wo werden Daten verarbeitet und gespeichert? Welche Zugriffsrechte bestehen? Werden Eingaben oder Ausgaben für weitere Zwecke verwendet?
5. Verantwortlichkeiten festlegen	Wer darf das Tool nutzen, wer kontrolliert die Eingaben und wer prüft, genehmigt oder verwirft die Ergebnisse?
6. Testphase durchführen	Kann der Anwendungsfall zunächst mit freigegebenen und möglichst risikoarmen Testdaten bewertet werden?
7. Ergebnisse fachlich prüfen	Wer kontrolliert technische Aussagen, Quellen, Patentansprüche, Übersetzungen und mögliche Auslassungen oder erfundene Inhalte?
8. Prozess dokumentieren	Welche Eingaben, Ausgaben, Prüfungen und Freigaben müssen für den konkreten Prozess nachvollziehbar bleiben?
9. Mitarbeitende schulen	Wissen die Nutzer*innen, welche Daten verarbeitet werden dürfen, wie Prompts formuliert und wie KI-Ausgaben geprüft werden müssen?
10. Workflow regelmäßig überprüfen	Entsprechen Tool, Anbieterbedingungen, Sicherheitsmaßnahmen und interne Vorgaben weiterhin dem vorgesehenen Einsatz?

Vor jeder Eingabe prüfen

Vor der Übermittlung von Informationen an ein KI-System sollten Mitarbeitende mindestens folgende Fragen beantworten:

Ist die Nutzung dieses Tools für den konkreten Anwendungsfall freigegeben?
Enthält die Eingabe vertrauliche technische Informationen, Geschäftsgeheimnisse oder personenbezogene Daten?
Ist die Eingabe für die Aufgabe wirklich erforderlich oder kann sie reduziert, anonymisiert oder durch öffentliche Informationen ersetzt werden?
Ist bekannt, wie der Anbieter Eingaben, Dateien und Ausgaben verarbeitet?
Kann die Ausgabe später fachlich, technisch und gegebenenfalls rechtlich geprüft werden?

Nach jeder Ausgabe prüfen

KI-generierte Ergebnisse sollten nicht ungeprüft in Patentakten, Anmeldungen, Stellungnahmen oder interne Entscheidungsvorlagen übernommen werden. Die Prüfung sollte sich insbesondere auf folgende Punkte konzentrieren:

Vollständigkeit: Wurden relevante technische Merkmale, Dokumente oder Zusammenhänge ausgelassen?
Richtigkeit: Sind technische Aussagen, Übersetzungen, Quellenangaben und Schlussfolgerungen zutreffend?
Nachvollziehbarkeit: Lassen sich die verwendeten Informationen und die Herleitung der Ausgabe überprüfen?
Erfundene Inhalte: Enthält die Ausgabe scheinbar konkrete, aber nicht belegte Quellen, Merkmale oder technische Sachverhalte?
Prozesskonformität: Entspricht das Ergebnis den internen Vorgaben und dem vorgesehenen Patentprozess?

Praktische Einordnung

Die Checkliste ersetzt keine fachliche Prüfung und keine datenschutzrechtliche oder organisatorische Freigabe. Sie hilft jedoch dabei, die entscheidenden Fragen vor, während und nach dem Einsatz eines KI-Tools systematisch zu bearbeiten.

Häufige Fragen zu lokaler und cloudbasierter KI im Patentwesen

Nein. Eine lokale Lösung kann bestimmte Datenflüsse und Abhängigkeiten von externen Anbietern reduzieren. Sie ist aber nicht automatisch sicher. Auch lokale Systeme benötigen unter anderem Zugriffskontrollen, sichere Speicherung, regelmäßige Aktualisierungen, klare Verantwortlichkeiten und eine fachliche Prüfung der Ergebnisse.

Zu den möglichen Risiken gehören unklare Datenflüsse, externe Zugriffe, ungeeignete Anbieterbedingungen, nicht nachvollziehbare Speicherorte, eine mögliche Weiterverwendung von Eingaben sowie unzureichende Lösch- oder Berechtigungskonzepte. Vor der Nutzung sollten diese Punkte für den konkreten Anbieter und Anwendungsfall geprüft werden.

Das hängt vom Schutzbedarf der Informationen, vom konkreten KI-System, den Anbieterbedingungen und den internen Freigaben ab. Öffentlich zugängliche Patentdokumente sind anders zu bewerten als unveröffentlichte Erfindungen, interne technische Unterlagen, Geschäftsgeheimnisse oder personenbezogene Daten. Eine Eingabe sollte auf das für die Aufgabe erforderliche Maß beschränkt werden.

Personenbezogene Daten sollten nur verarbeitet werden, wenn Zweck, Rechtsgrundlage, Rollen, Datenflüsse, Speicherorte, Zugriffsrechte und Löschung nachvollziehbar bewertet sind. Die Nutzung eines KI-Tools ersetzt keine datenschutzrechtliche Prüfung. Je nach Verarbeitung können zusätzliche organisatorische oder vertragliche Maßnahmen erforderlich sein.

Zu prüfen sind insbesondere die Verarbeitung und Speicherung von Eingaben und Ausgaben, eine mögliche Nutzung zur Modellverbesserung, Unterauftragnehmende, Speicherorte und Datenübermittlungen, Löschfristen, Administrationsrechte, Sicherheitsmaßnahmen und die Regelungen für die Beendigung der Nutzung. Die Bewertung sollte zum konkreten Tarif und zum vorgesehenen Einsatz passen.

Ein Test sollte mit klar abgegrenzten, freigegebenen und möglichst risikoarmen Aufgaben beginnen. Zu bewerten sind unter anderem fachliche Qualität, Quellenbezug, Fehlerverhalten, Umgang mit Unsicherheiten, Datenschutz, Vertraulichkeit und die Möglichkeit zur fachlichen Nachprüfung. Die Ergebnisse sollten dokumentiert und von den zuständigen Verantwortlichen bewertet werden.

Die Verantwortung kann nicht allein auf das KI-Tool oder den Anbieter verlagert werden. Die zuständige Organisation muss Rollen und Prüfprozesse festlegen. Patentfachleute sollten insbesondere technische Aussagen, Quellen, Patentansprüche, Beschreibungen und sonstige entscheidungsrelevante Ergebnisse fachlich prüfen, bevor sie weiterverwendet werden.

Ein hybrider Workflow kann sinnvoll sein, wenn unterschiedliche Aufgaben unterschiedliche Schutz- und Leistungsanforderungen haben. Beispielsweise können öffentlich zugängliche Dokumente in einer cloudbasierten Umgebung analysiert werden, während besonders schutzbedürftige interne Informationen in einer kontrollierten lokalen oder abgeschirmten Umgebung verarbeitet werden. Auch dabei müssen Datenflüsse und Übergaben klar geregelt sein.

Quellen und fachlicher Stand

Die Informationen auf dieser Seite ordnen den Einsatz lokaler, cloudbasierter und hybrider KI-Systeme im Patentwesen aus fachlicher, organisatorischer und technischer Sicht ein. Sie dienen der allgemeinen Orientierung und ersetzen keine datenschutzrechtliche, vertragsrechtliche, technische oder patentanwaltliche Einzelfallprüfung.

Fachlicher Stand

September 2026. Angaben zu Rechtslage, technischen Funktionen, Anbieterbedingungen, Speicherorten und Datenverarbeitung sollten vor einer konkreten Nutzung anhand der jeweils aktuellen Primärquellen und Vertragsunterlagen überprüft werden.

Primärquellen und weiterführende Informationen

Verordnung (EU) 2024/1689 über künstliche Intelligenz – konsolidierte Fassung vom 27. Juli 2026.
Europäisches Patentamt: The use of artificial intelligence – Hinweise zur Verantwortung für beim Europäischen Patentamt eingereichte Unterlagen, die mit Unterstützung von KI erstellt wurden.
Europäisches Patentamt: Artificial intelligence and machine learning – Abschnitt G-II, 3.3.1 der EPO Guidelines for Examination 2026.
Europäisches Patentamt: Guidelines for Examination 2026 – aktuelle Leitlinien für die Prüfung europäischer Patentanmeldungen und Patente.
Europäischer Datenschutzausschuss: Stellungnahme 28/2024 zu KI-Modellen – Datenschutzaspekte bei der Verarbeitung personenbezogener Daten im Zusammenhang mit KI-Modellen.
EDSA: Stellungnahme 28/2024 – deutsche Fassung – insbesondere zu personenbezogenen Daten, Rechtsgrundlagen, Anonymisierung und Verantwortlichkeit.

Einordnung der Quellen

Die genannten Quellen behandeln unterschiedliche Ebenen: Der EU AI Act betrifft den unionsrechtlichen Rahmen für künstliche Intelligenz, die EPO Guidelines die patentbezogene Prüfung und Verfahrenspraxis, und die Stellungnahme des Europäischen Datenschutzausschusses ausgewählte datenschutzrechtliche Fragen im Zusammenhang mit KI-Modellen. Für die konkrete Toolauswahl müssen zusätzlich die aktuellen Anbieterbedingungen, Auftragsverarbeitungsvereinbarungen, Sicherheitsinformationen und internen Vorgaben berücksichtigt werden.

Hinweis

Ob ein lokales, cloudbasiertes oder hybrides KI-System eingesetzt werden kann, hängt vom konkreten Anwendungsfall, vom Schutzbedarf der Daten, von den technischen und organisatorischen Maßnahmen sowie von den geltenden rechtlichen und vertraglichen Anforderungen ab.

Warum FORUM Institut als Weiterbildungspartner?

Der sichere Einsatz von KI im Patentwesen verbindet technisches Verständnis mit Kenntnissen zu Patentprozessen, Vertraulichkeit, Datenschutz und fachlicher Qualitätssicherung. Weiterbildungen können dabei unterstützen, diese Perspektiven zusammenzuführen und KI-Anwendungen realistisch in die eigene Arbeit einzuordnen.

Praxisnah lernen

Entscheidend ist nicht nur, die Funktionsweise eines KI-Tools zu kennen. Patentpraktiker*innen müssen auch beurteilen können, für welche Aufgaben sich ein System eignet, welche Informationen verarbeitet werden dürfen und wie Ergebnisse fachlich geprüft werden.

Seit über 45 Jahren unterstützt das FORUM Institut Fach- und Führungskräfte mit aktuellen und praxisnahen Weiterbildungen. Für die Veranstaltungen werden erfahrene Referierende aus Wirtschaft, Wissenschaft, Beratung, Aufsicht und Behörden ausgewählt, die fachliche Entwicklungen verständlich vermitteln und den Transfer in die berufliche Praxis unterstützen.

Über 45 Jahre Erfahrung in der beruflichen Weiterbildung
Erfahrene Referierende aus Praxis, Beratung, Wissenschaft, Aufsicht und Behörden
Aktuelle Seminare, Lehrgänge, Webcasts und digitale Lernformate
Praxisnahe Inhalte zu Patentwesen, Gewerblichem Rechtsschutz, Digitalisierung und Compliance
Einordnung technischer Entwicklungen in bestehende Patent- und Arbeitsprozesse
Zertifiziertes Qualitätsmanagement nach ISO 9001 und ISO 21001

Die passenden Inhalte richten sich danach, ob zunächst Grundlagen zu generativer KI vermittelt, konkrete Patentprozesse unterstützt oder Fragen zur sicheren Einführung in Patentabteilungen und Kanzleien vertieft werden sollen.

Geprüfte Qualität

Unsere Zertifizierungen nach ISO 9001 und ISO 21001 stehen für strukturierte Prozesse, kontinuierliche Qualitätsentwicklung und eine konsequente Ausrichtung unserer Weiterbildungsangebote an den Bedürfnissen der Teilnehmenden.

Weiterbildungen zu KI in der Patentarbeit

Wer KI in der Patentrecherche, beim Patent-Drafting oder im IP-Management einsetzen möchte, sollte neben den technischen Möglichkeiten auch Datenflüsse, Vertraulichkeit, Datenschutz, Anbieterbedingungen und fachliche Prüfprozesse verstehen. Passende Weiterbildungen helfen dabei, Einsatzmöglichkeiten realistisch zu bewerten und KI sicher in bestehende Patentprozesse zu integrieren.

Passende Weiterbildungen finden

Entdecken Sie Seminare, Workshops, Lehrgänge und digitale Lernformate zu Patentwesen, Gewerblichem Rechtsschutz, generativer KI und der praktischen Umsetzung in Patentabteilungen und Kanzleien.

Weiterbildungen im Gewerblichen Rechtsschutz ansehen