Prognostisches Scoring von Innovationen in Green-Tech-Patentclustern mittels Natural Language Processing

Beschreibung

Durch die verstärkte Bedeutung, die dem Klimawandel und der globalen Umweltverschmutzung beigemessen werden, sind ESG Kriterien wichtige Indikatoren für die Nachhaltigkeit von Firmen geworden. Damit die Nachhaltigkeitsziele erreicht werden können, braucht es Indikatoren, die es erlauben Firmen, die grüne Technologien entwickeln, zu identifizieren und ihr Innovationspotential einzuschätzen.Vor diesem Hintergrund hat der Innovationscheck zum Ziel, sogenannte «Green Technologies» frühzeitig zu identifizieren. Dazu trainieren wird ein Algorithmus, der die in einem Patent niedergeschriebene Innovation anhand einer semantischen Analyse von Patenttexten automatisiert einem spezifischen Technologiefeld zuweisen kann, trainiert. Die automatisierte Zuweisung basiert auf einem «Expert-Trained-NLP Model», d.h. auf dem Wissen von Patentexperten und EU Taxonomy-angeglichenen Technologiekonzepten. Nachdem die Patente einem Technologiefeld zugeordnet sind, stellt sich die Frage, welche Patente besonders vielversprechende Innovationen schützen. Basierend auf Metadaten bereits veröffentlichter Patente (z.B. der Anzahl beteiligter Erfinder) wird ein Algorithmus trainiert, der eine Prognose bezüglich der Anzahl Zitierungen ermöglicht, die ein Patent erhält (ein etabliertes Qualitätsmass für Patente). Der Algorithmus kann sodann auf neue Patente angewendet werden. Damit kann direkt nach Veröffentlichung eines neuen Patents eine Einschätzung zu dessen Innovationsgehalt vorgenommen werden.Dieses Forschungsvorhaben wird durch die gemeinsame Zusammenarbeit der Universität Basel, dem Umsetzungspartner EconSight GmbH und der ZHAW realisiert.