Rechtsprechung / BPatG / 2022
BPatG Beschluss vom 29.03.2022 – 17 W (pat) 38/19
17. Senat · ECLI:DE:BPatG:2022:290322B17Wpat38.19.0
BUNDESPATENTGERICHT
17 W (pat) 38/19 _______________________
(Aktenzeichen)
Verkündet am
29. März 2022
…
B E S C H L U S S
In der Beschwerdesache
betreffend die Patentanmeldung 10 2016 104 236.6
…
hat der 17. Senat (Technischer Beschwerdesenat) des Bundespatentgerichts auf
die mündliche Verhandlung vom 29. März 2022 unter Mitwirkung des Vorsitzenden
Richters Dipl.-Phys. Dr. Morawek, des Richters Dipl.-Phys. Dr. Forkel, der
Richterin Akintche und des Richters Dipl.-Phys. Dr. Städele
beschlossen:
Die Beschwerde wird zurückgewiesen.
ECLI:DE:BPatG:2022:290322B17Wpat38.19.0
G r ü n d e
I.
Die vorliegende Patentanmeldung wurde am 9. März 2016 beim Deutschen
Patent- und Markenamt eingereicht. Sie trägt die Bezeichnung
„Verfahren zur Erstellung eines Modells eines technischen Systems“.
Die Anmeldung wurde durch Beschluss der Prüfungsstelle für Klasse G06F des
Deutschen Patent- und Markenamtes vom 26. April 2019 aus Gründen des
Bescheids vom 12. Oktober 2018 zurückgewiesen. Im genannten Bescheid führte
die Prüfungsstelle aus, dass der Gegenstand des (damaligen) Patentanspruches 1
nicht auf einer erfinderischen Tätigkeit beruhe.
Gegen diesen Beschluss ist die Beschwerde der Anmelderin gerichtet. Sie ist zur
mündlichen Verhandlung – wie angekündigt – nicht erschienen.
Die Anmelderin hat mit Eingabe vom 21. März 2022 sinngemäß beantragt,
den angefochtenen Beschluss aufzuheben und das nachgesuchte
Patent mit folgenden Unterlagen zu erteilen:
gemäß Hauptantrag mit
Patentansprüchen 1 bis 6 vom Anmeldetag;
Beschreibungsseiten 1 bis 14 und
4 Blatt Zeichnungen mit Figuren 1 bis 4 jeweils vom Anmeldetag;
gemäß Hilfsantrag mit
Patentansprüchen 1 bis 5 vom 23. Mai 2019;
im Übrigen wie Hauptantrag.
Im Prüfungsverfahren vor dem Deutschen Patent- und Markenamt wurde auf die
Druckschriften
D1: DE 10 2011 081 345 A1,
D2: WO 2014/187828 A1
und
D3: US 2005/0201524 A1
hingewiesen.
Vom Senat wurden zwischenzeitlich die Druckschriften
D4: Nils Tietze: Model-based Calibration of Engine Control Units Using
Gaussian Process Regression, Doctoral Thesis, 2015 [recherchiert am
15.11.2021]. Im Internet:
https://tuprints.ulb.tu-darmstadt.de/4572/1/20150506_Dissertation_Tietze.pdf,
D5: Diego Didona; Paolo Romano: Using Analytical Models to Bootstrap
Machine Learning Performance Predictors, 2015 IEEE 21st International
Conference on Parallel and Distributed Systems (ICPADS), 14-17 Dec. 2015,
Date Added to IEEE Xplore: 18 January 2016 [recherchiert am 15.11.2021]. Im
Internet:
https://www.researchgate.net/profile/Diego-
Didona/publication/283087011_Using_Analytical_Models_to_Bootstrap_Mac
hine_Learning_Performance_Predictors/links/562a1dfe08ae04c2aeb153fe/Us
ing-Analytical-Models-to-Bootstrap-Machine-Learning-Performance-
Predictors.pdf
und
D6: Benjamin Berger; Florian Rauscher; Boris Lohmann: Analysing
Gaussian Processes for Stationary Black-Box Combustion Engine
Modelling, Proceedings of the 18th World Congress, The International
Federation of Automatic Control, Milano (Italy) August 28-September 2, 2011,
IFAC Proceedings Volumes, Volume 44, Issue 1, January 2011, Pages 10633-
10640 [recherchiert am 15.11.2021]. Im Internet:
https://www.sciencedirect.com/science/article/pii/S1474667016453218
eingeführt.
Der geltende Patentanspruch 1 gemäß Hauptantrag, hier mit einer möglichen
Gliederung versehen, lautet (mit redaktioneller Änderung):
M1
M2
M3
Verfahren
zur Erstellung eines Modells eines technischen Systems, wobei
-
Messpunkte durch Einstellung von Eingangsgrößen und
Messung von Ausgangsgrößen am technischen System bestimmt
werden, wobei
M4
-
Simulationspunkte durch Einstellung von Eingangsgrößen und
Simulation von Ausgangsgrößen mittels eines physikalisch basierten
Modells des technischen Systems bestimmt werden, wobei
M5
-
die Bildung eines ersten datenbasierten Modells einschließlich
einer Unsicherheit dieses Modells anhand der Messpunkte erfolgt
sowie die Bildung eines
zweiten datenbasierten Modells
einschließlich einer Unsicherheit dieses Modells anhand der
Simulationspunkte erfolgt, wobei
M6
-
das zweite datenbasierte Modell dadurch weitergebildet wird,
dass anhand dieses Modells die Eingangsgrößen für eine weitere
Simulation von Ausgangsgrößen ausgewählt werden, welche eine
maximale Unsicherheit dieses Modells verursachen sowie weiterhin
eine Simulation von Ausgangsgrößen anhand dieser ausgewählten
Eingangsgrößen erfolgt und der so bereitstehende weitere
Simulationspunkt zusätzlich zu den schon bereitstehenden
Simulationspunkten
einer
erneuten Bildung
des
zweiten
datenbasierten Modells zu Grunde gelegt wird, wobei
M7
-
das erste datenbasierte Modell dadurch weitergebildet wird,
dass anhand dieses Modells die Eingangsgrößen für eine weitere
Messung von Ausgangsgrößen ausgewählt werden, welche eine
maximale Unsicherheit dieses Modells verursachen sowie weiterhin
eine Messung von Ausgangsgrößen anhand dieser ausgewählten
Eingangsgrößen erfolgt und der so bereitstehende weitere
Messpunkt zusätzlich zu den schon bereitstehenden Messpunkten
einer erneuten Bildung des ersten datenbasierten Modells zu Grunde
gelegt wird
M8
sowie weiterhin der weitere Simulationspunkt dieser erneuten
Bildung eines ersten datenbasierten Modells zu Grunde gelegt wird,
welcher auch der erneuten Bildung eines zweiten datenbasierten
Modells zu Grunde gelegt wird, sofern dieser ein Gültigkeitskriterium
erfüllt, wobei
M9
-
die Weiterbildung des zweiten datenbasierten Modells
wiederholt erfolgt, wobei
-
sich mit
jeder Wiederholung
die
Anzahl
von
Simulationspunkten erhöht, wobei
M10
-
die Weiterbildung des ersten datenbasierten Modells
wiederholt erfolgt, wobei
-
sich mit jeder Wiederholung die Anzahl von Messpunkten
erhöht, und sich mit
jeder Wiederholung, bei Erfüllung des
Gültigkeitskriterium[s] außerdem die Anzahl von Simulationspunkten
erhöht, wobei
M11
-
die Weiterbildung des ersten und des zweiten datenbasierten
Modells solange wiederholt wird, bis ein Abbruchkriterium erfüllt ist,
wobei
M12
-
das erste datenbasierte Modell dem zu erstellenden Modell
des technischen Systems entspricht.
Der mit einer denkbaren Gliederung versehene Patentanspruch 1 gemäß
Hilfsantrag
lautet
(Änderungen gegenüber Hauptantrag markiert, mit
redaktioneller Änderung):
M1
M2
Verfahren
zur Erstellung eines Modells eines technischen Systems, wobei
M2a
das Modell des technischen Systems für eine Kalibrierung der
Steuerung/Regelung des technischen Systems zur Verfügung steht,
wobei
M3´
-
Messpunkte durch EinstellungVariation von Eingangsgrößen
und Messung von Ausgangsgrößen am
technischen System
bestimmt werden, wobei
M4´
-Simulationspunkte
durch
EinstellungVariation
von
Eingangsgrößen und Simulation von Ausgangsgrößen mittels eines
physikalisch basierten Modells des technischen Systems bestimmt
werden, wobei
M5´
-
die Bildung eines ersten datenbasierten Modells einschließlich
einer Unsicherheit dieses Modells anhand der Messpunkte mittels
einer Regressionsanalyse erfolgt sowie die Bildung eines zweiten
datenbasierten Modells einschließlich einer Unsicherheit dieses
Modells
anhand
der
Simulationspunkte
mittels
einer
Regressionsanalyse erfolgt, wobei
M6´
-
das zweite datenbasierte Modell dadurch weitergebildet wird,
dass anhand dieses Modells die Eingangsgrößen für eine weitere
Simulation von Ausgangsgrößen ausgewählt werden, welche eine
maximale Unsicherheit dieses Modells verursachen sowie weiterhin
eine Simulation von Ausgangsgrößen anhand dieser ausgewählten
Eingangsgrößen erfolgt und der so bereitstehende weitere
Simulationspunkt zusätzlich zu den schon bereitstehenden
Simulationspunkten
einer
erneuten Bildung
des
zweiten
datenbasierten Modells zu Grunde gelegt wird, so dass dieses
Modell danach strebt, seine eigene Zuverlässigkeit zu maximieren,
wobei
M7´
-
das erste datenbasierte Modell dadurch weitergebildet wird,
dass anhand dieses Modells die Eingangsgrößen für eine weitere
Messung von Ausgangsgrößen ausgewählt werden, welche eine
maximale Unsicherheit dieses Modells verursachen sowie weiterhin
eine Messung von Ausgangsgrößen anhand dieser ausgewählten
Eingangsgrößen erfolgt und der so bereitstehende weitere
Messpunkt zusätzlich zu den schon bereitstehenden Messpunkten
einer erneuten Bildung des ersten datenbasierten Modells zu Grunde
gelegt wird, so dass dieses Modell danach strebt, seine eigene
Zuverlässigkeit zu maximieren,
M8´
sowie weiterhin der weitere Simulationspunkt dieser erneuten
Bildung eines ersten datenbasierten Modells zu Grunde gelegt wird,
welcher auch der erneuten Bildung eines zweiten datenbasierten
Modells zu Grunde gelegt wird, sofern dieser ein Gültigkeitskriterium
erfüllt, so dass eine Entscheidung getroffen werden kann, ob ein
Simulationspunkt zur Verbesserung der Genauigkeit
für die
Fortbildung des ersten datenbasierten Modells herangezogen
werden soll, wobei
M9´
-
die Weiterbildung des zweiten datenbasierten Modells
wiederholt erfolgt, wobei
-
sich mit
jeder Wiederholung
die
Anzahl
von
Simulationspunkten erhöht, wobei
M10´
-
die Weiterbildung des ersten datenbasierten Modells
wiederholt erfolgt, wobei
-
sich mit jeder Wiederholung die Anzahl von Messpunkten
erhöht, und sich mit
jeder Wiederholung, bei Erfüllung des
Gültigkeitskriterium[s] außerdem die Anzahl von Simulationspunkten
erhöht, wobei
-
sich dadurch eine höhere Zuverlässigkeit des ersten
datenbasierten Modells ergibt, dass dieses Modell auf einer breiteren
Basis errichtet wird, sowohl aufbauend auf Kombinationen von
Eingangs- und Ausgangsgrößen des technischen Systems, die durch
Messungen als auch durch Simulationen mittels eines physikalischen
Modells gewonnen werden,
M11
-die Weiterbildung des ersten und des zweiten datenbasierten
Modells solange wiederholt wird, bis ein Abbruchkriterium erfüllt ist,
wobei
M12
-
das erste datenbasierte Modell dem zu erstellenden Modell
des technischen Systems entspricht.
Zu den übrigen Patentansprüchen und den weiteren Einzelheiten wird auf die Akte
verwiesen.
II.
Die Beschwerde wurde rechtzeitig eingelegt und ist auch sonst zulässig. Sie hat
jedoch keinen Erfolg, da der Gegenstand des jeweiligen Patentanspruchs 1
gemäß Haupt- und Hilfsantrag nicht auf erfinderischer Tätigkeit beruht (§ 1 Abs. 1
in Verbindung mit 4 Satz 1 PatG).
1.
Der Gegenstand der Anmeldung betrifft ein Verfahren zur Erstellung eines
Modells eines technischen Systems (Offenlegungsschrift, Abs. [0001]).
Ausweislich der Anmeldung handle es sich bei dem technischen System
insbesondere um eine Brennkraftmaschine, bei der Ausgangsgrößen, wie
beispielsweise
Schadstoffemissionen
und
Kraftstoffverbrauch,
von
Eingangsgrößen, wie beispielsweise Drehzahl, Drehmoment und Kraftstoffdruck,
abhängig seien. Bei einer Brennkraftmaschine bewirkten folglich bestimmte
Stellgrößen von Aktoren (Eingangsgrößen) wiederum bestimmte Prozessgrößen
(Ausgangsgrößen). Die Prozessgrößen seien mittels Sensoren messbar.
Allerdings sei es schwierig, die Stellgrößen von Aktoren einer Brennkraftmaschine
zu ermitteln, welche bestimmte Ausgangsgrößen bewirken, insbesondere wenn
mehrere Aktoren eingesetzt würden. Mit anderen Worten: zum Auffinden
derjenigen Stellgrößen, die bestimmten Ausgangsgrößen bewirken, wie
beispielsweise
geringe
Schadstoffemissionen
oder
einen
geringen
Kraftstoffverbrauch, sei eine Variation von Stellgrößen und Messung von
Ausgangsgrößen sehr aufwendig (Offenlegungsschrift, Abs. [0002]).
Die Anmeldung geht aus von einem Stand der Technik, wie er in der Druckschrift
WO2014187828A1 beschrieben ist. Dort sei eine Methode zur Ermittlung eines
Modells für eine Ausgangsgröße eines technischen Systems offenbart, wobei die
Ausgangsgröße in nichtlinearer Weise von Eingangsgrößen abhängig sei. Als
Modell werde eine Modellstruktur mit Modellparametern vorgegeben, und die
Modellparameter würden mittels eines
iterativen Verfahrens anhand von
gemessenen Ausgangsgrößen optimiert. Anhand dieses datenbasierten Modells
könne dann der Einfluss einer Variation von Stellgrößen auf Ausgangsgrößen
simuliert werden und es könnten die Stellgrößen bzw. Stellgrößenkombinationen
bestimmt werden, welche ein gewünschtes Verhalten des technischen Systems
hervorrufen (Offenlegungsschrift, Abs. [0002]).
Weiterhin nennt die Anmeldung die Druckschrift DE102011081345A1. Diese lehre,
zur Entwicklung eines
technischen Systems ein physikalisches Modell
heranzuziehen. Mittels eines solchen physikalisch basierten Modells werde das
Verhalten des technischen Systems auf Grundlage von bekannten physikalischen
Zusammenhängen mathematisch beschrieben. Damit dieses physikalische Modell
das reale Verhalten des technischen Systems bestmöglich beschreibe, sei es
einerseits erforderlich, das physikalische Modell unter Berücksichtigung der
bekannten Modellparameter zu entwickeln, und andererseits, nicht bekannte
Modellparameter anhand von Versuchen zu bestimmen. Die Bestimmung der nicht
bekannten Modellparameter erfolge gemäß der Druckschrift DE102011081345A1
mittels eines datenbasierten Modells, d. h. das reale technische System werde
vermessen und auf Basis der gemessenen Werte werde ein datenbasiertes Modell
trainiert. Daneben werde ein physikalisches Modell erstellt und es erfolge eine
erste Bestimmung der Modellparameter anhand der technischen Daten des
technischen Systems. Mittels des datenbasierten Modells würden im weiteren
Verlauf die Parameter des physikalischen Modells optimiert. Ferner sei aus dem
genannten Stand der Technik bekannt, eine Angabe über die Unsicherheit des
datenbasierten Modells bei der Bestimmung der nicht bekannten Parameter des
physikalischen Modells zu berücksichtigen, so dass Qualität und Robustheit der
Bestimmung dieser Parameter verbessert würden (Offenlegungsschrift, Abs.
[0003]). Mittels der aus dem Stand der Technik bekannten Verfahren sei es
jedenfalls möglich, den Versuchsaufwand bei der Entwicklung eines technischen
Systems zu reduzieren (Offenlegungsschrift, Abs. [0004]).
Als Aufgabe wird in der Anmeldung genannt, den Versuchsaufwand bei der
Entwicklung eines technischen Systems noch weiter zu reduzieren und die
Genauigkeit der dabei verwendeten Modelle noch weiter zu steigern
(Offenlegungsschrift, Abs. [0005]).
Als Fachmann, der mit der Aufgabe betraut wird, ein Verfahren zur Erstellung
eines Modells eines technischen Systems zu verbessern, ist ein Ingenieur der
Fachrichtung Elektrotechnik anzusehen, der mehrjährige Berufserfahrung im
Bereich der Steuerungs- und Regelungstechnik hat und der insbesondere über
fundierte Kenntnisse in der numerischen Mathematik und den Algorithmen des
maschinellen Lernens verfügt.
2.
Zu Haupt- und Hilfsantrag
Sowohl dem Haupt- wie auch dem Hilfsantrag kann nicht stattgegeben werden,
weil der Gegenstand ihres jeweiligen Patentanspruchs 1 nicht patentfähig ist.
2.1
Zur Lehre des Patentanspruchs 1
Zur Lösung der oben genannten Aufgabe schlägt der Patentanspruch 1 gemäß
Hilfsantrag,
der
inhaltlich
sämtliche Merkmale
des
ursprünglichen
Patentanspruchs 1 (Hauptantrag) umfasst, ein Verfahren zur Erstellung eines
Modells eines technischen Systems vor (Merkmale M1, M2). Hintergrund ist die
Reduzierung des Versuchsaufwands bei der Entwicklung eines technischen
Systems sowie die Steigerung der Genauigkeit der dabei verwendeten Modelle
(Offenlegungsschrift, Abs. [0005]). Ein technisches System ist z. B. eine
Brennkraftmaschine. Ein
solches System ist durch Eingangs-
und
Ausgangsgrößen beschreibbar (Offenlegungsschrift, Abs. [0002]). Das Modell des
technischen Systems wird insbesondere für Anwendungen im Rahmen der
Entwicklung bzw. Kalibrierung der Steuerung bzw. Regelung des technischen
Systems benötigt (Merkmal M2a).
Gemäß dem beanspruchten Verfahren werden zwei Modelle, nämlich ein erstes
Datenmodell und ein zweites Datenmodell sowie die dazugehörigen
Unsicherheiten gebildet. Die Bildung des ersten datenbasierten Modells
einschließlich einer Unsicherheit dieses Modells erfolgt anhand von Messpunkten.
Die Bildung des zweiten datenbasierten Modells einschließlich einer Unsicherheit
dieses Modells erfolgt anhand von Simulationspunkten (Merkmal M5). Die Bildung
des ersten und zweiten datenbasierten Modells einschließlich der Unsicherheit
dieser Modelle erfolgt jeweils mittels einer Regressionsanalyse (Merkmal M5´), so
dass auf diese Weise eine Angabe der Unsicherheit des betreffenden Modells zur
Verfügung steht (Offenlegungsschrift, Abs. [0015]). Eine Angabe der Unsicherheit
des jeweiligen Modells entspricht einem Fehlerbereich (Offenlegungsschrift,
Abs. [0017]; Fig. 2).
Einerseits werden Messpunkte durch Einstellung bzw. Variation von
Eingangsgrößen und Messung von Ausgangsgrößen am technischen System
bestimmt und andererseits Simulationspunkte durch Einstellung bzw. Variation
von Eingangsgrößen und Simulation von Ausgangsgrößen mittels eines
physikalisch basierten Modells des technischen Systems bestimmt (Merkmale M3,
M3´, M4, M4´).
Im Verlauf des Verfahrens nach Patentanspruch 1 werden die beiden
datenbasierten Modelle weitergebildet. So wird das zweite datenbasierte Modell
dadurch weitergebildet, dass anhand dieses Modells die Eingangsgrößen für eine
weitere Simulation von Ausgangsgrößen ausgewählt werden, welche eine
maximale Unsicherheit dieses Modells verursachen. Daraufhin erfolgt eine
Simulation von Ausgangsgrößen anhand dieser ausgewählten Eingangsgrößen
und der so bereitstehende weitere Simulationspunkt wird zusätzlich zu den schon
bereitstehenden Simulationspunkten einer erneuten Bildung des zweiten
datenbasierten Modells zu Grunde gelegt (Merkmal M6). Auf diese Weise wird
erreicht, die Zuverlässigkeit des zweiten datenbasierten Modells zu erhöhen
(Merkmal M6´).
Das erste datenbasierte Modell wird dadurch weitergebildet, dass anhand dieses
Modells die Eingangsgrößen für eine weitere Messung von Ausgangsgrößen
ausgewählt werden, welche eine maximale Unsicherheit dieses Modells
verursachen. Daraufhin erfolgt eine Messung von Ausgangsgrößen anhand dieser
ausgewählten Eingangsgrößen. Der so bereitstehende weitere Messpunkt wird
dann zusätzlich zu den schon bereitstehenden Messpunkten einer erneuten
Bildung des ersten datenbasierten Modells zu Grunde gelegt (Merkmal M7), so
dass auch die Zuverlässigkeit des ersten datenbasierten Modells gesteigert wird
(Merkmal M7´).
Zusätzlich wird auch der weitere Simulationspunkt dieser erneuten Bildung eines
ersten datenbasierten Modells zu Grunde gelegt, welcher auch der erneuten
Bildung des zweiten datenbasierten Modells zu Grunde gelegt wird, sofern dieser
ein Gültigkeitskriterium erfüllt (Merkmal M8). Anhand des Gültigkeitskriteriums
kann entschieden werden, ob ein Simulationspunkt zur Verbesserung der
Genauigkeit für die Fortbildung des ersten datenbasierten Modells herangezogen
wird (Merkmal M8´).
Gemäß dem Verfahren nach Patentanspruch 1 erfolgt die Weiterbildung des
zweiten datenbasierten Modells wiederholt (Merkmal M9´), so dass sich mit jeder
Wiederholung die Anzahl von Simulationspunkten erhöht (Merkmal M9).
Die Weiterbildung des ersten datenbasierten Modells erfolgt ebenfalls wiederholt,
so dass sich mit jeder Wiederholung die Anzahl von Messpunkten erhöht und sich
mit jeder Wiederholung – bei Erfüllung des Gültigkeitskriteriums – außerdem die
Anzahl von Simulationspunkten erhöht (Merkmal M10). Laut Merkmal M10´ ergibt
sich eine höhere Zuverlässigkeit des ersten datenbasierten Modells dadurch, dass
die zu Grunde liegenden Kombinationen von Eingangs- und Ausgangsgrößen des
technischen Systems sowohl aus Messungen als auch Simulationen mittels eines
physikalischen Modells gewonnen werden.
Die Weiterbildung des ersten und zweiten datenbasierten Modells wird solange
wiederholt, bis ein Abbruchkriterium erfüllt ist (Merkmal M11).
Als Resultat steht das erste datenbasierte Modell als Modell des technischen
Systems für Anwendungen im Rahmen der Entwicklung bzw. Kalibrierung der
Steuerung bzw. Regelung des
technischen Systems zur Verfügung
(Merkmal M12).
2.2
Die mit dem jeweiligen Patentanspruch 1 gemäß Haupt- und Hilfsantrag
beanspruchte Lehre ist so deutlich und vollständig offenbart, dass ein Fachmann
sie ausführen kann.
2.3
Der Gegenstand des jeweiligen Patentanspruchs 1 gemäß Haupt- und
Hilfsantrag beruht jedoch nicht auf erfinderischer Tätigkeit.
2.3.1 Zur Beurteilung der jeweils beanspruchten Lehren sind die Druckschriften
D4 und D5 von besonderer Bedeutung.
So führt die Druckschrift D4, die als nächstliegender Stand der Technik anzusehen
ist, den Fachmann zu einem Verfahren, das dazu dient, ein Modell eines
technischen Systems zu erstellen. Das erzeugte Modell steht für eine Kalibrierung
der Steuerung bzw. Kalibrierung des technischen Systems zur Verfügung. Das
bekannte Verfahren beruht im Wesentlichen auf einer Lokalen Gaußprozess-
Regression (LPGR). Der in der D4 vorgestellte Modellierungsansatz ermöglicht
eine flexible und iterative Modellbildung, um robuste und valide dynamische
Modelle zu erzeugen. Er kann
insbesondere
für die Kalibrierung von
Motorsteuergeräten eingesetzt werden (Seite VII, unten, siehe „The adapted
LGPR approach is employed for the ECU calibration of dynamical automotive
systems, which is critical regarding system excitation. …“ – Merkmale M1, M2,
M2a).
Unter Abschnitt 4.1 (Seite 109, „Close-PI Effect“) der D4 werden für die
Kalibrierung eines Dieselmotors die wichtigen Eingangsgrößen genannt, die den
Lärm des Dieselmotors („noise of a diesel engine“) beeinflussen. Diese sind die
Luftmenge („air mass“), der Ladedruck („boost pressure“), die Voreinspritzung
(„pilot injection“), der Kraftstoffdruck („rail pressure“), der Steuerungsanlauf („start
of control“) und die Verzögerung zwischen Vor- und Haupteinspritzung („delay
between pilot injection and main injection“). Insbesondere führt die Verzögerung
zwischen Vor- und Haupteinspritzung zu einem starken nicht-linearen Effekt für
den Lärm des Dieselmotors, welcher lokal auftritt, wenn die Verzögerung zwischen
Vor- und Haupteinspritzung gering ist (Seite 109, zweiter Absatz). Die Figuren 4.6,
4.8 und 4.9 (Seiten 110 bis 113) zeigen die aufgenommenen Messpunkte für die
Eingangsgröße „Verzögerung zwischen Vor- und Haupteinspritzung“ und die
Ausgangsgröße „Lärm des Dieselmotors“. Die Modellierung des Motors erfolgt
mittels verschiedener Regressionsmethoden (GPR, LGPR), deren Resultate
miteinander verglichen werden (Seite 113, erster Absatz u. a.). Der Fachmann
wird erkennen, dass die Messungen inklusive Modellierung genauso gut für eine
Mehrzahl von Ein- und Ausgangsgrößen ausgeführt werden können, deren Werte
variiert werden (Merkmale M3, M3´).
Weiterhin
lehrt die D4, anhand der aufgenommenen Messpunkte ein
datenbasiertes (erstes) Datenmodell zu erstellen (Seite 113, erster Absatz, siehe
„Thus the motivation of using LGPR for this regression problem is being able to
separate the local effect in order to generate a local model and combine it with the
global one.“). Dies geschieht mittels der Lokalen Gaußprozess-Regression, die
nicht nur eine Erwartungswertfunktion sondern auch eine Varianzfunktion
bereitstellt (Seite 98, Gl. (3.34); Seite 99, Gl. (3.37)). Letztere gibt bekanntlich ein
Maß für die Unsicherheit der modellierten Funktion an einem Abfragepunkt. Damit
geht ein Teil des Merkmals M5 bzw. M5´ aus der D4 hervor.
Ferner wird anhand der Figuren 4.2 bis 4.4 der D4 klar, dass der
Modellierungsansatz und die grafische Benutzeroberfläche der zugehörigen
Modellierungssoftware es erlauben, die Varianz der Gaußprozess-Modellierung
anzuschauen und diejenigen Punkte zu bestimmen, die eine hohe Varianz
besitzen und damit eine schlechte Prognose darstellen (Seite 108, unten). Dass
der Benutzer aber gerade diese Punkte auswählt, um dort neue Messpunkte zu
setzen, geht aus der D4 nicht unmittelbar hervor. Merkmal M7 bzw. M7´ ist somit
allenfalls teilweise in der D4 offenbart.
Mittels der Lokalen Gaußprozess-Modellierung kann z. B. der oben genannte
Dieselmotor
iterativ
vermessen werden, während
die
relevanten
Zustandsraumregionen Schritt für Schritt (messtechnisch) erfasst werden und
dadurch das Modell kontinuierlich verbessert wird (Seite VII, unten bis Seite VIII,
oben, siehe „Using LGPR, it is possible to measure the system iteratively while
exploring the relevant state-space regions and improving the quality oft he model
step by step …“ - teilweise Merkmale M10 bzw. M10´).
Dass diese Weiterbildung des Gaußprozess-Modells für den Dieselmotor nicht
unendlich
lange wiederholt werden kann, und somit ein Abbruchkriterium
eingeführt werden muss,
stellt
aus Sicht des Fachmannes eine
Selbstverständlichkeit dar (teilweise Merkmal M11). Ferner ist klar, dass bei
Erfüllung eines solchen Abbruchkriteriums ein datenbasiertes Modell zur
Verfügung steht, dass sich dem realen Verhalten des Dieselmotors gut annähert,
diesem also „entspricht“ (Merkmal M12).
Weiterhin beschreibt auch die Druckschrift D5 ein Verfahren zur Erstellung eines
Modells eines technischen Systems. Das bekannte Verfahren beruht auf der
„Bootstrapping“-Technik, mit der eine Gray-Box-Modellierung durchgeführt wird
(Abstract; Fig. 1). Mit dem erstellten Modell wird die Performanz eines
Computersystems - also eines
technischen Systems - beim elastischen
Computing in einer Cloud-Umgebung nachgebildet (Abstract; Seite 3, rechte
Spalte, Punkt iii), siehe „the ML is trained on the updated ST and outputs a new
application performance model.“ – Merkmale M1, M2).
Mit Hilfe eines analytischen Modells werden aus diversen Eingangsgrößen x (vgl.
Seite 3, linke Spalte, fünfter Absatz, siehe „… the AM is queried to compute a
prediction of the performance …“; Seite 5, linke Spalte, sechster Absatz, siehe
„This study is, thus, an example of a modeling/learning problem defined over a
large dimensional space (spanning 7 dimensions in our case) and characterized
by a complex performance function.“) Vorhersagewerte am.query(x)
für die
Performanz als Ausgangsgröße bestimmt (Merkmale M4, M4´), die als simulierte
Trainingsdaten ST für eine Black-Box-Modellierung dienen (Seite 3, linke Spalte,
Punkt iii)). Im weiteren Verlauf werden die simulierten Trainingsdaten mit
Stichproben aus Messpunkten angereichert, die aus Messungen am laufenden
System stammen (Seite 3, linke Spalte, letzter Absatz bis Seite 3, rechte Spalte,
Punkt iii), siehe „collection of real samples“, „update of the training set“ und „black
box model update“). Auch die Merkmale M3 und M3´ sind damit in der Lehre der
D5 verwirklicht.
Außerdem wird entsprechend der „Bootstrapping“-Technik ein datenbasiertes
Modell (im Folgenden „erstes datenbasiertes Modell“ genannt) anhand von
Messpunkten gebildet (Seite 3, rechte Spalte, Punkt iii), siehe „black box model
update (Line 9): the ML is trained on the updated ST and outputs a new
application performance model.“). Darüber hinaus sieht das Verfahren der D5 die
Bildung eines weiteren datenbasierten Modells
(im Folgenden
„zweites
datenbasiertes Modell“ genannt) vor, das sich aus den Simulationspunkten <x,
am.query(x)> des analytischen Modells mittels eines maschinellen Lernschritts
ergibt (Seite 3, linke Spalte, Punkt iii), siehe „black box model construction
(Line 5): the ML is trained on ST and produces a statistical model of the
application´s performance; …“). Beide Modelle können mittels einer
Regressionsanalyse erstellt werden, was sich unmittelbar der D5 auf Seite 3, linke
Spalte entnehmen lässt (siehe Punkt iii): „… note that the ML can be based on
alternative algorithms, e. g., Decision Trees (DT), Artificial Neural Networks (ANN)
and Support Vector Machines (SVM)…“). Der Fachmann liest an dieser Textstelle
mit, dass neben den genannten Algorithmen zur Regressionsanalyse
selbstverständlich auch auf einen Gaußprozess zurückgegriffen werden kann,
zumal die „Bootstrapping“-Technik ausweislich der D5 mit beliebigen Algorithmen
des maschinellen Lernens implementiert werden kann (Seite 6, linke Spalte,
vorletzter Absatz, siehe „… the Bootstrapping technique can be implemented with
any black box learner.“). Dem Fachmann ist geläufig, dass ein Gaußprozess zu
den Mess- und Simulationspunkten immer auch eine Funktion für die Varianzen
bzw. Unsicherheiten an Abfragepunkten bereitstellt. Die Merkmale M5 und M5´
sind damit aus der D5 ableitbar.
In der Lehre der D5 werden unter Anwendung der Funktionen „MERGE“, „RNN“,
„RNR“ und „RNR2“, die Gültigkeitskriterien formulieren, Simulationspunkte dem
ersten datenbasierten Modell zu Grunde gelegt. Anhand dieser Kriterien wird
entschieden, ob Simulationspunkte, die schon bei der wiederholten Bildung des
zweiten datenbasierten Modells herangezogen worden sind, Bestandteil eines
Trainingsdatensatzes bleiben und so
für eine Fortbildung des ersten
datenbasierten Modells herangezogen werden sollen (Seite 4, rechte Spalte,
erster Absatz, siehe „incremental refinement“; Seite 4, rechte Spalte, Mitte bis
Seite 5, linke Spalte, siehe Punkte 1) bis 4)). Merkmal M8 bzw. M8´ geht somit aus
der D5 hervor.
Die D5 zeigt, dass sowohl das erste als auch zweite datenbasierte Modell
wiederholt weitergebildet werden (Seite 3, siehe „Bootstrapping main loop“ und
„Initialization phase“), wobei sich für das zweite datenbasierte Modell mit jeder
Wiederholung die Anzahl der Simulationspunkte erhöht (Seite 3, rechte Spalte,
Abschnitt A, zweiter Absatz; Seite 4, linke Spalte, zweiter Absatz – Merkmale M9,
M9´). Die Bildung des ersten datenbasierten Modells stützt sich auf Messpunkte
aus dem laufenden System und auf Simulationen mittels des analytischen bzw.
physikalischen Modells für das
technische System, wobei sich mit
jeder
Wiederholung die Anzahl an Messpunkten erhöht (Seite 4, rechte Spalte, erster
Absatz, siehe „This function is responsible for incorporating real samples coming
from the running application into the initial synthetic training set …“ – teilweise
Merkmale M10, M10´).
In der D5 wird das zweite datenbasierte Modell unter Zugrundelegung von
Simulationspunkten aus dem analytischen Modell iterativ so lange weitergebildet,
bis es das analytische Modell hinreichend gut approximiert bzw. eine brauchbare
Menge an Trainingsdaten zur Verfügung steht, so dass das zweite datenbasierte
Modell als zuverlässig angenommen werden kann (Seite 3, rechte Spalte, dritter
Absatz, siehe „Then, proceeding iteratively, it aims to find a value x such that
training ml over a synthetic training set of size x produces a black box model which
well approximates am.“). Ein Abbruchkriterium für die Bildung des zweiten
datenbasierten Modells findet sich z. B. in Seite 4, linke Spalte, zweiter Absatz,
Punkt
iv). Dementsprechend wird das erste datenbasierte Modell unter
Zugrundelegung von Messpunkten aus Stichproben ständig weitergebildet, um
ungenaue Vorhersagewerte aus dem analytischen Modell zu korrigieren (Seite 4,
rechte Spalte, erster Absatz, siehe „… thus allowing the black box model to
gradually correct inaccurate performance predictions by the white box model.“).
Dass auch die Weiterbildung des ersten datenbasierten Modells über ein
Abbruchkriterium verfügt (z. B. die maximale Anzahl von Online-Messungen), ist
selbstverständlich (Merkmal M11).
Wird dieses Abbruchkriterium erfüllt, stellt das erste datenbasierte Modell eine
gute Näherung für das gewünschte Modell des betrachteten technischen Systems
dar (Seite 4, rechte Spalte, erster Absatz, siehe „… it allows for the incremental
refinement of the initial performance model.“ - Merkmal M12).
2.3.2 Die Würdigung dieses Materials aus dem Stand der Technik ergibt, dass
der mit dem jeweiligen Patentanspruch 1 gemäß Haupt- und Hilfsantrag
beanspruchte Gegenstand für den Fachmann nahegelegen hat.
Da der zuständige Fachmann stets bestrebt ist, den Kalibrierprozess von
Motorsteuergeräten zu beschleunigen (vgl. D4, siehe Abstract), hatte er
Veranlassung,
sich überall dort
kundig
zu machen, wo effektive
Modellierungsmethoden zum Einsatz kommen. Hierbei konnte er auf
Druckschrift D5 stoßen, die die Anwendung der „Bootstrapping“-Technik auf ein
technisches System lehrt. Für ihn lag es auf der Hand, die Lehre der D5 auf den
aus der D4 bekannten Modellierungsansatz derart anzuwenden, dass neben dem
dort beschriebenen Gaußprozess für das Motorsteuergerät ein analytisches
Modell bzw. Simulationsmodell nach dem Vorbild der D5 entsprechend der
„Bootstrapping“-Technik implementiert wird, um Simulationspunkte in die Bildung
eines mit Messpunkten angereicherten datenbasierten Modells mit einzubeziehen,
damit mit vertretbarem Aufwand ein möglichst genaues datenbasiertes Modell
erstellt werden kann (vgl. D5, Seite 8, rechte Spalte, Abschnitt E, siehe „…if
properly tuned, this technique can yield considerable gains in terms of accuracy
with respect to AM and ML employed singularly …“).
Von einer solchen kombinierten Lehre unterscheidet sich die jeweilige Lehre nach
dem Patentanspruch 1 gemäß Haupt- und Hilfsantrag nur noch dadurch, dass bei
der aus dem Stand der Technik abgeleiteten Lösung keine Auswahl von
Eingangsgrößen für eine Messung bzw. Simulation von Ausgangsgrößen iSd
Merkmale M7 und M7´ bzw. M6 und M6´ stattfindet und dadurch, dass das
anspruchsgemäße erste datenbasierte Modell sukzessive mit
immer mehr
Simulationspunkten angereichert wird bzw. dieses auf einer immer breiteren Basis
errichtet wird (restlicher Teil der Merkmale M10, M10´).
Es liegt jedoch im Bereich des Wissens des Fachmanns, dass bei der Erstellung
eines datenbasierten Modells
im Rahmen einer automatischen Online-
Optimierung Messpunkte gerade an denjenigen Stellen gesetzt werden, wo sich
die Unsicherheit der Ausgangsgrößen als besonders hoch erweist. Dieser
Umstand ist aus der Black-Box-Modellierung an Verbrennungsmotoren mittels
Gaußprozessen hinreichend bekannt und findet sich z. B. in der D6 (Seite 10634,
linke Spalte, Punkt (6) – restlicher Teil von Merkmal M7, M7´). Ein analoges
Vorgehen bei der Erstellung des datenbasierten Modells aus dem analytischen
Modell der D5 vorzusehen, d. h. Simulationspunkte an Stellen äußerst hoher
Unsicherheit zu setzen, drängt sich aus statistischen Erwägungen heraus
geradezu auf (Merkmal M6, M6´).
Weiterhin ist das verbliebene Unterschiedsmerkmal, d. h. der restliche Teil von
Merkmal M10 bzw. M10´ kein technisches.
Beim System gemäß Druckschrift D5 sind bereits alle erforderlichen Informationen
(Daten, Datenstrukturen) und Anwendungen
(z. B.
collectSamples(),
updateKB(ST, D) oder ml.train(ST)) vorhanden, und ihre Verwendung gemäß der
„Bootstrapping“-Technik
ist beschrieben. Hiervon ausgehend betrifft das
Unterschiedsmerkmal
lediglich noch die Frage, ob die Bestimmung einer
passenden Größe des synthetischen Trainingsdatensatzes ST komplett vor der
Verarbeitung der Messpunkte zu einem Gray-Box-Modell stattfinden soll (wie in
der D5, wo die Initialisierungsphase vollständig vor der Updatephase durchlaufen
wird) oder ob die Erstellung eines Gray-Box-Modells für jeden Wert currSize des
synthetischen Trainingsdatensatzes ST erfolgen soll (mit einer entsprechend dem
Wert currSize iterativ anwachsenden Anzahl von Simulationspunkten). Diese
Frage richtet sich aber nicht an den Entwicklungsingenieur. Sie betrifft vielmehr
die reine Programmierung und hier
insbesondere eine Umsortierung von
Rechenoperationen unabhängig von technischen Zusammenhängen, die dem
technischen Entwickler im Rahmen einer Spezifikation von einem Systemdesigner
vorgegeben wird.
Dass eine solche Umsortierung von Rechenoperationen auf
technischen
Überlegungen beruht, wurde von der Anmelderin schriftsätzlich auch nicht
vorgetragen. Weil das verbliebene Unterschiedsmerkmal somit zu einer
technischen Problemlösung nichts beiträgt, ist es bei der Prüfung auf Neuheit und
erfinderische Tätigkeit nicht zu berücksichtigen (vgl. T0717/04 v. 28.02.07 – Space
game; BGH GRUR 2011, 125 – Wiedergabe topografischer Informationen; BGH
GRUR 2013, 275 - Routenplanung) (restlicher Teil der Merkmale M10, M10´).
2.3.3 Nach allem ist der Gegenstand des jeweiligen Patentanspruchs 1 gemäß
Haupt- und Hilfsantrag durch den den Druckschriften D4 und D5 entnehmbaren
Stand der Technik nahegelegt und somit nicht patentfähig.
2.4 Mit dem jeweiligen Patentanspruch 1 gemäß Haupt- und Hilfsantrag fallen
auch die jeweiligen übrigen Patentansprüche, da über einen Antrag nur einheitlich
entschieden werden kann
(BGH GRUR 1997, 120
– Elektrisches
Speicherheizgerät).
Rechtsmittelbelehrung
Gegen diesen Beschluss steht den am Beschwerdeverfahren Beteiligten das
Rechtsmittel der Rechtsbeschwerde zu. Da der Senat die Rechtsbeschwerde nicht
zugelassen hat, ist sie nur statthaft, wenn gerügt wird, dass
das beschließende Gericht nicht vorschriftsmäßig besetzt war,
1. bei dem Beschluss ein Richter mitgewirkt hat, der von der Ausübung des Richteramtes
kraft Gesetzes ausgeschlossen oder wegen Besorgnis der Befangenheit mit Erfolg
abgelehnt war,
2. einem Beteiligten das rechtliche Gehör versagt war,
3. ein Beteiligter im Verfahren nicht nach Vorschrift des Gesetzes vertreten war, sofern er
nicht der Führung des Verfahrens ausdrücklich oder stillschweigend zugestimmt hat,
4. der Beschluss aufgrund einer mündlichen Verhandlung ergangen ist, bei der die
Vorschriften über die Öffentlichkeit des Verfahrens verletzt worden sind, oder
5. der Beschluss nicht mit Gründen versehen ist.
Die Rechtsbeschwerde
ist
innerhalb eines Monats nach Zustellung des
Beschlusses beim Bundesgerichtshof
in Karlsruhe, durch eine
beim
Bundesgerichtshof
zugelassene Rechtsanwältin oder durch einen beim
Bundesgerichtshof zugelassenen Rechtsanwalt einzulegen.
Dr. Morawek
Dr. Forkel
Akintche
Dr. Städele
Fi