Investoren-Sneak Peak: Kann dieses KI-Tool die Wissenschaft erkennen, die zu Patenten führt?

Investoren und Technologietransferbüros wenden sich zunehmend der künstlichen Intelligenz zu, um vielversprechende wissenschaftliche Forschung zu identifizieren, die zu Patenten führen könnte. Ein neues maschinelles Lernwerkzeug, bekannt als der Translation Readiness Index (TRI), zielt darauf ab, vorherzusagen, welche wissenschaftlichen Arbeiten eher zu Patenten führen, Monate oder sogar Jahre, bevor eine formelle Patentanmeldung oder Kommerzialisierung stattfindet. Das von Forschern der Datenanalytikfirma League of Scholars in Sydney, Australien, entwickelte Werkzeug analysiert die Sprache, die in einem Titel und einem Abstract eines Papiers verwendet wird, um festzustellen, wie eng es früheren Publikationen ähnelt, die später mit Patenten in Verbindung gebracht wurden.

Das TRI-System wurde auf einem Datensatz aus 20.610 wissenschaftlichen Arbeiten trainiert, von denen 9.431 mit Patenten verknüpft waren. Durch den Vergleich des Vokabulars und der Formulierung dieser Arbeiten identifiziert der Algorithmus Muster, die häufig in patentierbarer Forschung zu finden sind. Das effektivste Modell innerhalb des Systems erreichte eine Genauigkeitsrate von 78%, was bedeutet, dass es im Vergleich zu ähnlich gelegenen Arbeiten die mit Patenten verknüpften Arbeiten korrekt höher reihte. Dies deutet darauf hin, dass bestimmte sprachliche Merkmale, wie beispielsweise Begriffe wie Prototyp, Gerät, und Design , häufig in der Forschung verwendet werden, die letztendlich zu Patenten führt.

Paul McCarthy, Mitbegründer der League of Scholars und Co-Autor der Studie, beschrieb das Tool als ein Mittel zur Triaging-Forschung. Er betonte, dass TRI zwar eher eine probabilistische Bewertung als eine definitive Vorhersage bietet, aber einen wertvollen Ausgangspunkt für die Identifizierung potenziell patentierbarer Arbeiten bietet. Das Tool bewertet nicht die tatsächlichen experimentellen Daten oder Ergebnisse, die in einem Papier enthalten sind, sondern konzentriert sich auf die Sprache, die verwendet wird, um die Ergebnisse zu beschreiben.

Diese zwischen 2019 und 2026 veröffentlichten Arbeiten zeigten eine signifikant höhere Wahrscheinlichkeit, dass sie von Branchenmitwirkenden oder Autoren mit früherer Patenterfahrung veröffentlicht wurden. Insbesondere 83 der 100 Arbeiten hatten Mitautoren, die mit der Industrie verbunden waren, und 34 enthielten mindestens einen mit der UWA verbundenen Autor, der zuvor ein Patent eingereicht hatte. Basierend auf diesen Ergebnissen arbeitet das Team derzeit mit mehreren Universitäten zusammen, um das Tool weiter zu verfeinern und umzusetzen.

Während McCarthy warnt, sich bei Investitionsentscheidungen ausschließlich auf TRI zu verlassen, erkennt er an, dass das Tool als hilfreicher Filter für akademische Institutionen und Förderorgane dienen könnte, die die Forschung mit hohem Potenzial priorisieren möchten. Ben Miles, Mitbegründer von Empirical Ventures, einer in London ansässigen frühphasigen Deep-Tech-Investmentfirma, sieht Wert darin, TRI als externes Signal für die Entscheidungsfindung zu verwenden. Er glaubt, dass es Wissenschaftlern und Geldgebern dabei helfen könnte, zu bestimmen, welche Projekte zusätzliche Unterstützung erfordern, bevor sie ein Stadium erreichen, das für das Interesse der Investoren geeignet ist. Trotz seines Versprechens stellt McCarthy fest, dass die Fähigkeit, die kommerzielle Lebensfähigkeit genau zu messen, inhärent ungewiss bleibt.

Patentierbare Technologien führen nicht immer zu profitablen Produkten, und daher muss jedes Vorhersagewerkzeug diese Einschränkung berücksichtigen. Dennoch treibt die wachsende Nachfrage nach effizienten Methoden zur Identifizierung kommerziell relevanter Forschung weiterhin Innovationen in diesem Bereich voran. Andere Institutionen erforschen auch ähnliche Ansätze.

Da sich die manuelle Überprüfung angesichts des Volumens als unpraktisch erweist, werden Tools wie Haystack für die Identifizierung von Entdeckungen, die sich zu rentablen Unternehmen entwickeln könnten, unverzichtbar.