19 W (pat) 7/22  - 19. Senat (Techn.Beschw.)

ECLI:DE:BPatG:2022:010622B19Wpat7.22.0
BUNDESPATENTGERICHT
19 W (pat) 7/22
_______________________
(Aktenzeichen)
Verkündet am
1. Juni 2022
…
B E S C H L U S S
In der Beschwerdesache
betreffend die Patentanmeldung 10 2018 205 050.3
…
hat der 19. Senat (Technischer Beschwerdesenat) des Bundespatentgerichts am
1. Juni 2022 unter Mitwirkung des Richters Dipl.-Ing. Matter als Vorsitzender, des
Richters Dipl.-Ing. Müller, der Richterin Dorn sowie des Richters Dipl.-Phys.
Dr. Haupt beschlossen:
Die Beschwerde der Anmelderin wird zurückgewiesen.
- 2 -
G r ü n d e
I.
Die Patentanmeldung mit dem Aktenzeichen 10 2018 205 050.3 und der
Bezeichnung „Erkennen eines Beförderungswunsches einer Person für eine
Beförderung mit einem Personenbeförderungsfahrzeug“ ist am 4. April 2018 beim
Deutschen Patent- und Markenamt (DPMA) eingereicht worden.
Das DPMA – Prüfungsstelle für Klasse B60W – hat die Anmeldung mit Beschluss
vom 24. Januar 2022 aus den Gründen des Prüfungsbescheids vom
25. Oktober 2021 zurückgewiesen. In dem in Bezug genommenen Bescheid ist
sinngemäß ausgeführt, die jeweiligen Gegenstände der mit Schriftsatz vom
11. Juni 2019 eingereichten Patentansprüche 1 bis 5 beruhten nicht auf einer
erfinderischen Tätigkeit.
Gegen diesen Beschluss richtet sich die am 1. Februar 2022 beim DPMA
eingegangene Beschwerde der Anmelderin.
Sie beantragt zuletzt,
den Beschluss der Prüfungsstelle für Klasse B60W des Deutschen
Patent- und Markenamts vom 24. Januar 2022 aufzuheben und das
nachgesuchte Patent auf der Grundlage folgender Unterlagen zu
erteilen:
Patentansprüche:
Patentansprüche 1 bis 5 vom 21. Februar 2022, beim DPMA als
Hauptantrag eingegangen am 23. Februar 2022
- 3 -
Beschreibung:
Beschreibungsseiten 1 bis 17 vom 21. Februar 2022, beim DPMA
eingegangen am 23. Februar 2022
Bezugszeichenliste (Seite 17) vom Anmeldetag (4. April 2018)
Zeichnungen:
Figuren 1 bis 6 (4 Blatt) vom 6. August 2018, beim DPMA eingegangen
am 8. August 2018;
hilfsweise, ein Patent zu erteilen auf der Grundlage folgender
Unterlagen:
Patentansprüche 1 bis 5 vom 21. Februar 2022, beim DPMA als
Hilfsantrag eingegangen am 23. Februar 2022
Beschreibung und Zeichnungen wie Hauptantrag.
Die einander nebengeordneten Patentansprüche 1 bis 5 gemäß Hauptantrag vom
21. Februar 2022 lauten:
1. Trainingsauswerteeinrichtung (10) für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) zum maschinellen Lernen des
Beförderungswunsches der Person umfassend
· eine erste Eingangsschnittstelle (11), um wenigstens ein erstes
Signal (S1) einer Person (2) zu erhalten, wobei das erste Signal
(S1) eine Gestik, Mimik und/oder ein Stimmsignal der Person (2)
umfasst,
· eine zweite Eingangsschnittstelle (12), um zweite Signale (S2a,
S2b, S2c, S2d) zu erhalten, wobei die zweiten Signale (S2a, S2b,
S2c, S2d) Signale für einen und für keinen Beförderungswunsch
- 4 -
umfassen, wobei die zweite Eingangsschnittstelle (12) ausgeführt
ist, zu den zweiten Signalen (S2a, S2b, S2c, S2d) entsprechende
erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1) zu erhalten, und
· ein künstliches neuronales Netzwerk (13), wobei die
Trainingsauswerteeinrichtung (10) ausgeführt ist, in einer
Speisung des künstlichen neuronalen Netzwerks (13) mit dem
ersten Signal (S1) und den zweiten Signalen (S2a, S2b, S2c, S2d)
o das erste Signal (S1) mit den zweiten Signalen (S2a, S2b,
S2c, S2d) zu vergleichen,
o einen zweiten Steuerbefehl (6) für das
Personenbeförderungsfahrzeuges (1) zu berechnen und
o Gewichtungsfaktoren (w) für Verbindungen (15) von
Neuronen (16) des künstlichen neuronalen Netzwerks
derart anzupassen, dass eine Übereinstimmung des
ersten Signals (S1) mit einem der zweiten Signale (S2a,
S2b, S2c, S2d) maximal ist und dass der zweite
Steuerbefehl im Wesentlichen mit dem ersten
Steuerbefehl übereinstimmt, der dem zweiten Signal (S2a,
S2b, S2c, S2d) entspricht, dessen Übereinstimmung mit
dem ersten Signal (S1) maximal ist,
um den zu diesem ersten Signal (S1) gehörenden ersten
Steuerbefehl (6) zu lernen, um das
Personenbeförderungsfahrzeug (1) automatisiert zu der Person
(2) zu steuern.
2. Verfahren zum Trainieren eines künstlichen neuronalen Netzwerks
(13), um einen Beförderungswunsch einer Person (2) für eine
Beförderung mit einem Personenbeförderungsfahrzeug (1) zu erkennen,
umfassend die Schritte:
· Bereitstellen von
- 5 -
o wenigstens einem ersten Signal (S1) der Person (2), wobei
das erste Signal (S1) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst (V1), und
o von zweiten Signalen (S2a, S2b, S2c, S2d), wobei die
zweiten Signale (S2a, S2b, S2c, S2d) Signale für den
Beförderungswunsch und Signale für keinen
Beförderungswunsch umfassen (V2a), wobei zu den
zweiten Signalen (S2a, S2b, S2c, S2d) entsprechende
erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1) bereitgestellt
werden (V2b),
· Speisen des künstlichen neuronalen Netzwerks (13) mit dem
ersten Signal (S1) und den zweiten Signalen (S2a, S2b, S2c, S2d)
und Vergleichen des ersten Signals (S1) mit den zweiten Signalen
(S2a, S2b, S2c, S2d) (V3a) und
· Anpassen von Gewichtungsfaktoren (w) für Verbindungen (15) von
Neuronen (16) des künstlichen neuronalen Netzwerks (13) derart,
dass eine Übereinstimmung des ersten Signals (S1) mit einem der
zweiten Signale (S2a, S2b, S2c, S2d) maximal ist (V4a),
· wobei in der Speisung des künstlichen neuronalen Netzwerks (13)
ein zweiter Steuerbefehl für das Personenbeförderungsfahrzeug
(1) berechnet wird (V3b) und
· die Gewichtungsfaktoren (w) derart angepasst werden, dass der
zweite Steuerbefehl im Wesentlichen mit dem ersten Steuerbefehl
übereinstimmt, der dem zweiten Signal (S2a, S2b, S2c, S2d)
entspricht, dessen Übereinstimmung mit dem ersten Signal (S1)
maximal ist (V4b),
damit der zu diesem ersten Signal (S1) gehörende erste Steuerbefehl (6)
gelernt wird, um das Personenbeförderungsfahrzeug (1) automatisiert zu
der Person (2) zu steuern.
- 6 -
3. Computerprogrammprodukt (20), das ausgeführt ist, in einen Speicher
(21) eines Computers (22) geladen zu werden und das
Softwarecodeabschnitte aufweist, mit denen die Schritte des Verfahrens
nach Anspruch 2 ausgeführt werden, wenn das
Computerprogrammprodukt (20) auf dem Computer (22) läuft.
4. Einsatzauswerteeinrichtung (30) für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) umfassend
· eine Eingangsschnittstelle (31), um ein erstes Signal (S1) einer
Person (2) zu erhalten, wobei das erste Signal (S1) eine Gestik,
Mimik und/oder ein Stimmsignal der Person (2) umfasst,
· wobei die Einsatzauswerteeinrichtung (30) ausgeführt ist,
o ein auf eine Bedeutung des ersten Signals (S1),
vorzugsweise nach dem Verfahren nach Anspruch 2,
trainiertes künstliches neuronales Netzwerk (13) mit dem
ersten Signal (S1) zu speisen und
o einen dem ersten Signal (S1) entsprechenden
Beförderungswunsch und einen dem
Beförderungswunsch entsprechenden zweiten
Steuerbefehl (6) zu erhalten und
· eine Ausgangsschnittstelle (32), um den zweiten Steuerbefehl für
eine Steuerungseinrichtung (3) des
Personenbeförderungsfahrzeuges (1) auszugeben,
um einen Beförderungswunsch der Person (2) für eine Beförderung mit
dem Personenbeförderungsfahrzeug (1) zu erkennen und das
Personenbeförderungsfahrzeug (1) automatisiert zu der Person (2) zu
steuern.
5. Fahrerassistenzsystem (50) für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) umfassen
- 7 -
· wenigstens einen Umfelderfassungssensor (7) zur Erfassung
eines ersten Signals (S1) einer Person (2), wobei das erste Signal
(S1) eine Gestik, Mimik und/oder ein Stimmsignal der Person (2)
umfasst und
· eine Einsatzauswerteeinrichtung nach Anspruch 4,
um einen Beförderungswunsch einer Person (2) für eine Beförderung mit
dem Personenbeförderungsfahrzeug (1) zu erkennen und das
Personenbeförderungsfahrzeug (1) automatisiert zu der Person (2) zu
steuern.
Die einander nebengeordneten Patentansprüche 1, 2 und 4 gemäß Hilfsantrag
vom 21. Februar 2022 lauten:
1. Trainingsauswerteeinrichtung (10) für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) zum maschinellen Lernen des
Beförderungswunsches der Person umfassend
· eine erste Eingangsschnittstelle (11), um wenigstens ein erstes
Signal (S1) einer Person (2) zu erhalten, wobei das erste Signal
(S1) eine Gestik, Mimik und/oder ein Stimmsignal der Person (2)
umfasst,
· eine zweite Eingangsschnittstelle (12), um zweite Signale (S2a,
S2b, S2c, S2d) zu erhalten, wobei die zweiten Signale (S2a, S2b,
S2c, S2d) Signale für einen und für keinen Beförderungswunsch
umfassen, wobei die zweite Eingangsschnittstelle (12) ausgeführt
ist, zu den zweiten Signalen (S2a, S2b, S2c, S2d) entsprechende
erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1), umfassend ein Betätigen
einer Warnblinkanlage, ein Abbremsen, ein Ansteuern zu der
Person (2), ein Anhalten bei der Person (2) und das Gewähren von
Zutritt in das Personenbeförderungsfahrzeug (1) in Reaktion auf
die zweiten Signale (2C), zu erhalten, und
- 8 -
· ein künstliches neuronales Netzwerk (13), wobei die
Trainingsauswerteeinrichtung (10) ausgeführt ist, in einer
Speisung des künstlichen neuronalen Netzwerks (13) mit dem
ersten Signal (S1) und den zweiten Signalen (S2a, S2b, S2c, S2d),
wobei parallel zum Einlesen der zweiten Signale (S2a, S2b, S2c,
S2d) die zu den zweiten Signalen (S2a, S2b, S2c, S2d)
korrespondierenden ersten Steuerbefehle des Fahrers (5) über die
zweite Eingangsschnittstelle (12) eingelesen werden,
o das erste Signal (S1) mit den zweiten Signalen (S2a, S2b,
S2c, S2d) zu vergleichen,
o einen zweiten Steuerbefehl (6) für das
Personenbeförderungsfahrzeuges (1) zu berechnen und
o Gewichtungsfaktoren (w) für Verbindungen (15) von
Neuronen (16) des künstlichen neuronalen Netzwerks
derart anzupassen, dass eine Übereinstimmung des
ersten Signals (S1) mit einem der zweiten Signale (S2a,
S2b, S2c, S2d) maximal ist und dass der zweite
Steuerbefehl im Wesentlichen mit dem ersten
Steuerbefehl übereinstimmt, der dem zweiten Signal (S2a,
S2b, S2c, S2d) entspricht, dessen Übereinstimmung mit
dem ersten Signal (S1) maximal ist,
um den zu diesem ersten Signal (S1) gehörenden ersten Steuerbefehl
(6) zu lernen, um das Personenbeförderungsfahrzeug (1) automatisiert
zu der Person (2) zu steuern.
2. Verfahren zum Trainieren eines künstlichen neuronalen Netzwerks
(13), um einen Beförderungswunsch einer Person (2) für eine
Beförderung mit einem Personenbeförderungsfahrzeug (1) zu erkennen,
umfassend die Schritte:
· Bereitstellen von
- 9 -
o wenigstens einem ersten Signal (S1) der Person (2), wobei
das erste Signal (S1) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst (V1), und
o von zweiten Signalen (S2a, S2b, S2c, S2d), wobei die
zweiten Signale (S2a, S2b, S2c, S2d) Signale für den
Beförderungswunsch und Signale für keinen
Beförderungswunsch umfassen (V2a), wobei zu den
zweiten Signalen (S2a, S2b, S2c, S2d) entsprechende
erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1), umfassend ein
Betätigen einer Warnblinkanlage, ein Abbremsen, ein
Ansteuern zu der Person (2), ein Anhalten bei der Person
(2) und das Gewähren von Zutritt in das
Personenbeförderungsfahrzeug (1) in Reaktion auf die
zweiten Signale (2C), bereitgestellt werden (V2b),
· Speisen des künstlichen neuronalen Netzwerks (13) mit dem
ersten Signal (S1) und den zweiten Signalen (S2a, S2b, S2c, S2d),
wobei parallel zum Einlesen der zweiten Signale (S2a, S2b, S2c,
S2d) die zu den zweiten Signalen (S2a, S2b, S2c, S2d)
korrespondierenden ersten Steuerbefehle des Fahrers (5)
eingelesen werden, und Vergleichen des ersten Signals (S1) mit
den zweiten Signalen (S2a, S2b, S2c, S2d) (V3a) und
· Anpassen von Gewichtungsfaktoren (w) für Verbindungen (15) von
Neuronen (16) des künstlichen neuronalen Netzwerks (13) derart,
dass eine Übereinstimmung des ersten Signals (S1) mit einem der
zweiten Signale (S2a, S2b, S2c, S2d) maximal ist (V4a),
· wobei in der Speisung des künstlichen neuronalen Netzwerks (13)
ein zweiter Steuerbefehl für das Personenbeförderungsfahrzeug
(1) berechnet wird (V3b) und
· die Gewichtungsfaktoren (w) derart angepasst werden, dass der
zweite Steuerbefehl im Wesentlichen mit dem ersten Steuerbefehl
- 10 -
übereinstimmt, der dem zweiten Signal (S2a, S2b, S2c, S2d)
entspricht, dessen Übereinstimmung mit dem ersten Signal (S1)
maximal ist (V4b),
damit der zu diesem ersten Signal (S1) gehörende erste Steuerbefehl (6)
gelernt wird, um das Personenbeförderungsfahrzeug (1) automatisiert zu
der Person (2) zu steuern.
4. Einsatzauswerteeinrichtung (30) für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) umfassend
· eine Eingangsschnittstelle (31), um ein erstes Signal (S1) einer
Person (2) zu erhalten, wobei das erste Signal (S1) eine Gestik,
Mimik und/oder ein Stimmsignal der Person (2) umfasst,
· wobei die Einsatzauswerteeinrichtung (30) ausgeführt ist,
o ein auf eine Bedeutung des ersten Signals (S1) nach dem
Verfahren nach Anspruch 2 trainiertes künstliches
neuronales Netzwerk (13) mit dem ersten Signal (S1) zu
speisen und
o einen dem ersten Signal (S1) entsprechenden
Beförderungswunsch und einen dem
Beförderungswunsch entsprechenden zweiten
Steuerbefehl (6) zu erhalten und
· eine Ausgangsschnittstelle (32), um den zweiten Steuerbefehl für
eine Steuerungseinrichtung (3) des
Personenbeförderungsfahrzeuges (1) auszugeben,
um einen Beförderungswunsch der Person (2) für eine Beförderung mit
dem Personenbeförderungsfahrzeug (1) zu erkennen und das
Personenbeförderungsfahrzeug (1) automatisiert zu der Person (2) zu
steuern.
Der nebengeordneten Patentansprüche 3 und 5 nach Hilfsantrag sind unverändert
gegenüber den entsprechenden Ansprüchen nach Hauptantrag.
- 11 -
Im Prüfungsverfahren vor dem DPMA wurden die folgenden Druckschriften
entgegengehalten:
D1 DE 10 2016 217 770 A1
D2 DE 10 2017 100 609 A1
D3 DE 40 01 493 A1
D4 Maschinelles Lernen. In: Wikipedia, Die freie Enzyklopädie.
Bearbeitungsstand: 26.02.2018, 11:55 UTC. URL:
https://de.wikipedia.org/w/index.php?title=Maschinelles_Lernen
&oldid=174406914
Von der Anmelderin wurden in der Beschreibung noch die folgenden
Veröffentlichungen genannt:
D5 NIELSEN, M.: Neural Networks and Deep Learning,
Determination Press, 2015
D6 SAE J3016 SEP2016: Surface Vehicle Recommended Practice.
Taxonomy and Definitions for Terms Related to Driving
Automation Systems for On-Road Motor Vehicles. Issued 2014-
01, Revised 2016-09. 30 Seiten
Wegen weiterer Einzelheiten wird auf den Akteninhalt verwiesen.
- 12 -
II.
Die statthafte und auch sonst zulässige Beschwerde hat in der Sache keinen Erfolg,
da die jeweiligen Gegenstände der nebengeordneten Patentansprüche 1 bis 5
sowohl nach geltendem Haupt- als auch nach Hilfsantrag nicht auf einer
erfinderischen Tätigkeit beruhen und damit nicht patentfähig sind (§ 1 Abs. 1, § 4
PatG).
1. Die Anmeldung geht von Online-Vermittlungsdiensten zur
Personenbeförderung aus, bei denen die Bestellung eines Fahrzeugs in der Regel
über ein Smartphone erfolge (Beschreibung vom 21.02.2022, Seite 1, Absatz 2).
Gemäß Beschreibungseinleitung sei es nachteilig, dass eine Fahrzeugbestellung
mit einem Smartphone eingeschränkt sein könne, beispielsweise wegen zu geringer
Akkukapazität, zu niedrigem Kontostand und/oder schlechtem Empfang oder weil
bestimmte Personengruppen, beispielsweise ältere Menschen oder Kinder, kein
Smartphone besäßen oder nur eingeschränkt nutzen könnten (Seite 1, Absatz 3).
Zudem verbleibe in der Regel wenig Zeit, das Fahrzeug mit dem Smartphone zu
bestellen, wenn sich ein Personenbeförderungsfahrzeug einer zu befördernden
Person nähere. In solchen Fällen erfolge die Bestellung durch ein typisches
Beförderungssignal an den menschlichen Fahrer, etwa durch Winken in
Kombination mit Kopforientierung und/oder Pfeifen oder andere Rufsignale (Seiten
1 und 2 übergreifender Absatz).
Ausgehend von einer Umstellung auf fahrerlose Personenbeförderungsfahrzeuge
stelle sich das Problem, wie die typischen Beförderungssignale von Personen durch
das fahrerlose Fahrzeug erkannt werden könnten (Seite 2, Absatz 2).
Daher liege der Erfindung die Aufgabe zugrunde, eine Auswerteeinrichtung und ein
Verfahren für ein automatisiert betreibbares Personenbeförderungsfahrzeug
bereitzustellen, um einen Beförderungswunsch einer Person für eine Beförderung
- 13 -
mit dem Personenbeförderungsfahrzeug zu erkennen und das
Personenbeförderungsfahrzeug automatisiert zu der Person zu steuern (Seite 3,
Absatz 2).
2. Diese Aufgabe werde durch die jeweiligen Gegenstände der
nebengeordneten Patentansprüche 1 bis 5 nach Hauptantrag gelöst, die in
gegliederter Fassung wie folgt lauten:
Patentanspruch 1
1 Trainingsauswerteeinrichtung (10) für ein automatisiert
betreibbares Personenbeförderungsfahrzeug (1) zum maschinellen
Lernen des Beförderungswunsches der Person umfassend
a eine erste Eingangsschnittstelle (11), um wenigstens ein erstes
Signal (S1) einer Person (2) zu erhalten,
a1 wobei das erste Signal (S1) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst,
b eine zweite Eingangsschnittstelle (12), um zweite Signale (S2a,
S2b, S2c, S2d) zu erhalten,
b1 wobei die zweiten Signale (S2a, S2b, S2c, S2d) Signale für
einen und für keinen Beförderungswunsch umfassen,
b2 wobei die zweite Eingangsschnittstelle (12) ausgeführt ist, zu
den zweiten Signalen (S2a, S2b, S2c, S2d) entsprechende
erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1) zu erhalten, und
c ein künstliches neuronales Netzwerk (13),
wobei die Trainingsauswerteeinrichtung (10) ausgeführt ist,
c1 in einer Speisung des künstlichen neuronalen Netzwerks (13) mit
dem ersten Signal (S1) und den zweiten Signalen (S2a, S2b,
S2c, S2d)
- 14 -
c2 das erste Signal (S1) mit den zweiten Signalen (S2a, S2b, S2c,
S2d) zu vergleichen,
c3 einen zweiten Steuerbefehl (6) für das
Personenbeförderungsfahrzeuges [sic!] (1) zu berechnen und
c4 Gewichtungsfaktoren (w) für Verbindungen (15) von Neuronen
(16) des künstlichen neuronalen Netzwerks derart anzupassen,
c4a dass eine Übereinstimmung des ersten Signals (S1) mit einem
der zweiten Signale (S2a, S2b, S2c, S2d) maximal ist und
c4b dass der zweite Steuerbefehl im Wesentlichen mit dem ersten
Steuerbefehl übereinstimmt, der dem zweiten Signal (S2a,
S2b, S2c, S2d) entspricht, dessen Übereinstimmung mit dem
ersten Signal (S1) maximal ist,
d um den zu diesem ersten Signal (S1) gehörenden ersten
Steuerbefehl (6) zu lernen,
e um das Personenbeförderungsfahrzeug (1) automatisiert zu der
Person (2) zu steuern.
Patentanspruch 2
2 Verfahren zum Trainieren eines künstlichen neuronalen
Netzwerks (13), um einen Beförderungswunsch einer Person (2) für
eine Beförderung mit einem Personenbeförderungsfahrzeug (1) zu
erkennen, umfassend die Schritte:
a‘ Bereitstellen von wenigstens einem ersten Signal (S1) der
Person (2),
a1‘ wobei das erste Signal (S1) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst (V1), und
b’ [Bereitstellen] von zweiten Signalen (S2a, S2b, S2c, S2d),
b1’ wobei die zweiten Signale (S2a, S2b, S2c, S2d) Signale für
den Beförderungswunsch und Signale für keinen
Beförderungswunsch umfassen (V2a),
- 15 -
b2‘ wobei zu den zweiten Signalen (S2a, S2b, S2c, S2d)
entsprechende erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1) bereitgestellt werden
(V2b),
c1‘ Speisen des künstlichen neuronalen Netzwerks (13) mit dem
ersten Signal (S1) und den zweiten Signalen (S2a, S2b, S2c,
S2d) und
c2‘ Vergleichen des ersten Signals (S1) mit den zweiten Signalen
(S2a, S2b, S2c, S2d) (V3a) und
c4‘ Anpassen von Gewichtungsfaktoren (w) für Verbindungen (15)
von Neuronen (16) des künstlichen neuronalen Netzwerks (13)
derart,
c4a‘ dass eine Übereinstimmung des ersten Signals (S1) mit einem
der zweiten Signale (S2a, S2b, S2c, S2d) maximal ist (V4a),
c3‘ wobei in der Speisung des künstlichen neuronalen Netzwerks
(13) ein zweiter Steuerbefehl für das
Personenbeförderungsfahrzeug (1) berechnet wird (V3b) und
c4‘ die Gewichtungsfaktoren (w) derart angepasst werden,
c4b‘ dass der zweite Steuerbefehl im Wesentlichen mit dem ersten
Steuerbefehl übereinstimmt, der dem zweiten Signal (S2a,
S2b, S2c, S2d) entspricht, dessen Übereinstimmung mit dem
ersten Signal (S1) maximal ist (V4b),
d‘ damit der zu diesem ersten Signal (S1) gehörende erste
Steuerbefehl (6) gelernt wird,
e um das Personenbeförderungsfahrzeug (1) automatisiert zu der
Person (2) zu steuern.
Patentanspruch 3
- 16 -
3 Computerprogrammprodukt (20), das ausgeführt ist, in einen
Speicher (21) eines Computers (22) geladen zu werden und das
Softwarecodeabschnitte aufweist,
j mit denen die Schritte des Verfahrens nach Anspruch 2 ausgeführt
werden, wenn das Computerprogrammprodukt (20) auf dem
Computer (22) läuft.
Patentanspruch 4
4 Einsatzauswerteeinrichtung (30) für ein automatisiert
betreibbares Personenbeförderungsfahrzeug (1) umfassend
a‘‘ eine Eingangsschnittstelle (31), um ein erstes Signal (S1) einer
Person (2) zu erhalten,
a1 wobei das erste Signal (S1) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst,
4 wobei die Einsatzauswerteeinrichtung (30) ausgeführt ist,
f ein auf eine Bedeutung des ersten Signals (S1),
f1 vorzugsweise nach dem Verfahren nach Anspruch 2,
f trainiertes künstliches neuronales Netzwerk (13) mit dem ersten
Signal (S1) zu speisen und
f2 einen dem ersten Signal (S1) entsprechenden
Beförderungswunsch und
f3 einen dem Beförderungswunsch entsprechenden zweiten
Steuerbefehl (6) zu erhalten und
g eine Ausgangsschnittstelle (32),
g1 um den zweiten Steuerbefehl für eine Steuerungseinrichtung
(3) des Personenbeförderungsfahrzeuges (1) auszugeben,
h um einen Beförderungswunsch der Person (2) für eine Beförderung
mit dem Personenbeförderungsfahrzeug (1) zu erkennen und
i das Personenbeförderungsfahrzeug (1) automatisiert zu der
Person (2) zu steuern.
- 17 -
Patentanspruch 5
5 Fahrerassistenzsystem (50) für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) umfassen [sic!]
a‘‘‘ wenigstens einen Umfelderfassungssensor (7) zur Erfassung
eines ersten Signals (S1) einer Person (2),
a1 wobei das erste Signal (S1) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst und
4 eine Einsatzauswerteeinrichtung nach Anspruch 4,
h um einen Beförderungswunsch einer Person (2) für eine
Beförderung mit dem Personenbeförderungsfahrzeug (1) zu
erkennen und
i das Personenbeförderungsfahrzeug (1) automatisiert zu der
Person (2) zu steuern.
Zumindest werde die o. g. Aufgabe durch die folgenden Gegenstände nach
Hilfsantrag gelöst:
Patentanspruch 1
Im Anspruch 1 nach Hilfsantrag sind die ersten Steuerbefehle des Fahrers
(Merkmal b2) konkretisiert (Ergänzungen gegenüber dem Anspruch 1 nach
Hauptantrag durch Unterstreichung hervorgehoben):
b2Hi wobei die zweite Eingangsschnittstelle (12) ausgeführt ist, zu
den zweiten Signalen (S2a, S2b, S2c, S2d) entsprechende
erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1), umfassend ein
Betätigen einer Warnblinkanlage, ein Abbremsen, ein
Ansteuern zu der Person (2), ein Anhalten bei der Person (2)
- 18 -
und das Gewähren von Zutritt in das
Personenbeförderungsfahrzeug (1) in Reaktion auf die
zweiten Signale (2C) [sic!], zu erhalten, und
Zudem ist im Merkmal c1 ergänzt, dass parallel zu den zweiten Signalen erste
Steuerbefehle des Fahrers über die zweite Eingangsschnittstelle eingelesen
werden:
c1Hi in einer Speisung des künstlichen neuronalen Netzwerks (13) mit
dem ersten Signal (S1) und den zweiten Signalen (S2a, S2b,
S2c, S2d), wobei parallel zum Einlesen der zweiten Signale
(S2a, S2b, S2c, S2d) die zu den zweiten Signalen (S2a, S2b,
S2c, S2d) korrespondierenden ersten Steuerbefehle des Fahrers
(5) über die zweite Eingangsschnittstelle (12) eingelesen
werden,
Patentanspruch 2
Der Anspruch 2 nach Hilfsantrag ist entsprechend zum Anspruch 1 abgeändert,
d. h. die Merkmale b2‘Hi und c1‘Hi lauten (Ergänzungen gegenüber dem Anspruch 2
nach Hauptantrag hervorgehoben):
b2‘Hi wobei zu den zweiten Signalen (S2a, S2b, S2c, S2d)
entsprechende erste Steuerbefehle eines Fahrers (5) des
Personenbeförderungsfahrzeuges (1), umfassend ein Betätigen
einer Warnblinkanlage, ein Abbremsen, ein Ansteuern zu der
Person (2), ein Anhalten bei der Person (2) und das Gewähren
von Zutritt in das Personenbeförderungsfahrzeug (1) in Reaktion
auf die zweiten Signale (2C) [sic!], bereitgestellt werden (V2b),
c1‘Hi Speisen des künstlichen neuronalen Netzwerks (13) mit dem
ersten Signal (S1) und den zweiten Signalen (S2a, S2b, S2c,
- 19 -
S2d), wobei parallel zum Einlesen der zweiten Signale (S2a,
S2b, S2c, S2d) die zu den zweiten Signalen (S2a, S2b, S2c,
S2d) korrespondierenden ersten Steuerbefehle des Fahrers (5)
eingelesen werden, und
Patentanspruch 4
Der Anspruch 4 nach Hilfsantrag ist insofern geändert, als dass nicht mehr
fakultativ, sondern zwingend ein nach Anspruch 2 trainiertes neuronales Netzwerk
mit dem ersten Signal gespeist wird (Änderungen gegenüber dem Anspruch 4 nach
Hauptantrag mittels Durchstreichung gekennzeichnet):
f ein auf eine Bedeutung des ersten Signals (S1),
f1Hi vorzugsweise nach dem Verfahren nach Anspruch 2,
f trainiertes künstliches neuronales Netzwerk (13) mit dem ersten
Signal (S1) zu speisen und
Die Ansprüche 3 und 5 nach Hilfsantrag sind unverändert gegenüber den
entsprechenden Ansprüchen nach Hauptantrag.
3. Vor diesem Hintergrund legt der Senat seiner Entscheidung als zuständigen
Fachmann einen Diplom-Ingenieur bzw. einen entsprechenden Master der
Fachrichtung Maschinenbau mit dem Fachgebiet Fahrzeugtechnik mit vertieften
Kenntnissen betreffend Fahrassistenzsystemen zu Grunde, der Teil eines Teams
ist, dem jedenfalls noch ein Informatiker angehört.
4. Der Senat geht von folgendem fachmännischen Verständnis der Angaben in
den Patentansprüchen nach Haupt- und Hilfsantrag aus:
4.1 Die in Merkmal 1 (Anspruch 1) bzw. in Merkmal 4 (Anspruch 4) verwendeten
Begriffe „Trainingsauswerteeinrichtung“ bzw. „Einsatzauswerteeinrichtung“
- 20 -
versteht der Fachmann vor dem Hintergrund der Beschreibung und aufgrund seines
Fachwissens so, dass es sich jeweils um dieselbe Auswerteeinrichtung handelt
(Beschreibung vom 21.02.2022, Seite 4, Absatz 2).
In der Trainings- oder Lernphase hat die Auswerteeinrichtung die Funktion einer
Trainingsauswerteeinrichtung (10), d. h. das enthaltene künstliche neuronale
Netzwerk (13) (Merkmal c) trainiert anhand von eingespeisten Soll-Trainingsdaten
und Fehler-Trainingsdaten ein bestimmtes Verhalten, was in der Anmeldung in
fachüblicher Weise als maschinelles Lernen bezeichnet wird (Seite 6, Absatz 3 bis
Seite 8, Absatz 3).
Nach Abschluss der Trainings- oder Lernphase hat die Auswerteeinrichtung die
Funktion einer Einsatzauswerteeinrichtung (30), d. h. das trainierte neuronale
Netzwerk (13) reagiert auf eingelesene Eingangssignale in der antrainierten Art- und
Weise (Seite 8, Absatz 2; Seite 10, Absatz 1; Seite 12, Absatz 2; Seite 16, Absatz 2).
4.2 In der Trainingsphase wird das Personenbeförderungsfahrzeug (1) nicht
automatisiert, sondern mit einem Fahrer (5) betrieben. Wenn eine Person (2) am
Straßenrand eine bestimmte Körperhaltung bzw. Geste (z. B. „Heranwinken“)
einnimmt bzw. vollführt, erkennt der Fahrer (5) darin ggfs. einen
Beförderungswunsch und führt bestimmte Handlungen durch (z. B. Betätigen der
Warnblinkanlage, Abbremsen, Ansteuern zu der Person (2), Anhalten bei der
Person (2), Gewähren von Zutritt), vgl. die nachfolgend wiedergegebene Figur 1:
- 21 -
Figur 1 mit Ergänzungen und Kolorierungen durch den Senat
4.3 Die Trainingsauswerteeinrichtung (10) erhält gemäß Merkmal a über eine
erste Eingangsschnittstelle (11) wenigstens ein erstes Signal (S1) der Person
(2) am Straßenrand, das gemäß Merkmal a1 eine Gestik, Mimik und/oder ein
Stimmsignal der Person (2) umfasst. Die erste Eingangsschnittstelle (11) ist
dementsprechend eine Schnittstelle zu einem Umfelderfassungssensor (Merkmal
a‘‘‘ des Anspruchs 5) (z. B. Bildsensor einer Kamera, Radar, Lidar und/oder einem
Schallsensor; Seite 6, Absatz 2 und Seite 14, Absatz 4), kann aber auch eine
Schnittstelle zu einer Datenbank sein (Seite 9, Absatz 2).
4.4 Über die in Merkmal b genannte zweite Eingangsschnittstelle (12) erhält
die Trainingsauswerteeinrichtung (10) während einer Trainingsfahrt zweite Signale
(S2a, S2b, S2c, S2d) zusammen mit den entsprechenden ersten Steuerbefehlen
des Fahrers, die dort in Echtzeit in ein künstliches neuronales Netzwerk (13)
eingelesen werden. Wenn es sich bei der zweiten Eingangsschnittstelle (12) um
- 22 -
eine Schnittstelle zu einer Datenbank handelt, erfolgt das Lernen mittels Simulation
(Seite 9, Absatz 2; Seite 14, Absatz 5).
Die mehreren zweiten Signale (S2a, S2b, S2c und S2d), die nach Merkmal b1
Signale für einen und für keinen Beförderungswunsch umfassen, wie dies
symbolisch in Figur 1 dargestellt ist, werden beispielhaft wie folgt beschrieben (Seite
14, Absatz 5 bis Seite 15, Absatz 2):
S2a
Handzeichen einer Person, mit dem eine Person
ein Taxi für eine Fahrt mit dem Taxi heranwinkt.
S2b
Händeschütteln, mit dem eine Person einem
Personenbeförderungsfahrzeug ein Anhalten
kommuniziert.
S2c
Handzeichen, mit dem eine Person das Anhalten
eines Busses an einer Haltestelle, an der die
Person auf den Bus wartet, kommuniziert.
S2d
Signal, das keinen Beförderungswunsch
kommuniziert.
Die zweiten Signale, die Signale für einen Beförderungswunsch (S2a, S2b, S2c)
umfassten und die entsprechenden ersten Steuerbefehle des Fahrers seien Soll-
Trainingsdaten bzw. positive Trainingsdaten. Die zweiten Signale, die keinen
Beförderungswunsch umfassten, seien Fehler-Trainingsdaten (Seite 6, Absatz 3 bis
Seiten 7, Absatz 1).
Der Fachmann erkennt, dass die mehreren zweiten Signale (S2a, S2b, S2c, S2d)
bestimmten, vom neuronalen Netzwerk zu detektierenden Klassen entsprechen,
wie dies bei neuronalen Netzwerken fachüblich ist, vgl.
- 23 -
· Dokument D2, Anspruch 1: Verfahren zum Erfassen und Klassifizieren von
Gesten
· Dokument D4, Seite 2, Abschnitt Überwachtes Lernen, Absatz 1: Ein
Teilgebiet des überwachten Lernens ist die automatische Klassifizierung.
· Druckschrift D5, Seite 10, letzter Absatz: classifying handwritten digits; Seite
67, Kap. 3.1.2 Using the cross-entropy to classify MNIST digits
In der Trainingsphase lernt das neuronale Netzwerk, die verschiedenen Klassen zu
unterscheiden, wobei im späteren Betrieb des automatisiert betreibbaren
Personenbeförderungsfahrzeugs alle erkannten ersten Signale einer Person, die
einer der „positiven“, d. h. für einen Beförderungswunsch stehenden Klassen
(zweite Signale S2a, S2b, S2c) zugeordnet werden können, die gleichen
Steuerungssignale auslösen sollen, nämlich im Wesentlichen das Anhalten des
Fahrzeugs bei der zu befördernden Person.
Dem Fachmann ist bekannt, dass bei der in der Anmeldung genannten
Rückwärtsspeisung (backward propagation) üblicherweise eine sogenannte
Kostenfunktion ([cross entropy] cost function, auch als loss function bezeichnet)
verwendet wird, um das neuronale Netzwerk so zu trainieren, dass ein erstes Signal
(S1) im Wesentlichen einer Klasse, also einem der zweiten Signale in der Sprache
der Anmeldung, zugeordnet werden kann, wie dies im Merkmal c4a auch gefordert
wird, nämlich dass eine Übereinstimmung des ersten Signals (S1) mit einem der
zweiten Signale (S2a, S2b, S2c, S2d) maximal ist, vgl.
· Anmeldung, Seite 15, vorletzter Absatz: Das künstliche neuronale Netzwerk
13 wird mit dem ersten Signal S1 und den zweiten Signalen S2a, S2b, S2c
und S2d gespeist. Das erste Signal S1 der Person aus Fig. 1 weist die größte
Übereinstimmung mit dem zweiten Signale S2c auf. Das künstliche
neuronale Netzwerk 13 wird mit dem Fehler zwischen diesem ersten Signal
S1 und diesem zweiten Signal S2c rückwärtsgespeist. In der
Rückwärtsspeisung werden die Gewichtungsfaktoren mittels
- 24 -
Fehlerminimierung derart angepasst, dass das künstliche neuronale
Netzwerk 13 über eine Ausgangsschnittstelle 14 als Ergebnis ausgibt, dass
das erste Signal zu 85% dem zweiten Signal S2c und zu 15% dem zweiten
Signal S2b entspricht.
· D2, Absatz 0033: Eine CTC (konnektionistische zeitliche Klassifizierung)-
Kostenfunktion kann benutzt werden, um ein neuronales Netzwerk zu
trainieren
· D2, Absatz 0050: Die klassenbedingten Wahrscheinlichkeitswerte, die für
jede Modalität erzeugt werden, summieren sich auf Eins (z. B., 100%).
· D2, Absatz 0053: durch Rückpropagierung … fein abgestimmt, um
Gestenklassen … vorherzusagen
· D2, Absatz 0056: propagiert … Fehler an die vorhergehende Schicht
· D5, S. 60ff, Kapitel 3.1: The cross-entropy cost function
4.5 Gemäß der Merkmalsgruppe c enthält die Trainingsauswerteeinrichtung (10)
ein künstliches neuronales Netzwerk (13), das mit dem ersten Signal (S1) und
den zweiten Signalen (S2a, S2b, S2c, S2d) gespeist wird (Merkmal c1). Das
künstliche neuronale Netzwerk (13) umfasst gemäß Merkmal c4 Neuronen (16), die
miteinander verbunden sind, wobei jeder Verbindung (15) ein Gewichtungsfaktor
(w) zugeordnet ist, vgl. Figur 3:
- 25 -
Figur 3 mit Ergänzungen und Kolorierungen durch den Senat
Nach den – nicht einschränkenden – Ausführungen in der Beschreibung kann das
künstliche neuronale Netzwerk als „konvolutionales“ oder „rekurrentes“ Netzwerk
ausgebildet sein (Seite 8, Absatz 3), wie dem Fachmann hinlänglich bekannt ist, vgl.
· D2, Absatz 0003: tief faltende neuronale Netzwerke (CNNs = deep
convolutional neural networks); Absatz 0022: Ein rekurrentes
dreidimensionales faltendes neuronales Netzwerk (R3DCNN)
· D5, Seite 12, Absatz 3: Recurrent neural nets; Seite 169, Kapitel 6.1
Introducing convolutional networks
4.6 Nach Merkmal b2 erhält die zweite Eingangsschnittstelle (12) zu den zweiten
Signalen (S2a, S2b, S2c, S2d) entsprechende erste Steuerbefehle eines Fahrers
(5) des Personenbeförderungsfahrzeugs (1). Die ersten Steuerbefehle (in den
Figuren nicht gezeigt) können Befehle zum Ansteuern des Fahrzeugs (1) zu einer
am Fahrbahnrand stehenden Person (2) sein, um – entsprechend deren
Beförderungswunsch (erstes Signal) – diese in das Fahrzeug (1) aufnehmen zu
können. Zur Übertragung der ersten Steuerbefehle des Fahrers (5) an das Fahrzeug
- 26 -
(1) ist die zweite Eingangsschnittstelle (12) vorzugsweise eine Schnittstelle zu
einem Fahrzeug-Datenübertragungssystem (z. B. CAN-Bus) (Seite 9, Absatz 2).
Der Fachmann erkennt in den ersten Steuerbefehlen (des Fahrers) das gewünschte
Ausgangssignal des künstlichen neuronalen Netzwerks für bestimmte
Eingangssignale, also das „Soll-Ausgangssignal“, in der Sprache der Anmeldung
ein „Soll-Kennzeichen“ (Seite 7, Absatz 3; Seite 9, letzter Absatz).
4.7 Nach der Merkmalsgruppe c ist die Trainingsauswerteeinrichtung (10)
ausgeführt, das erste Signal (S1) mit den zweiten Signalen (S2a, S2b, S2c, S2d) zu
vergleichen (Merkmal c2) und einen zweiten Steuerbefehl für das
Personenbeförderungsfahrzeug (1) zu berechnen (Merkmal c3). Dabei werden die
Gewichtungsfaktoren (w) für Verbindungen (15) von Neuronen (16) des künstlichen
neuronalen Netzwerks (13) derart angepasst (Merkmal c4), dass
· eine Übereinstimmung des ersten Signals (S1) mit einem der zweiten
Signale (S2a, S2b, S2c, S2d) maximal ist (Merkmal c4a) und
· der zweite Steuerbefehl im Wesentlichen mit dem(jenigen) ersten
Steuerbefehl übereinstimmt, der dem zweiten Signal (S2a, S2b, S2c, S2d)
entspricht, dessen Übereinstimmung mit dem ersten Signal (S1) maximal ist
(Merkmal c4b).
Dabei soll der zu diesem ersten Signal (S1) gehörende erste Steuerbefehl gelernt
bzw. „antrainiert“ werden (Merkmal d), um nach Abschluss der Trainingsphase das
Personenbeförderungsfahrzeug (1) automatisiert zu der Person (2) steuern zu
können (Merkmal e).
Der Fachmann erkennt in den zweiten Steuerbefehlen das Ist-Ausgangssignal des
künstlichen neuronalen Netzwerks für bestimmte Eingangssignale, in der Sprache
der Anmeldung ein „Ist-Kennzeichen“ (Seite 7, Absätze 1 und 3).
- 27 -
4.8 Nach dem Ausführungsbeispiel und wie unter Punkt 4.4 bereits ausgeführt,
erfolgt eine Rückwärtsspeisung des neuronalen Netzwerks (13) mit dem Fehler
zwischen dem ersten Signal S1 und demjenigen der zweiten Signale, z. B. S2c, das
mit dem ersten Signal S1 die größte Übereinstimmung aufweist. In der
Rückwärtsspeisung werden die Gewichtungsfaktoren mittels Fehlerminimierung
derart angepasst, dass das neuronale Netzwerk (13) über eine
Ausgangsschnittstelle (14) als Ergebnis ausgibt, dass das erste Signal S1 z. B. zu
85 % mit dem zweiten Signal S2c und zu 15 % dem zweiten Signal S2b entspricht
(Seite 15, Absatz 4).
4.9 Nach Abschluss der Trainingsphase hat die Auswerteeinrichtung nicht mehr
die Funktion einer Trainingsauswerteeinrichtung, sondern einer
„Einsatzauswerteeinrichtung“ (30) gemäß Merkmal 4. Über eine
Eingangsschnittstelle (31) wird – wie in der Trainingsphase über die erste
Eingangsschnittstelle (11) – ein erstes Signal (S1) einer Person (2) erhalten
(Merkmal a‘‘), wobei dieses erste Signal (S1) wiederum eine Gestik, Mimik und/oder
ein Stimmsignal der Person (2) umfasst (Merkmal a1).
Nach Merkmal f speist die Einsatzauswerteeinrichtung (30) das (zuvor) trainierte
künstliche neuronale Netzwerk (13) mit dem ersten Signal (S1) und erhält gemäß
Merkmal f2 von dem neuronalen Netzwerk (13) einen dem ersten Signal (S1)
entsprechenden Beförderungswunsch und gemäß Merkmal f3 einen dem
Beförderungswunsch entsprechenden zweiten Steuerbefehl (6).
Über die in Merkmal g genannte Ausgangsschnittstelle (32) wird dann der zweite
Steuerbefehl an eine Steuerungseinrichtung (3) des
Personenbeförderungsfahrzeugs (1) ausgegeben (Merkmal g1), um einen
Beförderungswunsch der Person (2) für eine Beförderung mit dem Fahrzeug (1) zu
erkennen (Merkmal h) und das Fahrzeug (1) automatisiert zu der Person (2) zu
steuern (Merkmal i).
- 28 -
4.10 Das in den Merkmalen 1, 4 und 5 genannte automatisiert betreibbare
Personenbeförderungsfahrzeug soll nach den Angaben in der Beschreibung (Seite
5, insbesondere Absatz 5) entsprechend der Level 3, 4 oder 5 der Norm SAE J3016
(Druckschrift D6) autonom betrieben werden können.
4.11 Der Anspruch 5 ist zwar auf ein „Fahrerassistenzsystem“ gerichtet, was
impliziert, dass das in Merkmal 5 genannte „automatisiert betreibbare
Personenbeförderungsfahrzeug“ nicht ohne Fahrer betrieben wird, sondern
lediglich einen stets vorhandenen Fahrer unterstützt. Jedoch sind in der Anmeldung
mehrfach fahrerlose Fahrzeuge genannt (Seite 2, Absatz 2; Seite 13, Absatz 1;
Seite 14, Absatz 2; Seite 16, Absatz 2), z. B. vollautomatisierte Fahrzeuge nach
Level 5 (Seite 5, letzter Absatz).
5. Die jeweiligen Gegenstände der nebengeordneten Patentansprüche 1 bis 5
gemäß Hauptantrag sind nicht patentfähig:
5.1 Der Gegenstand des Patentanspruchs 4 nach Hauptantrag ist ausgehend
von der Druckschrift DE 10 2016 217 770 A1 (D1) zwar neu (§ 3 PatG), beruht aber
nicht auf einer erfinderischen Tätigkeit (§ 4 PatG).
5.1.1 Die Druckschrift D1 geht wie die vorliegende Anmeldung davon aus, dass
selbstfahrende Kraftfahrzeuge zur Personenbeförderung nicht in der Lage sind, den
Beförderungswunsch von potentiellen Fahrgästen zu erkennen, die am
Straßenrand stehen und z. B. eine Handgeste ausführen (Absätze 0002 bis 0004).
Zur Lösung dieses Problems sieht die Druckschrift D1 vor, dass eine
Kameraeinrichtung des Fahrzeugs kontinuierlich Bilder vom Fahrzeugvorfeld
aufnimmt, die in einer Steuerungseinrichtung auf das Vorhandensein einer Person
und insbesondere auf Bewegungsmuster bzw. Handbewegungen der Person
ausgewertet werden. Wird eine Geste als Anhalte- bzw. Mitfahrwunsch erkannt,
- 29 -
steuert das Fahrzeug vollautomatisiert die aufzunehmende Person an (Absätze
0008 bis 0010).
Die von der Steuerungseinrichtung erfasste Handbewegung wird mit vorab in einem
Gesten- oder Bewegungspool definierten Vergleichsgesten oder Vergleichsmustern
verglichen, die entweder schon in einem Speicher des Fahrzeugs vorliegen oder
seitens des Fahrzeugs zuvor gelernt bzw. angelernt wurden. Der Musterpool kann
regional unterschiedlich ausgelegt sein und an z. B. europäische oder
nordamerikanische Verhaltensweisen angepasst sein (Absätze 0014 und 0034).
Die Druckschrift D1 nennt neben der optischen auch eine akustische Signalanalyse,
um Rufsignale der zu befördernden Person auswerten zu können (Absatz 0017).
5.1.2 Die Druckschrift D1 zeigt, ausgedrückt in den Worten des
Patentanspruchs 4 nach Hauptantrag eine
4 Einsatzauswerteeinrichtung (Steuerungseinrichtung 3) für ein
automatisiert betreibbares Personenbeförderungsfahrzeug
(Kraftfahrzeug 1) umfassend
(Figur 1; Absatz 0031: Kraftfahrzeug 1, umfassend eine das
Fahrzeugvorfeld aufnehmende Kameraeinrichtung 2 mit
zugeordneter Steuerungseinrichtung 3, die zum
Verarbeiten der Bilddaten der Kameraeinrichtung 2 dient.;
Absatz 0048: … von einem vollständig autonom fahrenden
Fahrzeug)
a‘‘ eine Eingangsschnittstelle, um ein erstes Signal (A) einer Person
(4) zu erhalten,
(Figur 1: die Steuerungseinrichtung 3 ist mit der Kamera 2
verbunden und muss daher eine Schnittstelle zum Erhalt
der Bilddaten aufweisen; Absatz 0032: … eine Person 4,
die mit der rechten Hand 5 eine quasi winkende
- 30 -
Handbewegung macht, indem die Hand mehrfach von
rechts nach links bewegt wird, wie durch den Doppelpfeil A
angedeutet ist.)
a1 wobei das erste Signal (A) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (4) umfasst,
(Figur 1; Absatz 0032: Person 4, die mit der rechten Hand
5 eine quasi winkende Handbewegung macht, indem die
Hand mehrfach von rechts nach links bewegt wird, wie
durch den Doppelpfeil A angedeutet ist. Über diese
Handbewegung soll dem Kraftfahrzeug 1, bei dem es sich
beispielsweise um ein selbstfahrendes Taxi handelt, ohne
oder mit Fahrer, signalisiert werden, dass die am
Straßenrand stehende Person mitgenommen werden
möchte. Das Winken ist folglich eine Geste, die einen
Anhaltewunsch beschreibt.; Absatz 0033: linken Hand 6 …
durch den einen angehobenen Finger 7 dargestellt.; Absatz
0035: Blickrichtungserfassung; Absatz 0017: … über ein
kraftfahrzeugseitiges Mikrofon ein etwaiges Ruf- oder
Pfeifgeräusch der Person erfasst)
4 wobei die Einsatzauswerteeinrichtung (3) ausgeführt ist,
f ein auf eine Bedeutung des ersten Signals (A),
fteil trainiertes künstliches neuronales Netzwerk (in der
Steuerungseinrichtung 3) mit dem ersten Signal (A) zu speisen
und
f2 einen dem ersten Signal (A) entsprechenden
Beförderungswunsch und
(Absatz 0014: Die Handbewegung kann über die
Steuerungseinrichtung erfasst werden und … mit vorab in
einem Gesten- oder Bewegungspool definierten Gesten-
oder Vergleichsmustern, die seitens des Kraftfahrzeugs …
zuvor gelernt werden können, verglichen werden.; Absatz
- 31 -
0034: Darüber hinaus analysiert die
Steuerungseinrichtung 3, ob die Person entsprechende
Bewegungsmuster respektive Handbewegungen
durchführt, die eine mögliche einen Anhaltewunsch
anzeigende Geste beschreiben. Die
Steuerungseinrichtung 3 erfasst hier das Winken der
Hand 5. … Die Vergleichsgesten oder
Vergleichsbewegungen können beispielsweise angelernt
sein … Danach offenbart die Druckschrift D1 zwar das
Trainieren eines Netzwerks, jedoch lässt sich ihr nicht
unmittelbar und eindeutig die Ausbildung als künstliches
neuronales Netzwerk entnehmen.)
f3 einen dem Beförderungswunsch entsprechenden zweiten
Steuerbefehl zu erhalten und
(Absatz 0036: Stellt die Steuerungseinrichtung 3 nun fest,
dass es sich um eine, gegebenenfalls über die
Blickrichtungserfassung verifizierte Handbewegung
handelt, die einen Anhaltewunsch anzeigt, so kann gestützt
auf diese Information das Kraftfahrzeug 1 gezielt über die
Steuerungseinrichtung 3 zum Anhalten in der Nähe der
Person gesteuert werden.)
g eine Ausgangsschnittstelle,
g1 um den zweiten Steuerbefehl für eine Steuerungseinrichtung
des Personenbeförderungsfahrzeuges (1) auszugeben,
(Figur 1: Die Steuerungseinrichtung 3 ist mit der
Antriebseinrichtung 14 verbunden, so dass sie eine
Ausgangsschnittstelle zu dieser bzw. zu einer in der
Antriebseinrichtung 14 integrierten Steuerungseinrichtung
aufweisen muss; Absatz 0036: Stellt die
Steuerungseinrichtung 3 nun fest, dass es sich um eine,
gegebenenfalls über die Blickrichtungserfassung
- 32 -
verifizierte Handbewegung handelt, die einen
Anhaltewunsch anzeigt, so kann gestützt auf diese
Information das Kraftfahrzeug 1 gezielt über die
Steuerungseinrichtung 3 zum Anhalten in der Nähe der
Person gesteuert werden.)
h um einen Beförderungswunsch der Person (4) für eine Beförderung
mit dem Personenbeförderungsfahrzeug (1) zu erkennen und
i das Personenbeförderungsfahrzeug (1) automatisiert zu der
Person (4) zu steuern.
(Absatz 0042: Sobald sämtliche Auswertungen erfolgt sind
und klar ist, dass das Kraftfahrzeug die Person 4
aufnehmen wird, steuert die Steuerungseinrichtung 3 eine
entsprechende Antriebseinrichtung 14 des Kraftfahrzeugs
an, woraufhin dieses sich automatisch in Bewegung setzt
und zu der Person 4 fährt, um diese aufzunehmen.)
Als Unterschied zur Vorrichtung gemäß Anspruch 4 nach Hauptantrag verbleibt
somit lediglich das in der Druckschrift D1 nicht explizit genannte künstliche
neuronale Netzwerk nach dem Rest des Merkmals f.
5.1.3 Der Gegenstand des Anspruchs 4 nach Hauptantrag mag somit gegenüber
dem Stand der Technik nach Druckschrift D1 als neu gelten. Er beruht aus den
folgenden Gründen jedoch nicht auf einer erfinderischen Tätigkeit:
Bei dem in der Druckschrift D1 genannten „Lernen“ bzw. „Anlernen“ von
Vergleichsgesten oder Vergleichsbewegungen, das als Alternative zur Verwendung
von vorhandenen, vorab in einem Gesten- oder Bewegungspool abgelegten
Datensätzen beschrieben wird (Absätze 0014 und 0034), liest der Fachmann mit,
dass dieses sich auf sogenanntes maschinelles Lernen (machine learning) bezieht.
- 33 -
Beim maschinellen Lernen, als Oberbegriff für die „künstliche“ Generierung von
Wissen durch Lernen aus Beispielen, indem mittels Algorithmen aus Trainingsdaten
ein statistisches Modell aufgebaut wird, zieht der Fachmann bei der Anwendung auf
dem vorliegenden Gebiet der Mustererkennung eine Realisierung durch künstliche
neuronale Netze in Betracht.
Der Anmelderin ist zwar darin zuzustimmen, dass maschinelles Lernen nicht nur
durch Algorithmen mit der Architektur eines künstlichen neuronalen Netzwerks
realisiert werden kann, sondern auch durch weitere Algorithmen, wie
Entscheidungsbäumen (decision trees), dem sogenannten k-Means-Algorithmus
oder Support Vector Machines (SVM), die als Verfahren der Mustererkennung und
zur Klassifizierung von Objekten für die genannte Anwendung prinzipiell denkbar
sind (vgl. beispielsweise Druckschrift D2, Absatz 0044).
Jedoch ist dem Fachmann die Ausgestaltung des „Lernens“ bzw. „Anlernens“ durch
künstliche neuronale Netzwerke, jedenfalls bei den in der Druckschrift D1
genannten selbstfahrenden Kraftfahrzeugen (Absatz 0002), nahegelegt, denn
deren Einsatz in der Bildverarbeitung teil- oder vollautonom fahrender Fahrzeuge
gehört schon seit vielen Jahren zum üblichen Vorgehen des Fachmanns. Ein Beleg
für dieses etablierte Fachwissen ist die Druckschrift D3 (vgl. dort beispielsweise
Anspruch 1).
Somit ergibt sich der Gegenstand des Anspruchs 4 nach Hauptantrag unter
Berücksichtigung des Wissens und Könnens des Fachmanns in naheliegender
Weise aus der Druckschrift D1.
5.2 Entsprechendes gilt für den Patentanspruch 5 nach Hauptantrag, dessen
Gegenstand sich für den Fachmann ebenfalls in naheliegender Weise aus der
Druckschrift D1 ergibt.
- 34 -
Die Druckschrift D1 zeigt, ausgedrückt in den Worten des Patentanspruchs 5 nach
Hauptantrag ein
5 Fahrerassistenzsystem für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) umfassend
(Absatz 0048: Obiges Beispiel geht von einem vollständig
autonom fahrenden Fahrzeug aus. Handelt es sich jedoch
um ein Fahrzeug, das nur teilautonom oder auch
vollständig autonom, jedoch zwingend mit anwesendem
Fahrer fährt, so kann das erfindungsgemäße Verfahren
respektive das System gleichermaßen angewendet
werden. Anders als beim beschriebenen Beispiel erfolgt in
diesem Fall nach Erfassen eines Mitfahrwunschs eine
Anzeige über eine geeignete Anzeigeeinrichtung, die an
den Fahrer gerichtet ist, und ihn auf die Person 4
aufmerksam macht. Denn es kann sein, dass insbesondere
bei höherem Verkehrsaufkommen der Fahrer die am
Straßenrand stehende, winkende Person übersieht. Nach
Signalisierung an den Fahrer kann der Fahrer sodann
selbst das Kraftfahrzeug 1 zur Person 4 bewegen, wenn er
selber fahren muss, oder das Kraftfahrzeug 1 fährt auch in
diesem Fall weitgehend autonom, jedoch mit zusätzlicher
Information des Fahrers.
Das aus der Druckschrift D1 bekannte Fahrerassistenz-
system ist also – wie das System nach der vorliegenden
Anmeldung – sowohl für voll- als auch für teilautonom
betreibbare Personenbeförderungsfahrzeuge geeignet.)
a‘‘‘ wenigstens einen Umfelderfassungssensor (Kameraeinrichtung
2) zur Erfassung eines ersten Signals (A) einer Person (4),
(Figur 1; Absatz 0034)
- 35 -
a1 wobei das erste Signal (A) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (4) umfasst und
(Figur 1; Absätze 0032, 0033 und 0035 sowie 0017)
4 eine Einsatzauswerteeinrichtung nach Anspruch 4,
h um einen Beförderungswunsch einer Person (4) für eine
Beförderung mit dem Personenbeförderungsfahrzeug (1) zu
erkennen und
i das Personenbeförderungsfahrzeug (1) automatisiert zu der
Person (4) zu steuern.
(vgl. die obigen Ausführungen zum Patentanspruch 4)
5.3 Da sich die Gegenstände der Patentansprüche 4 und 5 gemäß Hauptantrag
somit als nicht patentfähig erweisen und über einen Antrag nur einheitlich
entschieden werden kann (vgl. BGH, Beschluss vom 27. Juni 2007 – X ZB 6/05,
BGHZ 173, 47, Rdn. 18 – Informationsübermittlungsverfahren II), konnte der
Hauptantrag der Anmelderin bereits aus diesem Grund nicht zum Erfolg führen.
5.4 Darüber hinaus beruhen aber auch die Gegenstände der nebengeordneten
Ansprüche 1, 2 und 3 nach Hauptantrag nicht auf einer erfinderischen Tätigkeit.
5.4.1 Hinsichtlich des Trainings, also des (An-)Lernvorgangs des künstlichen
neuronalen Netzwerks nach den Ansprüchen 1, 2 und 3 nach Hauptantrag,
offenbart die Druckschrift D1 zumindest, dass ein solcher Anlernvorgang – als
Alternative zu bereits gespeicherten Vergleichsdaten – möglich ist, vgl.
· Absatz 0014: Die Handbewegung kann über die Steuerungseinrichtung
erfasst werden und beispielsweise mit vorab in einem Gesten- oder
Bewegungspool definierten Gesten- oder Vergleichsmustern, die seitens des
Kraftfahrzeugs auch zuvor gelernt werden können, verglichen werden. Stellt
sich heraus, dass die gegebene Handgeste einem Vergleichsmuster
entspricht, kann daraus ein Mitfahrwunsch abgeleitet werden. Stellt sich
- 36 -
heraus, dass die Geste nicht zu den Gesten- oder Vergleichsmustern passt,
so wird die erfasste Handbewegung nicht als Geste, die einen
Anhaltewunsch anzeigt, gewertet und verworfen. Der Musterpool kann z. B.
regional unterschiedlich ausgelegt sein, also an z. B. europäischen oder
nordamerikanischen Verhaltensweisen angepasst sein.
· Absatz 0034: Steuerungseinrichtung 3 erfasst hier das Winken der Hand 5.
Die erfasste Handbewegung wird analysiert und beispielsweise mit vorab in
einem Speicher abgelegten Vergleichsgesten oder Vergleichsbewegungen
verglichen. Die Vergleichsgesten oder Vergleichsbewegungen können
beispielsweise angelernt sein, sie können aber auch als vorhandener
Datensatz abgelegt werden.
Zudem lehrt die Druckschrift D1 eine Klassifizierung bzw. Eingruppierung einer
erfassten Handbewegung in ein Klassifizierungsraster, wobei Handbewegungen
auch als nicht zum Anhalten führende Handbewegungen verworfen werden können
und wobei die Sicherheit des Anhaltewunsches ermittelt werden kann, vgl.
· Absatz 0016: Denkbar ist es dabei ferner, über die Steuerungseinrichtung die
erfasste Handbewegung zu klassifizieren, wobei die Handbewegung in
Abhängigkeit der Klassifizierung berücksichtigt oder verworfen wird. Hierüber
kann die Handbewegung quasi in ein Klassifizierungsraster eingruppiert
werden, über das sie hinsichtlich der Eindeutigkeit, dass die Bewegung einen
Anhaltewunsch andeutet, näher qualifiziert werden kann. Es kann darüber
also eine Festlegung erfolgen, wie sicher oder unsicher der Anhaltewunsch
ermittelt wurde. Über diese Klassifizierung können auch Handbewegungen,
die eher abfällige Gesten darstellen, ausgeschlossen werden und als nicht
zum Anhalten führende Handbewegungen verworfen werden.
Der Fachmann entnimmt der Druckschrift D1, dass in einer vorausgehenden (An-
)Lernphase (Absätze 0014, 0034) nicht nur positive, sondern auch negative
Trainingsdaten (wie von Merkmal b1 gefordert) verwendet werden. Den Wortlaut,
- 37 -
wonach „nicht zum Anhalten führende Handbewegungen verworfen werden“,
versteht er keineswegs dahingehend, dass diese Handbewegungen nicht
ausgewertet werden. Vielmehr legt der Fachmann diese Aussage derart aus, dass
diese Handbewegungen nicht als Anhaltewunsch zu werten sind.
5.4.2 Danach ist aus der Druckschrift D1, ausgedrückt in den Worten des
Anspruchs 1 nach Hauptantrag, das Folgende bekannt:
1 Trainingsauswerteeinrichtung für ein automatisiert betreibbares
Personenbeförderungsfahrzeug (1) zum maschinellen Lernen des
Beförderungswunsches der Person umfassend
(vgl. Absatz 0014 und 0034: Das dort erwähnte Lernen bzw.
Anlernen versteht der Fachmann als „Trainieren“ mittels
maschinellen Lernens, vgl. Abschnitt 5.1.3).
a eine erste Eingangsschnittstelle, um wenigstens ein erstes Signal (A)
einer Person (4) zu erhalten,
a1 wobei das erste Signal (A) eine Gestik, Mimik und/oder ein
Stimmsignal der Person (4) umfasst,
(da die Steuervorrichtung 3 nach dem (An-)Lernen in der Lage
ist, die hier genannten Signale mit gelernten Mustern zu
vergleichen, muss sie in der Lernphase über eine (erste)
Eingangsschnittstelle zu der Kameravorrichtung 2 solche
Signale erhalten können)
b eine zweite Eingangsschnittstelle, um zweite Signale zu erhalten,
b1 wobei die zweiten Signale Signale für einen und für keinen
Beförderungswunsch umfassen,
(wie einleitend dargelegt, entnimmt der Fachmann dem Absatz
0016 der D1, dass die Klassen sowohl Klassen mit als auch ohne
Beförderungswunsch umfassen; diese müssen
selbstverständlich auch in der vorangehenden Trainingsphase
der Steuervorrichtung 3 zugeführt worden sein)
- 38 -
b2 wobei die zweite Eingangsschnittstelle ausgeführt ist, zu den
zweiten Signalen entsprechende erste Steuerbefehle eines Fahrers
des Personenbeförderungsfahrzeuges zu erhalten,
(selbstverständlich müssen in der Lernphase zu den die zweiten
Signale repräsentierenden Klassen auch entsprechende
Steuerbefehle eines Fahrers zugeführt werden, da ansonsten
kein Lernen möglich ist)
d um den zu diesem ersten Signal (A) gehörenden ersten Steuerbefehl zu
lernen,
e um das Personenbeförderungsfahrzeug (1) automatisiert zu der Person
(4) zu steuern.
(vgl. die einleitenden Bemerkungen zur Druckschrift D1).
Soweit ist die Trainingsauswerteeinrichtung nach Anspruch 1 bereits aus der
Druckschrift D1 bekannt.
5.4.3 Die aus der Druckschrift D1 nicht explizit entnehmbare Merkmalsgruppe c
ergibt sich für den Fachmann ausgehend von der Druckschrift D1 in naheliegender
Weise unter Zuhilfenahme seines Fachwissens, wie es beispielsweise durch die
Druckschrift D2 belegt ist.
Wie bereits zum Patentanspruch 4 ausgeführt, kann der Einsatz eines trainierten
künstlichen neuronalen Netzwerks ausgehend von der Druckschrift D1 eine
erfinderische Tätigkeit nicht begründen. Für das Trainieren eines solchen
Netzwerks ist das Erhalten des ersten und der mehreren zweiten Signale, der sich
anschließende Vergleich der Signale sowie das Anpassen von
Gewichtungsfaktoren der Verbindungen der Neuronen derart, dass eine
Übereinstimmung des ersten Signals mit einem der zweiten Signale maximal wird
(Klassifizieren), und derart, dass der vom neuronalen Netzwerk berechnete zweite
Steuerbefehl mit dem ersten Steuerbefehl des Fahrers übereinstimmt, was dem
- 39 -
gewünschten Verhalten bei dem sogenannten „überwachten Lernen“ entspricht, für
einen Fachmann auf diesem Gebiet fachüblich.
Dabei ist rein beispielgebend auf die Druckschrift DE 10 2017 100 609 A1
(Druckschrift D2) zu verweisen, die sich – wie auch die vorliegende Anmeldung und
die Druckschrift D1 – mit dem Erkennen und Klassifizieren von menschlichen
Gesten beschäftigt (D2, Absätze 0003, 0022, 0027, 0034 und 0049 sowie die
Ansprüche 1 und 17).
Dafür wird ein künstliches neuronales Netzwerk verwendet (Figuren 2A bis 2D),
das vor seinem bestimmungsgemäßen Einsatz trainiert wird (Absätze 0024, 0033,
0048, 0052 bis 0070; Figur 2F; Ansprüche 14 bis 16).
Dabei werden erste Signale einer Person erhalten und in das künstliche neuronale
Netzwerk eingespeist (Merkmale a, a1, c, c1; Absatz 0052: Bei Schritt 272 wird ein
Trainingsdatenstrom, der einer Handgeste zugeordnet ist, von dem R3DCNN 230
oder 250 empfangen).
Die anspruchsgemäßen „zweiten Signale“ enthalten Signale für eine Handgeste
und für keine Handgeste und werden ebenfalls in das Netzwerk eingespeist
(Merkmale b, b1, c1; Absatz 0052: Klassenetikette yi werden aus dem Alphabet A
gezogen, um einen Vektor von Klassenetiketten y mit der Größe |y|=P zu bilden;
Absatz 0059: Das Verzeichnis von existierenden Gesten wird erweitert, um eine
keine Gestenklasse … {keine Geste} zu umfassen).
Die ersten und zweiten Signale werden auch verglichen, wobei
Gewichtungsfaktoren für Verbindungen von Neuronen derart angepasst werden,
dass eine Übereinstimmung des ersten Signals mit einem der zweiten Signale
maximal wird, d. h. es wird eine Klassifizierung des ersten Signals vorgenommen,
wobei – in Übereinstimmung mit der Beschreibung der vorliegenden Anmeldung –
eine Rückwärtsspeisung des Fehlers durch das neuronale Netzwerk vorgenommen
- 40 -
wird (Merkmale c2, c4, c4a; Absatz 0056: wird ein Klassenetikett für die Handgeste
erzeugt … Der CTC 240 berechnet die Wahrscheinlichkeit der Folge und propagiert
… Fehler an die vorhergehende Schicht. Angesichts des Fehlers in der Schätzung
aktualisiert jede Schicht ihre Parameter in Richtung einer Fehlerverringerung und
propagiert irgendwelche verbleibenden Fehler, um Fehler zu verringern. In einer
Ausführungsform wird die Trainings-Prozedur als stochastischer Gradienten-
Abstieg mit Momentum implementiert. Die Trainings-Prozedur kann iterativ
wiederholt werden, bis Konvergenz erreicht ist.)
5.4.4 Die weder der Druckschrift D1 noch D2 explizit entnehmbaren verbleibenden
Merkmale c3 und c4b, d. h. die Berechnung der (zweiten) Steuerbefehle durch das
künstliche neuronale Netzwerk und die Anpassung der Gewichtsfaktoren derart,
dass der vom Netzwerk berechnete (zweite) Steuerbefehl mit dem (ersten)
Steuerbefehl des Fahrers übereinstimmt, ergeben sich für den Fachmann ebenfalls
in naheliegender Weise aus der Kombination der Druckschriften D1 und D2, denn
selbstverständlich soll das künstliche neuronale Netzwerk so trainiert werden, dass
es „wunschgemäß handelt“, also möglichst „gut“ funktioniert.
So kann auch der von den Bevollmächtigten der Anmelderin in der mündlichen
Verhandlung vorgetragene Einwand, wonach die in der Druckschrift D2
kennzeichnenden Daten keine vorgegebenen Trainingsdaten seien, sondern erst
berechnet werden müssten und daher beim Betrieb eines Fahrzeugs ein
Sicherheitsrisiko darstellten, zu keiner anderen Beurteilung führen.
Denn der Fachmann, der von maschinellem Lernen von Handbewegungen für ein
Verfahren zum Betrieb eines selbstfahrenden und zum Anhalten in der Nähe einer
Person gesteuerten Kraftfahrzeugs nach Druckschrift D1 ausgeht, hat dabei bereits
alle sicherheitsrelevanten Anforderungen für teilautonom oder vollautomatisierte
Fahrzeuge zu berücksichtigen (vgl. die in der Beschreibung der Anmeldung zitierte
Norm SAE J3016 = Druckschrift D6). Zudem hat auch das in der Druckschrift D2
gelehrte System zum Erfassen und Klassifizieren von Handgesten unter expliziter
- 41 -
Verwendung neuronaler Netzwerke eine ausreichende Sicherheit zu gewährleisten,
da auch dieses für den Einsatz in Fahrzeugen geeignet sein soll (vgl. Absatz 0003).
Nach alledem ergibt sich der Gegenstand des Anspruchs 1 nach Hauptantrag unter
Berücksichtigung des Wissens und Könnens des Fachmanns in naheliegender
Weise aus der Kenntnis der Druckschriften D1 und D2.
5.4.5 Entsprechendes gilt für das zur Trainingsauswerteeinrichtung nach
Patentanspruch 1 korrespondierende Verfahren zum Trainieren des künstlichen
neuronalen Netzwerks nach Anspruch 2 und das Computerprogrammprodukt nach
Anspruch 3, mit dem die Schritte des Verfahrens nach Anspruch 2 ausgeführt
werden.
6. Die jeweiligen Gegenstände der Patentansprüche 1 bis 5 gemäß
Hilfsantrag sind ebenfalls nicht patentfähig, da sie nicht auf einer erfinderischen
Tätigkeit beruhen:
6.1 Von der Fassung nach Hauptantrag unterscheiden sich die
Patentansprüche 1 und 2 gemäß Hilfsantrag, die eine Trainingsauswerte-
einrichtung und das korrespondierende Verfahren zum Trainieren eines künstlichen
neuronalen Netzwerks betreffen, dadurch, dass einzelne erste Steuerbefehle des
Fahrers genannt sind (Merkmale b2Hi bzw. b2‘Hi), sowie parallel zu den zweiten
Signalen erste Steuerbefehle des Fahrers über die zweite Eingangsschnittstelle
eingelesen werden (Merkmale c1Hi bzw. c1‘Hi).
Die in den Merkmalen b2Hi bzw. b2‘Hi genannten ersten Steuerbefehle des Fahrers
– Betätigen einer Warnblinkanlage, Abbremsen, Ansteuern zu der Person (2),
Anhalten bei der Person (2), Gewähren von Zutritt in das
Personenbeförderungsfahrzeug (1) – in Reaktion auf die zweiten Signale gehen
über übliche Fahrmanöver eines (Bus-)Fahrers zum Anhalten und Aufnehmen von
Fahrgästen nicht hinaus und sind auch der Druckschrift D1 entnehmbar (z. B.
- 42 -
Absatz 0010: … nach Erfassen der den Anhaltewunsch anzeigende Geste das
selbstfahrende Kraftfahrzeug automatisch in die Nähe der Person gesteuert und
angehalten, so dass die Person einsteigen kann; Absatz 0036: … das Kraftfahrzeug
1 gezielt über die Steuerungseinrichtung 3 zum Anhalten in der Nähe der Person
gesteuert werden.; Anspruch 1: … bei Erfassen einer Handbewegung, die eine
einen Anhaltewunsch anzeigende Geste beschreibt, entweder das selbstfahrende
Kraftfahrzeug (1) zum Anhalten in der Nähe der Person gesteuert wird).
Die Anweisung in den Merkmalen c1Hi bzw. c1’Hi, wonach bei einer Speisung des
künstlichen neuronalen Netzwerks (13) mit dem ersten Signal (S1) und den zweiten
Signalen (S2a, S2b, S2c, S2d), parallel zum Einlesen der zweiten Signale, die zu
den zweiten Signalen korrespondierenden ersten Steuerbefehle des Fahrers (5)
über die zweite Eingangsschnittstelle (12) eingelesen werden, geht über die
Angaben im Merkmal b2, gemäß dem die zweite Eingangsschnittstelle (12)
ausgeführt ist, zu den zweiten Signalen entsprechende erste Steuerbefehle eines
Fahrers (5) des Personenbeförderungsfahrzeuges (1) zu erhalten, nur insoweit
hinaus, als dass die ersten Steuerbefehle und die zweiten Signale parallel
eingelesen werden. Ein solches Vorgehen („in Echtzeit“) ist für den Fachmann
jedoch selbstverständlich, denn anderenfalls wäre eine korrekte, insbesondere
zeitliche Zuordnung der einzelnen Signale und Befehle zueinander nicht möglich.
Somit ergeben sich die jeweiligen Gegenstände der Ansprüche 1 und 2 nach
Hilfsantrag unter Berücksichtigung des Wissens und Könnens des Fachmanns in
naheliegender Weise aus dem Stand der Technik nach den Druckschriften D1 und
D2.
6.2 Hinsichtlich der Änderung im Anspruch 4 nach Hilfsantrag, wonach bei der
Einsatzauswerteeinrichtung nicht mehr fakultativ, sondern zwingend ein nach
Anspruch 2 trainiertes neuronales Netzwerk mit dem ersten Signal gespeist wird,
wird auf die obigen Ausführungen zu den Ansprüchen 2 und 4 nach Hauptantrag
verwiesen (Abschnitte 5.4 bzw. 5.1).
- 43 -
Somit ergibt sich auch der Gegenstand des Anspruchs 4 nach Hilfsantrag für den
Fachmann in naheliegender Weise aus dem Stand der Technik nach den
Druckschriften D1 und D2.
6.3 Bezüglich der Ansprüche 3 und 5 nach Hilfsantrag, die mit den
entsprechenden Ansprüchen nach Hauptantrag identisch sind, wird auf die
diesbezüglichen Ausführungen in den Abschnitten 5.4 bzw. 5.2 verwiesen.
7. Vor diesem Hintergrund war die Beschwerde der Anmelderin
zurückzuweisen.
Rechtsmittelbelehrung
Gegen diesen Beschluss steht den an dem Beschwerdeverfahren Beteiligten das
Rechtsmittel der Rechtsbeschwerde zu (§ 99 Abs. 2, § 100 Abs. 1, § 101 Abs. 1 PatG).
Nachdem der Beschwerdesenat in dem Beschluss die Einlegung der Rechtsbeschwerde
nicht zugelassen hat, ist die Rechtsbeschwerde nur statthaft, wenn einer der
nachfolgenden Verfahrensmängel durch substanziierten Vortrag gerügt wird (§ 100 Abs. 3
PatG):
1. Das beschließende Gericht war nicht vorschriftsmäßig besetzt.
2. Bei dem Beschluss hat ein Richter mitgewirkt, der von der Ausübung des
Richteramtes kraft Gesetzes ausgeschlossen oder wegen Besorgnis der
Befangenheit mit Erfolg abgelehnt war.
3. Einem Beteiligten war das rechtliche Gehör versagt.
4. Ein Beteiligter war im Verfahren nicht nach Vorschrift des Gesetzes
vertreten, sofern er nicht der Führung des Verfahrens ausdrücklich oder
stillschweigend zugestimmt hat.
- 44 -
5. Der Beschluss ist aufgrund einer mündlichen Verhandlung ergangen, bei
der die Vorschriften über die Öffentlichkeit des Verfahrens verletzt worden
sind.
6. Der Beschluss ist nicht mit Gründen versehen.
Die Rechtsbeschwerde ist innerhalb eines Monats nach Zustellung des Beschlusses beim
Bundesgerichtshof, Herrenstraße 45a, 76133 Karlsruhe, schriftlich einzulegen (§ 102
Abs. 1 PatG).
Die Rechtsbeschwerde kann auch als elektronisches Dokument, das mit einer qualifizierten
oder fortgeschrittenen elektronischen Signatur zu versehen ist, durch Übertragung in die
elektronische Poststelle des Bundesgerichtshofes eingelegt werden (§ 125a Abs. 3 Nr. 1
PatG i. V. m. § 1, § 2 Abs. 1 Satz 1, Abs. 2, Abs. 2a, Anlage (zu § 1) Nr. 6 der Verordnung
über den elektronischen Rechtsverkehr beim Bundesgerichtshof und Bundespatentgericht
(BGH/BPatGERVV)). Die elektronische Poststelle ist über die auf der Internetseite des
Bundesgerichtshofes www.bundesgerichtshof.de/erv.html bezeichneten Kommunikations-
wege erreichbar (§ 2 Abs. 1 Satz 2 Nr. 1 BGH/BPatGERVV). Dort sind auch die
Einzelheiten zu den Betriebsvoraussetzungen bekanntgegeben (§ 3 BGH/BPatGERVV).
Die Rechtsbeschwerde muss durch einen beim Bundesgerichtshof zugelassenen
Rechtsanwalt als Bevollmächtigten des Rechtsbeschwerdeführers eingelegt werden (§ 102
Abs. 5 Satz 1 PatG).
Matter Müller Dorn Dr. Haupt
Sp


Full & Egal Universal Law Academy