In diesem Artikel erläutert ein auf KI-geistiges Eigentum spezialisierter Patentanwalt unter Bezugnahme auf den Originaltext ausführlich die gesamte Anspruchsformulierung, die technische Architektur und die Besonderheiten der Beschreibung dieses Patents. Ein Muss für Entwickler und IP-Verantwortliche, die wissen möchten: „Wir entwickeln selbst einen Agenten vom Typ ‚Computer Use‘ – wo liegen die entscheidenden Punkte für den Patentschutz?“
💡 Wichtig: Dieser Artikel ist Teil der Reihe zu KI-Agenten-Patenten und gehört zur Reihe „Einzelpatente – Vertiefung“. Eine Analyse der gesamten Patentstrategie von Anthropic finden Sie unter „Die Patentstrategie von Anthropic entschlüsselt“, die grundlegenden Anforderungen werden im Einführungsartikel behandelt.
Inhaltsverzeichnis
| Punkt | Inhalt |
|---|---|
| Patentnummer | US 12,430,150 B1 |
| Bezeichnung der Erfindung | Laufzeitarchitektur zur Anbindung an Agenten zur Automatisierung multimodaler Schnittstellen-Workflows |
| Anmeldetag | 30. September 2025 |
| Anmeldetag | 8. Oktober 2024 |
| Prioritätsdatum | 20. März 2024 |
| Anmelder | Anthropic PBC |
| Erfinder | Rohan Bavishi, Erich Elsen, Curtis Hawthorne u. a. |
| Anzahl der Ansprüche | 20 (3 unabhängige: Ansprüche 1, 14, 20 / 17 abhängige) |
| Status | Erteiltes Patent (granted) |
„Computer Use“ ist eine Technologie, mit der KI jede beliebige Software bedienen kann, indem sie wie ein Mensch den Bildschirm betrachtet (Screenshots erkennt), die Maus bewegt, klickt und Text eingibt. Im Gegensatz zur herkömmlichen Automatisierung über APIs ist diese Technologie bahnbrechend, da sie die Benutzeroberfläche selbst bedient und somit auch die Automatisierung von Apps ermöglicht, deren APIs nicht öffentlich zugänglich sind.
Dieses Patent schützt genau die grundlegende Architektur, mit der diese „automatische UI-Steuerung durch KI“ zur Laufzeit (Runtime) realisiert wird. Beachten Sie bitte, dass nicht die Idee, sondern der Mechanismus, der sie umsetzt, rechtlich geschützt ist.
Das herausragendste Merkmal dieses Patents ist die Struktur, bei der die Verarbeitung zwischen Client- und Serverseite aufgeteilt und durch eine Abstraktionsschicht namens „Zwischenrepräsentation (intermediate representation)“ verbunden wird. Der gesamte Ablauf sieht wie folgt aus.
💡 Kernpunkt: Durch Einfügen einer Abstraktionsebene namens „Zwischenrepräsentation (intermediate representation)“ werden die Agentenspezifikation (was soll erreicht werden) und die tatsächlichen UI-Ausführungsbefehle (wie soll die Bedienung erfolgen) voneinander getrennt.Dies ist ein Ansatz, der an das Compiler-Design angelehnt ist und die einfache Idee, „die KI den PC bedienen zu lassen“, zu einer konkreten Softwarearchitektur weiterentwickelt.
Laut der Beschreibung sind die „Agent-Funktionen“, die der Agent aufrufen kann, in mehrere Kategorien systematisiert. Diese dienen als konkretes Vokabular für Operationen und bilden die Grundlage der Erfindung.
| Typ | Beispiele für Funktionen (gemäß der Beschreibung) | Rolle |
|---|---|---|
| Integrierte Funktionen | answerQuestionAboutScreen (Beantwortung von Fragen zum Bildschirm), click (Klick), type (Eingabe), scroll (Scrollen) | Grundlegende UI-Bedienung und -Erkennung |
| Planer-Funktionen | act (Aktion), fillform (Formulareingabe), pickdate (Datumsauswahl) | Komplexe Aufgaben, die mehrere Aktionen bündeln |
| Workflow-Funktionen | (benutzerdefinierte Workflows) | Aufgabenspezifische Automatisierungseinheiten |
Diese Struktur, bei der Vorgänge als Funktionen abstrahiert und von KI-Agenten zu Aufgaben kombiniert werden, wird auch in den abhängigen Ansprüchen (siehe unten) konkret beschrieben.
Damit ein KI-Agent entscheiden kann, „was als Nächstes zu tun ist“, muss er die aktuelle Situation wahrnehmen. In der Beschreibung dieses Patents wird angegeben, dass die Beobachtungslogik (observation logic) dem Agenten Folgendes bereitstellt:
| Beobachtungsinformationen | Inhalt |
|---|---|
| Screenshots | Visuelle Informationen des aktuellen Bildschirms (multimodale Eingabe) |
| Aktionsverlauf (action history) | Verlauf der bisher ausgeführten Aktionen |
| Aufgabenbeschreibung (Task Description) | Beschreibung der zu erfüllenden Aufgabe |
Gerade dieser Wahrnehmungs-Handlungs-Kreislauf („Bildschirm betrachten → bisherige Handlungen berücksichtigen → nächsten Schritt festlegen“) ist die Grundlage für die „Autonomie“ des KI-Agenten. Das vorliegende Patent setzt diesen Kreislauf technisch um.
Dieses Patent besteht aus insgesamt 20 Ansprüchen und folgt der klassischen Struktur eines Softwarepatents, bei der die unabhängigen Ansprüche in drei Kategorien unterteilt sind: Verfahren, System und Datenträger.
| Ansprüche | Kategorie | Schutzgegenstand | Vermuteter Rechtsverletzer |
|---|---|---|---|
| Anspruch 1 | System (system) | Ein auf einem Prozessor laufendes System | Personen, die die Vorrichtung herstellen, verwenden oder vertreiben |
| Anspruch 14 | Verfahren zur Computerimplementierung (method) | Verarbeitungsablauf | Personen, die dieses Verfahren durchführen |
| Anspruch 20 | Nichtflüchtiges, computerlesbares Speichermedium | Medium, auf dem das Programm gespeichert ist | Person, die das Programm vertreibt oder bereitstellt |
Die abhängigen Ansprüche (2 bis 13, 15 bis 19) schränken die Art der Agentenfunktion, die Beobachtungslogik, den Rückgabewert usw. konkret ein und sorgen so für einen mehrschichtigen Schutz, damit die Rechte auch dann bestehen bleiben, falls die unabhängigen Ansprüche für ungültig erklärt werden sollten.
Anspruch 1 (Originaltext / Englisch)
Ein System, das auf einem oder mehreren Prozessoren läuft, zur clientseitigen Implementierung einer Schnittstellenautomatisierungssprache zur Laufzeit, umfassend: eine Agentenspezifikationslogik, die auf der Client-Seite ausgeführt wird und so konfiguriert ist, dass sie eine Agenten-Spezifikation erstellt und diese für die serverseitige Übersetzung in eine Zwischenrepräsentation bereitstellt, wobei die Agenten-Spezifikation so konfiguriert ist, dass sie einen multimodalen Schnittstellen-Workflow automatisiert; und eine Laufzeit-Interpretationslogik, die auf der Client-Seite ausgeführt wird und so konfiguriert ist, dass sie: die Zwischenrepräsentation empfängt; Erkennung einer oder mehrerer Agentenfunktionen in der Zwischenrepräsentation; Erzeugung eines oder mehrerer Agentenaufrufe auf der Grundlage der Agentenfunktionen; Ausgabe der Agentenaufrufe an einen Agenten und, als Reaktion darauf, Empfang mindestens einer Laufzeit-Aktuierungsfunktion vom Agenten; und die Laufzeit-Aktuierungsfunktion in mindestens einen Laufzeit-Aktuierungsbefehl zu übersetzen, wobei der Laufzeit-Aktuierungsbefehl mindestens eine maschinell ausgeführte Aktion als synthetische Laufzeitaktion auslöst, die den multimodalen Schnittstellen-Workflow automatisiert.
Referenzübersetzung durch einen Patentanwalt (Japanisch)
| Einschränkungen | Technische Bedeutung | Grund für die Wirksamkeit |
|---|---|---|
| Übersetzung in eine Zwischenrepräsentation (intermediate representation) | Abstraktionsschicht zur Trennung von Spezifikation und Ausführung | Abkehr von abstrakten Ideen. Konkrete Architektur |
| Erkennung von Agentenfunktionen und Generierung von Aufrufen | Funktionalisierung von Operationen und deren dynamischer Aufruf | Konkretisierung der Steuerungslogik. Argumente für den Fortschritt |
| Übersetzung von Aktionsfunktionen in Aktionsbefehle | Umwandlung von KI-Entscheidungen in tatsächliche UI-Bedienvorgänge | Der Kern der technischen Umsetzung der „Bildschirmbedienung“ |
Der Verfahrensanspruch 14 beschreibt im Wesentlichen denselben Vorgang wie Anspruch 1 in Form eines Verfahrens, weist jedoch einen wichtigen Unterschied auf.
Anspruch 14 (Auszug) (Originaltext / Englisch)
... auf der Client-Seite die Agenten-Aufrufe an einen Agenten auf der Server-Seite ausgeben und als Antwort darauf auf der Client-Seite mindestens eine Laufzeit-Aktivierungsfunktion vom Agenten empfangen; ...
Während Anspruch 1 (System) lediglich „die Agentenanrufe an einen Agenten ausgeben (issue the agent calls to an agent)“ besagt, wird in Anspruch 14 (Verfahren) und Anspruch 20 (Medium) ausdrücklich „an einen Agenten auf der Serverseite (to an agent on the server-side)“ angegeben.
💡 Kernpunkt: Dieser Unterschied ist auf eine bewusste Formulierung der Ansprüche zurückzuführen. Indem der Systemanspruch den Schutzumfang ausschließlich auf clientseitige Geräte beschränkt, erfasst er in weitem Sinne „diejenigen, die die Client-Seite implementieren“.Die Verfahrens- und Medienansprüche hingegen weisen ausdrücklich auf die Zusammenarbeit mit einem „serverseitigen Agenten“ hin und erfassen die Verarbeitung des gesamten verteilten Systems. Dies ist ein gutes Beispiel für den mehrschichtigen Schutz derselben Erfindung aus unterschiedlichen Blickwinkeln.
① Es besteht eine Eins-zu-Eins-Entsprechung zum Produkt. Die eigentliche Kernfunktion „Computer Use“ wird direkt geschützt, wodurch der geschäftliche Wert klar erkennbar ist.
② Es wird nicht eine Idee, sondern eine Architektur geschützt. Anstelle einer abstrakten Darstellung wie „KI steuert einen PC“ wird die Erfindung als konkrete Softwarestruktur – bestehend aus Zwischenrepräsentation, Funktionalisierung und mehrstufiger Transformation – beschrieben, was eine hohe Patentierbarkeit gewährleistet.
③ Die Anspruchsformulierung ist vielschichtig. Zusätzlich zu den drei Kategorien System (vorwiegend clientseitig), Verfahren und Datenträger werden in den System- und Verfahrensansprüchen unterschiedliche Standorte des Agenten (serverseitig) angegeben, wodurch verschiedene Verletzungsformen abgedeckt werden.
Beim Alice-/Mayo-Test wird geprüft, ob es sich um eine abstrakte Idee handelt oder ob ein erfinderisches Konzept vorliegt. Da der vorliegende Fall technische Implementierungen wie Zwischenrepräsentation, Agenten-Aufruf und Übersetzung von Befehlen beinhaltet, lässt sich leicht argumentieren, dass es sich um eine „technische Lösung für ein technisches Problem (automatische Bedienung der Benutzeroberfläche)“ handelt, und das Patent ist bereits eingetragen.
Als Kriterium gilt, ob „die Informationsverarbeitung konkret unter Verwendung von Hardware-Ressourcen realisiert wird“. Da ein auf einem Prozessor laufendes System, die Aufgabenteilung zwischen Client und Server sowie konkrete Datenumwandlungen beschrieben sind, erfüllt die Konfiguration leicht die Voraussetzungen für die Patentierbarkeit als softwarebezogene Erfindung.Entscheidend für die Erfindungshöhe sind die technischen Lösungen „Abstraktion durch Zwischenrepräsentation“ und „Umwandlung von Funktionsbefehlen in Befehle“.
Hier wird der technische Beitrag (COMVIK) geprüft. Die Konstruktion lässt sich leicht als architektonische technische Lösung für die technische Herausforderung der automatisierten UI-Bedienung positionieren und vermeidet so die Einstufung als reine Geschäftsmethode.
① Formulieren Sie Ansprüche, die die Produktfunktionen direkt schützen. Beschreiben Sie nicht nur abstrakte übergeordnete Konzepte, sondern auch konkrete Strukturen, die den Kernfunktionen Ihres Produkts entsprechen.
② Die Architektur in Sprache fassen. Systemkomponenten und Verarbeitungsabläufe mit Fachbegriffen wie „Zwischenrepräsentation“, „Beobachtungslogik“ und „Ausführungsbefehl“ definieren und in die Ansprüche einfließen lassen.
③ Bei verteilten Systemen sollte genau beschrieben werden, „wo was geschieht“. Die Rollenverteilung zwischen Client, Server und Agent ist klar darzulegen, und der Ansatz der Ansprüche ist je nach Verletzer anzupassen.
④ Operationen werden als Funktionen erfasst und umfassend abgedeckt. Operationen wie „Klicken“, „Tippen“ und „Scrollen“ werden in abhängigen Ansprüchen und in der Beschreibung konkretisiert, um eine Umgehung zu erschweren.
Wir prüfen, ob Ihr KI-Agent patentierbar ist.
Patentanwälte mit fundierten Kenntnissen in den Bereichen IT, Software und KI bieten Ihnen umfassende Unterstützung – von der kostenlosen Prüfung der Patentierbarkeit über die Ausarbeitung der Ansprüche und FTO-Recherchen bis hin zu Anmeldestrategien in Japan, den USA und Europa.
Kostenlose Erstberatung vereinbaren – Dienstleistungen im Bereich IT und KI-IPF. Was ist das Patent US 12,430,150 B1?
A. Es handelt sich um ein von Anthropic gehaltenes, in den USA eingetragenes Patent, das eine „Laufzeitarchitektur“ schützt, mit der ein KI-Agent eine multimodale (Bild + Text) Benutzeroberfläche automatisch bedienen kann.Es handelt sich um ein Kernpatent, das die „Computer Use“-Funktion (die Funktion, mit der Claude einen PC bedient) des Unternehmens abdeckt und am 30. September 2025 erteilt wurde. Es besteht aus insgesamt 20 Ansprüchen (3 unabhängige, 17 abhängige).
Frage: Wie viele unabhängige Ansprüche umfasst dieses Patent?
A. Es sind drei. Sie sind in drei Kategorien unterteilt: Anspruch 1 (System), Anspruch 14 (Verfahren zur Computerimplementierung) und Anspruch 20 (nicht-flüchtiges, computerlesbares Speichermedium). Entsprechend den gängigen Praktiken bei Softwarepatenten sind sie so strukturiert, dass sie verschiedene potenzielle Rechtsverletzer abdecken.
F. Warum wird zwischen „Client-Seite“ und „Server-Seite“ unterschieden?
A. Bei dieser Architektur erfolgt die Erstellung der Agentenspezifikation, die Interpretation der Zwischenrepräsentation und die Übersetzung in Ausführungsbefehle auf der Client-Seite, während die Übersetzung der Agentenspezifikation in die Zwischenrepräsentation sowie der Agent selbst auf der Server-Seite angesiedelt sind.Es handelt sich um eine realitätsnahe, auf die praktische Umsetzung abgestimmte Struktur, bei der rechenintensive Schlussfolgerungen der KI auf der Serverseite überlassen werden, während die Ausführung von UI-Befehlen auf der Clientseite erfolgt; diese Konkretheit trägt zur Gewährleistung der Patentierbarkeit bei.
F. Wie können japanische Unternehmen Patente für Technologien vom Typ „Computer Use“ erhalten?
A. Es ist sinnvoll, nicht die Idee „KI bedient den PC“ zu beschreiben, sondern – wie im vorliegenden Fall – eine konkrete Softwarearchitektur darzulegen, die folgende Elemente umfasst: ① die Aufgabenteilung zwischen Client und Server, ② die Abstraktionsebene der Zwischenrepräsentation sowie ③ die mehrstufige Umwandlung von Agentenaufruf über Ausführungsfunktion bis hin zum Ausführungsbefehl.
F. Ich befürchte, dass ich gegen dieses Patent verstoße. Was soll ich tun?
A. Bei diesem Fall handelt es sich um ein eingetragenes Patent, dessen tatsächlicher Schutzumfang durch den Wortlaut der einzelnen Ansprüche, den Grundsatz der Äquivalenz sowie die Anmeldeunterlagen bestimmt wird.Die Beurteilung, ob die eigene Agententechnologie gegen das Patent verstößt (FTO-Prüfung = Freedom to Operate), ist eine fachliche Aufgabe, die eine Auslegung der Ansprüche erfordert. Falls Sie Bedenken haben, beauftragen Sie bitte einen im IT- und Softwarebereich versierten Patentanwalt mit der Prüfung der Übereinstimmung mit den Ansprüchen.
Hinweis zu diesem Artikel: Dieser Artikel enthält allgemeine Erläuterungen zu Technik und Rechtssystem auf der Grundlage veröffentlichter Patentanzeigen. US 12,430,150 B1 ist ein erteiltes Patent, doch der tatsächliche Schutzumfang wird durch den Wortlaut der einzelnen Ansprüche, die Äquivalenzlehre und die Hintergrundinformationen bestimmt.Die zitierten Ansprüche, die Zusammenfassung und die Angaben in der Beschreibung basieren auf Daten aus veröffentlichten Patentblättern (z. B. FreePatentsOnline); für rechtlich wichtige Zwecke (FTO, Verletzungsanalyse, Nichtigkeitsverfahren, Patentanmeldungen usw.) sollten Sie jedoch unbedingt die Originalunterlagen des USPTO sowie die aktuellsten Verfahrensinformationen überprüfen und eine individuelle Prüfung durch einen Experten in Anspruch nehmen.Die japanische Übersetzung dient lediglich als Hilfestellung zum Verständnis; der maßgebliche Text ist die englische Originalfassung.