Bisher wurden in dieser Reihe die Erstellung (US 2025/0299023), die Ausführungsplattform (US 12,430,150) und der Agent selbst (US 12,566,913) erläutert.Die vorliegende Anmeldung schützt die vierte Ebene – den „Datenfluss“ vom Lernen bis zur Schlussfolgerung (MLOps-Infrastruktur). Ein auf KI-geistiges Eigentum spezialisierter Patentanwalt erläutert dies unter Bezugnahme auf die konkreten Patentansprüche.
💡 Kernpunkt: Dieser Artikel ist die vierte Einzelanalyse der Anthropic-Patentreihe. In Verbindung mit dem Teil zur Strategieanalyse erhalten Sie ein umfassendes Verständnis des gesamten Patentnetzwerks von Anthropic rund um den Begriff „Computer Use“.
Inhaltsverzeichnis
| Punkt | Inhalt |
|---|---|
| Veröffentlichungsnummer | US 2025/0299074 A1 |
| Bezeichnung der Erfindung | Datenflusslogik zur Bereitstellung von KI-Agenten, die die multimodale Softwarenutzung automatisieren |
| Veröffentlichungsdatum | 25. September 2025 |
| Anmeldetag | 8. Oktober 2024 |
| Prioritätsdatum | 20. März 2024 |
| Anmelder | Anthropic PBC (berichtigt am 17. April 2025) |
| Anzahl der Ansprüche | 20 |
| Status | Veröffentlichte Anmeldung (Prüfung läuft) |
Anthropic schützt ein einziges Produkt namens „Computer Use“ mehrschichtig auf vier verschiedenen Ebenen. Lassen Sie uns den Gesamtüberblick unter Einbeziehung dieses Falls zusammenfassen.
| Ebene | Patent/Anmeldung | Schutzgegenstand | Beispiel |
|---|---|---|---|
| ① Aufbau | US 2025/0299023 A1 | Mechanismus zur Erstellung von Agenten – Spezielle Sprache | Skript |
| ② Ausführungsplattform | US 12.430.150 B1 | Laufzeitumgebung (Client/Server) | Bühne |
| ③ Agent selbst | US 12.566.913 B2 | Intelligenz und Verhalten des Agenten | Akteure |
| ④ Datenfluss | US 2025/0299074 A1 (dieser Artikel) | Pipeline vom Lernen bis zur Schlussfolgerung – Trainingsdaten | Blutfluss und Ernährung |
💡 Kernpunkt: Neben den „sichtbaren Aspekten“ wie „Drehbuch, Bühne und Schauspieler“ umfasst dieser Fall auch den „Blutfluss“ – also Daten und Pipelines. Da die Wettbewerbsfähigkeit von KI von der Datenbasis abhängt, ist die Sicherung der Rechte an dieser vierten Ebene ein wichtiger Schritt, der dem Patentnetz mehr Tiefe verleiht.
Das Kernelement von Anspruch 1 besteht darin, dass zwei Arten von Servern klar voneinander getrennt werden.
Bei Systemen des maschinellen Lernens ist es üblich, die „Umgebung zum Trainieren des Modells (Training)“ und die „Umgebung, in der es den Nutzern tatsächlich bereitgestellt wird (Inferenz/Produktion)“ voneinander zu trennen. In diesem Fall wird genau diese Grundstruktur von MLOps (Betrieb des maschinellen Lernens) im Kontext von KI-Agenten als Anspruch formuliert.
Die „Datenflusslogik (data flow logic)“ verbindet diese beiden Servergruppen und koordiniert den Datenfluss. Gemäß Anspruch 1 führt diese Logik die folgenden vier Aufgaben aus:
| Schritt | Funktionsweise der Datenflusslogik |
|---|---|
| Während des Trainings | Bereitstellung von Agenten und Trainingsdatensätzen für den Trainingsserver zum Trainieren |
| Bereitstellung | Konfiguration des Produktionsservers mit den trainierten Agenten |
| In der Inferenzphase | Die Eingabe des Clients wird an den Produktionsserver übermittelt und in einen Agentenruf übersetzt |
| Rückgabe | Die generierte Ausgabe wird dem Client zur Verfügung gestellt |
💡 Kernpunkt: Durch die Einrichtung einer übergreifenden Komponente namens „Datenfluss-Logik“ wird der gesamte Lebenszyklus – vom Training über die Bereitstellung und Inferenz bis hin zur Rückgabe – als ein einziges System behandelt. Es handelt sich um eine für Systempatente typische Struktur, bei der nicht einzelne Komponenten, sondern der „Ablauf“ im Mittelpunkt steht.
Von größter strategischer Bedeutung in diesem Fall ist der Inhalt der Trainingsdaten, der in Anspruch 1 ausdrücklich genannt wird.Der Anspruch legt fest, dass der Trainingsdatensatz „Bilder vordefinierter Agentenverläufe (agentic trajectories) für Aufgaben zur Automatisierung multimodaler Schnittstellen“ enthält und dass „jeder Verlauf mit detaillierten multimodalen Anmerkungen versehen ist, die die Aktionen und Entscheidungen des Agenten beschreiben“.
Es handelt sich also um hochwertige Trainingsdaten, bei denen die Abfolge der Handlungen eines KI-Agenten – „was er auf dem Bildschirm gesehen hat, wie er darüber gedacht hat und wie er gehandelt hat“ – aufgezeichnet und mit Anmerkungen versehen wurde. Solche Daten lassen sich nicht von heute auf morgen erstellen.Gerade diese proprietären Trainingsdaten stellen einen „Schutzwall“ dar, den Wettbewerber nicht ohne Weiteres nachbilden können, und die Tatsache, dass Anthropic diese als Bestandteil der Patentansprüche einbezieht, verdeutlicht die Strategie des Unternehmens.
US 2025/0299074 A1 | Anspruch 1 (Originaltext/Englisch)
Ein System zur Bereitstellung von Agenten mit künstlicher Intelligenz, die die Softwarenutzung automatisieren, umfassend: eine Vielzahl von Trainingsservern, die so konfiguriert sind, dass sie Agenten während des Trainings trainieren; einer Vielzahl von Produktionsservern, die so konfiguriert sind, dass sie die trainierten Agenten während der Inferenz ausführen; einer Vielzahl von Trainingsdatensätzen, wobei die Vielzahl von Datensätzen Bilder definierter Agentenbahnen für Arbeitsabläufe zur Automatisierung multimodaler Schnittstellen umfasst, wobei jede Bahn mit detaillierten multimodalen Anmerkungen versehen ist, die Aktionen und Entscheidungen der Agenten beschreiben; sowie eine Datenflusslogik, die so konfiguriert ist, dass sie: während des Trainings die Agenten und die Vielzahl von Trainingsdatensätzen den Trainingsservern bereitstellt, um die Trainingsserver dazu zu veranlassen, die Agenten anhand der Vielzahl von Trainingsdatensätzen zu trainieren und dadurch die trainierten Agenten zu erzeugen; die Produktionsserver mit den trainierten Agenten für den Einsatz während der Inferenz konfiguriert; während der Inferenz die von Clients ausgegebenen Aufforderungen zur multimodalen Schnittstellenautomatisierung an die Produktionsserver weiterzuleiten, um die Produktionsserver dazu zu veranlassen, die Aufforderungen in Aufrufe an Agenten zur multimodalen Schnittstellenautomatisierung zu übersetzen, wobei jeder Aufruf an einen Agenten zur multimodalen Schnittstellenautomatisierung Schnittstellenaktionen spezifiziert, um die trainierten Agenten dazu zu veranlassen, als Reaktion auf die multimodalen Aufforderungen Ausgaben zu generieren, die den multimodalen Schnittstellen-Workflow automatisieren; und die Ausgaben den Clients zur Verfügung stellen.
Referenzübersetzung durch einen Patentanwalt (Japanisch)
| Einschränkungen | Technische Bedeutung | Grund für die Wirksamkeit |
|---|---|---|
| Trennung von Trainings- und Produktionsserver | MLOps-Struktur „train↔inference“ | Konkrete Hardware-Konfiguration des Systems |
| Annotierte Agenten-Trajektorien (Trainingsdaten) | Hochwertige Daten, in denen Verhalten und Entscheidungen erfasst sind | Datenschatz. Die Quelle der Differenzierung als Recht sichern |
| Datenfluss und Logik | Überwachung des gesamten Lebenszyklus | Der Kern des Systempatents: Erfassung des „Ablaufs“ |
Anspruch 1 in diesem Fall beansprucht nicht bestimmte kleine Komponenten, sondern das „gesamte System“, das Trainingsserver, Produktionsserver, Trainingsdaten, den Datenfluss und die Logik umfasst. Dies hat strategische Bedeutung.
① Eine Umgehung ist schwierig. Anbieter, die KI-Agenten in großem Maßstab bereitstellen, verfügen in irgendeiner Form über eine „Trainingsumgebung“ und eine „Produktionsumgebung“ und leiten Daten zwischen diesen weiter. Durch die Erfassung des gesamten Systems fällt es leichter, auch bei Änderungen an einzelnen Komponenten unter den Schutzumfang zu fallen.
② Einbeziehung immaterieller Vermögenswerte wie Daten in den Schutzumfang. Durch die Aufnahme von „kommentierten Trajektorien“ als Anspruchsmerkmale werden Datenbestände, die nur schwer nachzuahmen sind, in den Geltungsbereich des rechtlichen Schutzes einbezogen.
Hinweis | Weite Ansprüche bergen entsprechende Risiken: Ansprüche, die das gesamte System in weitem Umfang abdecken, bergen entsprechend auch das Risiko, aufgrund des Standes der Technik für ungültig erklärt zu werden (insbesondere da der Bereich der allgemeinen MLOps-Strukturen viele allgemein bekannte Techniken umfasst). Es gilt, die weiteren Entwicklungen genau zu beobachten, um festzustellen, in welchem Umfang dieser Fall im Prüfungsverfahren registriert wird (der Fall ist derzeit anhängig).In der Praxis ist es gängige Vorgehensweise, ein ausgewogenes Verhältnis zwischen weit gefassten und eng gefassten Ansprüchen herzustellen.
Da die Anmeldung eine konkrete Systemkonfiguration aus Trainings- und Produktionsservern sowie das technische Element der annotierten Daten enthält, lässt sich damit im Rahmen des Alice/Mayo-Tests die Einstufung als „abstrakte Idee“ leicht vermeiden. Allerdings gibt es zahlreiche bekannte Beispiele für MLOps-Strukturen, sodass die erfinderische Tätigkeit (Neuheit und Nicht-Offensichtlichkeit) zum Streitpunkt werden könnte.
Da die Informationsverarbeitung in Form von Servergruppen, Datenflüssen und Logik konkret durch Hardware-Ressourcen realisiert wird, erfüllt diese Konfiguration leicht die Voraussetzungen für die Patentierbarkeit als softwarebezogene Erfindung. Entscheidend für die erfinderische Tätigkeit sind das Datenkonzept der „annotierten Agenten-Trajektorien“ sowie die technischen Lösungen zur Steuerung der Datenflüsse.
Zwar lässt sich der Beitrag zu einem technischen System in Form einer Pipeline vom Lernen bis zur Schlussfolgerung leicht geltend machen, doch ist es sinnvoll, technische Wirkungen (Effizienz, Zuverlässigkeit usw.) ausdrücklich darzulegen, um zu vermeiden, dass die Erfindung als reine „betriebliche Vereinbarung“ eingestuft wird.
① Schützen Sie nicht nur das Produkt, sondern auch die „Infrastruktur“. Nicht nur die ausgeführte Technologie, sondern auch die Pipeline vom Lernen bis zur Schlussfolgerung (MLOps-Infrastruktur) ist Gegenstand des Schutzes.
② Eigene Trainingsdaten in die Schutzrechte einbeziehen. Die Erstellung und Struktur von Daten, die schwer nachzuahmen sind – wie beispielsweise „annotierte Trajektorien“ –, bilden einen starken „Schutzwall“. Erwägen Sie, diese in die Anspruchsmerkmale aufzunehmen.
③ Reichen Sie Anmeldungen sowohl für das Gesamtsystem als auch für einzelne Komponenten ein. Kombinieren Sie weit gefasste Systemansprüche mit eng gefassten, soliden Komponentenansprüchen, um ein Gleichgewicht zwischen dem Risiko der Ungültigkeit und der Schwierigkeit der Umgehung herzustellen.
④ Reichen Sie die Anmeldung in mehreren Schichten ein. Sichern Sie sich die Rechte für jede Schicht – beispielsweise für die Architektur, die Ausführungsplattform, das Hauptsystem und die Datenplattform –, um Ihr Patentnetz zu verdichten.
Möchten Sie nicht nur Ihre eigene KI und Ihre Produkte, sondern auch „Daten und Pipelines“ schützen?
Patentanwälte mit fundierten Kenntnissen in den Bereichen IT, Software und KI bieten Ihnen umfassende Unterstützung – von einer kostenlosen Einschätzung der Patentierbarkeit über die Ausarbeitung von Ansprüchen einschließlich Daten und MLOps bis hin zur Überwachung von Konkurrenzpatenten und der Entwicklung von Anmeldestrategien in Japan, den USA und Europa.
Kostenlose Erstberatung vereinbaren – Dienstleistungen zum Schutz geistigen Eigentums in den Bereichen IT und KIF. Um was für ein Patent handelt es sich bei US 2025/0299074 A1?
A. Es handelt sich um eine veröffentlichte US-Patentanmeldung von Anthropic, die sich auf „Data Flow Logic“ bezieht, eine KI-Agentenlösung zur Automatisierung der Softwarenutzung.Das Besondere daran ist die Trennung zwischen Trainingsserver (zum Trainieren der Agenten) und Produktionsserver (zum Ausführen von Schlussfolgerungen durch die trainierten Agenten) sowie die zentrale Steuerung des Datenflusses zwischen diesen beiden Servern (Bereitstellung von Trainingsdaten, Bereitstellung trainierter Modelle, Verarbeitung von Client-Eingaben und Rückgabe der Ergebnisse).Veröffentlicht am 25. September 2025, derzeit in Prüfung, insgesamt 20 Ansprüche.
Frage: Was ist „Data Flow Logic“?
A. Es handelt sich um einen Mechanismus, der den Datenfluss innerhalb eines Systems koordiniert. In dieser Anmeldung übernimmt er die „Datenverkehrssteuerung“ in einer Abfolge von Schritten: ① Zuführung von Trainingsdaten zum Server während des Trainings, ② Bereitstellung des trainierten Agenten auf dem Produktionsserver, ③ Weiterleitung der Client-Prompts an den Produktionsserver während der Inferenz und ④ Rückgabe der Ausgabe an den Client.
F. Worin unterscheidet sich dieses Patent von den drei vorherigen?
A. Die „Computer Use“-Technologie von Anthropic wird durch vier Schichten mehrschichtig geschützt: ① Aufbau (US 2025/0299023), ② Ausführungsplattform (US 12,430,150),③ Agent selbst (US 12,566,913) und ④ in diesem Fall „Datenfluss = Pipeline vom Training bis zur Inferenz (MLOps-Infrastruktur)“. Diese Struktur deckt nicht nur das „Gerüst“ des Produkts ab, sondern auch dessen „Blutkreislauf“.
Frage: Was sind „annotierte Agenten-Trajektorien“?
A. Es handelt sich um den Kern der in Anspruch 1 genannten Trainingsdaten, bei denen „Bilder der Handlungsverläufe des Agenten (agentic trajectories)“ im Rahmen von Aufgaben zur Automatisierung multimodaler Schnittstellen mit „detaillierten Anmerkungen, die die Aktionen und Entscheidungen des Agenten beschreiben“, versehen wurden.Es handelt sich um hochwertige Trainingsdaten, die dokumentieren, „wie ein KI-Agent gedacht und gehandelt hat“, und die eine Quelle der Wettbewerbsfähigkeit (Datengrube) darstellen.
F. Gibt es Aspekte, die für die eigene KI-Entwicklung als Referenz dienen können?
A. Der Punkt ist, dass nicht nur das „Produkt selbst“, sondern auch die „Datenpipeline vom Lernen bis zur Schlussfolgerung“ sowie die „Erstellung eigener Trainingsdaten“ Gegenstand eines Patents sein können. Insbesondere Mechanismen zur Erzeugung eigener Trainingsdaten (wie beispielsweise annotierte Trajektorien) stellen einen „Graben“ dar, den Wettbewerber nicht ohne Weiteres nachbilden können, weshalb dieser Bereich für eine Prüfung der Patentierbarkeit von hohem Wert ist.
Hinweis zu diesem Artikel: Dieser Artikel ist eine allgemeine Erläuterung der technischen und rechtlichen Rahmenbedingungen auf der Grundlage veröffentlichter Patentanmeldungsbekanntmachungen. US 2025/0299074 A1 ist eine veröffentlichte Anmeldung, die sich derzeit in der Prüfung befindet und noch nicht eingetragen ist. Da sich die Ansprüche durch Änderungen noch ändern können, steht der endgültige Schutzumfang noch nicht fest.Die zitierten Ansprüche, die Zusammenfassung und die Angaben in der Beschreibung basieren auf Daten aus veröffentlichten Bekanntmachungen (z. B. Google Patents/FreePatentsOnline); für rechtlich wichtige Zwecke (FTO, Verletzungsanalyse, Anmeldungen 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 besseren Verständnis; der maßgebliche Text ist die englische Originalfassung.