KI-Server für Patentanwälte: Entwurf, Recherche zum Stand der Technik und Übersetzung

Was ein KI-Server für eine Patentkanzlei leistet

Ein KI-Server für Patentanwälte betreibt Modelle für Entwurf, Recherche zum Stand der Technik und Übersetzung auf Hardware, die die Kanzlei oder die Patentabteilung eines Unternehmens selbst kontrolliert, sodass Erfindungsmeldungen, Anspruchsentwürfe und Rechercheanfragen vor der Anmeldung nie bei Dritten landen. Ein Server mit zwei Karten der NVIDIA RTX PRO 6000 Blackwell Server Edition trägt auf einer Karte ein Entwurfsmodell mit langem Kontext und auf der anderen die Modelle für Recherche, Übersetzung und Zeichnungen. Vier Karten passen zu einer Kanzlei, in der viele Patentanwältinnen und Patentanwälte gleichzeitig an langen Beschreibungen arbeiten, oder zu einer Patentabteilung, die zusätzlich einen großen Bestand an Patentdokumenten indexiert.

Wir schreiben für die geschäftsführenden Partner einer Patentkanzlei oder die Leitung einer Patentabteilung, die entscheiden, ob sich ein solcher Server lohnt, und für das IT-Team, das ihn betreibt. Die ersten Abschnitte erklären, warum die Vertraulichkeit in der Patentarbeit eine eigene Frage ist und was jede Aufgabe braucht; Konfigurationen und IT-Hinweise folgen danach. Die Werte sind veröffentlichte Messungen mit Quelle oder unsere Schätzungen und als solche gekennzeichnet. Unser Leitfaden zu einem privaten LLM für Kanzleien behandelt die Suche im DMS, den Zugriff je Mandat und den CCBE-Leitfaden für Anwälte; diese Seite behandelt, was nur für Patente gilt.

Art. 54 EPÜ, die epi-Leitlinien und die Vertraulichkeit

Nach Artikel 54 Absatz 1 des Europäischen Patentübereinkommens gilt eine Erfindung als neu, wenn sie nicht zum Stand der Technik gehört, und Absatz 2 rechnet zum Stand der Technik alles, was vor dem Anmeldetag der europäischen Patentanmeldung durch schriftliche oder mündliche Beschreibung, durch Benutzung oder in sonstiger Weise der Öffentlichkeit zugänglich gemacht worden ist. Artikel 55 Absatz 1 lässt eine Offenbarung nur in engen Fällen außer Betracht, etwa wenn sie nicht früher als sechs Monate vor der Anmeldung erfolgte und auf einen offensichtlichen Missbrauch zum Nachteil des Anmelders oder seines Rechtsvorgängers zurückgeht. Ob eine Offenbarung gegenüber einem KI-Anbieter etwas der Öffentlichkeit zugänglich macht, ist eine Rechtsfrage, die von den Bedingungen des Anbieters abhängt, und die eigene rechtliche Bewertung der Kanzlei entscheidet sie. Ein Server in der Kanzlei lässt die Frage gar nicht erst entstehen.

Das Institut der beim Europäischen Patentamt zugelassenen Vertreter (epi) hat seine Leitlinien zum Einsatz generativer KI in der Arbeit von Patentanwälten auf seiner Ratssitzung C98 am 16. November 2024 beschlossen und in epi Information 4/2024 veröffentlicht. Leitlinie 2a verlangt, soweit die Umstände es erfordern, eine angemessene Vertraulichkeit der Trainingsdaten, Prompts und sonstigen Inhalte, die an KI-Modelle übermittelt werden; bestehen Zweifel, ob die Vertraulichkeit in einem dem Kontext angemessenen Maß gewahrt bleibt, soll das Modell nicht genutzt werden (im englischen Original: „the AI model in question should not be used“). Nach Leitlinie 2b müssen sich die Mitglieder über die Wahrscheinlichkeit und die Wege nicht vertraulicher Offenbarungen informieren. Leitlinie 3b verlangt, jedes mit generativer KI erstellte Arbeitsergebnis auf Fehler und Auslassungen zu prüfen, und nach Leitlinie 4 klären die Mitglieder vor dem Einsatz generativer KI in ihren Fällen die Wünsche ihrer Mandanten. Leitlinie 6 verlangt voneinander unabhängige Benutzerkonten für die Arbeit verschiedener Mandanten, wenn die Art der Vertraulichkeit im verwendeten Modell das rechtfertigt. Das Professional Conduct Committee des epi ergänzte in epi Information 3/2025, dass eine allgemeine Vereinbarung über den Einsatz von KI-Werkzeugen die Anforderung der Leitlinie 4 nicht erfüllt, sofern sie nicht die Arbeitsbereiche nennt, in denen KI-Werkzeuge eingesetzt werden; die Stellungnahme bindet die Disziplinarorgane nicht. Die Leitlinien liegen nur in englischer Fassung vor, die Wiedergabe hier ist sinngemäß.

Ein Modell auf dem eigenen Server der Kanzlei beantwortet die Frage der Übermittlung für Prompts und Dokumente, weil nichts das Netz verlässt, solange niemand einen externen Dienst freischaltet. Die Pflichten zur Zustimmung der Mandanten und zur Prüfung bleiben bei der Patentanwältin oder dem Patentanwalt. Dies ist eine allgemeine Information mit Stand Oktober 2026 aus dem Text des EPÜ auf epo.org und den Seiten des epi; nationale Regeln und die Vorgaben Ihrer Berufsorganisation können weitere Pflichten enthalten, und Ihre eigene rechtliche Bewertung entscheidet.

Vier Aufgaben und die GPU, die jede braucht

Modellangaben aus den Modellkarten auf Hugging Face (PaECTER gelesen am 24. Oktober 2026; die übrigen wie in unseren Leitfäden zu Kanzleien, Embeddings, Übersetzung und Dokumenten-KI); die GPU-Wahl ist unsere Einschätzung des Speichers, den jedes Modell braucht.

Entwurf aus einer Erfindungsmeldung

Eine Entwurfssitzung enthält viel Text: die Erfindungsmeldung, die nächstliegenden Dokumente zum Stand der Technik und die eigenen Anspruchsvorlagen der Kanzlei, und das Modell schreibt daraus Ansprüche, eine Beschreibung und eine Zusammenfassung. Damit bestimmt die Kontextlänge den Speicherbedarf. gpt-oss-120b, veröffentlicht unter Apache 2.0, nimmt bis zu 131.072 Token an, und nach den Werten unseres Kanzlei-Leitfadens belegt sein 16-Bit-KV-Cache 1,125 GiB für ein Gespräch mit 32K und 4,5 GiB bei 128K. Nach unserer Regel für Nutzer je Karte lässt eine RTX PRO 6000 neben den 60,8 GiB Gewichten 22,2 GiB für den Cache, genug für 19 Sitzungen mit 32K oder vier mit 128K. Ein Kartenpaar mit einer gemeinsamen Kopie des Modells behält 105,3 GiB, etwa 23 Sitzungen mit 128K.

Die Zahl der Köpfe zählt weniger, als es scheint. Mit den Beispielwerten unseres Leitfadens zur Dimensionierung eines privaten ChatGPT-Servers nach Unternehmens­größe hat in der Spitze etwa 4 Prozent der Belegschaft eine Anfrage in Bearbeitung, eine Kanzlei mit 100 Personen also etwa vier, die eine Karte selbst bei 128K hält. Eine Kanzlei, deren Anwältinnen und Anwälte in jeder Anfrage mit vollständigen Patentschriften und mehreren Entgegenhaltungen arbeiten, sollte das Paar einplanen. Unser Leitfaden zur Hardware für LLMs mit langem Kontext vergleicht den Cache je Token anderer Modelle.

Das Modell entwirft, die Patentanwältin entscheidet. Jeder Anspruchssatz und jede Beschreibung durchläuft dieselbe Prüfung wie der Entwurf eines Berufsanfängers, wie Leitlinie 3b verlangt, und der Server hält Prompt, Quellen und Antwort in einem Protokoll fest, damit die Prüfung sieht, was das Modell erhalten hat. Lange Ausgaben brauchen Zeit, eine vollständige Beschreibung ist also ein Auftrag, den die Anwältin startet und später abholt; die Antwortzeit mit Ihren eigenen Erfindungsmeldungen misst ein Pilotprojekt.

Wir liefern die RTX PRO 6000 Server Edition und bauen Server mit zwei, vier oder acht Karten; schicken Sie uns die Zahl Ihrer Patentanwälte und die Länge Ihrer typischen Patentschriften, und unser Team antwortet mit einer Konfiguration.

Semantische Recherche in einem Patentbestand

Recherchen mit Stichworten und Klassifikation bleiben in den amtlichen Datenbanken. Was eine Kanzlei auf dem eigenen Server ergänzt, ist die semantische Suche: Die Anwältin fügt einen Anspruch oder einen Absatz der Erfindungsmeldung ein und erhält die Dokumente, die dasselbe mit anderen Worten sagen. Die Anfrage selbst beschreibt die nicht angemeldete Erfindung, deshalb gehört sie auf denselben Server wie das Entwurfsmodell. Den Bestand können die eigenen Akten der Kanzlei und die Patentdokumente bilden, die sie bereits hält oder lizenziert.

Zwei Arten von Embedding-Modellen passen. PaECTER, vom Max-Planck-Institut für Innovation und Wettbewerb auf Hugging Face veröffentlicht, ist ein Modell für Patentähnlichkeit auf Basis von Googles BERT for Patents, mit 0,3B Parametern, Vektoren mit 1.024 Dimensionen und einer Eingabe von 512 Token unter Apache 2.0; seine Karte nennt die Recherche zum Stand der Technik unter den Anwendungen und kennzeichnet das Modell als englischsprachig. Qwen3-Embedding-0.6B, ebenfalls Apache 2.0, unterstützt mehr als 100 Sprachen und 32K Token Eingabe, wie unser Leitfaden zu Embedding- und Reranker-Servern aufführt. Ein Reranker ordnet danach die besten Treffer.

Das Indexieren ist die größere Arbeit. Nehmen Sie als Beispiel 2 Millionen Dokumente mit je 10 Abschnitten zu 512 Token, also 20 Millionen Abschnitte. NVIDIA veröffentlicht für sein 1B-Embedding-Modell in FP8 auf einer L40S 144,3 Abschnitte zu 512 Token pro Sekunde; nach unserer Rechnung dauert der erste Lauf auf dieser Karte damit etwa 38,5 Stunden. Einen veröffentlichten Wert für die RTX PRO 6000 oder für PaECTER haben wir nicht gefunden, messen Sie also eine Stichprobe auf der Zielkarte. Bei 1.024 Dimensionen in 32 Bit belegt jeder Vektor 4 KiB und die 20 Millionen zusammen etwa 82 GB vor Indexstrukturen und Metadaten, gehalten im Arbeitsspeicher des Servers, sofern die Vektordatenbank sie nicht auf dem Datenträger ablegt, wie unser Vergleich von Vektordatenbanken erklärt. Danach werden nur neue Veröffentlichungen eingebettet, eine kleine wöchentliche Last.

Übersetzung für die einheitliche Wirkung und die Validierung

Übersetzung ist ein fester Teil der Patentarbeit. Die Verordnung (EU) Nr. 1260/2012 des Rates über die Übersetzungsregelungen für den einheitlichen Patentschutz verlangt in ihrer Übergangszeit, dass ein Antrag auf einheitliche Wirkung eine vollständige Übersetzung der Patentschrift ins Englische enthält, wenn die Verfahrenssprache Französisch oder Deutsch ist, oder in eine andere Amtssprache der EU, wenn sie Englisch ist. Artikel 6 Absatz 2 bestimmt, dass der Text solcher Übersetzungen keine Rechtswirkung hat und nur der Information dient, und nach Artikel 6 Absatz 5 endet die Übergangszeit spätestens zwölf Jahre nach dem Geltungsbeginn der Verordnung. Für nationale Validierungen europäischer Patente gelten eigene Übersetzungsregeln, die diese Seite nicht behandelt.

Ein Übersetzungsmodell auf dem Server liefert den Entwurf, und eine Übersetzerin oder ein Patentanwalt überarbeitet ihn. Die Lizenz bestimmt die engere Wahl: Wie unser Leitfaden zur maschinellen Übersetzung on-premise zitiert, ist NLLB-200 ein nicht kommerzielles Forschungsmodell, während EuroLLM alle 24 Amtssprachen der EU unter Apache 2.0 abdeckt und TranslateGemma unter Googles Gemma Terms of Use steht. Dieser Leitfaden bemisst eine Karte mit 48 GB für etwa 1 Million Wörter am Tag mit einem Übersetzungs-LLM von 9B bis 12B in 16 Bit, nach seiner Schätzung von zwei Ausgabetoken je Wort. Eine MIG-Instanz mit 48 GB auf einer RTX PRO 6000 hält ein solches Modell nach denselben Speicherwerten; seine Geschwindigkeit in einer MIG-Instanz ist nicht veröffentlicht. Testen Sie die Terminologie Ihrer Technikgebiete, denn Patentsprache unterscheidet sich von den Texten, an denen diese Modelle bewertet wurden.

Figuren und Zeichnungen

Zeichnungen brauchen ein Vision-Language-Modell: um eine Figur für die Kurzbeschreibung der Zeichnungen zu beschreiben, um zu prüfen, ob jedes Bezugszeichen im Text in einer Figur vorkommt, oder um die Figuren einer Entgegenhaltung zu lesen. Qwen3.8-27B unter Apache 2.0 belegt in FP8 30,9 GB und hält nach unserem Leitfaden zur Dokumenten-KI etwa 150 Seiten gleichzeitig auf einer RTX PRO 6000. Das ist gelegentliche Arbeit; sie kann nachts auf der Entwurfskarte laufen oder bei Bedarf den Platz des Übersetzungsmodells auf der zweiten Karte einnehmen. Unser Leitfaden zu Vision-Language-Modellen für Dokumenten-KI nennt die Bild-Token je Seite und die Methode für den Durchsatz.

Konfigurationen nach Kartenzahl

Die Varianten folgen den Referenz­konfigurationen auf unserer Seite zu KI-Servern und NVIDIAs Leitfaden für zertifizierte Systeme: zwei Prozessoren, mindestens sechs Kerne je GPU und Arbeitsspeicher in doppelter Höhe des GPU-Speichers.

Referenz­konfigurationen auf unserer Seite zu KI-Servern; Sitzungen nach unserer Regel für Nutzer je Karte mit gpt-oss-120b in einem 16-Bit-Cache; Leistung nach unserer Schätzung (Karten mit 600 W, Prozessoren, plus 15 Prozent für den übrigen Server).

Zwei Karten. Der Einstiegsserver hat zwei RTX PRO 6000 Server Edition, zwei AMD-EPYC-Prozessoren, 384 GB DDR5 ECC und zwei NVMe-Laufwerke. Eine Karte betreibt gpt-oss-120b für Entwürfe. Die andere wird per MIG in zwei isolierte Instanzen mit 48 GB geteilt, eine für das Übersetzungsmodell und eine für Embedding-Modell und Reranker, und die erste Indexierung eines großen Bestands läuft nachts. Das passt mit den Beispielwerten oben zu einer Kanzlei mit bis zu etwa 100 Personen.

Vier Karten. Der Inferenzknoten mit 768 GB und vier NVMe-Laufwerken gibt dem Entwurf ein Paar, Übersetzung und Figuren eine Karte und Recherche mit Indexierung eine eigene Karte. Eine Patentabteilung mit großem Bestand und vielen langen Patentschriften würde hier beginnen.

Zwei Server. Gehört der Entwurf für viele Patentanwälte zur täglichen Arbeit, lassen zwei Server mit je vier Karten, die jeweils die Spitze tragen, einen ausfallen oder aktualisieren, während der andere antwortet, wie unser Leitfaden zur Hochverfügbarkeit von LLMs mit zwei GPU-Knoten beschreibt.

Die RTX PRO 6000 Max-Q ist die Workstation-Karte, eine Radiallüfter-Karte mit 300 W; im Rack gehört sie nur in ein Gehäuse, dessen Hersteller sie listet, und für den Dauerbetrieb empfehlen wir die Server Edition. Wer ein Modell am Arbeitsplatz möchte, kann eine Workstation mit einer Max-Q nutzen, die Kanzlei hat dann aber einen Ort mehr, an dem Erfindungsmeldungen gespeichert sind. Die Modelle, die Recherche und die Trennung je Mandant richten wir über unseren Service Private AI/ML ein; nennen Sie uns die Aufgabe, mit der Sie beginnen würden, und wir schlagen Pilotprojekt und Server dafür vor.

Hinweise für das IT-Team

1. Trennung je Mandant. Geben Sie jedem Mandanten oder jeder Akte eine eigene Indexpartition, einen eigenen API-Schlüssel und ein eigenes Protokoll, damit eine Suche für einen Mandanten nie nicht angemeldete Dokumente eines anderen findet. Das ist das serverseitige Gegenstück zu Leitlinie 6.
2. Keine externen Aufrufe. Öffentliche Modell-APIs bleiben aus, und jeder externe Aufruf braucht eine ausdrückliche Entscheidung, die im Protokoll sichtbar ist. Ein LLM-Gateway mit Schlüsseln und Abfrageprotokoll vor den Engines hält fest, wer was gesendet hat.
3. Aufbewahrung. Prompts und Entwürfe enthalten die Erfindung; legen Sie daher vor dem Start fest, wie lange die Protokolle aufbewahrt werden und wer sie lesen darf, Testkopien eingeschlossen.
4. Netz und Versionen. --api-key schützt bei vLLM nur Pfade unter /v1, /v2, /inference und /cohere; Routen wie /invocations und /metrics antworten auch ohne Schlüssel (Sicherheitsleitfaden von vLLM 0.32.0). Halten Sie die Engines also im internen Netz hinter dem Gateway. Betreiben Sie vLLM 0.31.0 oder neuer, halten Sie das NVIDIA Container Toolkit auf 1.17.8 oder neuer und den Treiber auf einem Release, das NVIDIA in seinem Bulletin vom 30. September 2026 als behoben führt.
5. Software bei Lieferung. Auf Wunsch kommt der Server mit Betriebssystem, NVIDIA-Treiber, CUDA und Container-Runtime installiert; unser Leitfaden zur Absicherung eines GPU-Servers behandelt die weitere Härtung.
6. Lizenzen der Modelle. Prüfen Sie vor dem Einsatz die Lizenzdatei jedes Modells; unser Vergleich der Lizenzen offener LLMs für Unternehmen zitiert die entscheidenden Klauseln.

Stromversorgung und Aufstellung

Nach unserer Schätzung nimmt der Server mit zwei Karten und zwei EPYC 9135 etwa 1,8 kW am Netz auf und passt an einen 16-A-Anschluss mit 230 V, der bei 80 Prozent Auslastung 2,94 kW trägt. Der Server mit vier Karten zieht mit Karten bei 600 W etwa 3,4 kW und braucht 32 A oder Drehstrom, mit Karten bei 450 W etwa 2,7 kW. Ein Rack-Server dieser Art gehört in einen Serverraum oder ein Rechenzentrum, wie unser Leitfaden zum Strom für GPU-Server an 16 A, 32 A und Drehstrom durchrechnet. Ohne eigenen Serverraum betreibt unser Service Private AI/ML die Plattform auf dedizierter Hardware in einem Tier-3-Rechenzentrum in Litauen, innerhalb der EU; ob das für Ihre Mandanten passt, gehört zur Bewertung der Vertraulichkeit oben.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Aufgabe und Ihrem Budget und antwortet innerhalb eines Werktages. Wir bauen die Server auf Bestellung mit zwei, vier oder acht Karten der RTX PRO 6000 Server Edition, vor der Lieferung montiert und getestet, geliefert in die gesamte EU mit einem EU-Vertrag und einer Rechnung, mit Herstellergarantie auf jede Komponente, abgewickelt über uns; Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt. Unser Service Private AI/ML mit Engineering durch unseren Partner Vixen.UNO richtet die Modelle für Entwurf, Recherche und Übersetzung mit Trennung je Mandant ein. Die Seite zur RTX PRO 6000 listet die Editionen.

FAQ