2 Ni 68/20 (EP) - 2. Senat (Nichtigkeit)

ECLI:DE:BPatG:2022:050522U2Ni68.20EP.0
BUNDESPATENTGERICHT
IM NAMEN DES VOLKES
2 Ni 68/20 (EP)
(Aktenzeichen)
URTEIL
In der Patentnichtigkeitssache
…
Verkündet am
5. Mai 2022
…
- 2 -
…
betreffend das europäische Patent 1 290 889
(DE 601 17 376)
hat der 2. Senat (Nichtigkeitssenat) des Bundespatentgerichts aufgrund der
mündlichen Verhandlung vom 5. Mai 2022 durch die Vorsitzende Richterin Hartlieb
sowie die Richter Dipl.-Phys. Dr. Forkel, Dipl.-Ing. Hoffmann, Dr. Himmelmann und
Dipl.-Phys. Dr. Städele für Recht erkannt:
I. Das europäische Patent EP 1 290 889 wird mit Wirkung für das
Hoheitsgebiet der Bundesrepublik Deutschland im Umfang der
Ansprüche 1, 2, 13 und 14 für nichtig erklärt.
II. Die Kosten des Rechtsstreits trägt die Beklagte.
III. Das Urteil ist gegen Sicherheitsleistung in Höhe von 120 % des zu
vollstreckenden Betrages vorläufig vollstreckbar.
T a t b e s t a n d
Die Beklagte ist Inhaberin des auch mit Wirkung für die Bundesrepublik Deutschland
erteilten europäischen Patents 1 290 889 (Streitpatent), das am 22. Februar 2006
in englischer Sprache veröffentlicht wurde. Das Streitpatent hat den Anmeldetag
7. Mai 2001 und nimmt die Priorität US 60/210,440 P vom 8. Juni 2000 und die
Priorität US 09/785,375 vom 16. Februar 2001 in Anspruch. Die Anmeldeunterlagen
des Streitpatents wurden am 12. März 2003 mit der EP 1 290 889 A1 offengelegt.
- 3 -
Das Streitpatent trägt die Bezeichnung „SYSTEM AND METHOD OF VOICE
RECOGNITION NEAR A WIRELINE NODE OF A NETWORK SUPPORTING
CABLE TELEVISION AND/OR VIDEO DELIVERY = SYSTEM UND VERFAHREN
ZUR SPRACHERKENNUNG BEI EINEM DRAHTGEBUNDENEN KNOTEN EINES
NETZES FÜR KABELFERNSEHEN UND/ODER VIDEOVERTEILUNG“. Die dem
Streitpatent zugrundeliegende internationale Anmeldung wurde am
13. Dezember 2001 unter der Publikationsnummer WO 01 / 95625 A1 veröffentlicht.
Das am 7. Mai 2021 durch Zeitablauf erloschene Patent wird beim Deutschen
Patent- und Markenamt unter dem Aktenzeichen 601 17 376.7 geführt und umfasst
31 Ansprüche. Die Patentansprüche 2 bis 12 und 14 bis 31 sind abhängige
Patentansprüche des Streitpatents.
Die Klägerin begehrt die Nichtigerklärung des deutschen Teils des Streitpatents im
Umfang der Ansprüche 1, 2, 13 und 14. Die Beklagte verteidigt das Streitpatent in
vollem Umfang und hilfsweise beschränkt mit acht Hilfsanträgen.
Die Klägerin stützt ihre Klage auf die Nichtigkeitsgründe der mangelnden
Patentfähigkeit mit Blick auf fehlende Neuheit und fehlende erfinderische Tätigkeit
sowie der unzureichenden Offenbarung und der unzulässigen Erweiterung.
Zur Stützung ihres Vorbringens hat die Klägerin die folgenden Dokumente genannt:
NK1 EP 1 290 889 B1 (Streitpatentschrift);
NK1a DE 601 17 376 T2 (dt. Übersetzung der Streitpatentschrift);
NK2 ursprünglich eingereichte Anmeldungsunterlagen;
NK3 US-Prioritätsanmeldung 60/210,440;
NK4 US-Prioritätsanmeldung 09/785,375;
NK5 EPA-Patentregisterauszug mit Datumsangabe „25.10.2020”;
NK6 Klageschrift im Verletzungsverfahren;
NK6a Replik der Verletzungsklägerin im Verletzungsverfahren;
NK7 Merkmalsgliederung des Patentanspruchs 1 des Streitpatents;
NK8 US 5 446 489 A;
NK9 US 5 774 859 A;
- 4 -
NK10 EP 0 782 337 A2;
NK11 WO 00 / 24198 A1;
NK12 „Speech Recognition Methods for Controlling Cable Television”, IBM
Technical Disclosure Bulletin, Vol. 38, Nr. 8, Seiten 285 – 287, August
1995;
NK13 „BBN’s Voice Navigation for Time-Warner’s FSN”, Telemedia News &
Views 2.12 (Dezember 1994);
NK13a vollständige Ausgabe der „Telemedia News & Views” vom Dezember
1994, 9 Seiten;
NK14 Price Colman, „The Power of Speech”, Auszug aus „ConvergenceTM -
The Magazine for the new communications industry”, Seiten 16 - 23,
August 1995;
NK15 WO 00 / 58 942 A2;
NK16 Digital Video Broadcasting (DVB) - Interaction channel for Cable TV
distribution systems (CATV). European Telecommunications Standards
Institute, Sophia Antipolis, France, Januar 1998;
NK17 EP 0 872 827 A2;
NK18 WO 97 / 49 242 A1;
NK18a Stellungnahme der Beklagten im GB-Verletzungsverfahren;
NK18b geänderte Stellungnahme der Beklagten im GB-Verletzungsverfahren;
NK18c geänderter Claim 13 aus dem GB-Verletzungsverfahren;
NK18d Schreiben der Prozessbevollmächtigten der Beklagten in GB;
NK18e Entscheidung des High Court im GB-Verletzungsverfahren;
NK19 Data-Over-Cable Service Interface Specifications - Radio Frequency
Interface Specification. Cable Television Laboratories, Inc., mit Hinweis
„Copyright 1999, 2000” und Datumsangabe „April 7, 2000”, 272 Seiten
(eingereicht mit Schriftsatz vom 28. August 2021);
NK19 WO 97 / 13 368 A1 (eingereicht mit Schriftsatz vom 4. April 2022);
NK20 US 5 758 259 A;
NK21 US 5 861 906 A;
NK22 WO 00 / 44 173 A1.
- 5 -
Die Klägerin behauptet, die Gegenstände der Ansprüche der Hilfsanträge 1 bis 8
seien nicht patentfähig.
Die Klägerin stellt den Antrag,
das europäische Patent EP 1 290 889 im Umfang der Ansprüche 1, 2, 13 und
14 mit Wirkung für das Hoheitsgebiet der Bundesrepublik Deutschland für
nichtig zu erklären.
Die Beklagte stellt den Antrag,
die Klage abzuweisen,
hilfsweise das europäische Patent EP 1 290 889 unter Klageabweisung im
Übrigen dadurch teilweise für nichtig zu erklären, dass seine angegriffenen
Patentansprüche die Fassung eines der Hilfsanträge 1 bis 7 vom 17. Februar
2022 und Hilfsantrag 8 vom 5. Mai 2022 in dieser Reihenfolge, erhalten.
Die Beklagte erklärt, dass sie die Patentansprüche gemäß Hauptantrag und
Hilfsanträgen als jeweils geschlossene Anspruchssätze ansieht, die jeweils
insgesamt beansprucht werden.
Die Beklagte tritt der Argumentation der Klägerin in allen wesentlichen Punkten
entgegen und vertritt die Auffassung, dass die angegriffenen Ansprüche neu seien
und auf einer erfinderischen Tätigkeit beruhen würden, hinreichend offenbart und
nicht unzulässig erweitert seien. Das Streitpatent sei jedenfalls in der Fassung eines
der Hilfsanträge patentfähig.
Mit Schriftsatz vom 3. Mai 2022 hat die Beklagte auf die Stellungnahme der Klägerin
vom 27. April 2022 erwidert und die darin enthaltenen neuen Angriffe auf Basis von
(angeblich) noch nicht verwendeten Druckschriften als verspätet gerügt. Der
umfassendste neue Angriff basiere auf der Druckschrift NK 22.
Der erteilte Patentanspruch 1 lautet in der Verfahrenssprache Englisch gemäß
EP 1 290 889 B1 (mit an die Anlage NK7 der Klägerin angelehnter
Merkmalsgliederung):
- 6 -
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech.
Der erteilte Patentanspruch 1 lautet in der Verfahrenssprache Deutsch gemäß
EP 1 290 889 B1 (mit an die Anlage NK7 der Klägerin angelehnter
Merkmalsgliederung):
1.1 Verfahren zur Verwendung eines Rückkanals,
1.1.1 der eine Vielzahl von erkannten Sprachkanälen von einer Vielzahl von
Teilnehmerstandorten (1100) enthält,
1.1.2 die in ein Spracherkennungssystem (3200) an einem Leitungs-Knoten
(1300) eines Netzwerks, das mindestens einen der Dienste
Kabelfernsehen oder Video-Verteildienst unterstützt, eingegeben
werden
1.2 und das folgende Schritte umfasst:
- 7 -
1.2.1 Empfang des Rückkanals zur Erzeugung eines empfangenen
Rückkanals;
1.2.2 Aufteilung des empfangenen Rückkanals in eine Vielzahl empfangener
erkannter Sprachkanäle;
1.2.3 Verarbeitung jedes aus der Vielzahl empfangener erkannter
Sprachkanäle mit dem Spracherkennungssystem, um für jeden
empfangenen erkannten Sprachkanal einen entsprechenden erkannten
Sprachinhalt zu erzeugen;
1.2.4 Reaktion auf den erkannten Sprachinhalt, um eine Reaktion auf den
erkannten Sprachinhalt zu erzeugen, die für jeden der erkannten
Sprachkanäle eindeutig ist; und
1.2.5 Individuelle Kontrolle der Lieferung von Unterhaltungs- und
Informationsdiensten zu jedem Teilnehmerstandort (1100) in
Übereinstimmung mit der erkannten Sprache.
Der erteilte Patentanspruch 13 lautet in der Verfahrenssprache Englisch gemäß
EP 1 290 889 B1 (mit einer Merkmalsgliederung):
13.1 A system supporting speech recognition for a network that supports at
least one of cable television delivery (1100) and video delivery (1100) to
a multiplicity of users,
said system comprising:
13.2 a speech recognition system (3200) coupled to a wireline node (1300)
being part of said network for receiving a back channel from a multiplicity
of user sites (1100) coupled to said network;
13.3 a back channel receiver (1322) for receiving said back channel to create
a received back channel;
13.4 a speech channel partitioner (1580; 2012) for partitioning said received
back channel into a multiplicity of received identified speech channels;
and
13.5 a processor (1520) for executing a program residing in a memory
accessibly coupled to said processor (1510);
wherein said processor (1520) comprises
- 8 -
13.5.1 means for processing each of said multiplicity of said received identified
speech channels within said speech recognition system (3200) to create
corresponding recognized speech content for each received identified
speech channel;
13.5.2 means for responding to said recognized speech content to create a
recognized speech content response that is unique for each of said
multiplicity of received identified speech channels; and
13.5.3 means for individually controlling the delivery of entertainment and
information services to each user site (1100) in accordance with said
recognized speech.
Der erteilte Patentanspruch 13 lautet in der Verfahrenssprache Deutsch gemäß
EP 1 290 889 B1 (mit einer Merkmalsgliederung):
13.1 System, das die Spracherkennung für ein Netzwerk unterstützt, welches
mindestens einen der Dienste zur Lieferung von Kabelfernsehen (1100)
oder einen Video-Verteildienst (1100) für eine Vielzahl von Teilnehmern
unterstützt,
wobei das System folgendes enthält:
13.2 Ein Spracherkennungssystem (3200), das mit einem Leitungs-Knoten
(1300) gekoppelt ist, der Teil des Netzwerks ist, um einen Rückkanal von
einer Vielzahl von Teilnehmerstandorten (1100), die mit dem Netzwerk
gekoppelt sind, zu empfangen;
13.3 Einen Rückkanal-Empfänger (1322) zum Empfang des Rückkanals, um
einen empfangenen Rückkanal zu erzeugen;
13.4 Einen Sprachkanal-Aufteiler (1580; 2012) zur Aufteilung des
empfangenen Rückkanals in eine Vielzahl von empfangenen erkannten
Sprachkanälen; und
13.5 Einen Prozessor (1520) zur Ausführung eines Programms, das sich in
einem Speicher befindet, der zugänglich mit dem Prozessor (1510)
gekoppelt ist;
wobei der Prozessor (1520) folgendes enthält:
- 9 -
13.5.1 Mittel zur Verarbeitung jedes aus der Vielzahl empfangener erkannter
Sprachkanäle in dem Spracherkennungssystem (3200), um für jeden
empfangenen erkannten Sprachkanal einen entsprechenden erkannten
Sprachinhalt zu erzeugen;
13.5.2 Mittel zur Reaktion auf den erkannten Sprachinhalt, um eine Reaktion auf
den erkannten Sprachinhalt zu erzeugen, die für jeden der erkannten
Sprachkanäle eindeutig ist; und
13.5.3 Mittel zur individuellen Kontrolle der Lieferung von Unterhaltungs- und
Informationsdiensten zu jedem Teilnehmerstandort (1100) in
Übereinstimmung mit der erkannten Sprache.
Der erteilte Patentanspruch 2 lautet in der Verfahrenssprache Englisch gemäß
EP 1 290 889 B1:
2. The method of Claim 1.
further comprising at least one of the steps of:
determining said associated user site (1100) from said received identified
speech channel;
determining said associated user site (1100) from said recognized speech
content;
determining said associated user site (1100) from said recognized speech
content and a speaker identification library;
determining said associated user site (1100) from said recognized speech
content and a speech recognition library; and
determining said associated user site (1100) from an identification within said
speech channel.
Der erteilte Patentanspruch 2 lautet in der Verfahrenssprache Deutsch gemäß
EP 1 290 889 B1:
2. Verfahren nach Anspruch 1,
das weiterhin mindestens einen der folgenden Schritte umfasst:
- 10 -
Bestimmung des zugeordneten Teilnehmerstandortes (1100) aus dem
empfangenen erkannten Sprachkanal;
Bestimmung des zugeordneten Teilnehmerstandortes (1100) aus dem
empfangenen erkannten Sprachinhalt;
Bestimmung des zugeordneten Teilnehmerstandortes (1100) aus dem
erkannten Sprachinhalt und einer Sprechererkennungs-Bibliothek;
Bestimmung des zugeordneten Teilnehmerstandortes (1100) aus dem
erkannten Sprachinhalt und einer Spracherkennungs-Bibliothek; und
Bestimmung des zugeordneten Teilnehmerstandortes (1100) aus einer
Erkennung innerhalb des Sprachkanals.
Der erteilte Patentanspruch 14 (gemäß EP 1 290 889 B1) in der englischen
Fassung unterscheidet sich von Patentanspruch 2 (gemäß EP 1 290 889 B1) nur
dadurch, dass der Ausdruck „The method of Claim 1. further comprising at least one
of the steps of:“ durch den Ausdruck „The system of Claim 13, wherein said
processor (1520) further executes at least one of the steps of:“ ersetzt ist.
Der erteilte Patentanspruch 14 in der deutschen Übersetzung (gemäß
EP 1 290 889 B1) unterscheidet sich von Patentanspruch 2 (gemäß
EP 1 290 889 B1) nur dadurch, dass der Ausdruck „Verfahren nach Anspruch 1,
das weiterhin mindestens einen der folgenden Schritte umfasst:“ durch den
Ausdruck „System nach Anspruch 13, wobei der Prozessor (1520) weiterhin
mindestens einen der folgenden Schritte ausführt:“ ersetzt ist.
Im Folgenden wird zu jedem der Hilfsanträge 1 bis 8 nur der jeweilige
Patentanspruch 1 aufgeführt, da die jeweiligen Patentansprüche 13 dieser
Hilfsanträge analoge Änderungen enthalten, und da die jeweiligen Patentansprüche
2 und 14 der Hilfsanträge 1 bis 6 identisch mit den erteilten Patentansprüchen 2 und
14 sind und Merkmale dieser Patentansprüche in die Patentansprüche 1 und 13
nach Hilfsanträgen 7 und 8 aufgenommen worden sind.
- 11 -
Patentanspruch 1 gemäß Hilfsantrag 1 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.6 wherein the entertainment and information services comprise a Video-
On-Demand service and an Interactive Program Guide.
Patentanspruch 1 gemäß Hilfsantrag 2 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
- 12 -
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.7 wherein the speech recognition is performed only by said speech
recognition system.
Patentanspruch 1 gemäß Hilfsantrag 3 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
- 13 -
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.8 wherein each user site comprises at least one set top box which is
associated with a remote control comprising a microphone and a talk
button;
1.2.9 and when the talk button is pushed by the user, the remote control sends
a talk-button-active command to the set top box;
1.2.10 and the set-top box then places an icon on a screen coupled to the set
top box and/or otherwise indicates to the user that she or he is listened
to.
Patentanspruch 1 gemäß Hilfsantrag 4 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
- 14 -
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.8‘ wherein each user site contains at least one set top box which is
associated with a remote control containing a microphone and a talk
button;
1.2.11 and wherein upon depressing the talk button on the remote control data
are sent to the wireline node alerting the system as to the user site and
a potential input.
Patentanspruch 1 gemäß Hilfsantrag 5 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
- 15 -
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.12 wherein said network comprises a content engine from which said
speech recognition system receives content status information;
1.2.8‘ wherein each user site contains at least one set top box which is
associated with a remote control containing a microphone and a talk
button;
1.2.13 wherein the analog signals picked up by the microphone are pre-
processed by the remote control;
1.2.14 wherein the set top box receives a radio frequency (RF) signal or an infra-
red signal from the remote control; and
1.2.11 and wherein upon depressing the talk button on the remote control data
are sent to the wireline node alerting the system as to the user site and
a potential input.
Patentanspruch 1 gemäß Hilfsantrag 6 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
- 16 -
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.15 wherein the speech recognition system (3200, 1330) communicates with
a content engine (1340), indicating a current user location in a menu
structure and/or a requested user action, in particular a video request;
1.2.16 and wherein the content engine (1340) provides at least one multimedia
stream (1342) to a tranceiver (1320) from which it is send to an individual
user site.
Patentanspruch 1 gemäß Hilfsantrag 7 vom 17. Februar 2022 hat folgenden
Wortlaut (wobei die Änderungen zum erteilten Patentanspruch 1 gemäß
EP 1 290 889 B1 unterstrichen sind und die neuen Merkmale entsprechend
bezeichnet sind):
1.1 A method of using a back channel
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
- 17 -
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.17 further comprising at least one of the steps of:
determining said associated user site (1100) from said recognized
speech content;
determining said associated user site (1100) from said recognized
speech content and a speaker identification library;
determining said associated user site (1100) from said recognized
speech content and a speech recognition library; and
determining said associated user site (1100) from an identification within
said speech channel.
Patentanspruch 1 gemäß Hilfsantrag 8 vom 5. Mai 2022 hat folgenden Wortlaut
(wobei die Änderungen zum erteilten Patentanspruch 1 gemäß EP 1 290 889 B1
unterstrichen sind und die neuen Merkmale entsprechend bezeichnet sind):
1.1 A method of using a back channel
- 18 -
1.1.1 containing a multiplicity of identified speech channels from a multiplicity
of user sites (1100)
1.1.2 presented to a speech recognition system (3200) at a wireline node
(1300) of a network supporting at least one of cable television delivery
and video delivery,
1.2 comprising the steps of:
1.2.1 receiving said back channel to create a received back channel,
1.2.2 partitioning said received back channel into a multiplicity of received
identified speech channels;
1.2.3 processing each of said multiplicity of said received identified speech
channels with said speech recognition system to create corresponding
recognized speech content for each received identified speech channel;
1.2.4 responding to said recognized speech content to create a recognized
speech content response that is unique for each of said received
identified speech channels; and
1.2.5 individually controlling the delivery of entertainment and information
services to each user site (1100) in accordance with said recognized
speech;
1.2.17 further comprising at least one of the steps of:
determining said associated user site (1100) from said recognized
speech content;
determining said associated user site (1100) from said recognized
speech content and a speaker identification library;
determining said associated user site (1100) from said recognized
speech content and a speech recognition library.
Wegen der weiteren Einzelheiten wird auf den Akteninhalt verwiesen.
- 19 -
E n t s c h e i d u n g s g r ü n d e
Die Klage, mit der die Nichtigkeitsgründe der fehlenden Patentfähigkeit (Art. II
§ 6 Abs. 1 Satz 1 Nr. 1 IntPatÜG, Art. 138 Abs. 1 lit. a) EPÜ i. V. m. Art. 52, 54 und
56 EPÜ), der unzureichenden Offenbarung (Art. II § 6 Abs. 1 Satz 1 Nr. 2 IntPatÜG,
Art. 138 Abs. 1 lit. b) EPÜ i. V. m. Art. 83 EPÜ) und der unzulässigen Erweiterung
(Art. II § 6 Abs. 1 Satz 1 Nr. 3 IntPatÜG, Art. 138 Abs. 1 lit. c) EPÜ i. V. m.
Art. 123 EPÜ) geltend gemacht werden, ist zulässig. Insbesondere besteht trotz des
Erlöschens des Streitpatents durch Zeitablauf am 7. Mai 2021 ein besonderes,
eigenes Rechtsschutzbedürfnis der Klägerin, weil die Beklagte unter anderem die
Klägerin mit Klageschriftsatz vom 5. Mai 2020 wegen angeblicher Verletzung des
Streitpatents vor dem Landgericht Mannheim verklagt hat und deshalb die nicht nur
theoretische Gefahr besteht, dass die Klägerin für die Zeit vor Erlöschen des
Schutzrechts wegen Verletzung des Patents in Anspruch genommen wird (vgl.
Keukenschrijver, Patentnichtigkeitsverfahren, 7. Aufl. 2021, Rn. 133 ff. mit
umfangreichen Nachweisen zur Rechtsprechung des BGH und BPatG).
Die Klage ist auch begründet. Die angegriffenen Ansprüche 1, 2, 13 und 14 des
Streitpatents haben weder in der erteilten Fassung noch in der Fassung eines der
Hilfsanträge Bestand.
I.
Die im Schriftsatz der Klägerin vom 27. April 2022 enthaltenen Angriffe auf Basis der
Druckschriften NK18, NK19 (WO 97 / 13 368 A1), NK20 und NK22 waren trotz Rüge
der Beklagten nach § 83 Abs. 4 Satz 1 PatG nicht als verspätet zurückzuweisen.
Damit ist über den Angriff auf das Streitpatent nach den Druckschriften NK18, NK19
(WO 97 / 13 368 A1), NK20 und NK22 in der Sache zu entscheiden.
- 20 -
Gemäß § 83 Abs. 4 Satz 1 PatG kann das Patentgericht zwar Angriffsmittel
zurückweisen und bei seiner Entscheidung unberücksichtigt lassen. Hierfür ist es
aber stets erforderlich, dass Angriffsmittel enthaltender Vortrag tatsächliche oder
rechtliche Fragen aufkommen lässt, die in der mündlichen Verhandlung nicht oder
nur mit unverhältnismäßigem Aufwand zu klären sind (vgl. Begründung zum Entwurf
eines Gesetzes zur Vereinfachung und Modernisierung des Patentrechts,
BlPMZ 2009, 307, 315). Kann das an sich verspätete Vorbringen dagegen noch ohne
Weiteres in die mündliche Verhandlung einbezogen werden, ohne dass es zu einer
Verfahrensverzögerung kommt, liegen die Voraussetzungen für eine Zurückweisung
nach § 83 Abs. 4 PatG nicht vor (vgl. Keukenschrijver, a. a. O., Rn. 223 mit
umfangreichen Nachweisen zur Rechtsprechung des BPatG).
II.
1. Das Streitpatent betrifft die Durchführung einer Spracherkennung an einem
Leitungsknoten eines Netzwerks, welches Kabelfernsehen und/oder Video-
Verteildienste unterstützt (Streitpatentschrift, Absatz [0001]).
In der Beschreibungseinleitung des Streitpatents ist ausgeführt, dass nur einige
wenige Anwendungen (am Anmeldetag) Sprachsteuerungsfunktionen verwendet
hätten, die auf den (damals) neuesten Spracherkennungstechnologien basieren.
Aufgrund der mittelmäßigen Spracherkennungseffizienz der entsprechenden
Spracherkennungssysteme, die typischerweise nur einen begrenzten
Befehlsumfang aufwiesen, sei oft ein Sprachtraining nötig gewesen. Daneben sei in
High-End-Systemen die maschinelle Verarbeitung natürlicher Sprache eingesetzt
worden, welche modernste Software sowie mehrere hundert Megabytes Speicher
erfordert hat. Jedoch habe der Stand der Technik die Probleme der
Spracherkennung nicht adressiert, die sich an einem zentralisierten Leitungsknoten
in einem Netzwerk stellen, das die Lieferung von Videos oder von Kabelfernsehen
unterstützt (Streitpatentschrift, Absätze [0002], [0004], [0005]; aus dem Stand der
Technik bekannte typische Beispiele für solche Netzwerke sind in den Absätzen
[0006] bis [0029] i. V. m. den Figuren 1 und 2 der Streitpatentschrift beschrieben).
- 21 -
Des Weiteren sei es beim Design von Kabelfernseh-Set-Top-Boxen ein
wesentliches Ziel gewesen, Informationen von der Kabelfernsehanlage zu den
Teilnehmern (d.h. „downstream“) effizient zu übertragen. Hingegen sei die
Berücksichtigung der Informationsübermittlung von einem Teilnehmer zur
Kabelfernsehanlage („upstream“) viel mehr Beschränkungen unterworfen gewesen.
Da neue Klassen interaktiver Dienste verfügbar geworden seien, habe die effiziente
Ausnutzung der Übertragungsbandbreite in Upstream-Richtung an Bedeutung
gewonnen (Streitpatentschrift, Absatz [0013]).
Ferner seien umfangreiche Forschungen zu den Mechanismen der
Spracherkennung durchgeführt worden; die dabei gemachten Fortschritte hätten es
Börsenmaklern erlaubt, mittels ihrer Tischcomputer sprachbasiert zu handeln
(Streitpatentschrift, Absatz [0030]).
Jedoch seien mehrere zentrale Fragestellungen nicht geklärt worden, die für
Kabelfernsehen, Videoverteilsysteme und den Handel von großer Wichtigkeit seien.
So habe es kein System gegeben, bei dem Teilnehmer basierend auf einer
Spracherkennung identifiziert werden, die über ein Netzwerk hinweg ausgeführt
wird, das Kabelfernsehen und/oder Video-Verteildienste unterstützt. Auch sei kein
System vorhanden gewesen, das über ein Kabelfernseh- und/oder Video-
Verteilnetzwerk durchgeführte Echtzeit-Auktionen und Vertragsabschlüsse in
ausreichendem Maße unterstützt und auf der Identifikation der Teilnehmer durch
Spracherkennung beruht (Streitpatentschrift, Absatz [0031]).
2. Eine Aufgabe wird im Streitpatent nicht ausdrücklich genannt. Jedoch ist aus
den oben genannten Absätzen der Streitpatentschrift sowie aus Patentanspruch 1
und 13 die Aufgabe abzuleiten, ein Verfahren bzw. ein System anzugeben, das
eine Spracherkennung für mehrere Teilnehmer über ein Kabelfernseh- und/oder
Videoverteilnetzwerk hinweg ermöglicht und dadurch eine individuelle Kontrolle der
Lieferung von Unterhaltungs- und Informationsdiensten gewährleistet.
- 22 -
3. Als Fachmann, der mit der Lösung dieser Aufgabe betraut wird, ist ein
Elektrotechnikingenieur der Fachrichtung Nachrichtentechnik anzusehen, der
mehrjährige Erfahrung in der Konzeption und Entwicklung von Kabelfernseh- und
Videoverteilnetzwerken inklusive der zugehörigen Benutzerschnittstellen besitzt
und mit den jeweils gültigen Standards zum Betrieb solcher Netzwerke vertraut ist.
4. Dieser Fachmann legt den Merkmalen der von der Nichtigkeitsklage
angegriffenen Patentansprüche 1, 2, 13 und 14 folgendes Verständnis zugrunde:
4.1 Das Streitpatent definiert nicht ausdrücklich, was unter einem Rückkanal
sowie unter einem Sprachkanal zu verstehen sein soll, der eine Vielzahl von
erkannten Sprachkanälen von einer Vielzahl von Teilnehmerstandorten enthält (vgl.
Merkmale 1.1 und 1.1.1 sowie 13.2 bis 13.4).
Aus Sicht des Fachmanns ist ein Rückkanal ein Kommunikationskanal oder
Übertragungsweg, auf dem Signale (z.B. Sprachsignale) von den
Netzwerkteilnehmern an eine Sendestation (z.B. an eine Kopfstation („Headend“)
eines Kabelfernsehnetzwerks) „upstream“ übermittelt werden, d.h. entgegen der
Übertragungsrichtung, die beim Transfer der von der Sendestation bereitgestellten
Inhalte an die Teilnehmer verwendet wird.
Dementsprechend ist ein Sprachkanal ein Kommunikationskanal oder
Übertragungsweg eines Kommunikationsnetzwerks, auf dem Sprachinformationen
übertragen werden.
Darüber hinaus sind aber auch die auf einem Rückkanal übermittelten
Informationssignale oder Informationen selbst als Rückkanal anzusehen (bzw. als
Sprachkanal, falls diese auch Sprachinformationen umfassen). So ist dem
Streitpatent beispielsweise zu entnehmen, dass ein Rückkanal in einer Uplink-
Kommunikation enthalten sein, empfangen und an einen Spracherkennungsrechner
- 23 -
geliefert werden kann, und dass ein Spracherkennungssystem erkannte
Sprachkanäle verarbeitet (Streitpatentschrift, Absätze [0163], [0164], [0166], [0258],
[0263]; s. auch Merkmale 1.2.1, 1.2.3, 13.3, 13.5.1).
4.2 Die in Merkmal 1.1.1 genannten „identified speech channels“ sind
Sprachkanäle, die entsprechend dem Sinngehalt des Begriffs „identified“
insbesondere erkannt, festgelegt, ermittelt, bestimmt oder gekennzeichnet worden
sind; sie werden nach dem Empfang des Rückkanals (vgl. Merkmale 1.2.1, 13.3) in
„received identified speech channels“ aufgeteilt (Merkmale 1.2.2 und 13.4) und
liegen bereits vor, bevor die eigentliche Spracherkennung gemäß den Merkmalen
1.2.3 und 13.5.1 durchgeführt worden ist.
4.3 Ein Leitungsknoten („wireline node“, vgl. Merkmale 1.1.2, 13.2) ist vor dem
Hintergrund von Absatz [0005] der Streitpatentschrift insbesondere als ein
Netzwerkknoten anzusehen, der Video- oder Kabelfernsehdienste für mehrere
Teilnehmer über physische Leitungen (z.B. Kabel) erhält und/oder bereitstellt, wie
dies beispielsweise bei einem Headend eines Kabelfernsehnetzwerks der Fall sein
kann (vgl. Streitpatentschrift, Figur 1 i. V. m. Absätzen [0008], [0012], [0016]).
4.4 Ein Aufteilen des empfangenen Rückkanals in eine Vielzahl empfangener
erkannter Sprachkanäle („partitioning said received back channel into a multiplicity
of received identified speech channels“, vgl. Merkmale 1.2.2 und 13.4) interpretiert
der Fachmann derart, dass Sprachinformationen bzw. Sprachinformationssignale,
die auf dem Rückkanal als Datenstrom übertragen und empfangen worden sind, in
einzelne Sprachinformationsabschnitte aufgetrennt, segmentiert oder zerlegt oder
in verschiedene Gruppen eingeteilt werden.
4.5 Was unter einem erkannten Sprachinhalt („recognized speech content“, vgl.
Merkmale 1.2.3 und 13.5.1) zu verstehen sein soll, der aus der Verarbeitung der
erkannten Sprachkanäle resultiert, erläutert das Streitpatent nicht. Der
Beschreibung des Streitpatents ist in diesem Zusammenhang zu entnehmen, dass
zur Sprachverarbeitung eine Grammatik verwendet wird (Absatz [0098]) und als
Spracherkennungsergebnisse Worte, Anfragen, Textstrings oder Phrasen
- 24 -
ausgegeben werden (vgl. Absätze [0036] bis [0038], [0041], [0042] - „Thus, when a
command is spoken and recognized the system returns the key word“; Absätze
[0088], [0112] - „recognition of a spoken request“; Absätze [0111], [0116] bis [0119]
- „recognized text string“, „By displaying the text of the possible recognition results
[…]“, „recognized phrase“).
Der Fachmann versteht daher unter dem „erkannten Sprachinhalt“ Informationen,
die bereits in den an das Spracherkennungssystem übertragenen Sprachsignalen
enthalten sind, und die von diesem ermittelt und in einer bestimmten Repräsentation
- z.B. als Wort, Wortfolge oder Textstring - ausgegeben werden.
Aus Sicht des Fachmanns ist dieser „erkannte Sprachinhalt“ mit dem in den
Merkmalen 1.2.5 und 13.5.3 genannten Begriff „erkannte Sprache“ („recognized
speech“) zu identifizieren, da sich beide Begriffe auf das Ergebnis einer
Sprachverarbeitung durch ein Spracherkennungssystem beziehen und eine solche
Verarbeitung nur in Merkmal 1.2.3 bzw. 13.5.1 des erteilten Patentanspruchs 1
bzw. 13 vorgenommen wird.
Ferner ist festzuhalten, dass sämtliche Spracherkennungsoperationen, auf die
Merkmal 1.2.3 Bezug nimmt, gemäß dem Wortlaut des erteilten Patentanspruchs 1
von dem in Merkmal 1.1.2 genannten Spracherkennungssystem an dem
Leitungsknoten ausgeführt werden (vgl. Merkmal 1.2.3: „processing […] with said
speech recognition system to create corresponding recognized speech content“) -
denn von einem anderen Spracherkennungssystem ist im erteilten Patentanspruch
1 nicht die Rede.
Im Übrigen lässt das Streitpatent auch nicht darauf schließen, dass ein bestimmter
erkannter Sprachinhalt zusätzlich auch noch von einem (weiteren)
Spracherkennungssystem ermittelt wird, das sich außerhalb des Leitungsknotens
befindet, der die Sprachverarbeitung und -erkennung gemäß den Merkmalen 1.1.2
und 1.2.3 ausführt. Zwar finden gemäß den Absätzen [0064], [0065] und [0091]
Vorverarbeitungsoperationen an dem Teilnehmerstandort statt, aber das
Streitpatent subsumiert diese Operationen nicht unter eine Spracherkennung (vgl.
- 25 -
Absätze [0097] bis [0111] - der Sprachprozessor der Speech-Engine, der den im
ersten Satz von Absatz [0108] angesprochenen ersten Spracherkennungsschritt
sowie die sich gemäß Absatz [0109] daran anschließende, in Absatz [0111]
beschriebene Spracherkennung ausführt, befindet sich an dem Leitungsknoten).
Auch bei dem in Figur 21 gezeigten Netzwerk wird die Sprachverarbeitung für die
Headends 100 und 106 und die Knoten 120 und 124 jeweils von genau einem der
mit den Bezugszeichen 1410 gekennzeichneten „augmentierten“ Headends
ausgeführt; für das in Figur 22 gezeigte Netzwerk gilt Entsprechendes
(Streitpatentschrift, Absätze [0235], [0242]).
Somit ist Merkmal 1.2.3 derart zu verstehen, dass die darin genannten
Spracherkennungsoperationen ausschließlich von dem mit Merkmal 1.1.2
beanspruchten Spracherkennungssystem an dem Leitungsknoten ausgeführt
werden.
4.6 Ein Unterhaltungs- bzw. ein Informationsdienst (vgl. Merkmale 1.2.5, 13.5.3)
ist aus fachmännischer Sicht zunächst einmal eine Funktionalität eines
Kommunikationsnetzwerks, die der Bereitstellung und Übermittlung bestimmter
Daten (z.B. von Videos, Filmen, Fernsehprogrammen, Informationen zu einem
Online-Einkauf oder Internetinhalten) zur Unterhaltung bzw. zur Information von
Netzwerkteilnehmern dient (vgl. Streitpatentschrift, Absatz [0035]).
Eine Lieferung von Unterhaltungs- und Informationsdiensten („delivery of
entertainment and information services“, vgl. Merkmale 1.2.5, 13.5.3) umfasst aus
fachmännischer Sicht sowohl die Übermittlung als auch dem Empfang von Daten
an einen bzw. einem Teilnehmerstandort durch mindestens einen Unterhaltungs-
und mindestens einen Informationsdienst. Diese Daten können z.B. im Fall eines
Textdienstes Nachrichtenartikel sein (vgl. NK9, Spalte 5, Zeile 46 und 47 - „text
services such as news articles […]“), aber auch Videos oder
Programmführerinformationen, falls der Dienst ein Video-on-Demand-Dienst ist
oder ein elektronischer Programmführer mittels des Dienstes übertragen wird. Bei
einer Lieferung eines Unterhaltungs- bzw. Informationsdienstes können nach
fachmännischem Verständnis auch Daten übermittelt oder empfangen werden, die
- 26 -
ein Programm repräsentieren, das benötigt wird, um einen solchen Dienst
ausführen zu können (z.B. eine elektronische Programmführersoftware, die auf
einer Set-Top-Box installiert werden soll).
Eine individuelle Kontrolle der Lieferung eines Dienstes an jeden
Teilnehmerstandort („individually controlling the delivery […] to each user site“, vgl.
Merkmale 1.2.5, 13.5.3) in Übereinstimmung mit der erkannten Sprache liegt etwa
dann vor, wenn jeder einzelne Teilnehmer durch seine mündlichen Äußerungen die
Art der Daten oder deren Bedeutungsinhalt bestimmt, die durch den Dienst an
seinen Standort übermittelt werden, oder wenn jeder Teilnehmer beeinflusst, wie
diese Daten an seinen Standort und/oder die Standorte der anderen Teilnehmer
gesendet oder dort empfangen werden.
4.7 Ein Prozessor gemäß den Merkmalen 13.5 bis 13.5.3 ist eine Komponente,
die Daten verarbeitet und Mittel umfasst, die den in den Merkmalen 13.5.1 bis 13.5.3
aufgezählten Zwecken dienen (vgl. auch BGH, Urteil vom 3. August 2021, X ZR
71/19, juris und GRUR 2021, 1375 – Bediengerät für Spiele, Rn. 79).
4.8 Unter einem „genannten zugeordneten Teilnehmerstandort“ („said
associated user site“) im Sinne der Patentansprüche 2 und 14 des Streitpatents
versteht der Fachmann einen der in Merkmal 1.1.1 bzw. 13.2 genannten
Teilnehmerstandorte, da die Patentansprüche 1 bzw. 13 keine anderen Merkmale
enthalten, die sich auf einen Teilnehmerstandort beziehen. Ein Teilnehmerstandort
kann ein Raumbereich sein, der eine Set-Top-Box enthält oder mittels einer
Raumnummer oder Adressangabe identifiziert werden kann (vgl. Streitpatentschrift,
Absatz [0007] - „Each user site contains a Set Top Box“; Absatz [0184] - „[…] may
identify the user site as Room 432 or 10 Main Street“), oder auch eine Set-Top-Box
selbst (vgl. Absatz [0258] - „speech channels from multiple user sites (STBs) 1100“;
Absatz [0063] - „A given residence may include more than one set-top box 1100,
each of which has a distinct address in the network […] Each constitutes a distinct
user site“).
- 27 -
III.
Das Streitpatent hat in der erteilten Fassung keinen Bestand, weil die jeweiligen
Gegenstände der angegriffenen Patentansprüche 1, 2, 13 und 14 nicht patentfähig
sind.
1. Die Lehre des erteilten Patentanspruchs 1 beruht gegenüber dem der
Druckschrift NK11 entnehmbaren Stand der Technik auf keiner erfinderischen
Tätigkeit.
1.1 Die Druckschrift NK11 betrifft interaktive Fernsehsysteme und stellt Mittel
und Verfahren vor, wie ein Server verwendet werden kann, um Informationen, die
von einem Teilnehmer zur Verfügung gestellt werden, in ein Datenformat zu
konvertieren, das von einer interaktiven Fernsehanwendung verwendet werden
kann (NK11, Seite 1, Zeile 8 bis 10).
In der Einleitung der NK11 ist ausgeführt, dass interaktive Fernsehsysteme
Nutzerinteraktionen unterstützen und es daher den Fernsehteilnehmern
ermöglichen, eine Vielzahl von Produkten und Diensten zu bestellen, Informationen
zu bestimmten Fernsehprogrammen anzufordern oder elektronische Nachrichten
zu versenden (Seite 1, Zeile 13 bis 18).
Konkret ist ein System zur Verteilung interaktiver Fernsehanwendungen und
Fernsehprogramme an eine Reihe von Teilnehmern bzw. Zuschauern beschrieben,
wobei die Sendungen insbesondere auch über ein Kabelfernsehnetzwerk - also
kabelgebunden – an deren Empfangsstationen 20 übertragen werden können
(Figur 1 i. V. m. Seite 5, Zeilen 1 und 2 - „a system for distribution of interactive
television programs […] to a series of viewers“ sowie Seite 5, Zeile 27 bis 28 - „any
broadcast medium (e.g., CATV […]) may be used“; „CATV“ = „cable television“).
Das System erlaubt es einem Teilnehmer, digitalisierte Bilddaten eines
Grafiktabletts (Seite 4, Zeile 30 bis 32; Claims 18, 20 und 21) oder Sprachdaten, die
auf den von einem Mikrofon erfassten mündlichen Äußerungen des Teilnehmers
basieren (Seite 2, Zeile 15 bis 18, Seite 3, Zeile 20 bis 24; Seite 10, Zeile 20 bis 27;
- 28 -
Claims 18 und 22), über seine Set-Top-Box 22 als „nicht-textuelle“ Daten an einen
an einer Sendestation 10 angeordneten Server 13 zu übertragen. Dieser verwendet
eine Spracherkennungssoftware, um die Sprachdaten in Textdaten zu konvertieren,
die anschließend an die Set-Top-Box eines jeweiligen Teilnehmers zurückgeschickt
und dort angezeigt werden (Seite 3, Zeilen 20 bis 24; Seite 5, Zeilen 6 bis 8; Seite
10, Zeilen 20 bis 27). Als Rückkanal („return path“) zur Übertragung der
Sprachdaten an die Sendestation wird insbesondere ein Datenübertragungsweg
verwendet, der einen Teil der Bandbreite eines Rundfunkkanals umfasst und von
den Set-Top-Boxen der Teilnehmer über das Kabelfernsehnetzwerk und den
Demultiplexer 18 zu dem Server 13 hin verläuft (Claims 1, 4 und 6 - „wherein said
return path comprises a portion of the bandwidth of the broadcast channel; Figur 1
i. V. m. Seite 5, Zeile 27 und 28 sowie Seite 8, Zeilen 13 bis 16).
Somit zeigt die Druckschrift NK11 ein Verfahren zur Verwendung eines Rückkanals
(Merkmal 1.1).
Es ist selbstverständlich, dass in einem Kabelfernsehnetzwerk grundlegende
Benutzerschnittstellenfunktionen nicht nur für einen einzigen, sondern für eine
große Anzahl von Nutzern implementiert werden. Dies bedeutet im vorliegenden
Fall, dass die Sprachdaten mehrerer Teilnehmer über den Rundfunk-Rückkanal
gesendet werden, so dass dieser auch eine Vielzahl von Sprachkanälen von einer
Vielzahl von Teilnehmerstandorten enthält. Dass die Sprachdaten vor ihrer
Übermittlung festgelegt worden sein müssen und somit „identified speech channels“
im Sinne von Merkmal 1.1.1 sind, ist selbstverständlich.
Der Server 13, der insbesondere die Spracherkennung ausführt, befindet sich an
der Sendestation 10, die ein kabelgebundener Leitungsknoten eines
Kabelfernsehnetzwerks ist (vgl. Figur 1 sowie Seite 5, Zeilen 6 und 7 sowie
Zeilen 27 und 28; Merkmal 1.1.2).
Die Sprachdaten, die auf dem Rückkanal an den Server 13 übertragen worden sind,
werden durch eine Spracherkennungssoftware in Textform konvertiert (Seite 10,
Zeilen 25 und 26); dazu müssen sie selbstverständlich zuvor netzwerkseitig
- 29 -
empfangen worden sein (Merkmale 1.2, 1.2.1 und 1.2.3). Als Reaktion auf die
Spracherkennung kann der von dem Spracherkennungssystem ermittelte Text -
dieser repräsentiert den Inhalt der gesprochenen Äußerungen des Teilnehmers - an
die Set-Top-Boxen der Teilnehmer geschickt und dort angezeigt oder von
beliebigen interaktiven Anwendungen verwendet werden (vgl. Abstract; Claims 1
und 2; Seite 2, Zeilen 33 und 34; Seite 10, Zeile 26; Merkmal 1.2.4).
Weiterhin zeigt die Druckschrift NK11, dass ein Demultiplexer 18 in dem Rundfunk-
Rückkanal des in Figur 1 dargestellten Systems angeordnet ist. Dem Fachmann ist
bewusst, dass auf einem solchen Kanal Sprachinformationen übertragen werden,
indem Zeitmultiplexverfahren wie beispielsweise TDMA-Verfahren („TDMA“ = „Time
Division Multiple Access“) zum Einsatz kommen. Solche Verfahren hatten bereits
vor den beiden Prioritätszeitpunkten Einzug in einen europäischen
Telekommunikationsstandard gefunden; dabei werden Sprachdatenpakete
verschiedener Teilnehmer in aufeinanderfolgenden Zeitschlitzen vermischt
(„multiplext“) auf demselben Kanal gesendet und anschließend wieder aufgeteilt
(„demultiplext“; vgl. NK16, Abschnitt 4.2, Seite 9 - „Interaction Channel (IC): A bi-
directional IC is established between the service provider and the user for interaction
purposes. It is formed by […] Return Interaction path […] Also commonly known as
return channel“; Abschnitt 5 i. V. m. Seiten 10 bis 13, insbesondere Figuren 2 und
3, Abschnitt 5.1, erster und zweiter Absatz sowie Abschnitt 5.1.3, insbesondere
vierter, vorletzter und letzter Absatz - „Within upstream channels, users send
packets with TDMA type access. This means that each channel is shared by many
different users“; „There are different access modes for the upstream slots: […]
reserved slots with fixed rate reservation […] e.g., for voice, audio“ […] These slots
may be mixed on a single carrier […]“).
Der Fachmann wird daher erkennen, dass der Demultiplexer 18 der Aufteilung der
Sprachdatenpakete verschiedener Teilnehmer dient, die im Rahmen eines solchen
TDMA-Verfahrens auf dem Rundfunk-Rückkanal des Kabelfernsehsystems zu dem
Server 13 gesendet worden sind. Von anderen Daten, die auf diesem Rückkanal
übertragen werden, ist in NK11 auch nicht die Rede.
- 30 -
Somit entnimmt der Fachmann unter Zuhilfenahme seines Fachwissens der
Druckschrift NK11 auch das Merkmal 1.2.2.
Bereits das Zurücksenden der erkannten Texte an die Set-Top-Boxen und das
Bereitstellen dieser Texte zur Verwendung in einer bestimmten interaktiven
Anwendung kann als eine individuelle Kontrolle der Lieferung eines jeweiligen
Informationsdienstes im Sinne von Merkmal 1.2.5 angesehen werden. Denn dabei
beeinflussen die einzelnen Teilnehmer die Textdaten, die von dem
Spracherkennungssystem ermittelt und an die Teilnehmer transferiert werden,
individuell durch ihre sprachlichen Äußerungen. NK11 führt mehrere solche
interaktiven Anwendungen im Kontext einer Handschriftenerkennung an, nämlich
einen E-Mail-, einen Fax- und einen elektronischen Einkaufsdienst (Seite 9, Zeile
23 bis Seite 10, Zeile 19). Dass diese Anwendungen anstelle handschriftlicher
Texteingaben genausogut auch gesprochene Äußerungen der Teilnehmer
verarbeiten können, ist dem Fachmann aufgrund der Claims 1, 7 und 11 sowie 18
bis 22 der NK11 klar, denn diese sehen Sprach- und Handschriftenerkennung
jeweils als Alternativen vor.
Somit entnimmt der Fachmann der Druckschrift NK11 zumindest eine „individuelle
Kontrolle der Lieferung von Informationsdiensten in Übereinstimmung mit der
erkannten Sprache zu jedem Teilnehmerstandort“ (Teilmerkmal von Merkmal
1.2.5).
Eine „individuelle Kontrolle der Lieferung von Unterhaltungsdiensten in
Übereinstimmung mit der erkannten Sprache zu jedem Teilnehmerstandort“
(restliches Teilmerkmal von Merkmal 1.2.5) geht allerdings nicht unmittelbar aus
NK11 hervor.
1.2 Der Fachmann gelangt auch zu dem restlichen Teilmerkmal von Merkmal
1.2.5, ohne erfinderisch tätig zu werden.
So kann das in Druckschrift NK11 beschriebene System in etlichen interaktiven
Anwendungen verwendet werden, die auf einer Set-Top-Box ablaufen (Seite 9,
- 31 -
Zeile 23 i. V. m. Claim 1 und Seite 2, Zeile 33 und 34). Das bedeutet, dass diese
Anwendungen die von dem Server 13 bereitgestellten Textdaten verwenden.
Aus NK11 geht ferner hervor, dass ein Teilnehmer mittels solcher interaktiver
Anwendungen Informationen zu bestimmten Programmen anfordern oder im
Rahmen eines elektronischen Einkaufsdienstes Produkte oder Dienste kaufen
kann, indem er entsprechende Menüeinträge auswählt (Seite 1, Zeile 17 und 18;
Seite 1, Zeile 38 bis Seite 2, Zeile 5; Spalte 10, Zeile 2 und 3 sowie Zeile 14 bis 19).
Diese Produkte oder Dienste können selbstverständlich auch Datenfolgen - z.B.
Videos oder elektronische Zeitschriftenartikel - sein, die dem Teilnehmer zu
Informations- und Unterhaltungszwecken über das Kabelfernsehnetzwerk
elektronisch übermittelt werden.
Für den Fachmann liegt es daher auf der Hand, die von dem Server 13
bereitgestellten Textdaten auch in interaktiven Einkaufsdienstanwendungen zur
menügesteuerten Auswahl von elektronisch übermittelten Produkten oder Diensten
im Rahmen einer über die Set-Top-Box ausgeführten Kauftransaktion zu
verwenden. Das bedeutet, dass ein jeweiliger Teilnehmer durch seine mündlichen
Äußerungen die Art und den Bedeutungsinhalt der gekauften Datenfolgen
bestimmt, sodass dabei insbesondere eine „individuelle Kontrolle der Lieferung von
Unterhaltungsdiensten in Übereinstimmung mit der erkannten Sprache zu jedem
Teilnehmerstandort“ gemäß dem restlichen Teilmerkmal von Merkmal 1.2.5
vorgenommen wird (s.o., Abschnitt II.4.6).
1.3 Die Beklagte argumentiert, die NK11 offenbare keinen Rückkanal, der
mehrere Kanäle umfasst und an einem netzwerkseitigen Spracherkennungssystem
eingegeben wird. Der Fachmann könne allenfalls mitlesen, dass der DEMUX-Block
18 funktional zum MUX-Block 17 gehört und zur Trennung eines Sprachsignals von
üblichen rückwärtsgerichteten Kontrollsignalen (z.B. ACK/NACK-Signalen) anderer
„gemuxter“ Sendequellen (wie etwa der „TV Program Source 11“ und der
„Application Source 12“) verwendet werden kann, und dass die im Downstream-
Rundfunkkanal gesendeten Rücksignale (z.B. der „Application Source 12“) durch
- 32 -
den DEMUX-Block 18 vom Sprachsignal mit der zu transkribierenden Information
getrennt werden müssen.
Des Weiteren werde in NK11 allein eine Transkription vorgenommen, d.h. eine
Transformation einer gesprochenen Sprache in eine textualisierte Sprache bzw.
eine „blinde“ Übersetzung der nicht-textuellen Information in eine textuelle
Information, aber keine Spracherkennung, die sich auf einen anspruchsgemäßen
Sprachinhalt richtet.
Es sei auch nicht offenbart, eine Informationsbereitstellung auf Basis der
Sprachdaten zu einer Vielzahl von Nutzerstandorten netzwerkseitig zu steuern.
Eine netzwerkseitige Kontrolle mit einer allein für die Set-Top-Box sinngebenden
Information sei nicht möglich, da der Server 13 keine Kopplung zur „TV Program
Source 11“ und zur „Application Source 12“ aufweise, so dass die
Sprachübertragung als autonomer, geschlossener, vom TV-Netzwerk
unabhängiger Kreis offenbart sei. Ein Anlass, eine netzwerkseitige Kontrolle in den
Blick zu nehmen, ergebe sich für den Fachmann nicht.
Diese Argumente vermögen nicht zu überzeugen.
Zwar ist der Beklagten insoweit zuzustimmen, dass die NK11 nicht ausdrücklich
davon spricht, dass ein mehrere Sprachkanäle umfassender Rückkanal in ein
netzwerkseitiges Spracherkennungssystem eingegeben wird.
Jedoch ist es unrealistisch, dass in einem Kabelfernsehsystem
Benutzerschnittstellenfunktionalitäten - wie z.B. die Eingabe von gesprochener
Sprache über eine Fernbedienung oder die Anzeige der von einem
Spracherkennungssystem ermittelten Texte - ausschließlich für einen einzigen
Teilnehmer vorgesehen sein sollen. Dass die in NK11 dargestellte Erfindung für
mehrere Empfangsstationen mehrerer Teilnehmer konzipiert ist, ergibt sich bereits
anhand der Hinweise auf Seite 5, Zeile 1, 2 und Zeile 22 bis 24 sowie aus dem
Umstand, dass ein Server (hier: der Spracherkennungsserver 13) immer mehrere
„Clients“ (hier: mehrere Set-Top-Boxen) bedient. Wenn der in NK11 beschriebene
- 33 -
Rundfunk-Rückkanal zum Einsatz kommt, müssen also die Sprachdaten mehrerer
Teilnehmer über diesen Kanal übertragen werden. Die Erkenntnis, dass diese
Übertragung üblicherweise mittels eines Zeitmultiplex-Verfahrens bewerkstelligt
werden kann, bei dem einzelne Sprachdatenpakete netzwerkseitig aufgeteilt
(„demultiplext“) werden, wofür sich gerade der Demultiplexer 18 anbietet, beruht
lediglich auf dem Fachwissen des Fachmanns.
Es ist auch nicht plausibel, dass der DEMUX-Block 18 zur Trennung eines
(einzigen) Sprachsignals von rückwärtsgerichteten Kontrollsignalen der „TV
Program Source 11“ oder der „Application Source 12“ verwendet wird. Denn dafür,
dass solche Kontrollsignale von diesen beiden Quellen gesendet werden, liefert die
NK11 keinerlei Anhaltspunkt; zudem sind Kontrollsignale wie z.B. die von der
Beklagten angeführten ACK/NACK-Bestätigungssignale („ACK“/„NACK“ =
„acknowledgement“/„negative-acknowledgement“) üblicherweise an die sendende
Einheit - also hier eine der Quellen 11 oder 12 - gerichtet, wohingegen das Signal,
das den DEMUX-Block 18 gemäß Figur 1 der NK11 verlässt, an den Server 13
gesendet wird. Dieser ist gemäß Figur 1 gerade nicht mit den Quellen 11 oder 12
verbunden.
Des Weiteren sind die Texte, die von dem Spracherkennungssystem der NK11
ausgegeben werden, durchaus als erkannte Sprachinhalte anzusehen, da sie die
gesprochenen Äußerungen der Teilnehmer, die in den über den Rückkanal an das
Spracherkennungssystem übertragenen „nicht-textuellen“ Daten enthalten sind, in
einer anderen - einer „textuellen“ - Repräsentation darstellen. Zudem ist nicht
erkennbar, dass die beanspruchte Spracherkennung über die gemäß NK11
vorgenommene Spracherkennung hinausgeht, da diese beiden
Spracherkennungsverfahren Worte und Textstrings ausgeben (s.o., Abschnitt II.4.5
bzw. NK11, Seite 3, Zeile 23 - „textual data“).
Ferner trifft es zwar zu, dass NK11 nicht unmittelbar zeigt, dass die Quellen 11 und
12 auf Basis der erkannten Sprachinhalte gesteuert werden. Jedoch ist damit ein
Vorliegen von Merkmal 1.2.5 noch nicht ausgeschlossen. Denn ein Teilnehmer
bestimmt gemäß NK11 durch seine individuellen Äußerungen, die er im Rahmen
- 34 -
der Ausführung einer jeweiligen interaktiven Anwendung tätigt, sowohl den
Bedeutungsinhalt als auch den Übermittlungszeitpunkt der Textdaten, die von dem
Server 13 an seinen Standort übermittelt werden. Dadurch beeinflusst er die
netzwerkseitige Bereitstellung der Informationen, die an ihn im Rahmen des
Dienstes übertragen werden, der der interaktiven Anwendung entspricht (s.o.,
Abschnitt II.4.6). Da die bereitgestellten Textdaten naturgemäß von den
gesprochenen Äußerungen abhängen, erfolgt die Informationsbereitstellung auch
in Übereinstimmung mit dem erkannten Sprachinhalt, wie mit Merkmal 1.2.5
beansprucht. Zudem liefert die NK11 - wie oben dargelegt - auch einen konkreten
Anlass, die Lieferung von elektronisch übermittelten Unterhaltungs- und
Informationsdiensten netzwerkseitig zu beeinflussen.
2. Auch der Gegenstand des erteilten Patentanspruchs 13 beruht auf keiner
erfinderischen Tätigkeit.
Die Merkmale des Patentanspruchs 13 des Streitpatents gehen nur insoweit über
übliche Mittel hinaus, die in einem System zur Durchführung des Verfahrens nach
dem erteilten Patentanspruch 1 zwangsläufig vorhanden sein müssen, als dass ein
und derselbe Prozessor für die in den Merkmalen 13.5.1 bis 13.5.3 beschriebenen
Zwecke verwendbar sein muss.
Wenn die in Figur 1 der NK11 gezeigten Stationen 10 und 20 wie oben in Abschnitt
III.1.1 beschrieben eingesetzt werden, bilden sie eine Komponente, die Daten
verarbeitet und Mittel umfasst, die den mit den Merkmalen 13.5.1 bis 13.5.3
beanspruchten Zwecken dienen. Diese Komponente kann als ein Prozessor im
Sinne der Merkmale 13.5 bis 13.5.3 angesehen werden (s.o., Abschnitt II.4.7).
Somit enthält der Patentanspruch 13 nichts, womit eine erfinderische Tätigkeit
begründet werden könnte.
- 35 -
3. Ausgehend von der Lehre der Druckschrift NK11 war damit der jeweilige
Gegenstand der erteilten Patentansprüche 1 und 13 für den Fachmann bereits vor
beiden Prioritätszeitpunkten nahegelegt.
4. Die auf den Patentanspruch 1 bzw. den Patentanspruch 13 rückbezogenen,
von der Nichtigkeitsklage ebenfalls angegriffenen Patentansprüche 2 und 14 des
Streitpatents enthalten nichts, was eine Patentfähigkeit rechtfertigen könnte.
4.1 Patentanspruch 2 fügt der Lehre von Patentanspruch 1 mindestens einen der
folgenden fünf Teilschritte hinzu:
determining said associated user site (1100) from said received
identified speech channel;
determining said associated user site (1100) from said recognized
speech content;
determining said associated user site (1100) from said recognized
speech content and a speaker identification library;
determining said associated user site (1100) from said recognized
speech content and a speech recognition library; and
determining said associated user site (1100) from an identification
within said speech channel.
Die einzelnen Teilschritte beschreiben verschiedene Möglichkeiten zur
Bestimmung, Festlegung oder Ermittlung des „zugeordneten“ Teilnehmerstandorts
(„determining said associated user site from […]“). Zwar nimmt der erteilte
Patentanspruch 1 nicht auf einen „zugeordneten“ Teilnehmerstandort Bezug,
jedoch ist aus dem Gesamtzusammenhang der streitpatentgemäßen Lehre
unmittelbar ersichtlich, dass unter einem solchen Standort einer der in den Merkmal
1.1.1 und 1.2.5 genannten Teilnehmerstandorte („user sites“) zu verstehen sein
muss.
- 36 -
Unter einer “identification within said speech channel” gemäß dem fünften Teilschritt
versteht der Fachmann insbesondere eine Kennzeichnung, die zusammen mit den
Sprachinformationen mindestens eines Teilnehmers auf einem Sprachkanal
übertragen wird. Auch ein Rundfunk-Rückkanal eines Kabelfernsehsystems, auf
dem Sprachinformationen übertragen werden, bildet einen solchen Sprachkanal.
4.2 Die Merkmale des Patentanspruchs 2 können keine erfinderische Tätigkeit
begründen.
4.2.1 So wird sich der Fachmann ausgehend von der Lehre der Druckschrift NK11
zur Implementierung der Übertragung der Sprachdatenpakete auf dem Rundfunk-
Rückkanal insbesondere auf etablierte Vorgehensweisen zur technischen
Realisierung des Rundfunk-Rückkanals stützen, wie sie etwa in gängigen
Telekommunikationsstandards zum Einsatz kommen. In diesem Zusammenhang
findet er in Druckschrift NK16, einer Beschreibung der Implementierung des
Interaktionskanals für Kabelfernsehsysteme gemäß dem ETS-Standard, den
Hinweis, dass die MAC- und NSAP-Adressen der Set-Top-Boxen - also bestimmte
Kennzeichnungen - herangezogen werden, um die von verschiedenen Teilnehmern
auf dem Rückkanal übertragene Informationen netzwerkseitig zu unterscheiden
(NK16, Abschnitt 5.1.3, erster und zweiter Absatz - „Two addresses are stored in
STBs in order to identify users on the network: MAC address […] NSAP address“,
„Upstream information may come from any user in the network and shall therefore
also be differentiated at the INA using the set of addresses defined above“; „INA“ =
„interactive network adapter“, vgl. Seite 7 unten sowie Figur 2).
Für den Fachmann liegt es daher auf der Hand, die MAC- und/oder NSAP-
Adresse(n) auf dem Rückkanal zusammen mit den Sprachdatenpaketen des
Teilnehmers - z.B. als Bestandteile der Paket-Header - an die Sendestation 10 zu
übertragen, so dass die Sprachdaten der einzelnen Teilnehmer durch diejenigen
Einheiten der Sendestation 10 unterschieden werden können, die zur Verarbeitung
der Sprachdatenpakete vorgesehen sind.
- 37 -
Im Übrigen muss auch in der Sendestation 10 eine Information darüber vorhanden
sein, an welchen Teilnehmer die Ergebnisse eines jeweiligen
Spracherkennungsvorgangs zu übermitteln sind. Dazu ist es zweckmäßig,
entsprechende Identifikationsinformationen des zugehörigen Teilnehmers bzw. der
zugehörigen Set-Top-Box zusammen mit den Sprachdaten über den Rück- bzw.
Sprachkanal zu senden.
Auf diese Weise kommt der Fachmann ausgehend von Druckschrift NK11 in
naheliegender Weise zum fünften Teilschritt des Patentanspruchs 2.
4.2.2 Der NK11 ist ferner ein Ausführungsbeispiel zu entnehmen, bei dem der
Teilnehmer im Rahmen eines elektronischen Einkaufsdienstes eine Lieferadresse
(„shipping address“) in „nicht-textueller“ Form über ein Grafiktablett eingibt.
Zumindest wenn der Teilnehmer für sich selbst einkauft, stimmt die Lieferadresse
mit der Adresse des Teilnehmers und dem Standort seiner Set-Top-Box überein, so
dass sie einen Teilnehmerstandort im Sinne von Patentanspruch 1 bezeichnet. Der
Server 13 konvertiert die Adresse in einen Text und sendet diesen an die auf der
Set-Top-Box ausgeführte Einkaufsdienstanwendung, um ihn an dem
Teilnehmerstandort anzuzeigen (NK11, Seite 10, Zeile 14 bis 19 i. V. m. Seite 1,
Zeile 38 bis Seite 2, Zeile 5, Spalte 2, Zeile 33 bis 34 sowie Claims 1, 2 und 7 bis 10).
Als Alternative zur Informationseingabe mittels des Grafiktabletts lehrt die NK11,
dass der Teilnehmer die in Textdaten zu konvertierenden Informationen auch in ein
Mikrofon sprechen kann (vgl. Seite 10, Zeile 20 bis 27 i. V. m. Claims 1 und 11).
Das bedeutet, dass der Teilnehmer der Einkaufsdienstanwendung seine Adresse
auch in gesprochener Form zuführen kann.
In diesem Fall wird der Teilnehmer die Textdaten, die ihm auf die netzwerkseitige
Sprachverarbeitung hin angezeigt werden, auf Genauigkeit und Richtigkeit
überprüfen (vgl. NK11, Seite 10, Zeile 26 und 27 - „The textual data is returned to
the set-top box, where it can be displayed to the user. The user can […] confirm that
the text has been accurately generated from the voice data“). Im Zuge dieser
Überprüfung muss er gedanklich die Information ermitteln, die die Textdaten
- 38 -
repräsentieren. Diese Information ist sein eigener Standort, falls der angezeigte
Text seine korrekte Adresse darstellt.
Zudem ist es selbstverständlich, dass auch die elektronische
Einkaufsdienstanwendung die von dem Server 13 in Textform übermittelte
Lieferadresse auf Plausibilität überprüft (etwa um unvollständig erkannte
Adressinformationen von einer Weiterverarbeitung auszuschließen) und erst
danach die tatsächliche, „endgültige“ Lieferadresse - und damit den Standort des
Teilnehmers - festlegt. Denn nur auf diese Weise ist gewährleistet, dass die von
dem Teilnehmer erworbenen Produkte in jedem Fall an den korrekten
Bestimmungsort geliefert werden (vgl. auch NK11, Seite 9, Zeile 27 bis 29 - „convert
the entire image to text and then parse the text to determine the recipient’s address“
für den Fall der Weiterverarbeitung der erkannten Texte zur Festlegung einer
E-Mail-Adresse).
Alles in allem kann somit ausgehend von NK11 auch ein Naheliegen des zweiten
Teilschritts des Patentanspruchs 2 begründet werden.
4.2.3 Die Beklagte ist der Auffassung, gemäß NK11 basiere die Erkennung der
Versandadresse nicht auf einer netzwerkseitigen Erkennung eines Sprachinhalts,
sondern lediglich auf einer Erkennung der Textzeichen, aus denen die Adresse
besteht. Wie die Versandadresse erkannt werde, sei nicht offenbart; jedenfalls solle
dies in jedem Fall auf der Set-Top-Box erfolgen.
Diese Argumentation greift nicht durch.
Denn mit Patentanspruch 2 („determining said associated user site […]“) ist keine
netzwerkseitige Erkennung einer Versandadresse, sondern eine Bestimmung,
Festlegung oder Ermittlung des Teilnehmerstandorts beansprucht, die an einem
beliebigen Ort vorgenommen werden kann und gemäß dem zweiten Teilschritt von
Patentanspruch 2 auf den erkannten Sprachinhalten beruht („from said recognized
speech content“). Dies ist - wie oben in Abschnitt III.4.2.2 ausgeführt - aus der Lehre
- 39 -
der NK11 abzuleiten. Zu dem Aspekt der netzwerkseitigen Erkennung von
Sprachinhalten wird im Übrigen auf die Abschnitte III.1.2 und III.1.3 (s.o.) verwiesen.
4.3 Die vorstehenden Überlegungen aus Abschnitt III.4.2 gelten entsprechend
für die Merkmale von Patentanspruch 14, die somit ebenfalls keine erfinderische
Tätigkeit begründen können.
5. Somit haben sämtliche angegriffenen Patentansprüche des Streitpatents
keinen Bestand.
IV.
Das Streitpatent ist auch in keiner der Fassungen der Hilfsanträge 1 bis 8
bestandsfähig.
1. Der Gegenstand des Patentanspruchs 1 in der Fassung nach Hilfsantrag 1
beruht nicht auf erfinderischer Tätigkeit.
1.1 Patentanspruch 1 nach Hilfsantrag 1 unterscheidet sich von dem erteilten
Patentanspruch 1 dadurch, dass auf Merkmal 1.2.5 noch das Merkmal
1.2.6 wherein the entertainment and information services comprise a
Video-On-Demand service and an Interactive Program Guide.
folgt.
Dieses Merkmal führt mit einem Video-on-Demand-Dienst und einem interaktiven
Programmführer spezielle Unterhaltungs- und Informationsdienste an, deren
Lieferung gemäß Merkmal 1.2.5 individuell kontrolliert werden soll. Ein Video-on-
Demand-Dienst ist aus fachmännischer Sicht eine Funktionalität eines
Kommunikationsnetzwerks, die es ermöglicht, Videos auf Teilnehmeranfragen hin
bereitzustellen.
- 40 -
1.2 Der Gegenstand von Patentanspruch 1 nach Hilfsantrag 1 beruht ausgehend
von Druckschrift NK12 auf keiner erfinderischen Tätigkeit.
1.2.1 Die NK12 wurde im August 1995 - also vor dem ältesten Prioritätszeitpunkt -
veröffentlicht und bildet daher Stand der Technik.
1.2.2 In NK12 sind Methoden zur Verwendung von Spracherkennung beschrieben,
um Fernsehbilder, Audiodaten und sonstige Daten auszuwählen oder zu verändern,
die über ein Kabelfernsehsystem an einen Teilnehmer übertragen werden (vgl. den
Druckschriftentitel „Speech Recognition Methods for Controlling Cable Television“
sowie Seite 285, erster Satz unter Figur 1). Um auf die zu übertragenden
Informationen Einfluss zu nehmen, wird gemäß einer ersten Methode ein
Telefonnetzwerk (Seite 285, Figuren 1 und 2 sowie Seite 285, zweiter Absatz unter
Figur 2 bis Seite 287, zweiter vollständiger Absatz) und gemäß einer zweiten
Methode das Kabelfernsehsystem selbst verwendet (Figur 3 mit Seite 287,
vorletzter und letzter Absatz).
Bei der zweiten Methode wird in einem Haus des Teilnehmers (vgl. den
gestrichelten Kasten in Figur 3 sowie Figur 1 i. V. m. Seite 285, letzter Absatz - „A
user’s house 1“) ein Mikrofon 24 mit einer Kabelbox 25 verbunden, von der aus
akustische Daten bzw. Sprachbefehle eines Teilnehmers vermischt mit Daten
anderer Teilnehmer auf einem Kanal oder Subkanal des Kabelfernsehnetzwerks
zum Kabelfernsehsystem 30 - also auf einem Rückkanal des Netzwerks -
übertragen werden („From the cable box 25, acoustic data from the user is sent over
the cable TV network 26, having been decoded partially or entirely […] the user’s
voice commands are passed unaltered onto a channel or sub-channel of the cable
television system, […], are intermixed with transmissions from other users […]“).
Es liegt im Rahmen des fachmännischen Wissens, dass solche vermischten
Teilnehmerdaten auf einem Rückkanal eines Kabelfernsehnetzwerks üblicherweise
mit Hilfe von Zeitmultiplexverfahren (z.B. TDMA-Verfahren) übertragen werden, bei
denen Sprachdatenpakete verschiedener Teilnehmer in verschiedenen
- 41 -
Zeitschlitzen auf demselben Rückkanal gebündelt gesendet werden (s.o.,
Ausführungen in Abschnitt III.1.1).
Der Fachmann wird daher erkennen, dass das Vermischen der akustischen Daten
bzw. Sprachbefehle des Teilnehmers mit den Daten anderer Teilnehmer
insbesondere in der Anwendung eines TDMA-Zeitmultiplexverfahrens auf
Sprachdatenpakete liegt, die von den anderen Teilnehmern stammen.
Somit beschreibt die Druckschrift NK12 nach fachmännischem Verständnis ein
Verfahren zur Verwendung eines Rückkanals des in Figur 3 dargestellten
Kabelfernsehnetzwerks (Merkmal 1.1). Ein solches Netzwerk umfasst in der Regel
mehrere hundert oder tausend Teilnehmerstandorte (vgl. NK9, Spalte 22, Zeile 40
bis 43), so dass davon ausgegangen werden kann, dass sehr viele Teilnehmer die
in NK12 beschriebene Spracherkennungsfunktionalität in Anspruch nehmen.
Um die akustischen Daten bzw. die Sprachbefehle der Teilnehmer mittels eines
TDMA-Verfahrens auf dem Rückkanal vermischt zu übertragen (und im Zuge
dessen netzwerkseitig zu empfangen), ist es erforderlich, die einzelnen
Sprachdatenpakete vorher festzulegen.
Somit sind auch die Merkmale 1.1.1, 1.2 und 1.2.1 aus NK12 ableitbar.
Die vermischten Sprachdatenpakete müssen vor der Verarbeitung im
Spracherkennungssystem 28 wieder „entmischt“, d.h. aufgeteilt oder zerlegt
werden, so dass die ursprünglichen „unvermischten“ und zusammenhängenden
Sprachinformationen eines jeden Teilnehmers rekonstruiert werden können. Zu
diesem Zweck sind bei Zeitmultiplexverfahren entsprechende Demultiplex-Schritte
vorgesehen.
Die Notwendigkeit einer Aufteilung der vermischten Sprachdaten der Teilnehmer
ergibt sich auch bereits daraus, dass eine Spracherkennungssoftware zeitlich
geordnete Sprachdatenfolgen der einzelnen Teilnehmer benötigt und keine
- 42 -
sinnvollen Ergebnisse liefert, wenn sie auf zeitlich ineinander verschränkte
(„vermischte“) Sprachdatenpakete verschiedener Teilnehmer angewendet wird.
Somit liegt in der Lehre der NK12 auch Merkmal 1.2.2 vor.
Des Weiteren lehrt Druckschrift NK12, dass die Sprachbefehle eines Teilnehmers
an ein Spracherkennungssystem 28 geleitet werden (vgl. Seite 287, vorletzter
Absatz i. V. m. Figur 3 - „voice commands are directed […] to a speech recognition
system 28“). Es ist selbstverständlich, dass das Sprachverarbeitungssystem 28 die
übertragenen Sprachbefehle - zumindest zum Teil - auch tatsächlich verarbeitet, da
es andernfalls seiner Funktion, Fernsehbilder, Audiodaten und sonstige Daten im
Sinne des Teilnehmers auszuwählen und zu verändern (s.o.) nicht nachkäme und
zudem keine Notwendigkeit bestünde, überhaupt ein Sprachverarbeitungssystem
28 vorzusehen.
Somit entnimmt der Fachmann der Druckschrift NK12 auch das Merkmal 1.2.3.
Aus NK12 geht ferner hervor, dass das Spracherkennungssystem 28 den
Fernsehsignalgenerator 29 und einen Teil des Kabelfernsehsystems 30 steuert,
nachdem es die Sprachbefehle des Teilnehmers erhalten und erkannt hat (vgl. Seite
287, vorletzter Absatz - „voice commands are directed […] to a speech recognition
system 28, which in turn controls a television signal generator 29 and a portion of
cable system 30“; vgl. auch den Titel „Speech Recognition Methods for Controlling
Cable Television“ der NK12). Diese Befehle können als Steuerungsanfrage des
Teilnehmers angesehen werden, die selbstverständlich an die zu steuernden
Einheiten (Fernsehsignalgenerator 29, Teil des Kabelfernsehsystems 30)
weitergegeben werden muss, so dass diese in Übereinstimmung mit den erkannten
Sprachbefehlen gesteuert werden.
Auf diesem Wege führt die Druckschrift NK12 den Fachmann auch zu Merkmal
1.2.4.
- 43 -
Die Bereitstellung und Übertragung der drei Datenarten „Fernsehbilder“,
„Audiodaten“ und „sonstige Daten“ kann jeweils als eine eigene
Netzwerkfunktionalität und damit jeweils als ein eigener „Informationsdienst“ im
Sinne des Merkmals 1.2.5 angesehen werden, wobei davon auszugehen ist, dass
die Übertragung von Fernsehbildern oder Audiodaten zumindest zeitweise auch der
Unterhaltung der Teilnehmer dient.
Somit lehrt die Druckschrift NK12 die sprachgesteuerte Beeinflussung der Lieferung
von Unterhaltungs- und Informationsdiensten auf Basis der an das
Spracherkennungssystem 28 geleiteten und von diesem erkannten Sprachbefehle
(Merkmal 1.2.5).
Druckschrift NK12 ist ferner zu entnehmen, dass das Spracherkennungssystem auf
der der Kabelbox des Teilnehmers „gegenüberliegenden“ Seite des
Kabelfernsehnetzwerks angeordnet ist, auf der sich auch der
Fernsehsignalgenerator 29 und das Kabelfernsehsystem 30 befinden (vgl. Figur 3).
Denn die Spracherkennung im Spracherkennungssystem 28 wird erst dann
vorgenommen, wenn die akustischen Daten des Teilnehmers über das
Kabelfernsehnetzwerk übertragen worden sind (vgl. Seite 287, vorletzter Absatz -
„the user’s voice commands are passed unaltered onto a channel or sub-channel of
the cable television system […] In general, voice commands are directed […] to a
speech recognition system 28 […]“). Daraus folgt, dass sich das
Spracherkennungssystem, in das die Sprachbefehle der Teilnehmer eingegeben
werden, an einem Knoten des Kabelfernsehnetzwerks befindet (Teilmerkmal von
Merkmal 1.1.2).
Der Druckschrift NK12 ist allerdings nicht ausdrücklich zu entnehmen, dass dieser
Knoten ein Leitungsknoten des Kabelfernsehnetzwerks ist (verbleibendes
Teilmerkmal von Merkmal 1.1.2).
Auch Merkmal 1.2.6 geht nicht unmittelbar aus NK12 hervor.
- 44 -
1.2.3 Ausgehend von Druckschrift NK12 gelangt der Fachmann zum Gegenstand
von Patentanspruch 1 nach Hilfsantrag 1, ohne dabei erfinderisch tätig zu werden.
1.2.3.1 So ist der Fachmann immer bestrebt, bei der praktischen Einrichtung
eines Kommunikationsnetzwerks Ressourcen zu sparen und gleichzeitig einen
möglichst schnellen Datenaustausch zwischen den Komponenten des Netzwerks
zu gewährleisten. Ihm ist bewusst, dass dies bei dem in NK12 beschriebenen
Kabelfernsehsystem auf einfache Weise dadurch zu erreichen ist, dass die in
Figur 3 dargestellten netzwerkseitigen Komponenten 27 bis 30 in unmittelbarer
Nähe zueinander untergebracht werden, da in diesem Fall nur kurze
Übertragungsleitungen erforderlich sind und darüber hinaus eine gemeinsame
Infrastruktur zur Verbindung, Unterbringung und Verwaltung dieser Komponenten
genutzt werden kann.
Daher wird der Fachmann bei der technischen Umsetzung der aus Druckschrift
NK12 bekannten Lehre die Komponenten 27 bis 30 nahe zueinander anordnen (z.B.
in demselben Gebäude). Nachdem die Komponenten 29 und 30 nach
fachmännischem Verständnis als ein Headend des Kabelfernsehnetzwerks
angesehen werden können, das mit den Kabelboxen der Teilnehmer
kabelgebunden kommuniziert, folgt daraus, dass sich das
Spracherkennungssystem 28 in diesem Fall an einem Leitungsknoten des
Kabelfernsehnetzwerks befindet.
Somit gelangt der Fachmann auf naheliegende Weise zum verbleibenden
Teilmerkmal von Merkmal 1.1.2.
1.2.3.2 Weiterhin überlässt es die Druckschrift NK12 dem Fachmann, die
Fernsehbilder und die sonstigen Daten festzulegen, deren Lieferung durch die an
die Komponenten 29 und 30 übermittelte Steuerungsanfrage des Teilnehmers
beeinflusst wird.
Für den Fachmann liegt es auf der Hand, dass diese Daten insbesondere digitale
Videos und elektronische Programmführer sein können (vgl. Spalte 5, Zeile 39
- 45 -
bis 53; Spalte 8, Zeile 44 bis 55 i. V. m. Spalte 8, Zeile 60 bis Spalte 11, Zeile 3 der
Druckschrift NK9, in der diejenigen Informationen explizit aufgezählt werden, die
gewöhnlich von einem Headend an einen Teilnehmer geliefert werden - „The
information may include […] digital video, […], electronic program guides, […]“).
Der Fachmann wird daher bei Bedarf die aus dem Fernsehsignalgenerator 29 und
dem Kabelfernsehsystem 30 bestehende Netzwerkkomponente derart auslegen,
dass ein Teilnehmer nicht nur die Übermittlung von Videos mittels seiner
Sprachbefehle beeinflussen kann, sondern auch die Übermittlung von
elektronischen Programmführerdaten - beispielsweise, um diejenigen EPG-Daten
auszuwählen, die konkret geliefert werden sollen (vgl. NK9, Spalte 22, Zeile 43 bis
51 - „head-end installation 125 is preferably provided with the capability of selecting
only certain portions of the EPG data to be transmitted to the subscriber terminal
units“).
Der Fachmann gelangt daher auch zu Merkmal 1.2.6 auf naheliegende Weise.
1.3 Der Argumentation der Beklagten, der Gegenstand des Patentanspruchs 1
nach Hilfsantrag 1 beruhe auf einer erfinderischen Tätigkeit, kann nicht beigetreten
werden.
1.3.1 Die Beklagte bringt sinngemäß vor, in NK12 sei nicht offenbart, dass ein
Rückkanal akustische Nutzersignale von verschiedenen Nutzern oder
unterschiedlichen Standorten aufweist; so könnten sich mehrere Nutzer auch ein
Mikrofon und einen Fernseher teilen. Auch wenn das Kabelfernsehsystem mehrere
Teilnehmerstandorte umfasse, bedeute dies noch nicht, dass auch eine
Sprachverarbeitung für mehrere Nutzer vorgesehen sei. Zudem werde in NK12 nur
eine lokale Sprachsignalverarbeitung vorgenommen, was dadurch gestützt werde,
dass der Begriff „decoding“ im vorletzten Absatz auf Seite 287 (siehe „decoded
partially or entirely in the cable box 25 or in the cable gateway“) als
„sprachsignalverarbeitet“ zu übersetzen sei. Ferner sei in Figur 3 kein Switch (der
mehrere Quellensignale von mehreren Nutzern auf einen einzigen Empfänger
aufteile und somit Merkmal 1.2.2 realisieren könne) vorgesehen, sondern nur ein
- 46 -
Splitter (der ein Signal von einer Quelle auf mehrere Empfänger aufteile bzw. ein
Signalteil eines Signals von einem anderen abspalte). Dies lasse nur den Schluss
zu, dass ein externes Vermischen einer Mehrzahl von Sprachkanälen außerhalb
des in Figur 3 gezeigten Teilnehmerstandorts nicht angedacht gewesen sei.
Da in Figur 3 der NK12 keine Verbindung zwischen dem Fernsehsignalgenerator
29 und dem Kabelfernsehsystem 30 eingezeichnet und das System 29 nur über das
Spracherkennungssystem 28 an den Splitter 27 angeschlossen sei, sei unklar, wie
die Steuerung bezüglich des Systems 29 auszuführen ist. Auch werde gemäß NK12
nur ein Teil des Systems 30 („a portion of the cable system 30“, vgl. Seite 287,
vorletzter Absatz) gesteuert. Eine Kontrolle der Lieferung von Unterhaltungs- und
Informationsdiensten würde eine - in NK12 nicht gezeigte - Kontrolle bis zum
Fernsehgerät bedingen und könne daher nicht beschrieben sein. Ein Verarbeiten
der Sprachkanäle und ein Erzeugen einer eindeutigen Antwort gemäß den
Merkmalen 1.2.3 und 1.2.4 sei ebenfalls nicht offenbart.
Die NK12 schweige zudem darüber, welche Daten die auf dem Kabelfernsehsystem
modifizierten „Bilder, Klang und Daten“ genau sein sollten. Das Auswählen und
Modifizieren einzelner Bilder oder Audiodaten sei kein anspruchsgemäßer
Unterhaltungs- und Informationsservice. Auch werde in NK12 nicht in Erwägung
gezogen, dass individuelle Information für jeden Nutzer bereitgestellt werde;
vielmehr klammere die NK12 gemäß dem letzten Absatz auf Seite 286 (in diesem
geht es um die Bereitstellung von „shared video and private audio“) die individuelle
Beschaffung von Videodaten für die erste Methode explizit aus.
Auch sei es nicht nahegelegt, die Sprachkanäle an einem anspruchsgemäßen
Leitungsknoten einzugeben. Ob der Fachmann Ressourcen sparen wolle, sei der
NK12 nicht zu entnehmen. Eine Veranlassung hierfür fehle. Selbst wenn diese
bestanden hätte, hätte der Fachmann eine nicht netzwerkbasierte Lösung erwogen
(z.B. eine direkte Verbindung der Einheiten 28 und 30), nicht aber die
anspruchsgemäße Lösung.
1.3.2 Die Ausführungen der Beklagten erweisen sich als nicht überzeugend.
- 47 -
So ist bei einem Kabelfernsehsystem gewöhnlich davon auszugehen, dass sehr
viele Teilnehmer dessen Benutzerschnittstellenfunktionalitäten - wie etwa eine
Spracherkennung und Sprachsteuerung - gleichzeitig in Anspruch nehmen (vgl.
NK9, Spalte 22, Zeile 40 bis 43).
Dass die Spracherkennung gemäß NK12 ganz oder teilweise netzwerkseitig
vorgenommen werden kann, folgt bereits aus der Angabe „In general, voice
commands are directed […] to a speech recognition system 28“ auf Seite 287 und
dem Umstand, dass ein Spracherkennungssystem diejenigen Daten, die es erhält,
auch verarbeitet. Für eine netzwerkseitige Spracherkennung spricht im Übrigen
auch die Angabe „the user’s voice commands are passed unaltered onto a channel
or sub-channel of the cable television system“ auf Seite 287. Die weitere Angabe
„acoustic data from the user is sent over the cable TV network 26, having been
decoded partially or entirely“ in demselben Absatz lässt allenfalls den Schluss zu,
dass die akustischen Daten des Teilnehmers zum Teil am Teilnehmerstandort
verarbeitet worden sind, so dass sie auch noch netzwerkseitig weiterverarbeitet
werden müssen. In diesem Fall führt die Formulierung „intermixed with
transmissions from other users“ vor dem Hintergrund des durch NK16
dokumentierten Fachwissens des Fachmanns unmittelbar darauf, dass mehrere
Sprachkanäle verschiedener Teilnehmerstandorte vermischt werden (s.o.,
Abschnitt IV.1.2.2).
Des Weiteren ist ein Switch grundsätzlich dadurch charakterisiert, dass er mehrere
Quellensignale auf mehrere Empfänger verteilt. Bereits aus diesem Grund lässt sich
aus dem Fehlen eines Switches nicht zwangsläufig auf ein teilnehmerseitiges
Vermischen der Sprachsignale schließen. Zudem muss das Rücksignal im Sinne
des Patentanspruchs 1 netzwerkseitig aufgeteilt („demultiplext“) werden, wenn die
Sprachsignale mehrerer Teilnehmer wie in Abschnitt 5.3.1 der NK16 beschrieben
gebündelt („multiplext“) auf dem Rundfunk-Rückkanal übertragen werden. In
diesem Fall kommt es nicht darauf an, ob das Nutzersignal durch einen Splitter oder
einen Switch geleitet wird. Spezielle Ausgestaltungen der Komponenten, die das
- 48 -
Rücksignal empfangen und aufteilen (vgl. Merkmale 1.2.1, 1.2.2), sind nicht
beansprucht.
Im Übrigen wird der Fachmann dem Splitter 27 insbesondere auch die Funktion des
„Upstream splitter“ gemäß dem DOCSIS-Standard zuschreiben, der den
Rückkanal, der 5 - 42 MHz Bandbreite umfasst, in verschiedene Datenströme
(„Data“) aufteilt (vgl. NK19 (Data-Over-Cable Service Interface Specifications),
Figur 1-2 auf Seite 3). Im Hinblick auf Figur 3 der NK12 bedeutet das, dass der
Splitter 27 zumindest die Sprachdaten des Rückkanals (diese werden an das
Spracherkennungssystem 28 geleitet) von anderen Daten trennt, die ebenfalls über
den Rückkanal an das Kabelfernsehsystem 30 geleitet werden.
Des Weiteren können die Merkmale 1.2.4 und 1.2.5 bereits aus dem Umstand
abgeleitet werden, dass die Steuerung des Fernsehsignalgenerators 29 und des
Teils des Kabelfernsehsystems 30 in Übereinstimmung mit den von dem
Spracherkennungssystem 28 erkannten Sprachbefehlen vorgenommen wird (s.o.,
Abschnitt IV.1.2.2). Eine detailliertere Beschreibung des Zusammenwirkens der
Komponenten 27 bis 30 ist hierfür nicht nötig.
Insoweit die NK12 die Bereitstellung von „shared video and private audio“ lehrt,
betrifft dies lediglich die erste aus NK12 bekannte Methode. Abgesehen davon kann
auch die Steuerung der Bereitstellung eines einzigen Videos für mehrere
Teilnehmer („shared video“) als individuelle Kontrolle der Lieferung eines Video-on-
Demand-Dienstes im Sinne von Patentanspruch 1 nach Hilfsantrag 1 angesehen
werden, wenn diese von einem einzigen Teilnehmer - also „individuell“ - angestoßen
wird; zu beachten ist in diesem Zusammenhang, dass Merkmal 1.2.5 nicht auf eine
„individuelle Lieferung […] zu einem einzigen Teilnehmerstandort“, sondern auf eine
„individuelle Kontrolle der Lieferung […] zu jedem Teilnehmerstandort“ abstellt.
Im Übrigen ergibt sich die Lehre der Merkmale 1.2.4 und 1.2.5 auch aus Druckschrift
NK9, da jeder Teilnehmer sein Fernsehgerät sprachgesteuert ein- und ausschalten
(Spalte 19, Zeile 61 bis Spalte 20, Zeile 9), Fernsehkanäle einstellen (Spalte 20,
Zeile 62 bis Spalte 21, Zeile 6) oder durch die einzelnen Kanäle „surfen“ (Spalte 21,
- 49 -
Zeile 7 bis Spalte 22, Zeile 4) kann. Dabei wird als Reaktion auf die erkannten
Sprachinhalte eines jeden Teilnehmers der Empfang von Fernsehprogrammen
durch das Fernsehgerät des Teilnehmers - und damit die Lieferung der Programme
an den Teilnehmerstandort im Sinne von Merkmal 1.2.5 - beeinflusst. Die
Fernsehprogramme dienen selbstverständlich der Unterhaltung und Information der
Teilnehmer.
Wie in Abschnitt IV.1.2.3.1 ausgeführt, hatte der Fachmann auch Veranlassung, die
Sprachkanäle an einem Leitungsknoten einzugeben. Dabei kommt es nur auf die
relative räumliche Nähe der Einheiten 28 und 30 an; ob diese „direkt“ verbunden
oder Teil einer Netzwerkinfrastruktur sind, ist in diesem Zusammenhang nicht
relevant.
1.4 Mit Rücksicht auf die Ausführungen zum erteilten Patentanspruch 1 beruht
die Lehre des Patentanspruchs 1 gemäß Hilfsantrag 1 somit auf keiner
erfinderischen Tätigkeit und ist daher nicht patentfähig. Mit seinem
Patentanspruch 1 fällt der gesamte Hilfsantrag 1.
Beantragt der Patentinhaber, das Patent in beschränktem Umfang mit einem
bestimmten Anspruchssatz oder bestimmten Anspruchssätzen aufrechtzuerhalten,
rechtfertigt es grundsätzlich die Ablehnung des gesamten Antrags, wenn sich auch
nur der Gegenstand eines Patentanspruchs aus dem vom Patentinhaber
verteidigten Anspruchssatz als nicht patentfähig erweist (BGH, Beschluss vom 27.
Juni 2007, X ZB 6/05, juris und GRUR 2007, 862 –
Informationsübermittlungsverfahren II). Allerdings ist das Gericht gehalten,
aufzuklären, in welchem Verhältnis die Hilfsanträge zu einem nicht ausdrücklich
formulierten Petitum stehen sollen, einem formal vorrangigen Antrag nur teilweise
zu entsprechen (BGH, Urteil vom 13. September 2016, X ZR 64/14, juris und GRUR
2017, 57 – Datengenerator).
Im vorliegenden Fall hat die Beklagte in der mündlichen Verhandlung erklärt, dass
sie die Patentansprüche der Hilfsanträge als jeweils geschlossene Anspruchssätze
ansieht, die jeweils insgesamt beansprucht werden. Dies schließt für den
- 50 -
Hilfsantrag 1 sowie für alle übrigen Hilfsanträge eine separate Betrachtung
einzelner Patentansprüche aus, wenn sich ein Patentanspruch des betroffenen
Anspruchssatzes, wie hier, als nicht patentfähig erweist.
2. Auch Hilfsantrag 2 hat keinen Erfolg.
2.1 Die Verteidigung von Patentanspruch 1 nach Hilfsantrag 2 ist unzulässig.
Patentanspruch 1 nach Hilfsantrag 2 unterscheidet sich von dem erteilten
Patentanspruch 1 dadurch, dass nach Merkmal 1.2.5 das Merkmal
1.2.7 wherein the speech recognition is performed only by said
speech recognition system.
angehängt ist.
2.1.1 Nach der Rechtsprechung des Bundesgerichtshofs muss die
Selbstbeschränkung des Patentinhabers im Nichtigkeitsverfahren immer zu einer
(zulässigen) Einschränkung des Patents führen. Die Beschränkung ist auch durch
Aufnahme eines Merkmals, das sich in Selbstverständlichkeiten erschöpft, nicht
möglich, vielmehr muss dem Merkmal ein den Patentanspruch kennzeichnender,
unterscheidungskräftiger Sinn zukommen. Änderungen, die keine Beschränkung
bedeuten, sind grundsätzlich unzulässig (BGH, Urteil vom 14. September 2004,
X ZR 149/01, juris und GRUR 2005, 145 – elektronisches Modul, I.2; BGH, Urteil
vom 7. Juni 2006, X ZR 105/04, juris und GRUR 2006, 923 – Luftabscheider für
Milchsammelanlage, Rn. 16; Keukenschrijver, a. a. O., Rn. 296, m. w. N.).
2.1.2 Bei Anwendung dieser Grundsätze ist die Aufnahme von Merkmal 1.2.7 in
den Patentanspruch 1 des Streitpatents als unzulässig zu beurteilen.
Merkmal 1.2.7 bezieht sich auf das in Merkmal 1.1.2 genannte
Spracherkennungssystem („said speech recognition system“), das sich an einem
- 51 -
Leitungsknoten des Netzwerks befindet und die in Merkmal 1.2.3 beschriebene
Spracherkennung durchführt. Durch die Aufnahme von Merkmal 1.2.7 in den
erteilten Patentanspruch 1 und insbesondere durch die Verwendung des
bestimmten Artikels in der Angabe „the speech recognition“ wird zum Ausdruck
gebracht, dass genau diejenigen Spracherkennungsoperationen, die gemäß
Merkmal 1.2.3 ausgeführt werden sollen und die deshalb in Merkmal 1.2.3
angesprochen sind, nur von dem an dem Leitungsknoten angeordneten
Spracherkennungssystem ausgeführt werden sollen. Von anderen
Spracherkennungsoperationen ist in Patentanspruch 1 nach Hilfsantrag 2 nicht die
Rede.
Bereits der erteilte Patentanspruch 1 - ohne Merkmal 1.2.7 - ist jedoch so zu
verstehen, dass die in Merkmal 1.2.3 genannten Spracherkennungsoperationen
ausschließlich von dem in Merkmal 1.1.2 genannten Spracherkennungssystem an
dem Leitungsknoten ausgeführt werden (s.o., Abschnitt II.4.5).
Somit wird der Gegenstand des erteilten Patentanspruchs 1 durch die Aufnahme
von Merkmal 1.2.7 nicht eingeschränkt, so dass dem Merkmal 1.2.7 kein
hinreichend unterscheidungskräftiger Sinn zukommt.
2.2 Unabhängig davon beruht die Lehre des Patentanspruchs 1 gemäß
Hilfsantrag 2 nicht auf erfinderischer Tätigkeit.
So geht Merkmal 1.2.7 aus NK11 hervor (vgl. Figur 1 i. V. m. Seite 10, Zeile 25 und
26 sowie Seite 2, Zeile 15 bis 25).
Unter Berücksichtigung der Ausführungen zum Hauptantrag ist die Lehre des
Patentanspruchs 1 nach Hilfsantrag 2 somit ausgehend von NK11 nahegelegt.
3. Hilfsantrag 3 kann nicht günstiger beurteilt werden, da der Gegenstand
seines Patentanspruchs 1 ausgehend von Druckschrift NK11 in Verbindung mit
dem aus Druckschrift NK9 entnehmbaren Stand der Technik nahegelegt ist.
- 52 -
Patentanspruch 1 nach Hilfsantrag 3 unterscheidet sich von dem erteilten
Patentanspruch 1 dadurch, dass auf Merkmal 1.2.5 die Merkmale
1.2.8 wherein each user site comprises at least one set top box which
is associated with a remote control comprising a microphone
and a talk button;
1.2.9 and when the talk button is pushed by the user, the remote
control sends a talk-button-active command to the set top box;
und
1.2.10 and the set-top box then places an icon on a screen coupled to
the set top box and/or otherwise indicates to the user that she
or he is listened to.
folgen.
Merkmal 1.2.8 besagt, dass jeder Teilnehmerstandort mindestens eine Set-Top-Box
umfasst, die mit einer Fernbedienung verbunden ist oder zu einer Fernbedienung
gehört („is associated with a remote control“), welche ein Mikrofon und eine
Sprechtaste („talk button“) aufweist. Die Sprechtaste ist in der Streitpatentschrift
auch als „push-to-talk button“ bezeichnet (vgl. Absätze [0039], [0059], [0060],
[0089], [0090], [0095]).
Aus fachmännischer Sicht ist eine Set-Top-Box ein Gerät, das mit einem anderen
Gerät verbunden ist und einem Benutzer dadurch zusätzliche
Nutzungsmöglichkeiten bietet. Eine Set-Top-Box ist üblicherweise mit einem
Fernseher verbunden und wandelt das Signal einer externen Signalquelle in einen
Inhalt um, der auf dem Fernseher dargestellt wird.
- 53 -
Mit Merkmal 1.2.9 wird beansprucht, dass die Fernbedienung einen „Sprechtaste
aktiv“-Befehl (ein „talk-button-active command“) an die Set-Top-Box sendet, wenn
der Teilnehmer die Sprechtaste drückt. Ein solcher Befehl dürfte dem in der
Beschreibung erwähnten „PTT active“-Befehl entsprechen, der allerdings an ein
Set-Top-Gerät („set top appliance“) gesendet wird, das sich in der Nähe der Set-
Top-Box befindet (vgl. Absatz [0090] i. V. m. Absatz [0089]).
Das Streitpatent lässt offen, welche Aktion durch den „Sprechtaste aktiv“-Befehl
konkret angewiesen werden soll, führt jedoch verschiedene Vorgänge an, die nach
dem Drücken der Sprechtaste ausgeführt werden. Dazu gehört das Anbringen einer
digitalen Adresse am Anfang eines Sprachpakets, das Senden von Daten an eine
Zentralstelle (Absatz [0039]), das Starten des Spracherkennungsprozesses, indem
„das System“ darüber informiert wird, dass der Teilnehmer gleich sprechen wird
(Absatz [0060]), oder - wie mit Merkmal 1.2.10 beansprucht - das Anordnen eines
Icons auf einem mit der Set-Top-Box gekoppelten Bildschirm und/oder das
Anzeigen, dass dem Teilnehmer zugehört wird (Absatz [0090]).
Demzufolge signalisiert der „Sprechtaste aktiv“-Befehl, dass die Sprechtaste
gedrückt („aktiv“) ist; er löst insbesondere die in Merkmal 1.2.10 beschriebenen
Aktionen aus.
3.1 Ausgehend von Druckschrift NK11 gelangt der Fachmann in Verbindung mit
der Lehre der Druckschrift NK9 zum Gegenstand des Patentanspruchs 1 nach
Hilfsantrag 3, ohne erfinderisch tätig zu werden.
3.1.1 Die Druckschrift NK9 zeigt ein Abonnementfernsehsystem 100, bei dem
Informationsprovider 114-n Programminhalte über einen Satelliten 123 und ein
Headend 125 an Abonnentenstandorte 120-n liefern (vgl. Figuren 2A-C i. V. m.
Spalte 8, Zeile 39 bis Spalte 12, Zeile 26). Jeder dieser Standorte umfasst eine
Terminaleinheit 160 (vgl. Figuren 2C und 3), auf die ein charakteristisches
Vokabular geladen wird, so dass die Terminaleinheit eine Spracherkennung
ausführen kann, um ein mit der Terminaleinheit gekoppeltes Fernsehgerät
sprachbasiert zu steuern oder auf einen elektronischen Programmführer
- 54 -
sprachbasiert zuzugreifen (NK9, Spalte 14, Zeile 61 bis Spalte 15, Zeile 18 i. V. m.
Spalte 12, Zeile 5 bis 13; Spalte 15, Zeile 42 bis 46 und Zeile 55 bis 59; Spalte 19,
Zeile 5 bis Spalte 32, Zeile 11, insbesondere Spalte 19, Zeile 22 bis 24, Spalte 22,
Zeile 19 bis 21, Spalte 24, Zeile 49 bis 51 - „the user may speak sounds or words
for controlling the EPG, […] and television […]“; „EPG“ = „electronic program
guide“).
Gemäß NK9 befindet sich an jedem Teilnehmerstandort 120-1 bis 120-n eine
Terminaleinheit 160 mit einer zugehörigen Fernbedienung 166, die ein Mikrofon 320
und einen „ button 772“ - d.h. eine Sprech- oder
Spracherkennungstaste - aufweist (vgl. Figuren 2C, 4 und 9 i. V. m. Spalte 11, Zeile
65 bis Spalte 12, Zeile 13; Spalte 17, Zeile 17 bis 22 und Zeile 49 bis 53; Spalte 19,
Zeile 5 bis 9).
Die Terminaleinheit 160 ist mit einem Fernsehgerät verbunden, empfängt ein
Fernsehsignal, das von einem Headend übertragen wird, und gibt dieses an ein
Fernsehgerät aus (Figur 3 i. V. m. Spalte 12, Zeile 5 bis 10 sowie Spalte 10, Zeile
65 bis Spalte 11, Zeile 6 sowie Spalte 12, Zeile 27 bis Spalte 13, Zeile 62). Somit
ist die Terminaleinheit eine Set-Top-Box im Sinne des Streitpatents.
Der Spracherkennungsvorgang (die „speech recognition operation“) wird im
Hauptprozessor 200 der Terminaleinheit aktiviert, indem der „ button
772“ gedrückt wird (Spalte 19, Zeile 6 bis 9 i. V. m. Spalte 15, Zeile 42 bis 46; s.
auch Spalte 33, Zeile 49 bis 53 sowie Spalte 19, Zeile 61 bis 64 i. V. m. Spalte 5,
Zeile 1 bis 7). Somit kann der „ button 772“ als Sprechtaste im Sinne
von Merkmal 1.2.8 gelten.
Die Druckschrift NK9 zeigt damit das Merkmal 1.2.8.
Die Terminaleinheit 160 zeigt an, dass die Spracherkennung aktiviert ist, indem
beispielsweise die Anzeige des Texts „Listening …“ auf dem Bildschirm des
Fernsehgeräts veranlasst wird (Spalte 19, Zeile 12 bis 21 - „[…] the recognition
operation is activated […] When activated, subscriber terminal unit 160 preferably
- 55 -
provides a suitable indication to this effect to the user […] superimpose a display of
the word „Listening …“ […]“). Das bedeutet, dass die Information über die
Aktivierung der Spracherkennung von der Fernbedienung an die Set-Top-Box
übertragen werden muss, um anschließend die Anzeige des Texts auszulösen. Für
den Fachmann ist es selbstverständlich, dass dazu ein entsprechender Befehl von
der Fernbedienung an die Set-Top-Box gesendet wird - ebenso wie beim Wählen
der Fernsehkanäle oder beim Einstellen der Lautstärke (vgl. NK9, Spalte 16, Zeile
51 bis 57).
Ein solcher Befehl kann als „Sprechtaste-aktiv“-Befehl im Sinne von Merkmal 1.2.9
bezeichnet werden, da er an die Set-Top-Box übertragen wird, wenn die
Sprechtaste gedrückt worden ist.
Somit geht auch Merkmal 1.2.9 aus der NK9 hervor.
Ferner vermittelt das Anzeigen des Textes „Listening …“ dem Teilnehmer die
Information, dass ihm „zugehört“ wird.
Damit ist auch die zweite Alternative von Merkmal 1.2.10 der NK9 zu entnehmen.
3.1.2 Die Lehre der Patentanspruchs 1 gemäß Hilfsantrag 3 ist durch den aus den
Druckschriften NK11 und NK9 entnehmbaren Stand der Technik nahegelegt.
So lehrt die Druckschrift NK11, dass ein spezielles Mikrofon in eine Fernbedienung
eingebaut werden kann, so dass ein Teilnehmer Spracheingaben vornehmen kann
(NK11, Seite 10, Zeile 20 bis 23), überlässt dem Fachmann jedoch die Einzelheiten
der technischen Umsetzung dieser Eingabemöglichkeit. Hiervon ausgehend sieht
sich der Fachmann im Stand der Technik nach Lösungen um, die die
Implementierung einer Spracheingabe über ein Mikrofon einer Fernbedienung in
einem Kabelfernsehnetzwerk näher beschreiben und stößt so auf die NK9. Diese
zeigt verschiedene Möglichkeiten auf, wie Informationen, die von einem Teilnehmer
eines Kabelfernsehnetzwerks in ein Mikrofon gesprochen worden sind, von einer
- 56 -
Spracherkennungsschnittstelle an einem Teilnehmerstandort weiterverarbeitet
werden (vgl. Figuren 4 bis 6 i. V. m. Spalte 15, Zeile 19 bis Spalte 16, Zeile 50).
Dabei wird durch die Verwendung der Sprechtaste 772 der Stromverbrauch der
Fernbedienung gesenkt (Spalte 17, Zeile 16 bis 22); zudem wird die
Benutzerfreundlichkeit verbessert, da dem Teilnehmer durch den angezeigten Text
„Listening …“ (s.o., Abschnitt IV.3.1.1) eine Rückmeldung darüber gegeben wird,
dass seine mündlichen Äußerungen von der Fernbedienung und der Set-Top-Box
korrekt erfasst werden.
Um sich diese Vorteile zunutze zu machen, wird der Fachmann daher die in NK11
beschriebene Fernbedienung mit einer Sprechtaste versehen und wie in NK9
beschrieben mit der Set-Top-Box koppeln. Er gelangt somit in naheliegender Weise
zu den Merkmalen 1.2.8 bis 1.2.10.
3.1.3 Die Beklagte bringt vor, gemäß NK9 würden zwar spracherkannte Wörter
oder Befehle auf einem Bildschirm hervorgehoben, aber nur dann, wenn sie
sowieso auf dem Bildschirm angezeigt würden. Dadurch sei jedoch noch keine
Fernbedienungsfunktion gemäß Merkmal 1.2.9 nahegelegt. Zudem werde ein
Symbol nur im Rahmen eines Ausführungsbeispiels angezeigt, bei dem ein
Teilnehmer zur Aktivierung der Spracherkennung den Befehl „ATTENTION“
spreche und kein „ button“ vorgesehen sei. Die Anzeige eines Symbols
sei aber nur in diesem Fall sinnvoll, da der Sprecher ansonsten keine Rückmeldung
erhalte, ob seine Worte erfasst werden. Werde hingegen ein „ button“
verwendet, um die Spracherkennung zu aktivieren, sei es nicht erforderlich, ein
Symbol anzuzeigen.
Diese Argumente greifen jedoch nicht durch.
So geht aus NK9 unmittelbar hervor, dass die Spracherkennungsfunktion der Set-
Top-Box entweder durch Drücken der Sprechtaste 772 oder durch Sprechen des
Befehls „ATTENTION“ aktiviert wird, was in beiden Fällen zur Anzeige des Texts
„Listening …“ führt (vgl. Spalte 19, Zeile 5 bis 14 - „when a button 772
- 57 -
is present […], the recognition operation […] is activated by pressing the
button 772. When no button is present on the remote
control 166, the recognition operation is activated by speaking an activation
command sich as „ATTENTION“. When activated, subscriber terminal unit 160
preferably provides a suitable indication to this effect to the user […]“).
Darüber hinaus ist es in jedem Fall auch sinnvoll, den Text „Listening …“
anzuzeigen, wenn die Sprechtaste 772 zur Aktivierung der Spracherkennung
verwendet wird, da der Teilnehmer auf diese Weise eine Rückmeldung erhält, ob
sein Tastendruck von der Fernbedienung und der Set-Top-Box tatsächlich erfasst
worden ist.
3.2 Mit Rücksicht auf die Ausführungen zum erteilten Patentanspruch 1 ist der
Gegenstand des Patentanspruchs 1 gemäß Hilfsantrag 3 somit nicht patentfähig.
Mit dem Patentanspruch 1 fällt der gesamte Hilfsantrag 3.
4. Hilfsantrag 4 hat keinen Erfolg, da sich der Gegenstand seines
Patentanspruchs 1 ebenfalls in naheliegender Weise aus einer Kombination der
jeweiligen Lehren der Druckschriften NK11 und NK9 ergibt.
Patentanspruch 1 nach Hilfsantrag 4 ergibt sich aus dem erteilten Patentanspruch
1, indem hinter Merkmal 1.2.5 noch die beiden Merkmale
1.2.8‘ wherein each user site contains at least one set top box which
is associated with a remote control containing a microphone
and a talk button;
und
1.2.11 and wherein upon depressing the talk button on the remote
control data are sent to the wireline node alerting the system as
to the user site and a potential input.
angefügt werden.
- 58 -
Merkmal 1.2.8‘ unterscheidet sich von Merkmal 1.2.8 dadurch, dass der Ausdruck
„comprises“ durch den Ausdruck „contains“ ersetzt wird.
Der erste Teil von Merkmal 1.2.11 („upon depressing the talk button on the remote
control data are sent to the wireline node“) bringt zum Ausdruck, dass Daten an den
Leitungsknoten gesendet werden, wenn die Sprechtaste gedrückt wird (vgl. auch
Absatz [0039] der Streitpatentschrift - „when the button […] is depressed, alerting
the system […]“).
Gemäß dem verbleibenden Teil von Merkmal 1.2.11 soll „das System“ in
Übereinstimmung mit dem Sinngehalt des Begriffs „alerting“ im Hinblick auf den
Standort und eine mögliche Eingabe des Teilnehmers benachrichtigt, informiert,
gewarnt, alarmiert oder in Bereitschaft versetzt werden (vgl. auch Streitpatentschrift,
Absatz [0060] - „[…] by informing the system that the subscriber is about to speak“).
Unter diesem „System“ kann zum einen entsprechend dem Wortlaut von
Patentanspruch 1 das Spracherkennungssystem zu verstehen sein, zum anderen
kommt als „System“ auch das in Absatz [0034] der Streitpatentschrift genannte
„multi-user control system for audio visual devices that incorporates a speech
recognition system, […] which may include a Cable Television (CATV) Headend“ in
Frage, auf das jeweils in den Absätzen [0035] bis [0039] Bezug genommen wird.
Ein „alerting the system […] as to the user site and a potential input“ ist somit
insbesondere als ein Übertragen von Informationen an den Leitungsknoten (z.B. an
ein Headend) zu verstehen, die den Teilnehmerstandort und eine Spracheingabe
des Teilnehmers betreffen, die dieser möglicherweise vornehmen wird oder bereits
vorgenommen hat, bevor die zugehörigen Sprachdaten am
Spracherkennungssystem eingetroffen sind. Eine solche Information mit Bezug auf
einen Teilnehmerstandort ist z.B. die Adresse einer Set-Top-Box (vgl.
Streitpatentschrift, Absatz [0060], letzter Satz).
Merkmal 1.2.11 ist also insbesondere dann erfüllt, wenn der Leitungsknoten auf
einen Sprechtastendruck hin die Adresse einer Set-Top-Box erhält und ferner im
- 59 -
Hinblick auf eine möglicherweise folgende Spracheingabe eines Teilnehmers
benachrichtigt wird.
4.1 Die Merkmale 1.2.8‘ und 1.2.11 können eine Patentfähigkeit nicht
begründen.
4.1.1 Merkmal 1.2.8‘ geht inhaltlich nicht über Merkmal 1.2.8 hinaus und geht damit
aus NK9 hervor (vgl. Ausführungen zu Merkmal 1.2.8 in Abschnitt IV.3.1.1).
4.1.2 Merkmal 1.2.11 wird durch den aus den Druckschriften NK11 und NK9
bekannten Stand der Technik nahegelegt.
4.1.2.1 Das erste Teilmerkmal „wherein upon depressing the talk button on
the remote control data are sent to the wireline node alerting the system as to […]
a potential input“ von Merkmal 1.2.11 beruht aus den folgenden Gründen auf keiner
erfinderischen Tätigkeit:
Gemäß NK11 wird die Spracherkennung an der Sendestation 10 von dem Server
13 vorgenommen, da zum Anmeldetag der NK11 komplexe und rechenaufwendige
Anwendungen nicht in Set-Top-Boxen implementiert werden konnten (Seite 10,
Zeile 25 bis 26 i. V. m. Seite 2, Zeile 15 bis 25). Eine solche serverseitige
Spracherkennung ist auch in Übereinstimmung mit der Lehre der NK9 (vgl. Spalte
33, Zeile 49 bis 53 - “speech recognition operation […] this processing could take
place elsewhere in the system”).
Daher wird der Fachmann zumindest einen komplexen und rechenaufwendigen
Spracherkennungsalgorithmus an der Sendestation des Kabelfernsehsystems
ausführen. Das bedeutet, dass der Spracherkennungsvorgang (die „speech
recognition operation“) auf die Betätigung der Sprechtaste 772 hin nicht - wie in NK9
ausführlich beschrieben - von dem Hauptprozessor 200 der Terminaleinheit 160,
sondern von dem Server 13 der Sendestation 10 ausgeführt wird. Dazu muss die
Terminaleinheit 160 die akustischen Daten, die von dem Mikrofon der
- 60 -
Fernbedienung aufgenommen werden, auf dem Rundfunk-Rückkanal des
Kabelfernsehsystems zur Sendestation 10 übertragen.
a) Da ein Teilnehmer normalerweise nicht exakt zeitgleich mit dem Drücken der
Sprechtaste zu sprechen beginnt, enthalten die ersten Datenpakete mit akustischer
Information, die nach dem Drücken der Sprechtaste von der Terminaleinheit an die
Sendestation übertragen werden, im Allgemeinen noch keine Sprachinformationen;
diese Datenpakete stellen jedoch Informationen dar, die der Sendestation
signalisieren, dass möglicherweise weitere Datenpakete mit Sprachinformationen
folgen werden - nämlich dann, wenn der Teilnehmer die Sprechtaste nicht gleich
wieder loslässt, sondern auch tatsächlich in das Mikrofon spricht. Da das
Übertragen der ersten Datenpakete ausgelöst wird, wenn die Sprechtaste gedrückt
worden ist, wird auf diese Weise das erste Teilmerkmal von Merkmal 1.2.11
verwirklicht.
b) Im Übrigen besteht die Notwendigkeit, eine Kommunikationsverbindung
zwischen der Terminaleinheit und den Komponenten der Sendestation 10 zu
eröffnen, die für den Empfang von Nachrichten von der Terminaleinheit vorgesehen
sind, wenn der Teilnehmer die Sprechtaste 772 drückt. Da nicht vorhersehbar ist,
ob und wann ein Teilnehmer die Spracherkennungsfunktionalität seiner Set-Top-
Box in Anspruch nimmt und dazu die Sprechtaste betätigt, ist es zweckmäßig, eine
Nachricht (einen „alert“) von der Terminaleinheit an die Komponenten der
Sendestation zu senden, durch die die Eröffnung der Kommunikationsverbindung
initiiert wird.
Für das Auslösen der Übersendung dieser Initiierungsnachricht bieten sich folgende
Zeitpunkte an: wenn (i) die Sprechtaste gedrückt wird, wenn (ii) der Teilnehmer bei
gedrückter Sprechtaste zu sprechen beginnt oder (iii) zu sprechen aufhört oder
wenn (iv) die gedrückte Sprechtaste wieder losgelassen wird.
ba) Die Alternative (i) hat gegenüber den anderen Alternativen den Vorteil, dass
mit der Übertragung der Sprachdaten sobald wie möglich begonnen werden kann,
so dass Verzögerungen, die durch die Eröffnung der Kommunikationsverbindung
- 61 -
verursacht werden, nicht oder nur in geringem Ausmaß ins Gewicht fallen und ferner
Programmteile und/oder Daten zur Sprecheridentifikation (vgl. NK9, Spalte 19, Zeile
52 bis 55) frühzeitig von dem Spracherkennungssystem geladen werden können.
Für die Alternative (i) spricht zudem, dass aus Spalte 33, Zeile 49 bis 53 i. V. m.
Spalte 19, Zeile 6 bis 9 und Spalte 15, Zeile 42 bis 46 der NK9 (“speech recognition
operation […] this processing could take place elsewhere in the system”; “the
recognition operation of the instant invention is activated by pressing the
button 772”; “Main processor 200 performs the speech recognition
operation”) unmittelbar hervorgeht, dass die Spracherkennung an dem „anderen
Ort“ („elsewhere“; hier: in der Sendestation 10) durch Drücken der Sprechtaste
aktiviert werden kann, wozu es ebenfalls erforderlich ist, auf die Betätigung der
Sprechtaste hin eine entsprechende Nachricht (einen “alert”) von der
Fernbedienung an die Sendestation 10 zu übertragen.
Um sich die oben genannten Vorteile zunutze zu machen, wird der Fachmann die
Übermittlung der Initiierungsnachricht zur Eröffnung der
Kommunikationsverbindung insbesondere dann anstoßen, wenn der Teilnehmer
die Sprechtaste gedrückt hat.
bb) Jedoch ist nicht abzustreiten, dass auch die Alternativen (ii) bis (iv) spezifische
Vorteile besitzen können. Wird die Übersendung der Initiierungsnachricht gemäß
dieser weiteren Alternativen ausgelöst, reduziert sich nämlich gegenüber
Alternative (i) die Zeitdauer, über die die Kommunikationsverbindung besteht, aber
noch keine relevanten Sprachinformationen übertragen werden, was sich positiv auf
die effektiv über das Netzwerk zur Verfügung stehende
Datenübertragungskapazität auswirkt. Die Alternativen (ii) und (iii) haben allerdings
den Nachteil, dass in der Set-Top-Box erkannt werden muss, ob der Teilnehmer
gerade spricht; im Fall (iv) kann mit der netzwerkseitigen Spracherkennung erst sehr
spät begonnen werden, was gerade bei umfangreicheren Äußerungen eines
Teilnehmers den gesamten Sprachverarbeitungsvorgang unnötig verzögern kann.
- 62 -
Welche der Alternativen (i) bis (iv) besonders vorzugswürdig ist, hängt auch von
dem Zeitaufwand ab, der zur Vorverarbeitung der Sprachsignale in der Set-Top-Box
und zur Eröffnung der Kommunikationsverbindung zwischen der Set-Top-Box und
den Komponenten der Sendestation aufgebracht werden muss.
Daher wird der Fachmann anhand der Umstände des Einzelfalls abwägen, welche
Alternative zu wählen ist.
Die Wahl, die Initiierungsnachricht durch den Tastendruck des Teilnehmers
auszulösen - und damit die Realisierung des ersten Teilmerkmals „wherein upon
depressing the talk button on the remote control data are sent to the wireline node
alerting the system as to […] a potential input“ von Merkmal 1.2.11 - beruht damit
aber allenfalls auf fachmännischen Abwägungen von bekannten Vor- und
Nachteilen. Ein erfinderisches Zutun ist hierzu nicht erforderlich (vgl. BGH, Urteil
vom 3. Mai 2006, X ZR 24/03, juris und GRUR 2006, 930 – Mikrotom, Leitsatz 1
und Rn. 33).
4.1.2.2 Dadurch, dass der Fachmann zusammen mit den
Sprachdatenpaketen auch die MAC- und/oder NSAP-Adresse(n) der Set-Top-Box
an die Sendestation überträgt (s.o., Abschnitt III.4.2.1), wird auch das verbleibende
Teilmerkmal “upon depressing the talk b utton on the remote control data are sent
to the wireline node alerting the system as to the user site” von Merkmal 1.2.11
verwirklicht.
4.2 Die Beklagte führt sinngemäß aus, die NK9 zeige kein Senden eines direkten
Steuersignals an einen Netzwerkknoten. Ausgehend von NK9 habe der Fachmann
weder Veranlassung, Merkmal 1.2.11 zu realisieren, noch seien ihm die Mittel an
die Hand gegeben, dieses Merkmal umzusetzen. Zudem würde ein frühes Eröffnen
einer Session unnötig Übertragungsbandbreite in Anspruch nehmen und
Ressourcen verbrauchen; abgesehen davon stehe dem Fachmann eine überaus
große Anzahl von Möglichkeiten zur Verfügung, die Datenübertragung zwischen der
Set-Top-Box und der Sendestation 10 zu organisieren.
- 63 -
Ferner sei es technisch unsinnig, die der Analog-Digital-Wandlung dienenden
sprachbezogenen Schaltkreise 322, 324 und 340, die die Sprachsignale für die
Signalverarbeitung vorbereiteten (vgl. NK9, Figuren 5 und 6), netzwerkseitig zu
implementieren, da ansonsten ein analoges Signal zum Knoten 517 übertragen
werden müsste.
Die NK9 stelle den Fachmann auch nicht vor die Aufgabe, Energie zu sparen. Eine
„gepoolte“ Spracherkennung benötige keine Energiesparfunktion, da die
Leerlaufzeiten einer Spracherkennung für mehrere Set-Top-Boxen im Vergleich zu
denen einer Spracherkennung für eine einzelne Set-Top-Box vernachlässigbar
seien. Wolle der Fachmann den Energieverbrauch netzwerkseitig optimieren, würde
er allenfalls ganze Server zu- und abschalten.
Auch dieser Argumentation kann sich der Senat im Ergebnis nicht anschließen.
Es trifft zwar zu, dass die NK9 keine detaillierten Aussagen zur Kommunikation
zwischen einer Set-Top-Box und einem Netzwerkknoten macht. Wie oben
ausgeführt, hatte der Fachmann jedoch Veranlassung, Merkmal 1.2.11 zu
realisieren, ohne dabei mit einer allzu großen Anzahl von Alternativen zur Auswahl
des Auslösezeitpunkts der Initiierungsnachricht konfrontiert zu sein.
Dass der Fachmann bei seinen Überlegungen insbesondere den Zeitpunkt (i) in
Betracht gezogen hätte und auch zur Umsetzung der entsprechenden Maßnahmen
imstande gewesen wäre, wird im Übrigen durch die Aussage des Sachverständigen
der Beklagten in Dokument NK18e bestätigt (dort Rn. 231 bis 233). Die zur
technischen Umsetzung von Merkmal 1.2.11 erforderliche Gestaltung der
Kommunikationsverbindungen zwischen den elektronischen Komponenten
Fernbedienung, Set-Top-Box und Sendestation gehört zu den Routinetätigkeiten
des Fachmanns.
Des Weiteren lässt der Umstand, dass die Spracherkennung in der Sendestation
ausgeführt wird, nicht darauf schließen, dass auch die vorbereitenden Operationen
der Schaltkreise 322, 324 und 340 netzwerkseitig ausgeführt werden müssten und
- 64 -
somit ein zwangsläufig ein analoges Signal zu übertragen wäre. Denn Merkmal
1.2.11 („upon depressing […]“ = „beim Drücken“, „nach dem Drücken“, „wenn […]
gedrückt worden ist“) erfordert lediglich, dass das Senden der Daten in gewisser
zeitlicher Nähe zum Tastendruck des Teilnehmers erfolgt. Patentanspruch 1 nach
Hilfsantrag 4 umfasst also zumindest all diejenigen Fälle, in denen das analoge
Sprachsignal nach der Betätigung der Sprechtaste in dem Mikrofon oder in der Set-
Top-Box umgehend in ein digitales Signal konvertiert wird (vgl. NK9, Figuren 4 und
5 mit Spalte 15, Zeile 24 bis 29 sowie Spalte 15, Zeile 64 bis Spalte 16, Zeile 6), so
dass kein analoges Signal zur Sendestation übertragen werden muss.
Im Übrigen geht die Deaktivierung einer netzwerkseitigen
Spracherkennungsfunktion, die einer Set-Top-Box zugeordnet ist, durch das
Drücken der Sprechtaste ausgelöst wird und die Übersendung einer
entsprechenden Aktivierungsnachricht an die Sendestation erfordert, aus NK9
unmittelbar hervor (s.o., Abschnitt IV.4.1.2.1 ba)). Es erscheint nicht völlig
ausgeschlossen, dass der Fachmann zumindest in bestimmten Spezialfällen (z.B.
wenn nur ein einziger Spracherkennungsserver mit sehr vielen, jeweils einer Set-
Top-Box zugeordneten parallelen Prozessoren zur Ausführung eines
rechenaufwendigen Spracherkennungsverfahrens vorgesehen ist, wobei die
Auslastung des Servers tagsüber sehr hoch, aber nachts sehr gering ist) eine
teilnehmerabhängige, über das Kommunikationsnetzwerk vorgenommene
Deaktivierung und Aktivierung einer Spracherkennungsfunktion - etwa durch Ab-
und Zuschalten einzelner Prozessoren - auch tatsächlich realisiert hätte.
4.3 Mit Rücksicht auf die Ausführungen zum erteilten Patentanspruch 1 beruht
die Lehre des Patentanspruchs 1 gemäß Hilfsantrag 4 somit auf keiner
erfinderischen Tätigkeit und ist daher nicht patentfähig. Mit seinem
Patentanspruch 1 fällt der gesamte Hilfsantrag 4.
5. Auch Hilfsantrag 5 hat keinen Erfolg, weil der Gegenstand seines
Patentanspruchs 1 durch die kombinierte Lehre der Druckschriften NK11 und NK9
nahegelegt ist.
- 65 -
Patentanspruch 1 nach Hilfsantrag 5 unterscheidet sich von Patentanspruch 1 nach
Hilfsantrag 4 dadurch, dass vor dem Merkmal 1.2.8‘ das Merkmal
1.2.12 wherein said network comprises a content engine from which
said speech recognition system receives content status
information;
eingefügt ist und zwischen den Merkmalen 1.2.8‘ und 1.2.11 die beiden Merkmale
1.2.13 wherein the analog signals picked up by the microphone are
pre-processed by the remote control;
und
1.2.14 wherein the set top box receives a radio frequency (RF) signal
or an infra-red signal from the remote control; and
eingeschoben sind.
Laut Streitpatent sind die in Merkmal 1.2.12 genannten Inhaltsstatusinformationen
(„content status information“) beispielweise Listen zwischengespeicherter
Inhaltsdaten (etwa von interaktiven Programmführern), Listen verfügbarer Dienste
oder auch Videosequenzen, die durch Video-on-Demand- oder Pay-per-View-
Dienste bereitgestellt werden (Streitpatentschrift, Absätze [0268], [0269], [0316],
[0336]). Aus der Perspektive des Fachmanns ist eine Content-Engine ein
computergesteuertes System, das Inhalte bereitstellt und/oder verwaltet.
Unter einer Vorverarbeitung der analogen Mikrofonsignale (vgl. Merkmal 1.2.13 -
„analog signals picked up by the microphone are pre-processed“) versteht das
Streitpatent insbesondere eine Analog-Digital-Wandlung, Verschlüsselung,
Kompression oder Konversion in eine andere Sprachdatenrepräsentation
(Streitpatentschrift, Absatz [0064]).
5.1 Die Merkmale 1.2.12 bis 1.2.14 sind entweder aus Druckschrift NK9 bekannt
oder aus dieser unmittelbar ableitbar. Mit ihnen kann eine Patentfähigkeit des
- 66 -
Patentanspruchs 1 gemäß Hilfsantrag 5 vor dem Hintergrund der kombinierten
Lehren der Druckschriften NK11 und NK9 nicht begründet werden.
Gemäß NK9 stellen sowohl das „information distribution center 12“ als auch das
Headend 125 dynamische, sich zeitlich ändernde Programmführerdaten - z.B. eine
Liste verfügbarer Kanäle oder Programm- oder Künstlernamen - bereit, die von dem
Spracherkennungssystem zur sprachgesteuerten Auswahl von Kanälen,
Programmen oder Videos verwendet werden können (NK9, Spalte 5, Zeile 39 bis
67 - „terminal unit 16 receives vocabulary data from information distribution center
12“; Spalte 28, Zeile 50 bis Spalte 29, Zeile 22 sowie Table III - „Additional
vocabulary data may be downloaded from head-end installation 125 […] the
vocabulary may be periodically updated to take into account changes in the offerings
of a particular system […] a user may navigate the electronic programming guide of
Fig. 11 by saying „GOTO ESPN“; s. ferner Spalte 22, Zeile 54 bis 59 i. V. m. Spalte
29, Zeile 23 bis Spalte 30, Zeile 54 und Spalte 32, Zeile 12 bis 36 - „title addressable
program selection“, „EPG information provider 114-3 provides the program title and
description data […] ISP 42 downloads the EPG text and vocabulary definitions to
the subscriber terminal units […] search of the EPG data to find occurrences of the
programs having the spoken title […] For example, if the user is tuned to television
video, commanding „FIND STAR TREK“ will cause a search of the EPG data to be
carried out […] The user may then enter a command limiting the search, such as
„ONLY MARILYN MONROE“ […]“).
In diesem Zusammenhang können diejenigen Komponenten des „information
distribution center 12“ oder des Headends 125, die die Programmführerdaten
verwalten und bereitstellen, als Content-Engine im Sinne von Merkmal 1.2.12
angesehen werden.
Auch wenn das Spracherkennungssystem an der Sendestation 10 angeordnet ist
(s.o., Abschnitt IV.4.1.2.1), wird der Fachmann selbstverständlich dafür sorgen,
dass es die dynamischen Programmführerdaten von dieser Content-Engine erhält.
Denn andernfalls ließe sich keine Sprachsteuerung realisieren, die auf den
dynamischen Daten basiert.
- 67 -
Somit ist Merkmal 1.2.12 aus der Lehre der NK9 ableitbar.
Gemäß NK9 werden die analogen Sprachsignale in der Fernbedienung in digitale
Sprachsignale konvertiert und ggf. auch in eine spektrale Repräsentation
transformiert (Spalte 15, Zeile 64 bis Spalte 16, Zeile 2 und 32 bis 38 i. V. m.
Figuren 5 und 6, Blöcke 324 und 340). Die analogen Sprachsignale werden somit
in der Fernbedienung vorverarbeitet.
Auch Merkmal 1.2.13 ist somit aus NK9 bekannt.
Ferner lehrt NK9, dass die Fernbedienung die Äußerungen eines Teilnehmers an
die Terminaleinheit in Form von Infrarot- oder Radiofrequenzsignalen übermittelt
(Spalte 6, Zeile 33 bis 53; Spalte 12, Zeile 23 bis 26; Spalte 15, Zeile 64 bis Spalte
16, Zeile 5).
Damit nimmt die NK9 auch Merkmal 1.2.14 vorweg.
5.2 Die Beklagte ist der Auffassung, die „information providers“ 114-n befinden
sich nicht im gleichen Netzwerk wie das Headend 125 und lieferten zudem keine
Inhaltsstatusinformationen, die Metainformationen über die bereits im TV/Video-
Netzwerk befindlichen Daten seien. Merkmal 1.2.12 sei daher gegenüber der NK9
neu.
Dem kann jedoch nicht beigetreten werden.
Denn zum einen kann das in den Figuren 2A bis 2C gezeigte System als ein
einziges übergeordnetes und insbesondere auch drahtgebundenes Netzwerk
angesehen werden, das die „information providers“ 114-n mit dem Headend 125
und den Terminaleinheiten 160 verbindet (vgl. NK9, Spalte 9, Zeile 18 bis 23; Spalte
11, Zeile 3 bis 6). Zum anderen können die Informationen, die von den
Komponenten 114-n bereitgestellt werden, an das Headend 125 weitergegeben und
von diesem an die Terminaleinheiten weitergeleitet werden (vgl. NK9, Spalte 8,
- 68 -
Zeile 44 bis Spalte 11, Zeile 6), so dass auch das Headend 125 als Content-Engine
angesehen werden kann, zumal sich die „information providers“ 114-n auch an
demselben Ort wie das Headend 125 befinden können (Spalte 9, Zeile 23 bis 26).
Ferner impliziert der Begriff Inhaltsstatusinformationen („content status information“)
nicht, dass diese Informationen Metainformationen über Daten sein müssen, die
sich bereits im Netzwerk befinden (s.o., Abschnitt 5, Ausführungen zu Merkmal
1.2.12). Zudem kann davon ausgegangen werden, dass Videofilme, die anhand
eines Programm- oder Künstlernamens beispielsweise über einen Pay-Per-View-
Dienst (vgl. NK9, Spalte 32, Zeile 12 bis 36 - „by speaking […] “ONLY SYLVESTER
STALLONE““) ausgewählt werden, in dem Kabelfernsehnetzwerk abspielbereit
gespeichert sind.
5.3 Mit Blick auf die Ausführungen zum Patentanspruch 1 nach Hilfsantrag 4
beruht der Gegenstand des Patentanspruchs 1 gemäß Hilfsantrag 5 somit nicht auf
erfinderischer Tätigkeit, so dass das Streitpatent in seiner Fassung nach
Hilfsantrag 5 ebenfalls keinen Bestand hat.
6. Entsprechendes gilt für das Streitpatent in seiner Fassung nach Hilfsantrag 6,
weil die gegenüber dem erteilten Patentanspruch 1 hinzugekommenen Merkmale
ausgehend von Druckschrift NK12 nahegelegt sind.
Patentanspruch 1 nach Hilfsantrag 6 unterscheidet sich vom erteilten
Patentanspruch 1 darin, dass auf Merkmal 1.2.5 die Merkmale
1.2.15 wherein the speech recognition system (3200, 1330) communi-
cates with a content engine (1340), indicating a current user
location in a menu structure and/or a requested user action,
in particular a video request;
1.2.16 and wherein the content engine (1340) provides at least one
multimedia stream (1342) to a tranceiver (1320) from which it is
send to an individual user site.
- 69 -
folgen.
Gemäß Merkmal 1.2.15 soll das Spracherkennungssystem mit einer Content-
Engine kommunizieren, indem es einen Ort in einer Menüstruktur und/oder eine
„requested user action“ anzeigt. Unter einer solchen Aktion versteht der Fachmann
eine Handlung des Teilnehmers, zu der dieser aufgefordert worden ist oder auch
eine Anfrage des Teilnehmers, die gemäß dem Zusatz „in particular a video request“
insbesondere auf den Abruf eines Videos hindeuten kann („indicating […] a
requested user action“).
Merkmal 1.2.16 bringt zum Ausdruck, dass die Content-Engine mindestens einen
Multimediastrom an einen Transceiver übermittelt, der diesen Datenstrom an einen
einzelnen oder einen „individuellen“ Teilnehmerstandort („individual user site“)
sendet. Dies muss nicht zwangsläufig bedeuten, dass der Multimediastrom
ausschließlich an diesen (d.h. an einen „einzigen“) Teilnehmerstandort gesendet
wird, sondern kann auch nur implizieren, dass der Multimediastrom an einen
Teilnehmerstandort gesendet wird, der sich nicht in der Nähe anderer
Teilnehmerstandorte befindet (d.h. „einzeln“ liegt) oder der Anfrage des
Teilnehmers entspricht (und deshalb „teilnehmerindividuell“ ist).
Ein Transceiver ist aus fachmännischer Sicht eine Vorrichtung, die mindestens eine
Sendeeinrichtung („Transmitter“) und mindestens eine Empfangseinrichtung
(„Receiver“) umfasst.
6.1 Auch mit den Merkmalen 1.2.15 und 1.2.16 kann eine Patentfähigkeit nicht
begründet werden.
Wie bereits in Abschnitt IV.1.2.2 ausgeführt, ist der NK12 zu entnehmen, dass das
Spracherkennungssystem 28 der sprachgesteuerten Auswahl und Änderung von
Fernsehbildern, Audiodaten oder sonstigen Daten dient, die an einen Teilnehmer
über ein Kabelfernsehsystem übermittelt werden. Dazu werden als Reaktion auf die
von dem Spracherkennungssystem interpretierten Sprachbefehle der
- 70 -
Fernsehsignalgenerator 29 und ein Teil des Kabelfernsehsystems 30 gesteuert. Die
Sprachbefehle können daher als eine Steuerungsanfrage des Teilnehmers
angesehen werden (vor dem Hintergrund der NK12 beispielsweise eine Anfrage zur
Auswahl bestimmter Fernsehbilder). Die Einheiten 29 und 30 sind netzwerkseitig
angeordnet und in NK12 die einzigen Einheiten, die die gewünschten Inhalte
bereitstellen und an die Teilnehmer übermitteln können. Daher erkennt der
Fachmann in den Einheiten 29 und 30 ein Headend des Kabelfernsehsystems - und
somit auch eine Content-Engine.
Es ist selbstverständlich, dass das Spracherkennungssystem dabei den Inhalt der
gesprochenen Anfrage des Teilnehmers an diese Content-Engine in Form einer
Nachricht weiterleitet, die auf die auszuwählenden oder zu verändernden Inhalte
Bezug nimmt und somit auf die Anfrage des Teilnehmers hindeutet.
Somit ist Merkmal 1.2.15 aus NK12 ableitbar.
Falls der Teilnehmer bestimmte Fernsehbilder zur Übermittlung ausgewählt hat,
werden diese von den Einheiten 29 und 30 - einem Headend (s.o.) - als
Bilddatenstrom an die Kabelbox 25 des Teilnehmers übertragen. Dass ein Headend
hierfür einen Transceiver verwendet, geht nicht über eine fachübliche Maßnahme
hinaus (vgl. NK16, Seite 15, Figur 7; s. auch NK9, Spalte 10, Zeile 65 bis Spalte 11,
Zeile 6 i. V. m. Figur 2B - „distribution network may include [..] one or more optical
transmitters 140, one or more optical receivers 142“), welche eine erfinderische
Tätigkeit nicht stützen kann.
Somit gelangt der Fachmann auch zu Merkmal 1.2.16, ohne erfinderisch tätig zu
werden.
6.2 Die Beklagte ist der Auffassung, die NK12 zeige die Verarbeitungskette
„Spracherkennungssystemà Content-Engineà Transceiverà Teilnehmer“ nicht.
So sei die Verbindung zwischen dem Spracherkennungssystem 28 und dem
Fernsehsignalgenerator 29 nicht beschrieben; unklar sei zudem, warum dieser nicht
mit dem Kabelfernsehsystem 30 verbunden sei. Zudem kommuniziere der
- 71 -
Signalsplitter 27 nur upstream, so dass im Dunkeln bleibe, wie der Kanal zur
Kabelbox 25 realisiert sei.
Diesen Argumenten kann ebenfalls nicht beigetreten werden.
So trifft es zwar zu, dass in NK12 ein Datenaustausch zwischen den Einheiten 25
und 27 bis 30 nur ansatzweise beschrieben ist. Gleichwohl leitet der Fachmann aus
NK12 ab, dass die Komponenten 29 und 30 in Übereinstimmung mit den von dem
Spracherkennungssystem 28 erkannten Sprachinhalten gesteuert werden, die als
eine Anfrage zur Bereitstellung bestimmter Inhalte angesehen werden können (s.o.,
Abschnitt IV.1.2.2). In Verbindung mit dem Fachwissen des Fachmanns hinsichtlich
des Datentransfers zwischen Set-Top-Boxen und Headends ergibt sich auch die
oben genannte Verarbeitungskette in naheliegender Weise.
6.3 Angesichts der Ausführungen zum Hilfsantrag 1 erweist sich auch der
Gegenstand des Patentanspruchs 1 gemäß Hilfsantrag 6 als nicht auf
erfinderischer Tätigkeit beruhend. Mit seinem Patentanspruch 1 fällt der gesamte
Hilfsantrag 6.
7. Hilfsantrag 7 kann nicht günstiger beurteilt werden, da der Gegenstand seines
Patentanspruchs 1 ausgehend von Druckschrift NK11 nahegelegt ist.
Der Patentanspruch 1 nach Hilfsantrag 7 geht aus dem erteilten Patentanspruch 1
hervor, indem das Merkmal
1.2.17 further comprising at least one of the steps of:
determining said associated user site (1100) from said recog-
nized speech content;
determining said associated user site (1100) from said recog-
nized speech content and a speaker identification library;
determining said associated user site (1100) from said recog-
nized speech content and a speech recognition library; and
- 72 -
determining said associated user site (1100) from an identification
within said speech channel.
nach Merkmal 1.2.5 angefügt wird.
Merkmal 1.2.17 fügt der Lehre von Patentanspruch 1 mindestens einen von vier
Teilschritten hinzu, wobei der erste bzw. vierte Teilschritt mit dem zweiten bzw.
fünften Teilschritt des Patentanspruchs 2 des Streitpatents übereinstimmt.
Wie in Abschnitt III.4.2 ausgeführt (s.o.), können die Merkmale dieser beiden
Teilschritte ausgehend von NK11 keine erfinderische Tätigkeit begründen, so dass
auch Merkmal 1.2.17 keine Patentfähigkeit stützen kann.
8. Auch Hilfsantrag 8 kann nicht günstiger als Hilfsantrag 7 beurteilt werden, da
sich der Gegenstand seines Patentanspruchs 1 ausgehend von Druckschrift NK11
ebenfalls als naheliegend erweist.
Der Patentanspruch 1 nach Hilfsantrag 8 geht aus dem erteilten Patentanspruch 1
hervor, mit der Maßgabe, dass die letzte Alternative des Merkmals 1.2.17 gestrichen
wird, d.h. Merkmal
1.2.18 further comprising at least one of the steps of:
determining said associated user site (1100) from said recog-
nized speech content;
determining said associated user site (1100) from said recog-
nized speech content and a speaker identification library;
determining said associated user site (1100) from said recog-
nized speech content and a speech recognition library.
auf Merkmal 1.2.5 folgt.
- 73 -
Merkmal 1.2.18 fügt der Lehre von Patentanspruch 1 mindestens einen von drei
Teilschritten hinzu, wobei der erste Teilschritt mit dem zweiten Teilschritt des
Patentanspruchs 2 des Streitpatents übereinstimmt.
Wie in Abschnitt III.4.2.2 ausgeführt (s.o.), können die Merkmale dieses Teilschritts
ausgehend von NK11 keine erfinderische Tätigkeit begründen, so dass auch die
Aufnahme von Merkmal 1.2.18 in den Patentanspruch 1 zu keinem patentfähigen
Gegenstand führt.
9. Aus diesen Gründen war das Streitpatent, das somit in keiner der durch die
Beklagte verteidigten Fassungen Bestand hatte, im beantragten Umfang für nichtig
zu erklären.
V.
Die Kostenentscheidung beruht auf § 84 Abs. 2 Satz 1 und Satz 2 Halbsatz 1 PatG
i. V. m. § 91 Abs. 1 ZPO.
Die Entscheidung über die vorläufige Vollstreckbarkeit beruht auf § 99 Abs. 1 PatG
i. V. m. § 709 Satz 1 und 2 ZPO.
VI.
Rechtsmittelbelehrung
Gegen dieses Urteil ist das Rechtsmittel der Berufung gemäß § 110 PatG statthaft.
Die Berufung ist innerhalb eines Monats nach Zustellung des in vollständiger Form
abgefassten Urteils - spätestens nach Ablauf von fünf Monaten nach Verkündung -
durch einen in der Bundesrepublik Deutschland zugelassenen Rechtsanwalt oder
- 74 -
Patentanwalt schriftlich beim Bundesgerichtshof, Herrenstraße 45a, 76133
Karlsruhe, einzulegen.
Die Berufungsschrift muss
- die Bezeichnung des Urteils, gegen das die Berufung gerichtet ist, sowie
- die Erklärung, dass gegen dieses Urteil Berufung eingelegt werde,
enthalten. Mit der Berufungsschrift soll eine Ausfertigung oder beglaubigte Abschrift
des angefochtenen Urteils vorgelegt werden.
Auf die Möglichkeit, die Berufung nach § 125a PatG in Verbindung mit § 2 der
Verordnung über den elektronischen Rechtsverkehr beim Bundesgerichtshof und
Bundespatentgericht (BGH/BPatGERVV) auf elektronischem Weg beim
Bundesgerichtshof einzulegen, wird hingewiesen (www.bundesgerichts-
hof.de/erv.html).
Hartlieb Dr. Forkel Hoffmann Dr. Himmelmann Dr. Städele


Full & Egal Universal Law Academy