Cover des Buchs: Erzeugnisse des maschinellen Lernens
Im Shop erwerben
, um zu prüfen, ob Sie einen Vollzugriff auf diese Publikation haben.
Monographie Kein Zugriff

Erzeugnisse des maschinellen Lernens

Eine Herausforderung für die Gestaltung einer effizienten Patentrechtsordnung
Autor:innen:
Verlag:
 2024

Zusammenfassung

In dem Werk zeigt der Autor die Schutzlücken auf, die im Patentrecht durch den Einsatz maschinellen Lernens im Entwicklungsprozess von technischen Lehren entstehen, und entwickelt Lösungen, um diese im Sinne einer effizienten und an ökonomischen Aspekten ausgerichteten Patentrechtsordnung zu schließen. Hierzu untersucht er eingehend die einzelnen Voraussetzungen zur Erteilung eines Patents. Dabei differenziert er zwischen dem Schutz des Systems, das auf Grundlage von maschinellem Lernen arbeitet, und des daraus hervorgehenden Erzeugnisses als eigenständige technische Lehre. Zudem setzt er sich mit der Erfindereigenschaft des Menschen, der in seiner Rolle als alleiniger Schöpfer technischer Lehren immer mehr zurückgedrängt wird, auseinander.

Schlagworte

Publikation durchsuchen

Bibliographische Angaben

Auflage
1/2024
Copyrightjahr
2024
ISBN-Print
978-3-7560-0945-9
ISBN-Online
978-3-7489-4610-6
Verlag
Nomos, Baden-Baden
Reihe
Schriften zum geistigen Eigentum und zum Wettbewerbsrecht
Band
149
Sprache
Deutsch
Seiten
363
Produkttyp
Monographie

Inhaltsverzeichnis

KapitelSeiten
  1. Titelei/Inhaltsverzeichnis Kein Zugriff 1 - 22
    1. A. Gegenstand der Untersuchung und Methodik Kein Zugriff
    2. B. Gang und Ziel der Untersuchung Kein Zugriff
      1. I. Sinn und Zweck der ökonomischen Analyse des Rechts Kein Zugriff
      2. II. Verhaltensmodell des homo oeconomicus und Kritik Kein Zugriff
        1. 1. Pareto-Effizienz Kein Zugriff
        2. 2. Effizienz nach Kaldor und Hicks Kein Zugriff
        3. 3. Coase-Theorem Kein Zugriff
        4. 4. Zwischenergebnis Kein Zugriff
      1. I. Monopolartige Stellung des Patentinhabers Kein Zugriff
        1. 1. Theorien zur Rechtfertigung von Patenten Kein Zugriff
        2. 2. Kritik an den Theorien und Erkenntnisgewinn Kein Zugriff
        3. 3. Zwischenergebnis Kein Zugriff
      1. I. Der homo oeconomicus im Patentrecht Kein Zugriff
      2. II. Effizienz und Patente Kein Zugriff
      3. III. Zwischenergebnis Kein Zugriff
    4. D. Zusammenfassung Kein Zugriff
    1. A. Allgemeine Begriffsbestimmungen und Abgrenzung zur ‚künstlichen Intelligenz‘ Kein Zugriff
    2. B. Abgrenzung zu ‚herkömmlichen‘ Algorithmen Kein Zugriff
      1. I. Klassische wissensbasierte (deduktive) Ansätze Kein Zugriff
        1. 1. Symbolische Verfahren Kein Zugriff
            1. aa. Aufbau Kein Zugriff
            2. bb. Funktionsweise Kein Zugriff
            1. aa. Überwachtes Lernen Kein Zugriff
            2. bb. Unüberwachtes Lernen Kein Zugriff
            3. cc. Bestärkendes Lernen Kein Zugriff
          3. c. Deep Learning Kein Zugriff
      3. III. Zwischenergebnis Kein Zugriff
    4. D. Vom ML-Modell zum ML-Erzeugnis Kein Zugriff
      1. I. Grundbegriffe Kein Zugriff
      2. II. Aktueller Stand bei vollständig autonomen ML-Systemen Kein Zugriff
    6. F. Erklärbarkeit von ML-Systemen Kein Zugriff
    7. G. Zusammenfassung Kein Zugriff
        1. I. Grundlagen der Technizität Kein Zugriff
          1. 1. ML-Modell als noch nicht ausführbarer Programmcode Kein Zugriff
              1. aa. Computerprogramm Kein Zugriff
              2. bb. Grundlagen computerimplementierter Erfindungen Kein Zugriff
              3. cc. Datenverarbeitungsanlage Kein Zugriff
              4. dd. Technizität von Simulations- und Entwurfsverfahren Kein Zugriff
              5. ee. Zwischenergebnis Kein Zugriff
              1. aa. Untrainierte ML-Modelle Kein Zugriff
              2. bb. Trainingsverfahren Kein Zugriff
              3. cc. Implementierte und trainierte ML-Modell Kein Zugriff
              4. dd. Zwischenergebnis Kein Zugriff
          3. 3. Hardware des ML-Systems als Erzeugnispatent Kein Zugriff
          4. 4. Zwischenergebnis Kein Zugriff
        1. I. Grundlagen der Neuheitsprüfung Kein Zugriff
          1. 1. Durchschnittsfachmann Kein Zugriff
          2. 2. Einzelvergleich bei ML-Modell und ML-System Kein Zugriff
        3. III. Zwischenergebnis Kein Zugriff
          1. 1. Nächstliegender Stand der Technik Kein Zugriff
          2. 2. Bestimmung der zu lösenden technischen Aufgabe Kein Zugriff
          3. 3. Anforderungen des could/would approach Kein Zugriff
          1. 1. Nächstliegender Stand der Technik Kein Zugriff
          2. 2. Bestimmung der zu lösenden technischen Aufgabe Kein Zugriff
          3. 3. Anwendung des could/would approach Kein Zugriff
        3. III. Zwischenergebnis Kein Zugriff
        1. I. Grundlagen der Offenbarung Kein Zugriff
          1. 1. Allgemeine Anforderungen und Beschreibung des technischen Vorgangs Kein Zugriff
          2. 2. Zugriff auf die Trainingsdaten und Reproduzierbarkeit Kein Zugriff
          3. 3. Erklärbarkeit der konkreten Arbeitsweise (Black-Box) Kein Zugriff
          4. 4. Unspezifische Fachbegriffe Kein Zugriff
        3. III. Zwischenergebnis Kein Zugriff
      5. E. Gewerbliche Anwendbarkeit des ML-Systems Kein Zugriff
        1. I. Technizität Kein Zugriff
        2. II. Offenbarung und Reichweite des Patentanspruchs Kein Zugriff
        3. III. Erfinderschaft Kein Zugriff
        4. IV. Zwischenergebnis Kein Zugriff
      7. G. Zusammenfassung Kein Zugriff
          1. 1. Bestehende Unterschiede zu anderen Hilfsmitteln Kein Zugriff
          2. 2. Unterschiedliche Anwendung von hoch entwickelten ML-Systemen Kein Zugriff
        2. II. Einsatz eines vollständig autonomen ML-Systems Kein Zugriff
        3. III. Zwischenergebnis Kein Zugriff
          1. 1. Persönliche menschliche Schöpfung Kein Zugriff
          2. 2. Zufallserfindung Kein Zugriff
          3. 3. Verwechslung mit dem Erfinderbegriff und die Bedeutung des Erkennens Kein Zugriff
          4. 4. Zwischenergebnis Kein Zugriff
          1. 1. Übersetzung Kein Zugriff
          2. 2. ML-Erzeugnis als Entdeckung Kein Zugriff
            1. a. Grundlagen Kein Zugriff
            2. b. Anwendung auf das ML-Erzeugnis Kein Zugriff
            1. a. Ausführbarkeit Kein Zugriff
            2. b. Wiederholbarkeit Kein Zugriff
        4. IV. Zwischenergebnis Kein Zugriff
        1. I. Stand der Technik Kein Zugriff
        2. II. Die Besonderheiten des maschinellen Lernens im Rahmen des Einzelvergleichs Kein Zugriff
            1. a. Mögliche unterbleibende Berücksichtigung des ML-Systems Kein Zugriff
            2. b. Maschine oder natürliche Person als Durchschnittsfachmann Kein Zugriff
          2. 2. Einbindung des ML-Systems Kein Zugriff
            1. a. Schwierigkeiten bei der Bestimmung des ‚Durchschnitts-ML-Systems‘ Kein Zugriff
            2. b. Weiterhin ausreichende Praktikabilität für Patentämter Kein Zugriff
            3. c. Zwischenergebnis Kein Zugriff
            1. a. Untergeordneter Einsatz als Tool Kein Zugriff
            2. b. Umfassender Einsatz als Tool Kein Zugriff
            3. c. Vollständig autonomes ML-System Kein Zugriff
          5. 5. Zwischenergebnis Kein Zugriff
        2. II. Bestimmung zu lösender technischer Aufgabe Kein Zugriff
        3. III. Durchführung des could/would approach Kein Zugriff
        4. IV. Zwischenergebnis Kein Zugriff
      5. E. Offenbarung Kein Zugriff
        1. I. Recht an der und auf die Erfindung Kein Zugriff
            1. a. Erkenntnis begründet keine Erfinderstellung Kein Zugriff
            2. b. Natürliche Personen Kein Zugriff
            3. c. Zwischenergebnis Kein Zugriff
            1. a. Untergeordneter Einsatz als Tool Kein Zugriff
              1. aa. Programmierer des ML-Systems Kein Zugriff
                1. (1) Nutzung als Wahrnehmbarmachung Kein Zugriff
                2. (2) Keine Vergleichbarkeit zu biotechnologischen Erfindungen Kein Zugriff
                3. (3) Gestaltende Nutzung Kein Zugriff
                4. (4) Zwischenergebnis Kein Zugriff
              3. cc. Eigentümer Kein Zugriff
              4. dd. Einzelne Datenerzeuger Kein Zugriff
              5. ee. Investor Kein Zugriff
              6. ff. Konzept der ‚elektronischen Person‘ Kein Zugriff
              7. gg. Zwischenergebnis Kein Zugriff
            3. c. Vollständig autonomes ML-System Kein Zugriff
            4. d. Zwischenergebnis Kein Zugriff
          3. 3. Betriebserfindung und Arbeitnehmererfindung Kein Zugriff
          4. 4. Miterfinder Kein Zugriff
              1. aa. Unkörperlichkeit von Daten Kein Zugriff
              2. bb. Vergleichbarkeit mit körperlichen Gegenständen Kein Zugriff
              3. cc. Patentfähigkeit des Erzeugnisses Kein Zugriff
                1. (1) Technische Erfindung als Bedingung für das Erzeugnis Kein Zugriff
                2. (2) ML-Erzeugnis als taugliches Objekt eines Sachpatents Kein Zugriff
              5. ee. Zwischenergebnis Kein Zugriff
              1. aa. Auslegung des ‚hergestellten‘ Erzeugnisses Kein Zugriff
              2. bb. Auslegung des Begriffs der ‚Unmittelbarkeit‘ Kein Zugriff
              3. cc. Anwendung auf das ML-Erzeugnis Kein Zugriff
              4. dd. Zwischenergebnis Kein Zugriff
            3. c. Schutzumfang Kein Zugriff
            4. d. Zwischenergebnis Kein Zugriff
            1. a. Product-by-Process-Ansprüche Kein Zugriff
            2. b. Reach-Through-Ansprüche Kein Zugriff
          7. 7. Zwischenergebnis Kein Zugriff
          1. 1. Allgemeine Voraussetzungen zur Anmeldung eines Patents Kein Zugriff
            1. a. Untergeordneter Einsatz als Tool Kein Zugriff
                1. (1) Anmelder kein Rechtsnachfolger des ML-Systems Kein Zugriff
                2. (2) Formale Anforderungen nach der EPÜAO Kein Zugriff
                3. (3) Fehlende Akzeptanz der ‚Erfindung ohne Erfinder‘ Kein Zugriff
                4. (4) Keine Rechtsnachfolge aufgrund von Eigentumsrechten Kein Zugriff
                5. (5) Zwischenergebnis Kein Zugriff
              2. bb. Widerspruchslose falsche Erfindernennung Kein Zugriff
              3. cc. Zwischenergebnis Kein Zugriff
            3. c. Vollständig autonomes ML-System Kein Zugriff
          3. 3. Zwischenergebnis Kein Zugriff
        4. IV. Erfindereigenschaft über vollständig autonome ML-Systeme Kein Zugriff
      7. G. Zusammenfassung Kein Zugriff
        1. I. Makroökonomische Bedeutung des maschinellen Lernens Kein Zugriff
        2. II. Besonderheiten der Datenwirtschaft Kein Zugriff
        3. III. Patentierbare ML-Erzeugnisse als Wirtschaftsfaktor Kein Zugriff
        4. IV. Zwischenergebnis Kein Zugriff
        1. I. Patentrechtliche Schutzlücken Kein Zugriff
            1. a. Computerprogramm Kein Zugriff
            2. b. Schutz als Datenbank Kein Zugriff
            3. c. Zwischenergebnis Kein Zugriff
            1. a. Grundlegende Unterschiede Kein Zugriff
              1. aa. Patentschutz für (Trainings-)‌Daten Kein Zugriff
              2. bb. Geheimnisschutz für (Trainings-)‌Daten Kein Zugriff
            3. c. Zwischenergebnis Kein Zugriff
          3. 3. Gebrauchsmusterrecht Kein Zugriff
      3. C. Zusammenfassung Kein Zugriff
          1. 1. Folgen eines umfassenden Technizitätsverständnisses Kein Zugriff
          2. 2. Effizienz der möglichen Ausweitung des Technizitätsverständnisses Kein Zugriff
          3. 3. Effizienz der aktuellen Auslegung der Rechtsprechung Kein Zugriff
        2. II. Schutzrechtserweiterung für (Trainings-)‌Daten Kein Zugriff
        3. III. Zwischenergebnis Kein Zugriff
        1. I. Ökonomische Bedeutung der erfinderischen Tätigkeit Kein Zugriff
          1. 1. Patentschutz ohne eine erfinderische Tätigkeit Kein Zugriff
              1. aa. Kennzeichnungspflicht Kein Zugriff
              2. bb. Konsequente Rechtsfolgen Kein Zugriff
              3. cc. Plausibilitätsprüfung Kein Zugriff
              4. dd. Auswirkung auf die Effizienz der Patentrechtsordnung Kein Zugriff
            2. b. Benutzungspflicht Kein Zugriff
            3. c. Zwischenergebnis Kein Zugriff
              1. aa. Grundlagen des sui-generis-Schutzes Kein Zugriff
              2. bb. Ineffizienz des sui-generis-Schutzes Kein Zugriff
              3. cc. Zwischenergebnis Kein Zugriff
            2. b. Orientierung am Markenrecht Kein Zugriff
          4. 4. Zwischenergebnis Kein Zugriff
        3. III. Vollständig autonome ML-Systeme Kein Zugriff
        4. IV. Zwischenergebnis Kein Zugriff
        1. I. Keine Veränderung am Schutzumfang Kein Zugriff
        2. II. Keine Massenproduktion von ML-Erzeugnissen Kein Zugriff
        3. III. Daten und der first mover advantage Kein Zugriff
        4. IV. Fehlende empirische Grundlage Kein Zugriff
        5. V. Zwischenergebnis Kein Zugriff
          1. 1. Patentschutz ohne menschliche Schöpfung Kein Zugriff
          2. 2. Ungleicher Zugriff auf ML-Systeme Kein Zugriff
          3. 3. Abgeleiteter Schutz vom ML-System Kein Zugriff
          4. 4. Kein Widerspruch zum Anreizmodell Kein Zugriff
          5. 5. Geheimhaltung und Transaktionskosten Kein Zugriff
          6. 6. Zwischenergebnis Kein Zugriff
          1. 1. ML-System als ‚elektronische Person‘ Kein Zugriff
          2. 2. Vorteile der Einführung einer ‚elektronischen Person‘ Kein Zugriff
          3. 3. Deutlich überwiegende Nachteile der Einführung einer ‚elektronischen Person‘ Kein Zugriff
          4. 4. Zwischenergebnis Kein Zugriff
          1. 1. Präzisierung des Effizienz-Kriteriums Kein Zugriff
            1. a. Zuordnung zum Programmierer des ML-Systems Kein Zugriff
            2. b. Zuordnung zum Eigentümer des ML-Systems Kein Zugriff
                1. (1) Keine Abstufung nach Nutzungsqualität Kein Zugriff
                2. (2) Zweifelsfallregelung möglich Kein Zugriff
                3. (3) Fachlich größte Nähe zum ML-Erzeugnis und größte Anreizwirkung Kein Zugriff
                4. (4) Geringste Transaktionskosten wegen Nähe zum ML-Erzeugnis Kein Zugriff
                5. (5) Zwischenergebnis Kein Zugriff
                1. (1) Abstellen auf die Verfügungsbefugnis Kein Zugriff
                2. (2) Abstellen auf die wirtschaftliche-organisatorische Verantwortung Kein Zugriff
                3. (3) Wirtschaftliche Verantwortung als Gemeinsamkeit und effizienter Zuordnungsmaßstab Kein Zugriff
                4. (4) Keine Relativität der Schuldverhältnisse als Anknüpfungspunkt für absolute Schutzrechte Kein Zugriff
                5. (5) Kriterien zur Bestimmung der wirtschaftlich-organisatorischen Verantwortlichkeit Kein Zugriff
                6. (6) Zwischenergebnis Kein Zugriff
                1. (1) Vergleichbare Stellung von wirtschaftlich-organisatorisch Verantwortlichen und einem Arbeitgeber Kein Zugriff
                2. (2) Nutzer als Erfinder Kein Zugriff
                3. (3) Keine Vergütung für Nutzer Kein Zugriff
                4. (4) Zwischenergebnis Kein Zugriff
                1. (1) Erfindernennung als Ausdruck des Erfinderpersönlichkeitsrechts Kein Zugriff
                2. (2) Keine Erfindernennung für das ML-System Kein Zugriff
                3. (3) Erfindernennung des Nutzers Kein Zugriff
                4. (4) Zwischenergebnis Kein Zugriff
          3. 3. Zuordnung bei vollständig autonomen ML-Systemen Kein Zugriff
          4. 4. Zwischenergebnis Kein Zugriff
    1. A. Patentschutz für das ML-System de lege lata Kein Zugriff
    2. B. Patentschutz für die ML-Erzeugnisse de lege lata Kein Zugriff
    3. C. Anforderungen an eine effiziente Patentrechtsordnung im Hinblick auf das maschinelle Lernen Kein Zugriff
    4. D. Konkrete dogmatische Anknüpfung der Änderungsvorschläge Kein Zugriff
  8. Literaturverzeichnis Kein Zugriff 343 - 363

Literaturverzeichnis (334)

  1. Abbott, Ryan, I Think, Therefore I Invent: Creative Computers and the Future of Patent Law, B. C. L Rev. 2016, S. 1079-1126. Google Scholar öffnen DOI: 10.5771/9783748946106
  2. Abbott, Ryan, Autonomous Machines their Inventions, MittPat 2017, S. 429-437. Google Scholar öffnen DOI: 10.5771/9783748946106
  3. Abbott, Ryan, Everything Is Obvious, UCLA L. Rev. 2019, S. 2-52. Google Scholar öffnen DOI: 10.5771/9783748946106
  4. Afshar, Mimi S., Artificial Intelligence and Inventorship Does the Patent Inventor Have to be Human?, Hastings Sci. & Tech. L. J. 2022, S. 55-72. Google Scholar öffnen DOI: 10.5771/9783748946106
  5. Agrawal, Ajay/Gans, Joshua/Goldfarb, Avi, Economic Policy for Artificial Intelligence, IPE 2019, S. 139-159. Google Scholar öffnen DOI: 10.5771/9783748946106
  6. Ammann, Thorsten, KI as a Service – Künstliche Intelligenz aus der Cloud und ihre rechtlichen Eigenheiten, CR 2020, S. 295-303. Google Scholar öffnen DOI: 10.5771/9783748946106
  7. Ann, Christoph, Patentrecht Lehrbuch zum deutschen und europäischen Patentrecht und Gebrauchsmusterrecht, 8. Auflage München 2022. Google Scholar öffnen DOI: 10.5771/9783748946106
  8. Antonie, Lucie, Entwurfsmaterial im Schutzsystem der Software-Richtlinie – Chancen und Herausforderungen, CR 2019, S. 1-8. Google Scholar öffnen DOI: 10.5771/9783748946106
  9. Apel, Simon/Kaulartz, Markus, Rechtlicher Schutz von Machine Learning-Modellen, RDi 2020, S. 24-34. Google Scholar öffnen DOI: 10.5771/9783748946106
  10. Arnold, Bernhard, Datenströme als unmittelbare Verfahrenserzeugnisse, in: Kühnen (Hrsg.), Festschrift 80 Jahre Patentgerichtsbarkeit in Düsseldorf, Köln 2016, S. 15-23. Google Scholar öffnen DOI: 10.5771/9783748946106
  11. Arrow, Kenneth J., Economic Welfare and the Allocation of Resources for Invention, in: National Bureau of Economic Research (Hrsg.), The Rate and Direction of Inventive Activity – Economic and Social Factors, Princeton 1962, S. 609-626. Google Scholar öffnen DOI: 10.5771/9783748946106
  12. Baldus, Oliver, Schutz von Erfindungen auf dem Gebiet der künstlichen Intelligenz, MittPat 2020, S. 51-54. Google Scholar öffnen DOI: 10.5771/9783748946106
  13. Balkin, Jack M., The Path of Robotics Law, Calif. L. Rev. Cir. 2015, S. 45-60. Google Scholar öffnen DOI: 10.5771/9783748946106
  14. Balough, Richard C., Artificial Intelligence as an Author, in: Claypoole (Hrsg.), Law of Artificial Intelligence and Smart Machines: Understanding A.I. and the Legal Impact, Chicago 2019, S. 335-346. Google Scholar öffnen DOI: 10.5771/9783748946106
  15. Banterle, Francesco, Ownership of inventions created by Artificial Intelligence, AIDA 2018, abrufbar unter: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3276702. Google Scholar öffnen DOI: 10.5771/9783748946106
  16. Bartke, Lukas/Hoffmann, Kira-Sophie/Skiebe, Daniel, Der Schutz von Trainingsdaten de lege ferenda – What would Machlup do?, RDi 2022, S. 431-439. Google Scholar öffnen DOI: 10.5771/9783748946106
  17. Bauckhage, Christian et al., Grundlagen des Maschinellen Lernens, in: Görz/Schmid/Braun (Hrsg.), Handbuch der Künstlichen Intelligenz, 6. Auflage Berlin/Boston 2021, S. 429-507. Google Scholar öffnen DOI: 10.5771/9783748946106
  18. Bauckhage, Christian/Fürnkranz, Johannes/Paaß, Gerhard, Vertrauenswürdiges, transparentes und robustes Maschinelles Lernen, in: Görz/Schmid/Braun (Hrsg.), Handbuch der Künstlichen Intelligenz, 6. Auflage Berlin/Boston 2021, S. 571-600. Google Scholar öffnen DOI: 10.5771/9783748946106
  19. Baumann, Florian, Recht und Ökonomie aus Sicht der Wirtschaftswissenschaften, in: Haucap/Budzinski (Hrsg.), Recht und Ökonomie, Baden-Baden 2020, S. 43-78. Google Scholar öffnen DOI: 10.5771/9783748946106
  20. Bechtold, Stefan, Zur rechtsökonomischen Analyse im Immaterialgüterrecht, GRUR Int. 2008, S. 484-488. Google Scholar öffnen DOI: 10.5771/9783748946106
  21. BeckOGK: Gsell, Beate/Krüger, Wolfgang/Lorenz, Stephan/Reymann, Christoph (Hrsg.), Beck’scher Online Großkommentar, München Stand: 01.03.2023 [zitiert als: BeckOGK ZivR/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  22. BeckOK BGB: Hau, Wolfgang/Poseck, Roman (Hrsg.), Beck’scher Online-Kommentar Bürgerliches Gesetzbuch, 66. Edition München Stand: 01.05.2023 [zitiert als: BeckOK BGB/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  23. BeckOK PatR: Fitzner, Uwe/Kubis, Sebastian/Bodewig, Theo (Hrsg.), Beck’scher Online-Kommentar Patentrecht, 27. Edition München Stand: 15.01.2023 [zitiert als: BeckOK PatR/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  24. BeckOK UMV: Büscher, Wolfgang/Kochendörfer, Mathias (Hrsg.), Beck’scher Online-Kommentar UMV, 28. Edition München Stand: 15.02.2023 [zitiert als: BeckOK UMV/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  25. Beier, Friedrich-Karl, Die herkömmlichen Patentrechtstheorien und die sozialistische Konzeption des Erfinderrechts, GRUR Int. 1970, S. 1-6. Google Scholar öffnen DOI: 10.5771/9783748946106
  26. Beier, Friedrich-Karl/Ohly, Ansgar, Was heißt "unmittelbares Verfahrenserzeugnis"? – Ein Beitrag zur Auslegung des Art. 64 (2) EPÜ, GRUR Int. 1996, S. 973-986. Google Scholar öffnen DOI: 10.5771/9783748946106
  27. Beierle, Christoph/Kern-Isberner, Gabriele, Methoden wissensbasierter Systeme – Grundlagen Algorithmen Anwendungen, 6. Auflage Wiesbaden 2019. Google Scholar öffnen DOI: 10.5771/9783748946106
  28. Benkard: Beckedorf, Ingo/Ehlers, Jochen (Hrsg.), Europäisches Patentübereinkommen: EPÜ, 4. Auflage München 2023 [zitiert als: Benkard EPÜ/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  29. Benkard, Georg (Begr.), Patentgesetz: PatG Gebrauchsmustergesetz Patentkostengesetz, 11. Auflage München 2015 [zitiert als: Benkard PatR/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  30. Bennett, Richard, The Future of Protecting Computer-Implemented Methods of Simulation under the European Patent Convention, sic! 2020, S. 240-245. Google Scholar öffnen DOI: 10.5771/9783748946106
  31. Beyer, Hans, Der Begriff der Information als Grundlage für die Beurteilung des technischen Charakters von programmbezogenen Erfindungen, GRUR 1990, S. 399-410. Google Scholar öffnen DOI: 10.5771/9783748946106
  32. Beyer, Hans, Patent und Ethik im Spiegel der technischen Evolution, GRUR 1994, S. 541-559. Google Scholar öffnen DOI: 10.5771/9783748946106
  33. Biener, Klaus/Suschke, Edmund, Karl Steinbuch – Informatiker der ersten Stunde – Hommage zu seinem 80. Geburtstag, RZ-Mitteilungen 1997, S. 53-54, abrufbar unter: https://www.itiv.kit.edu/downloads/KarlSteinbuchInfo1StundeHU.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  34. Billings, Jay Jay/McCaskey, Alexander J./Vallee, Geoffroy/Watson, Greg, Will humans even write code in 2040 and what would that mean for extreme heterogeneity in computing?, 2020, abrufbar unter: https://arxiv.org/pdf/1712.00676.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  35. Bittner, Peter, Schutz für KI als computer-implementierte Erfindung – Was lehrt ein KI-Patent die Konkurrenz?, ZdiW 2021, S. 445-448. Google Scholar öffnen DOI: 10.5771/9783748946106
  36. Bleckat, Alexander, Intelligente Roboter als Urheber, InTer 2019, S. 54-56. Google Scholar öffnen DOI: 10.5771/9783748946106
  37. Blok, Peter, The Inventor's New Tool: Artificial Intelligence – how does it fit in the European Patent System?, EIPR 2017, S. 69-73. Google Scholar öffnen DOI: 10.5771/9783748946106
  38. Bolz, Matthias, Die Patentierbarkeit künstlicher Intelligenz, ZJS 2020, S. 218-227. Google Scholar öffnen DOI: 10.5771/9783748946106
  39. Bomhard David/Gajeck, Niclas A., Softwareentwicklung durch künstliche Intelligenz, RDi 2021, S. 472-480. Google Scholar öffnen DOI: 10.5771/9783748946106
  40. Borges, Georg, Rechtliche Rahmenbedingungen für autonome Systeme, NJW 2018, S. 977-982. Google Scholar öffnen DOI: 10.5771/9783748946106
  41. Bridy, Annemarie, Coding Creativity: Copyright and the Artificially, Stan. Tech. L. Rev. 2012, S. 1-28. Google Scholar öffnen DOI: 10.5771/9783748946106
  42. Bruchhausen, Karl, Sind Endprodukte unmittelbare Verfahrenserzeugnisse eines auf die Herstellung eines Zwischenprodukts gerichteten Verfahrens?, GRUR 1979, S. 743-750. Google Scholar öffnen DOI: 10.5771/9783748946106
  43. Brynjolfsson, Erik/McAfee, Andrew, The Business of Artificial Intelligence – What It Can and Cannot Do for Your Organization, H. B. Rev. 2017, S. 3-11. Google Scholar öffnen DOI: 10.5771/9783748946106
  44. Bundesamt für Sicherheit in der Informationstechnik/Fraunhofer-Institut für Nachrichtentechnik Heinrich-Hertz-Institut/Verband der TÜV e. V. (Hrsg.), Whitepaper Towards Auditable AI Systems, 2021, abrufbar unter: https://www.bsi.bund.de/SharedDocs/Downloads/EN/BSI/KI/Towards_Auditable_AI_Systems_2022.pdf?__blob=publicationFile&v=4 [zitiert als: BSI/TÜV/Fraunhofer HHI, Whitepaper]. Google Scholar öffnen DOI: 10.5771/9783748946106
  45. Bundesanstalt für Finanzdienstleistungsaufsicht, Big Data trifft auf künstliche Intelligenz – Herausforderungen und Implikationen für Aufsicht und Regulierung von Finanzdienstleistungen, 2018, abrufbar unter: https://www.bafin.de/SharedDocs/Downloads/DE/dl_bdai_studie.html. Google Scholar öffnen DOI: 10.5771/9783748946106
  46. Bundesministerium für Wirtschaft und Energie (Hrsg.), Ergebnispapier: Künstliche Intelligenz und Recht im Kontext von Industrie 4.0, 2019, abrufbar unter: https://www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/kuenstliche-intelligenz-und-recht.pdf?__blob=publicationFile&v=4 [zitiert als: BMWI, Ergebnispapier KI und Recht 2019]. Google Scholar öffnen DOI: 10.5771/9783748946106
  47. Bundesregierung, Strategie Künstliche Intelligenz der Bundesregierung, 2018, abrufbar unter: https://www.bmwk.de/Redaktion/DE/Publikationen/Technologie/strategie-kuenstliche-intelligenz-der-bundesregierung.pdf?__blob=publicationFile&v=10 [zitiert als: BReg, KI-Strategie 2018]. Google Scholar öffnen DOI: 10.5771/9783748946106
  48. Burchardi, Thomas, Submission Ericsson: Public Consultation on AI and IP Policy, 2020, abrufbar unter: https://www.wipo.int/export/sites/www/about-ip/en/artificial_intelligence/call_for_comments/pdf/org_ericsson.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  49. Burkart, Nadia/Huber, Marco F., A Survey on the Explainability of Supervised Machine Learning, JAIR 2021, S. 245-317. Google Scholar öffnen DOI: 10.5771/9783748946106
  50. Busse, Rudolf/Keukenschrijver, Alfred (Hrsg.), Patentgesetz unter Berücksichtigung des Europäischen Patentübereinkommens – der Regelungen zum Patent mit einheitlicher Wirkung und des Patentzusammenarbeitsvertrags mit Patentkostengesetz – Gebrauchsmustergesetz und Gesetz über den Schutz der Topographien von Halbleitererzeugnissen – Gesetz über Arbeitnehmererfindungen und Gesetz über internationale Patentübereinkommen – Kommentar, 9. Auflage Berlin/Boston 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  51. Bußmann, Sarah/Glasowski, Carolin/Niehaus, Michael/Stecher, Sarah, Die Schutzfähigkeit von KI-Trainingsdaten de lege lata – What would Machlup find?, RDi 2022, S. 391-396. Google Scholar öffnen DOI: 10.5771/9783748946106
  52. Butler, Timothy L., Can a Computer be an Author – Copyright Aspects of Artificial Intelligence, Hastings Comm. & Ent. L. J. 1982, S. 707-747. Google Scholar öffnen DOI: 10.5771/9783748946106
  53. Butz, Martin V., Towards Strong AI, Künstliche Intelligenz 2021, S. 91-101. Google Scholar öffnen DOI: 10.5771/9783748946106
  54. Buxmann, Peter/Schmidt, Holger, Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens, in: Buxmann/Schmidt (Hrsg.), Künstliche Intelligenz – Mit Algorithmen zum wirtschaftlichen Erfolg, 2. Auflage Berlin 2021, S. 3-25 [zitiert als: Buxmann/Schmidt]. Google Scholar öffnen DOI: 10.5771/9783748946106
  55. Buyers, John, Artificial Intelligence – The Practical Legal Issues, 2. Auflage Minehead 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  56. Carey, Mike/Kincaid, Dave/Pienkos, John, How to get the most out of disclosure interviews with AI inventors, in: Chau et al. (Hrsg.), Protecting Inventions Relating to Artificial Intelligence: Best Practices, IPO 2022, S. 4-11, abrufbar unter: https://ipo.org/wp-content/uploads/2022/02/AI-Patenting_white-paper_final.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  57. Castets-Renard, Céline, The Intersection Between AI and IP: Conflict or Complementarity?, IIC 2020, S. 141-144. Google Scholar öffnen DOI: 10.5771/9783748946106
  58. Chau, Frank/Carey, Michael, Drafting AI-Based Patent Applications with Section 112 in Mind, in: Chau et al. (Hrsg.), Protecting Inventions Relating to Artificial Intelligence: Best Practices, IPO 2022, S. 27-28, abrufbar unter: https://ipo.org/wp-content/uploads/2022/02/AI-Patenting_white-paper_final.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  59. Chau, Frank/Carey, Mike/Pienkos, John/Kincaid, David, How to draft AI applications to prevent or overcome rejections under 35 U. S. C. § 101 and § 112 before the USPTO, in: Chau et al. (Hrsg.), Protecting Inventions Relating to Artificial Intelligence: Best Practices, IPO 2022, S. 21-26, abrufbar unter: https://ipo.org/wp-content/uploads/2022/02/AI-Patenting_white-paper_final.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  60. Chen, Ying/Argentinis, Elenee JD/Weber, Griff, IBM Watson: How Cognitive Computing Can Be Applied to Big Data Challenges in Life Sciences Research, Clinical Therapeutics 2016, S. 688-701. Google Scholar öffnen DOI: 10.5771/9783748946106
  61. Cimniak, Thomas, Der derivative Erzeugnisschutz im deutschen Patentrecht, Münster 2014. Google Scholar öffnen DOI: 10.5771/9783748946106
  62. Claessen, Rolf, Künstliche Intelligenz als Erfinder, IPRB 2020, S. 38-40. Google Scholar öffnen DOI: 10.5771/9783748946106
  63. Coase, Ronald H., The Problem of Social Cost, J. L. Econ. 1960, S. 1-44. Google Scholar öffnen DOI: 10.5771/9783748946106
  64. Cockburn, Iain/Henderson, Rebecca/Stern, Scott, The Impact of Artificial Intelligence on Innovation, in: Agrawal/Gans/Goldfarb (Hrsg.), The Economics of Artificial Intelligence – An Agenda, Chicago/London 2019, S. 115-148. Google Scholar öffnen DOI: 10.5771/9783748946106
  65. Davies, Colin R., An evolutionary step in intellectual property rights – Artificial intelligence and intellectual property, Comp. L. & Sec. Rev. 2011, S. 601-619. Google Scholar öffnen DOI: 10.5771/9783748946106
  66. Denga, Michael, Deliktische Haftung für künstliche Intelligenz – Warum die Verschuldenshaftung des BGB auch künftig die bessere Schadensausgleichsordnung bedeutet, CR 2018, S. 69-78. Google Scholar öffnen DOI: 10.5771/9783748946106
  67. Department for Digital, Culture, Media and Sport, National AI Strategy: Establishing a pro-innovation approach to regulating AI – An overview of the UK’s emerging approach, 2022, abrufbar unter: https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/1092630/_CP_728__-_Establishing_a_pro-innovation_approach_to_regulating_AI.pdf [zitiert als: Department for Digital, Culture, Media and Sport, National AI Strategy UK 2022]. Google Scholar öffnen DOI: 10.5771/9783748946106
  68. DiMatteo, Larry A., Artificial Intelligence – The Promise of Disruption, in: DiMatteo/Poncibò/Cannarsa (Hrsg.), The Cambridge Handbook of Artificial Intelligence – Global Perspectives on Law and Ethics, Cambridge 2022, S. 3-17. Google Scholar öffnen DOI: 10.5771/9783748946106
  69. Dornis, Tim. W., Der Schutz künstlicher Kreativität im Immaterialgüterrecht, GRUR 2019, S. 1252-1264. Google Scholar öffnen DOI: 10.5771/9783748946106
  70. Dornis, Tim W., Künstliche Intelligenz als „Erfinder“ – Perspektiven der Disruption im Patentrecht (Teil 1), MittPat 2020, S. 436-446. Google Scholar öffnen DOI: 10.5771/9783748946106
  71. Dornis, Tim. W., Künstliche Intelligenz als „Erfinder“ – Perspektiven der Disruption im Patentrecht (Teil 2), MittPat 2020, S. 477-485. Google Scholar öffnen DOI: 10.5771/9783748946106
  72. Dornis, Tim W., Artificial Intelligence and Innovation: The End of Patent Law As We Know It, Yale J. L. & Tech. 2020, S. 97-159. Google Scholar öffnen DOI: 10.5771/9783748946106
  73. Dornis, Tim W., Die „Schöpfung ohne Schöpfer“ – Klarstellungen zur „KI-Autonomie“ im Urheber- und Patentrecht, GRUR 2021, S. 784-792. Google Scholar öffnen DOI: 10.5771/9783748946106
  74. Dreier, Thomas, Urheberrecht an der Schwelle des 3. Jahrtausends – Einige Gedanken zur Zukunft des Urheberrechts, CR 2000, S. 45-49. Google Scholar öffnen DOI: 10.5771/9783748946106
  75. Dreier, Thomas/Schulze, Gernot (Hrsg.), Urheberrechtsgesetz: UrhG – Urheberrechts-Diensteanbieter-Gesetz – Verwertungsgesellschaftengesetz – Nebenurheberrecht – Kunsturhebergesetz – Kommentar, 7. Auflage München 2022. Google Scholar öffnen DOI: 10.5771/9783748946106
  76. Duque Lizarralde, Marta/Contreras, Héctor Axel, The real role of AI in patent law debates Get access Arrow, Int. J. Law Inf. 2022, S. 23-46. Google Scholar öffnen DOI: 10.5771/9783748946106
  77. Ehinger, Patrick, Urheberrechtlicher Schutz von neuronalen Netzen und Erzeugnissen von K.I.-Software, K&R 2019, S. 12-14. Google Scholar öffnen DOI: 10.5771/9783748946106
  78. Ehinger, Patrick/Stiemerling, Oliver, Die urheberrechtliche Schutzfähigkeit von Künstlicher Intelligenz am Beispiel von Neuronalen Netzen – Welche Strukturelemente und welche Entwicklungsphasen sind urheberrechtlich geschützt?, CR 2018, S. 761-770. Google Scholar öffnen DOI: 10.5771/9783748946106
  79. Eidenmüller, Horst, Effizienz als Rechtsprinzip – Möglichkeiten und Grenzen der ökonomischen Analyse des Rechts, 4. Auflage Tübingen 2015. Google Scholar öffnen DOI: 10.5771/9783748946106
  80. Eidenmüller, Horst, The Rise of Robots and the Law of Humans, ZEuP 2017, S. 765-777. Google Scholar öffnen DOI: 10.5771/9783748946106
  81. Emmerich, David, Die Auswirkungen künstlicher Intelligenz auf die erfinderische Tätigkeit und das Erfinderprinzip, Münster 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  82. Engel, Andreas, Can a Patent Be Granted for an AI-Generated Invention?, GRUR Int. 2020, S. 1123-1129. Google Scholar öffnen DOI: 10.5771/9783748946106
  83. Engel, Andreas, Erfinderische Tätigkeit und Künstliche Intelligenz – Der Einfluss vermehrten KI-Einsatzes auf das Verständnis der erfinderischen Tätigkeit, GRUR 2022, S. 864-869. Google Scholar öffnen DOI: 10.5771/9783748946106
  84. Engels, Rainer, Patent-, Marken- und Urheberrecht – Lehrbuch für Ausbildung und Praxis, 11. Auflage München 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  85. Ensthaler, Jürgen/Strübbe, Kai, Patentbewertung – Ein Praxisleitfaden zum Patentmanagement, Berlin/Heidelberg 2006. Google Scholar öffnen DOI: 10.5771/9783748946106
  86. Europäisches Patentamt (Hrsg.), Patenting Artificial Intelligence – Conference Summary, 2018, abrufbar unter: https://e-courses.epo.org/pluginfile.php/23523/mod_resource/content/2/Summary%20Artificial%20Intelligence%20Conference.pdf [zitiert als: EPA, Patenting AI Conference 2018]. Google Scholar öffnen DOI: 10.5771/9783748946106
  87. Europäisches Patentamt (Hrsg.), Qualitätsbericht 2020, abrufbar unter: https://documents.epo.org/projects/babylon/eponet.nsf/0/66A405546212DDF4C12586FC00330A90/$FILE/quality_report_2020_de.pdf [zitiert als: EPA, Qualitätsbericht 2020]. Google Scholar öffnen DOI: 10.5771/9783748946106
  88. Europäisches Patentamt (Hrsg.), Richtlinien für die Prüfung im Europäischen Patentamt, März 2023, abrufbar unter: https://documents.epo.org/projects/babylon/eponet.nsf/0/616B456AA59D7B02C12589630059E5C2/$File/epo_guidelines_for_examination_2023_hyperlinked_de.pdf [zitiert als: EPA, Prüf-RL 2023]. Google Scholar öffnen DOI: 10.5771/9783748946106
  89. European Commission, Artificial Intelligence for Europe, COM(2018) 237 final, abrufbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52018DC0237 [zitiert als: European Commission, Artificial Intelligence for Europe 2018]. Google Scholar öffnen DOI: 10.5771/9783748946106
  90. European Commission, Building Trust in Human-Centric Artificial Intelligence, COM(2019) 168 final, abrufbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52019DC0168 [zitiert als: European Commission, Building Trust in Human-Centric Artificial Intelligence 2019]. Google Scholar öffnen DOI: 10.5771/9783748946106
  91. European Commission, A European Strategy for Data, COM(2020) 66 final, abrufbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52020DC0066 [zitiert als: European Commission, European Strategy for Data 2020]. Google Scholar öffnen DOI: 10.5771/9783748946106
  92. European Commission, White Paper: On Artificial Intelligence – A European Approach to Excellence and Trust, COM(2020) 65 final, abrufbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52020DC0065 [zitiert als: European Commission, White Paper AI 2020]. Google Scholar öffnen DOI: 10.5771/9783748946106
  93. European Commission, Annexes to the Communication from the Commission to the European Parliament, the European Council, the Council, the European Economic and Social Committee and the Committee of the Regions: Fostering a European approach to Artificial Intelligence, COM(2021) 205 final, abrufbar unter: https://eur-lex.europa.eu/resource.html?uri=cellar:01ff45fa-a375-11eb-9585-01aa75ed71a1.0001.02/DOC_1&format=PDF [zitiert als: European Commission, Coordinated Plan on Artificial Intelligence 2021]. Google Scholar öffnen DOI: 10.5771/9783748946106
  94. European Parliament, Civil Law Rules on Robotics, P8_TA(2017)0051, abrufbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:52017IP0051 [zitiert als: European Parliament, Civil Law Rules on Robotics 2017]. Google Scholar öffnen DOI: 10.5771/9783748946106
  95. European Parliament, Intellectual Property Rights for the Development of Artificial Intelligence Technologies, P9_TA(2020)0277, 2019-2024, abrufbar unter: https://www.europarl.europa.eu/doceo/document/TA-9-2020-0277_EN.pdf [zitiert als: European Parliament, IP for AI 2020]. Google Scholar öffnen DOI: 10.5771/9783748946106
  96. European Parliament – Committee on Legal Affairs, Draft Report on Intellectual Property Rights for the Development of Artificial Intelligence Technologies, 2020/2015(INI), abrufbar unter: https://www.europarl.europa.eu/doceo/document/JURI-PR-650527_EN.pdf [zitiert als: EP Committee on Legal Affairs, IP for AI 2020]. Google Scholar öffnen DOI: 10.5771/9783748946106
  97. European Union Intellectual Property Office (Hrsg.), Protecting Innovation through Trade Secrets and Patents – Determinants for European Union, 2017, abrufbar unter: https://euipo.europa.eu/tunnel-web/secure/webdav/guest/document_library/observatory/documents/reports/Trade%20Secrets%20Report_en.pdf [zitiert als: EUIPO, Trade Secrets and Patents]. Google Scholar öffnen DOI: 10.5771/9783748946106
  98. Fechner, Simon, Regulierungsprinzip Effizienz – Maßstäbe und Grenzen einer effizienzorientierten Regulierung im Telekommunikations- und Energiesektor, Baden-Baden 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  99. Feng, Shuo et al., Dense reinforcement learning for safety validation of autonomous vehicles, Nature 2023, S. 620-627. Google Scholar öffnen DOI: 10.5771/9783748946106
  100. Fitzner, Uwe/Lutz, Raimund/Bodewig, Theo (Hrsg.), Patentrechtskommentar: PatG – GebrMG – IntPatÜG – PCT und EPÜ mit Nebenvorschriften, 4. Auflage München 2012. Google Scholar öffnen DOI: 10.5771/9783748946106
  101. FiveIPOffices, Executive summary: Report from the IP5 expert round table on artificial intelligence, 2018, abrufbar unter: https://www.fiveipoffices.org/sites/default/files/attachments/5e2c753c-54ff-4c38-861c-9c7b896b2d44/IP5+roundtable+on+AI_report_22052019.pdf [zitiert als: FiveIPOffices, Report from the IP5 expert round table on AI 2018]. Google Scholar öffnen DOI: 10.5771/9783748946106
  102. Fox, Nicholas/Morozova, Yelena/Distefano, Luigi, Patentability of AI – Inventions in the European Patent Office, in: DiMatteo/Poncibò/Cannarsa (Hrsg.), The Cambridge Handbook of Artificial Intelligence – Global Perspectives on Law and Ethics, Cambridge 2022, S. 223-239. Google Scholar öffnen DOI: 10.5771/9783748946106
  103. Fraser, Erica, Computers as Inventors – Legal and Policy Implications of Artificial Intelligence on Patent Law, SCRIPTed 2016, S. 305-333. Google Scholar öffnen DOI: 10.5771/9783748946106
  104. Fraunhofer IPA (Hrsg.), Erklärbare KI in der Praxis – Anwendungsorientierte Evaluation von XAI-Verfahren, 2021, abrufbar unter: https://publica-rest.fraunhofer.de/server/api/core/bitstreams/117faf51-3937-474e-9ed8-ce8307074fa1/content. Google Scholar öffnen DOI: 10.5771/9783748946106
  105. Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e. V. (Hrsg.), Maschinelles Lernen – Eine Analyse zu Kompetenzen, Forschung und Anwendung, 2018, abrufbar unter: https://www.bigdata-ai.fraunhofer.de/content/dam/bigdata/de/documents/Publikationen/Fraunhofer_Studie_ML_201809.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  106. Furman, Jason/Seamans, Robert, AI and the Economy, IPE 2019, S. 161-191. Google Scholar öffnen DOI: 10.5771/9783748946106
  107. Gervais, Daniel, Exploring the Interfaces Between Big Data and Intellectual Property Law, JIPITEC 2019, S. 3-19. Google Scholar öffnen DOI: 10.5771/9783748946106
  108. Gervais, Daniel, Is Intellectual Property Law Ready for Artificial Intelligence?, GRUR Int. 2020, S. 117-118. Google Scholar öffnen DOI: 10.5771/9783748946106
  109. Ginsburg, Jane C., People Not Machines: Authorship and What It Means in the Berne Convention, IIC 2018, S. 131-135. Google Scholar öffnen DOI: 10.5771/9783748946106
  110. Gläßner, Anne, Die Beschränkung des Vertriebs von Finanzprodukten – Eine verhaltensökonomische und regulierungstheoretische Analyse des Kleinanlegerschutzgesetzes, Baden-Baden 2017. Google Scholar öffnen DOI: 10.5771/9783748946106
  111. Godt, Christine, Eigentum an Information – Patentschutz und allgemeine Eigentumstheorie am Beispiel genetischer Information, Tübingen 2007. Google Scholar öffnen DOI: 10.5771/9783748946106
  112. Gomille, Christian, Kreative künstliche Intelligenz und das Urheberrecht, JZ 2019, S. 969-975. Google Scholar öffnen DOI: 10.5771/9783748946106
  113. Goodfellow, Ian/Bengio, Yoshua/Courville, Aaron, Deep Learning – Adaptive Computation and Machine Learning, Cambridge u. a. 2016. Google Scholar öffnen DOI: 10.5771/9783748946106
  114. Görz, Günther/Schmid, Ute/Braun, Tanja, Einleitung, in: Görz/Schmid/Braun (Hrsg.), Handbuch der Künstlichen Intelligenz, 6. Auflage Berlin/Boston 2021, S. 1-26 [zitiert als: Görz/Schmid/Braun]. Google Scholar öffnen DOI: 10.5771/9783748946106
  115. Götting, Hans-Peter, Ethische Aspekte der Technikregulierung: Patentrecht oder Ordnungsrecht?, in: Metzger (Hrsg.), Festschrift für Theo Bodewig zum 70. Geburtstag: Methodenfragen des Patentrechts, Tübingen 2018, S. 177-191. Google Scholar öffnen DOI: 10.5771/9783748946106
  116. Götting, Horst-Peter/Meyer, Justus/Vormbrock, Ulf (Hrsg.), Gewerblicher Rechtsschutz und Wettbewerbsrecht Praxishandbuch, 2. Auflage Baden-Baden 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  117. Graetsch, Daniel, Ergänzende Schutzzertifikate für Arzneimittel – Ökonomisch-rechtliche Analyse unter besonderer Betrachtung von Wirkstoffkombinationen, Baden-Baden 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  118. Grätz, Axel, Künstliche Intelligenz im Urheberrecht – Eine Analyse der Zurechnungskriterien und der Prinzipien der Verwandten Schutzrechte vor dem Hintergrund artifizieller Erzeugnisse, Wiesbaden 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  119. Greiner-Wittner, Franziska, Schutz von Informationen als unmittelbare Verfahrenserzeugnisse? – Eine rechtsvergleichende Untersuchung, Tübingen 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  120. Gumm, Heinz-Peter/Sommer, Manfred, Informatik – Band 1: Programmierung, Algorithmen und Datenstrukturen, Berlin/Boston 2016. Google Scholar öffnen DOI: 10.5771/9783748946106
  121. Güth, Werner/Schmittberger, Rolf/Schwarze, Bernd, An Experimental Analysis of Ultimatum Bargaining, J. Econ. Behav. Organ. 1982, S. 367-388. Google Scholar öffnen DOI: 10.5771/9783748946106
  122. Hacker, Philipp, Immaterialgüterrechtlicher Schutz von KI-Trainingsdaten, GRUR 2020, S. 1025-1033. Google Scholar öffnen DOI: 10.5771/9783748946106
  123. Haedicke, Maximilian, Patentrecht, 6. Auflage Köln 2022. Google Scholar öffnen DOI: 10.5771/9783748946106
  124. Haedicke, Maximilian/Timmann, Henrik (Hrsg.), Handbuch des Patentrechts, 2. Auflage München 2020 [zitiert als: Haedicke/Timmann/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  125. Hartmann, Frank/Prinz, Matthias, Immaterialgüterrechtlicher Schutz von Systemen Künstlicher Intelligenz, WRP 2018, S. 1431-1438. Google Scholar öffnen DOI: 10.5771/9783748946106
  126. Hauck, Ronny/Cevc, Baltasar, Patentschutz für Systeme Künstlicher Intelligenz?, ZGE 2019, S. 135-169. Google Scholar öffnen DOI: 10.5771/9783748946106
  127. Heinze, Christian, Patentverletzungen durch Entwicklung, Anwendung und Verbreitung künstlicher neuronaler Netze, in: Specht-Riemenschneider/Buchner/Heinze/Thomsen (Hrsg.), Festschrift für Jürgen Taeger – IT-Recht in Wissenschaft und Praxis, Frankfurt am Main 2020, S. 663-690. Google Scholar öffnen DOI: 10.5771/9783748946106
  128. Heinze, Christian/Engel, Andreas, KI und Patentrecht, in: Ebers/Heinze/Krügel/Steinrötter (Hrsg.), Künstliche Intelligenz und Robotik Rechtshandbuch, München 2020, S. 355-411. Google Scholar öffnen DOI: 10.5771/9783748946106
  129. Heller, Michael A., The Tragedy of the Anticommons: Property in the Transition from Marx to Markets, Harv. L. Rev. 1998, S. 621-688. Google Scholar öffnen DOI: 10.5771/9783748946106
  130. Herberger, Maximilian, „Künstliche Intelligenz“ und Recht – Ein Orientierungsversuch, NJW 2018, S. 2825-2829. Google Scholar öffnen DOI: 10.5771/9783748946106
  131. Hetmank, Sven, Was ist Prüfungs- und Schutzgegenstand des Patentrechts? – Die Ambiguität des Erfindungsbegriffs, ZGE 2015, S. 460-472. Google Scholar öffnen DOI: 10.5771/9783748946106
  132. Hetmank, Sven/Lauber-Rönsberg, Anne, Künstliche Intelligenz – Herausforderungen für das Immaterialgüterrecht, GRUR 2018, S. 574-582. Google Scholar öffnen DOI: 10.5771/9783748946106
  133. Hicks, John R., The Foundation of Welfare Economics, Econ. J. 1939, S. 696-712. Google Scholar öffnen DOI: 10.5771/9783748946106
  134. High-Level Expert Group on Artificial Intelligence, A definition of Artificial Intelligence: Main Capabilities and Scientific Disciplines 2019, abrufbar unter: https://digital-strategy.ec.europa.eu/en/library/definition-artificial-intelligence-main-capabilities-and-scientific-disciplines. Google Scholar öffnen DOI: 10.5771/9783748946106
  135. Hoeren, Thomas/Münker, Reiner (Hrsg.), GeschGehG – Gesetz zum Schutz von Geschäftsgeheimnissen – Kommentar, Berlin/Boston 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  136. Hoeren, Thomas/Spittka, Jan, Patentschutz für Software – zum Streit über die Richtlinie über die Patentierbarkeit computerimplementierter Erfindungen, Ad Legendum 2005, S. 171-175. Google Scholar öffnen DOI: 10.5771/9783748946106
  137. Hoeren, Thomas/Stefan, Pinelli, Big Data and Artificial Intelligence: Law and Industry 4.0, in: Frenz, Handbook Industry 4.0 – Law Technology Society, Berlin 2022, S. 95-109. Google Scholar öffnen DOI: 10.5771/9783748946106
  138. Holzapfel, Henrik, Die patentrechtliche Zulässigkeit der Benutzung von Forschungswerkzeugen, GRUR 2006, S. 10-17. Google Scholar öffnen DOI: 10.5771/9783748946106
  139. Howells, Richard, Louis Le Prince: the body of evidence Get access Arrow, Screen 2006, S. 179-200. Google Scholar öffnen DOI: 10.5771/9783748946106
  140. Hristov, Kalin, Artificial Intelligence and the Copyright Dilemma, IDEA 2017, S. 431-454. Google Scholar öffnen DOI: 10.5771/9783748946106
  141. Ingerl/Rohnke/Nordemann: Nordemann, Axel/Nordemann-Schiffel, Anke (Hrsg.), Markengesetz: MarkenG – Gesetz über den Schutz von Marken und sonstigen Kennzeichen – Kommentar, 4. Auflage München 2023 [zitiert als: Ingerl/Rohnke/Nordemann/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  142. International Association for the Protection of Intellectual Property, Summary Report 2019: Plausibility, abrufbar unter: https://aippi.soutron.net/Portal/Default/en-GB/DownloadImageFile.ashx?objectId=6879&ownerType=0&ownerId=115 [zitiert als: AIPPI, Plausibility 2019]. Google Scholar öffnen DOI: 10.5771/9783748946106
  143. International Association for the Protection of Intellectual Property, Resolution 2020: Patents Inventorship of Inventions Made Using Artificial Intelligence, Q272-RES-2020, abrufbar unter: https://aippi.nl/wp-content/uploads/2020/10/Adopted-Resolution-Q272-Patents-Inventorship-of-inventions-made-using-Artificial-Intelligence.pdf [zitiert als: AIPPI, Resolution Inventorship AI 2020]. Google Scholar öffnen DOI: 10.5771/9783748946106
  144. International Association for the Protection of Intellectual Property, Resolution 2021: Inventiveness and Sufficiency of Disclosure in AI Inventions, Q276-RES-2021, abrufbar unter: https://aippi.soutron.net/Portal/Default/en-GB/DownloadImageFile.ashx?objectId=8758&ownerType=0&ownerId=4154 [zitiert als: AIPPI, Resolution Inventiveness Disclosure AI 2021]. Google Scholar öffnen DOI: 10.5771/9783748946106
  145. International Association for the Protection of Intellectual Property, Resolution 2022: Patentability of Diagnostic Methods, Q280-RES-2022, abrufbar unter: https://aippi.soutron.net/Portal/Default/en-GB/DownloadImageFile.ashx?objectId=9046&ownerType=0&ownerId=4650 [zitiert als: AIPPI, Resolution Diganostic Methods 2022]. Google Scholar öffnen DOI: 10.5771/9783748946106
  146. Jestaedt, Bernhard, Die erfinderische Tätigkeit in der neueren Rechtsprechung des Bundesgerichtshofs, GRUR 2001, S. 939-944. Google Scholar öffnen DOI: 10.5771/9783748946106
  147. Kahneman, Daniel/Knetsche, Jack L./Thaler, Richard H., Experimental Tests of the Endowment Effect and the Coase Theorem, JPE 1990, S. 1325-1348. Google Scholar öffnen DOI: 10.5771/9783748946106
  148. Kahneman, Daniel/Tversky, Amos, Prospect Theory: An Analysis of Decision under Risk, Econometrica 1979, S. 263-291. Google Scholar öffnen DOI: 10.5771/9783748946106
  149. Kaldor, Nicholas, Welfare Propostions of Economics and Interpersonal Comparisons of Utility, Econ. J. 1939, S. 549-552. Google Scholar öffnen DOI: 10.5771/9783748946106
  150. Kammerlocher, Thomas, Eine Einführung in TensorFlow – Mit dem Strom schwimmen, iX Developer– Machine Learning 2018, S. 58-62. Google Scholar öffnen DOI: 10.5771/9783748946106
  151. Kersting, Kristian /Tresp, Volker, Whitepaper: Maschinelles und Tiefes Lernen – Der Motor für „KI made in Germany“, 2019, abrufbar unter: https://www.plattform-lernende-systeme.de/publikationen-details/maschinelles-und-tiefes-lernen-der-motor-fuer-ki-made-in-germany.html. Google Scholar öffnen DOI: 10.5771/9783748946106
  152. Khoury, Amir H., Intellectual Property Rights for Hubots: On the Legal Implications of Human-like Robots as Innovators and Creators, Cardozo Arts & Ent. L. J. 2017, S. 635-668. Google Scholar öffnen DOI: 10.5771/9783748946106
  153. Kim, Daria, ,AI-Generated Inventions‘: Time to Get the Record Straight?, GRUR Int. 2020, S. 443-456. Google Scholar öffnen DOI: 10.5771/9783748946106
  154. Kimbauer, Barbara et al., Automatic Detection of Periapical Osteolytic Lesions on Cone-beam Computed Tomography Using Deep Convolutional Neuronal Networks, JOE 2022, S. 1434-1440. Google Scholar öffnen DOI: 10.5771/9783748946106
  155. Kirchgässner, Gebhard, Führt der homo oeconomicus das Recht in die Irre? – Zur Kritik an der ökonomischen Analyse des Rechts, JZ 1991, S. 104-111. Google Scholar öffnen DOI: 10.5771/9783748946106
  156. Kirchner, Chritsian, Ökonomische Theorie des Rechts, Berlin/New York 1997. Google Scholar öffnen DOI: 10.5771/9783748946106
  157. Kirste, Moritz/Schürholz, Markus, Einleitung: Entwicklungswege zur KI, in: Wittpahl (Hrsg.), iit-Themenband: Künstliche Intelligenz. Technologie – Anwendung – Gesellschaft, Berlin 2018, S. 21-35. Google Scholar öffnen DOI: 10.5771/9783748946106
  158. Köhler, Helmut/Bornkamm, Joachim/Feddersen, Jörn (Hrsg.), Gesetz gegen den unlauteren Wettbewerb: UWG mit GeschGehG – PAngV – UKlaG – DL-InfoV – P2B-VO, 41. Auflage München 2023. Google Scholar öffnen DOI: 10.5771/9783748946106
  159. Köllner, Malte, DABUS oder die künstliche Intelligenz als Erfinder?, ZdiW 2021, S. 449-455. Google Scholar öffnen DOI: 10.5771/9783748946106
  160. Köllner, Malte, DABUS oder die künstliche Intelligenz als Erfinder?, MittPat 2022, S. 193-203. Google Scholar öffnen DOI: 10.5771/9783748946106
  161. Köllner, Malte, EPA J 8/20: DABUS oder die Entstehung des Rechts auf das Patent, MittPat 2022, S. 386-389. Google Scholar öffnen DOI: 10.5771/9783748946106
  162. Konertz, Roman/Schönhof, Raoul, Erfindungen durch Computer und künstliche Intelligenz – eine aktuelle Herausforderung für das Patentrecht?, ZGE 2018, S. 379-412. Google Scholar öffnen DOI: 10.5771/9783748946106
  163. König, Pascal D./Krafft, Tobias D./Schulz, Wolfgang/Zweig, Katharina A., Essence of AI – What Is AI?, in: DiMatteo/Poncibò/Cannarsa (Hrsg.), The Cambridge Handbook of Artificial Intelligence – Global Perspectives on Law and Ethics, Cambridge 2022, S. 18-34. Google Scholar öffnen DOI: 10.5771/9783748946106
  164. Konrad-Adenauer-Stiftung e. V. (Hrsg.), Vergleich nationaler Strategien zur Förderung von Künstlicher Intelligenz, Teil 1, 2018, abrufbar unter: https://www.kas.de/documents/252038/3346186/Vergleich+nationaler+Strategien+zur+F%C3%B6rderung+von+K%C3%BCnstlicher+Intelligenz.pdf/46c08ac2-8a19-9029-6e6e-c5a43e751556?version=1.0&t=1559905070357. Google Scholar öffnen DOI: 10.5771/9783748946106
  165. Krausen, Jean-Marcel, Künstliche Intelligenz als Erfindung und Erfinder – Patentrechtliche Auswirkungen des Fortschritts auf dem Gebiet der künstlichen Intelligenz, Tübingen 2023. Google Scholar öffnen DOI: 10.5771/9783748946106
  166. Kroll, Andreas, Computational Intelligence – Probleme, Methoden und technische Anwendungen, 2. Auflage Berlin/Boston 2016. Google Scholar öffnen DOI: 10.5771/9783748946106
  167. Kruse, Rudolf et al., Computational Intelligence – Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze, 2. Auflage Wiesbaden 2015. Google Scholar öffnen DOI: 10.5771/9783748946106
  168. Kübler, Dorothea/Kübler, Friedrich, Zur Einführung: Recht und Sozialwissenschaften – Herausforderungen und Chancen der Verhaltensökonomie, KritV 2007, S. 94-103. Google Scholar öffnen DOI: 10.5771/9783748946106
  169. Kunz-Hallstein, Hans Peter/Loschelder, Michael, Stellungnahme der GRUR zum interfraktionellen Antrag zu Softwarepatenten (BT-Dr 17/13086), GRUR 2013, S. 704-705. Google Scholar öffnen DOI: 10.5771/9783748946106
  170. Kuß, Christian/Sassenberg, Thomas, Künstliche Intelligenz und Machine Learning, in: Sassenberg/Faber (Hrsg.), Rechtshandbuch Industrie 4.0 und Internet of Things, 2. Auflage München 2020, S. 433-458. Google Scholar öffnen DOI: 10.5771/9783748946106
  171. Lämmel, Uwe/Cleve, Jürgen, Künstliche Intelligenz – Wissensverarbeitung – Neuronale Netze, 5. Auflage München 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  172. Landes, William M./Posner, Richard A., The Economic Structure of Intellectual Property Law, Cambridge u. a. 2003. Google Scholar öffnen DOI: 10.5771/9783748946106
  173. Landscheidt, Fabian/Bethge, Jens, Die Patentierbarkeit „Künstlicher Intelligenz“ nach EPÜ, in: Taeger (Hrsg.), Tagungsband Herbstakademie 2019: Die Macht der Daten und der Algorithmen – Regulierung von IT, IoT und KI, Edewecht 2019, S. 769-782. Google Scholar öffnen DOI: 10.5771/9783748946106
  174. Laub, Christoph, Patentfähigkeit von Softwareerfindungen: Rechtliche Standards in Europa und in den USA und deren Bedeutung für den internationalen Anmelder, GRUR Int. 2006, S. 629-640. Google Scholar öffnen DOI: 10.5771/9783748946106
  175. Lauber-Rönsberg, Anne/Hetmank, Sven, The Concept of Authorship and Inventorship under Pressure: Does Artificial Intelligence Shift Paradigms?, GRUR Int. 2019, S. 641-647. Google Scholar öffnen DOI: 10.5771/9783748946106
  176. LeCun, Yann/Bengio, Yoshua/Hinton, Geoffrey, Deep learning, Nature 2015, S. 436-444. Google Scholar öffnen DOI: 10.5771/9783748946106
  177. Lederer, Thomas L., Patentierung im Bereich Künstlicher Intelligenz, GRUR-Prax 2019, S. 152-154. Google Scholar öffnen DOI: 10.5771/9783748946106
  178. Legner, Sarah, Erzeugnisse Künstlicher Intelligenz im Urheberrecht, ZUM 2019, S. 807-812. Google Scholar öffnen DOI: 10.5771/9783748946106
  179. Lemley, Mark A., IP in a World Without Scarcity, N. Y. U. L. Rev. 2015, S. 460-515. Google Scholar öffnen DOI: 10.5771/9783748946106
  180. Lemley, Mark A., Faith-Based Intellectual Property, UCLA L. Rev. 2015 S. 1328-1346. Google Scholar öffnen DOI: 10.5771/9783748946106
  181. Leschke, Martin/Neumann, Michael, Das Patentrecht aus institutionenökonomischer Sicht, in: Haucap/Budzinski (Hrsg.), Recht und Ökonomie, Baden-Baden 2020, S. 81-118. Google Scholar öffnen DOI: 10.5771/9783748946106
  182. Lethaus, Firas/Sichler, Barbara/Neukart, Florian/Seidel, Christian, KI-Innovation über das autonome Fahren hinaus, in: Buxmann/Schmidt (Hrsg.), Künstliche Intelligenz – Mit Algorithmen zum wirtschaftlichen Erfolg, 2. Auflage Berlin 2021, S. 81-100. Google Scholar öffnen DOI: 10.5771/9783748946106
  183. Li, Nick/Koay, Tzeyi, Artificial intelligence and inventorship: an Australian perspective, JIPLP 2020, S. 399-404. Google Scholar öffnen DOI: 10.5771/9783748946106
  184. Lieberman, Marvin B./Montgomery, David B., First-Mover Advantages, SMJ 1988, S. 41-58. Google Scholar öffnen DOI: 10.5771/9783748946106
  185. Lillicrap et al., Backpropagation and the brain, Nat. Rev. Neurosci. 2020, S. 335-346. Google Scholar öffnen DOI: 10.5771/9783748946106
  186. Maamar, Niklas, Computer als Schöpfer – Der Schutz von Werken und Erfindungen künstlicher Intelligenz, Tübingen 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  187. Machlup, Fritz, Die wirtschaftlichen Grundlagen des Patentrechts – 1. Teil, GRUR Ausl 1961, S. 373-390. Google Scholar öffnen DOI: 10.5771/9783748946106
  188. Machlup, Fritz, Die wirtschaftlichen Grundlagen des Patentrechts – 2. Teil, GRUR Ausl 1961, S. 473-482. Google Scholar öffnen DOI: 10.5771/9783748946106
  189. Machlup, Fritz, Die wirtschaftlichen Grundlagen des Patentrechts – 3. Teil, GRUR Ausl 1961, S. 524-537. Google Scholar öffnen DOI: 10.5771/9783748946106
  190. Mammen, Christian E., AI as Inventor, in: DiMatteo/Poncibò/Cannarsa (Hrsg.), The Cambridge Handbook of Artificial Intelligence – Global Perspectives on Law and Ethics, Cambridge 2022, S. 240-256. Google Scholar öffnen DOI: 10.5771/9783748946106
  191. Marly, Jochen, Der Schutzgegenstand des urheberrechtlichen Softwareschutzes – Zugleich Besprechung zu EuGH, Urt. v. 2. 5. 2012 − C-406/10 − SAS Institute, GRUR 2012, S. 773-779. Google Scholar öffnen DOI: 10.5771/9783748946106
  192. Martin, Ursula, ADA Lovelace Computer Scientist, ITNOW 2015, S. 54-55. Google Scholar öffnen DOI: 10.5771/9783748946106
  193. McCarthy, John/Minsky, Marvin Lee/Rochester, Nathaniel/Shannon, Claude Elwood, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 1955, abrufbar unter: http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  194. McCauley, Denis, The Global AI Agenda, MIT Technology Review Insights 2020, abrufbar unter: https://mittrinsights.s3.amazonaws.com/AIagenda2020/GlobalAIagenda.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  195. McCutcheon, Jani, The Vanishing Author in Computer-Generated Works: A Critical Analysis of Recent Australian Case Law, Melb. U. L. Rev. 2013, S. 915-969. Google Scholar öffnen DOI: 10.5771/9783748946106
  196. McGuire, Mary-Rose, Der Schutz künstlicher Intelligenz – (K)eine Frage des Patentrechts?, ZdiW 2021, S. 443-444. Google Scholar öffnen DOI: 10.5771/9783748946106
  197. McGuire, Mary-Rose/Skiebe, Daniel, Digitalisierung und Patentqualität: Vom Störfaktor zum Tool?, ZdiW 2022, S. 119-123. Google Scholar öffnen DOI: 10.5771/9783748946106
  198. McKinsey Global Institute (Hrsg.), Discussion Paper: Notes From the AI Frontier Tackling Europe’s GAP in Digital and AI, 2019, abrufbar unter: https://www.mckinsey.de/~/media/mckinsey/locations/europe%20and%20middle%20east/deutschland/news/presse/2019/2019-02-11%20ai%20in%20europe%20mgi/mgi_tackling%20europes%20gap%20in%20digital%20and%20ai_feb%202019.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  199. McLaughlin, Michael, Computer-Generated-Inventions, 2018, abrufbar unter: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3097822. Google Scholar öffnen DOI: 10.5771/9783748946106
  200. Meier-Beck, Peter, Die Rechtsprechung des Bundesgerichtshofs zum Patent- und Gebrauchsmusterrecht im Jahr 2009, GRUR 2010, S. 1041-1047. Google Scholar öffnen DOI: 10.5771/9783748946106
  201. Meitinger, Thomas Heinz, Erfinderlose Erfindungen durch Know-how einer Organisation und Erfinderprinzip: kein Widerspruch, MittPat 2017, S. 149-151. Google Scholar öffnen DOI: 10.5771/9783748946106
  202. Meitinger, Thomas Heinz, Künstliche Intelligenz als Erfinder?, MittPat 2020, S. 49-51. Google Scholar öffnen DOI: 10.5771/9783748946106
  203. Melullis, Klaus-J., Zur Auslegung von Patenten, zum Begriff des Fachmanns im Patentrecht und zur Funktion des Sachverständigen im Patentprozess, in: Ahrens/Bornkamm/Kunz-Hallstein (Hrsg.), Festschrift für Eike Ullmann, Saarbrücken 2006, S. 503-514. Google Scholar öffnen DOI: 10.5771/9783748946106
  204. Ménière, Yann/Pihlajamaa Heli, Künstliche Intelligenz in der Praxis des EPA, GRUR 2019, S. 332-336. Google Scholar öffnen DOI: 10.5771/9783748946106
  205. Merritt, Cole G., A Compulsory Solution to the Machine Problem: Recognizing Artificial Intelligence as Inventors in Patent Law, Van. J. Ent. & Tech. L. 2023, S. 211-238. Google Scholar öffnen DOI: 10.5771/9783748946106
  206. Mes, Peter, Der Schutz des Erzeugnisses gem. § 9 S. 2 Nr. 3 PatG, GRUR 2009, S. 305-308. Google Scholar öffnen DOI: 10.5771/9783748946106
  207. Mes, Peter, Patentgesetz – Gebrauchsmustergesetz: PatG – GebrMG – Kommentar, 5. Auflage München 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  208. MHdB ArbR: Kiel, Heinrich/Lunk, Stefan/Oetker, Hartmut (Hrsg.), Münchener Handbuch zum Arbeitsrecht, Band I: Individualarbeitsrecht I, 5. Auflage München 2021 [zitiert als: MHdB ArbR/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  209. Miller, Arthur R., Copyright Protection for Computer Programs, Databases, and Computer-Generated Works: Is Anything New Since CONTU?, Harv. L. Rev. 1993, S. 977-1073. Google Scholar öffnen DOI: 10.5771/9783748946106
  210. Ministry of Science, ICT and Future Planning, Mid- to Long-Term Master Plan in Preparation for the Intelligent Information Society – Managing the Fourth Industrial Revolution (2017), abrufbar unter: https://k-erc.eu/wp-content/uploads/2017/12/Master-Plan-for-the-intelligent-information-society.pdf [zitiert als: Ministry of Science, ICT and Future Planning, Master Plan AI South Korea 2017]. Google Scholar öffnen DOI: 10.5771/9783748946106
  211. Moufang, Rainer, Zur Patentierung von Entwurfs- und Simulationsverfahren in der EPA-Rechtsprechung, GRUR Int. 2018, S. 1146-1152. Google Scholar öffnen DOI: 10.5771/9783748946106
  212. MüKo: Säcker, Franz Jürgen/Rixecker, Roland/Oetker, Hartmut/Limperg, Bettina (Hrsg.), Münchener Kommentar zum Bürgerlichen Gesetzbuch, Band 8, 9. Auflage München 2023 [zitiert als: MüKo/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  213. Müller, Andreas/Guido, Sarah, Introduction to Machine Learning with Python – A Guide for Data Scientists, Sebastapol 2016. Google Scholar öffnen DOI: 10.5771/9783748946106
  214. Müller, Vincent C./Bostrom, Nick, Future Progress in Artificial Intelligence: A Survey of Expert Opinion, in: Müller (Hrsg.), Fundamental Issues of Artificial Intelligence, Heidelberg 2016, S. 553-571. Google Scholar öffnen DOI: 10.5771/9783748946106
  215. Murphy, Kevin P., Machine Learning – A Probabilistic Perspective, Cambridge 2012. Google Scholar öffnen DOI: 10.5771/9783748946106
  216. Nägele, Thomas/Apel, Simon, KI und Urheberrecht, in: Kaulartz/Braegelmann (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 291-311. Google Scholar öffnen DOI: 10.5771/9783748946106
  217. Nägerl, Joel/Neuburger, Benedikt/Steinbach, Frank, Künstliche Intelligenz: Paradigmenwechsel im Patentsystem, GRUR 2019, S. 336-341. Google Scholar öffnen DOI: 10.5771/9783748946106
  218. Nebel, Bernhard/Wölfl, Stefan, Wissensrepräsentation und -verarbeitung, in: Görz/Schmid/Braun (Hrsg.), Handbuch der Künstlichen Intelligenz, 6. Auflage Berlin/Boston 2021, S. 27-56. Google Scholar öffnen DOI: 10.5771/9783748946106
  219. Nemethova, Olivia/Peters, Mark, Patent als effektiver Schutz für Software-Produkte, InTer 2018, S. 67-72. Google Scholar öffnen DOI: 10.5771/9783748946106
  220. Nemethova, Olivia/Peters, Mark, „Datenschutz“ durch Patentrecht? Schutz für das Direktprodukt eines Verfahrens, in: Taeger (Hrsg.), Tagungsband Herbstakademie 2018: Rechtsfragen digitaler Transformationen – Gestaltung digitaler Veränderungsprozesse durch Recht, Edewecht 2018, S. 193-205. Google Scholar öffnen DOI: 10.5771/9783748946106
  221. Neuhäusler, Peter/Frietsch, Rainer/Rothengatter, Oliver, Patentierung computerimplementierter Erfindungen – Aktuelle Rechtslage und ökonomische Implikationen, Fraunhofer ISI Discussion Papers Innovation Systems and Policy Analysis No. 46, 2015, abrufbar unter: https://publica-rest.fraunhofer.de/server/api/core/bitstreams/6a029093-522d-4e6a-b1c8-2f3fc5df0310/content. Google Scholar öffnen DOI: 10.5771/9783748946106
  222. Niederèe, Claudia/Nejdl, Wolfgang, Technische Grundlagen der KI, in: Ebers/Heinze/Krügel/Steinrötter (Hrsg.), Künstliche Intelligenz und Robotik Rechtshandbuch, München 2020, S. 42-74. Google Scholar öffnen DOI: 10.5771/9783748946106
  223. Odeh, Morris K., Patenting Inventions Generated by Artificial Intelligence: The Way Forward, 2020, abrufbar unter: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3910124 [zitiert als: Odeh]. Google Scholar öffnen DOI: 10.5771/9783748946106
  224. Ohly, Ansgar, „Patenttrolle” oder: Der patentrechtliche Unterlassungsanspruch unter Verhältnismäßigkeitsvorbehalt? – Aktuelle Entwicklungen im US-Patentrecht und ihre Bedeutung für das deutsche und europäische Patentsystem, GRUR Int. 2008, S. 787-798. Google Scholar öffnen DOI: 10.5771/9783748946106
  225. Ory, Stephan/Sorge, Chrisoph, Schöpfung durch Künstliche Intelligenz?, NJW 2019, S. 710-713. Google Scholar öffnen DOI: 10.5771/9783748946106
  226. Osha, Jonathan et al., Group Report Germany – Inventorship of inventions made using Artificial Intelligence (Q272-GR-P-2020), AIPPI 2020, abrufbar unter: https://aippi.soutron.net/Portal/Default/en-GB/DownloadImageFile.ashx?objectId=8398&ownerType=0&ownerId=3735. Google Scholar öffnen DOI: 10.5771/9783748946106
  227. Osterrieth, Christian, Patentrecht, 6. Auflage München 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  228. Palace, Victor M., What if Artificial Intelligence Wrote This? Artificial Intelligence and Copyright Law, Fla. L. Rev. 2019, S. 217-242. Google Scholar öffnen DOI: 10.5771/9783748946106
  229. Papastefanou, Stefan, Genetic Breeding Algorithms als Form des „Machine Learning“ im Urheber- und Patentrecht – Rechtliche Herausforderungen beim Schutz von Algorithmen des Genetic Breeding Models, CR 2019, S. 209-215. Google Scholar öffnen DOI: 10.5771/9783748946106
  230. Papastefanou, Stefan, “Machine-Learning“ im Patentrecht – Herausforderungen beim Erfinderbegriff und der Patentierfähigkeit von Algorithmen, in: Hetmank/Rechenberg (Hrsg.), Kommunikation, Kreation und Innovation – Recht im Umbruch?, Baden-Baden 2019, S. 9-27. Google Scholar öffnen DOI: 10.5771/9783748946106
  231. Papastefanou, Stefan, KI-gestützte Schöpfungsprozesse im geistigen Eigentum – Rechtliche Anerkennung von Künstlicher Intelligenz im IP: Vom Hilfsmittel bis zum autonomen Schaffen, WRP 2020, S. 290-296. Google Scholar öffnen DOI: 10.5771/9783748946106
  232. Papastefanou, Stefan, Umgang mit IP-rechtlichen Herausforderungen von „Machine Learning“ am Beispiel von Evolutionary Algorithms, in: Kuschel/Asmussen/Golla (Hrsg.), Intelligente Systeme – Intelligentes Recht, Baden-Baden 2021, S. 199-221. Google Scholar öffnen DOI: 10.5771/9783748946106
  233. Pareto, Vilfredo, Manual of Political Economy: A Critical and Variorum Edition, Oxford 2014 (bearbeitet und übersetzt von Montesano et al.). Google Scholar öffnen DOI: 10.5771/9783748946106
  234. Pesch, Benjamin, Patentfähigkeit computerimplementierter Erfindungen – Überblick über die einschlägige Entscheidungspraxis des BGH und EPA sowie Handlungsempfehlungen, MMR 2019, S. 14-19. Google Scholar öffnen DOI: 10.5771/9783748946106
  235. Prado Ojea, Gabriel, Der derivative Informationsschutz nach § 9 S. 2 Nr. 3 PatG, GRUR 2018, S. 1096-1102. Google Scholar öffnen DOI: 10.5771/9783748946106
  236. Pretnar, Bojan, Die ökonomische Auswirkung von Patenten in der wissensbasierten Marktwirtschaft, GRUR Int. 2004, S. 776-786. Google Scholar öffnen DOI: 10.5771/9783748946106
  237. Probst, Sophia, 3D-Druck trifft auf Urheber und Patentrecht – Ein Beitrag zur rechtswissenschaftlichen Innovationsforschung unter Anwendung der ökonomischen Analyse des Rechts, Baden-Baden 2019. Google Scholar öffnen DOI: 10.5771/9783748946106
  238. Purdy, Mark/Daugherty, Paul, Why Artificial Intelligence is the Future of Growth, 2016, abrufbar unter: https://dl.icdst.org/pdfs/files2/2aea5d87070f0116f8aaa9f545530e47.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  239. PwC, Auswirkungen der Nutzung von künstlicher Intelligenz in Deutschland, 2018, abrufbar unter: https://www.forum-institut.de/de/media/B3/Content/PwC%20Deutschland_Auswirkungen%20der%20Nutzung%20von%20k%C3%BCnstlicher%20Intelligenz%20in%20Deutschland.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  240. Ramalho, Ana, Patentability of AI-generated inventions: is a reform of the patent system needed?, 2018, abrufbar unter: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3168703. Google Scholar öffnen DOI: 10.5771/9783748946106
  241. Rektorschek, Jan Phillip, Industrie 4.0 und künstliche Intelligenz – Risiko oder Chance für den gewerblichen Rechtsschutz?, MittPat 2017, S. 438-443. Google Scholar öffnen DOI: 10.5771/9783748946106
  242. Richter, Stefan, Statistisches und maschinelles Lernen – Gängige Verfahren im Überblick, Berlin 2019. Google Scholar öffnen DOI: 10.5771/9783748946106
  243. Riehm, Thomas, Nein zur ePerson! – Gegen die Anerkennung einer digitalen Rechtspersönlichkeit, RDi 2020, S. 42-48. Google Scholar öffnen DOI: 10.5771/9783748946106
  244. Riehm, Thomas, Rechtsfähigkeit von KI-Systemen, in: Kaulartz/Braegelmann (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 221-238. Google Scholar öffnen DOI: 10.5771/9783748946106
  245. Russell, Stuart J./Norvig, Peter, Künstliche Intelligenz – Ein moderner Ansatz, 3. Auflage München u. a. 2012. Google Scholar öffnen DOI: 10.5771/9783748946106
  246. Säger, Manfred, Ethische Aspekte des Patentwesens, GRUR 1991, S. 267-273. Google Scholar öffnen DOI: 10.5771/9783748946106
  247. Salje, Peter, Technikrecht und Ökonomische Analyse, in: Schulte/Schröder (Hrsg.), Handbuch des Technikrechts – Allgemeine Grundlagen Umweltrecht – Gentechnikrecht – Energierecht – Telekommunikations- und Medienrecht Patentrecht – Computerrecht, 2. Auflage Heidelberg 2011, S. 109-149. Google Scholar öffnen DOI: 10.5771/9783748946106
  248. Samek, Wojciech et al. (Hrsg.), Explainable AI: Interpreting, Explaining and Visualizing Deep Learning, Cham 2019. Google Scholar öffnen DOI: 10.5771/9783748946106
  249. Samuelson, Pamela, Allocating Ownership Rights in Computer-Generated Works, U. Pitt. L. Rev. 1985, S. 1185-1228. Google Scholar öffnen DOI: 10.5771/9783748946106
  250. Sattler, Andreas, Schutz von maschinengenerierten Daten, in: Sassenberg/Faber (Hrsg.), Rechtshandbuch Industrie 4.0 und Internet of Things, 2. Auflage München 2020, S. 35-75. Google Scholar öffnen DOI: 10.5771/9783748946106
  251. Schäfer, Hans-Bernd/Ott, Claus, Lehrbuch der ökonomischen Analyse des Zivilrechts, 6. Auflage Berlin 2021. Google Scholar öffnen DOI: 10.5771/9783748946106
  252. Schaub, Renate, Interaktion von Mensch und Maschine Haftungs- und immaterialgüterrechtliche Fragen bei eigenständigen Weiterentwicklungen autonomer Systeme, JZ 2017, S. 342-349. Google Scholar öffnen DOI: 10.5771/9783748946106
  253. Scheja, Katharina, Schutz von Algorithmen in Big Data Anwendungen – Wie Unternehmen aufgrund der Umsetzung der Geschäftsgeheimnis-Richtlinie ihre Algorithmen wie auch Datenbestände besser schützen können, CR 2018, S. 485-492. Google Scholar öffnen DOI: 10.5771/9783748946106
  254. Schickedanz, Willi, Kunstwerk und Erfindung, GRUR 1973, S. 343-348. Google Scholar öffnen DOI: 10.5771/9783748946106
  255. Schippel, Helmut, Anmerkung zum Urteil des BGH v. 30.04.1968 – X ZR 67/66, GRUR 1969, S. 135. Google Scholar öffnen DOI: 10.5771/9783748946106
  256. Schirmer, Jan-Erik, Rechtsfähige Roboter?, JZ 2016, S. 660-666. Google Scholar öffnen DOI: 10.5771/9783748946106
  257. Schirmer, Jan-Erik, Von Mäusen, Menschen und Maschinen – Autonome Systeme in der Architektur der Rechtsfähigkeit, JZ 2019, S. 711-718. Google Scholar öffnen DOI: 10.5771/9783748946106
  258. Schmidt, Lukas, Sprachassistenten – eine rechtliche Betrachtung de lege lata und de lege ferenda, Berlin 2022. Google Scholar öffnen DOI: 10.5771/9783748946106
  259. Schneider, Nadine/Kremer, Sascha, Rechtsschutz für KI-Erzeugnisse in Kunst und Design – Schutzmöglichkeiten durch Immaterialgüterrecht, Gewerblichen Rechtsschutz und Geheimnisschutz, ITRB 2020, S. 166-173. Google Scholar öffnen DOI: 10.5771/9783748946106
  260. Schneider, Petra et al., Rethinking drug design in the artificial intelligence era, Nat. Rev. Drug Discov. 2020, S. 353-364. Google Scholar öffnen DOI: 10.5771/9783748946106
  261. Schönberger, Daniel, Deep Copyright: Up‑ and Downstream Questions Related to Artificial Intelligence (AI) and Machine Learning (ML), ZGE 2018, S. 35-58. Google Scholar öffnen DOI: 10.5771/9783748946106
  262. Schrell, Andreas/Heide, Nils, Zu den Grenzen des „product-by-process”-Patentanspruchs im Erteilungs- und Verletzungsverfahren, GRUR 2006, S. 383-388. Google Scholar öffnen DOI: 10.5771/9783748946106
  263. Schricker/Loewenheim: Loewenheim, Ulrich/Leistner, Matthias/Ohly, Ansgar (Hrsg.), Urheberrecht UrhG – KUG (Auszug) – VGG – Kommentar, 6. Auflage München 2020 [zitiert als: Schricker/Loewenheim/Bearbeiter). Google Scholar öffnen DOI: 10.5771/9783748946106
  264. Schröler, Philipp Roman/Kuß, Christian, Urheber-, Patent- und Markenrecht, in: Chibanguza/Kuß/Steege (Hrsg.), Künstliche Intelligenz – Recht und Praxis automatisierter und autonomer Systeme, München 2021, S. 171-191. Google Scholar öffnen DOI: 10.5771/9783748946106
  265. Schulte, Rainer (Hrsg.), Patentgesetz mit Europäischem Patentübereinkommen – Kommentar auf der Grundlage der deutschen und europäischen Rechtsprechung, 11. Auflage Köln 2022. Google Scholar öffnen DOI: 10.5771/9783748946106
  266. Schürholz, Markus/Spitzner, Eike-Christian, Hardware für KI, in: Wittpahl (Hrsg.), iit-Themenband: Künstliche Intelligenz. Technologie – Anwendung – Gesellschaft, Berlin 2018, S. 36-47. Google Scholar öffnen DOI: 10.5771/9783748946106
  267. Schuster, W. Michael, Artificial Intelligence and Patent Ownership, Wash. & Lee L. Rev. 2019, S. 1945-2004. Google Scholar öffnen DOI: 10.5771/9783748946106
  268. Schwab, Brent, Handkommentar Arbeitnehmererfindungsrecht: Arbeitnehmererfindungsgesetz – Arbeitnehmer-Urheberrecht – Betriebliches Vorschlagswesen, 4. Auflage Baden-Baden 2018. Google Scholar öffnen DOI: 10.5771/9783748946106
  269. Schwarz, Claudia/Kruspig, Sabine, Computerimplementierte Erfindungen – Patentschutz von Software?, 2. Auflage Köln 2018. Google Scholar öffnen DOI: 10.5771/9783748946106
  270. Schweitzer, Heike, Datenzugang in der Datenökonomie: Eckpfeiler einer neuen Informationsordnung, GRUR 2019, S. 569-580. Google Scholar öffnen DOI: 10.5771/9783748946106
  271. Searle, John R., Minds, brains, and programs, BBS 1980, S. 417-457. Google Scholar öffnen DOI: 10.5771/9783748946106
  272. Shemtov, Noam, A study on inventorship in inventions involving AI activity – Commissioned by the European Patent Office, 2019, abrufbar unter: https://documents.epo.org/projects/babylon/eponet.nsf/0/3918F57B010A3540C125841900280653/$File/Concept_of_Inventorship_in_Inventions_involving_AI_Activity_en.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  273. Singer/Stauder/Luginbühl: Stauder, Dieter/Luginbühl, Stefan (Hrsg.), Europäisches Patentübereinkommen – Kommentar, 9. Auflage Köln 2023 [zitiert als: Singer/Stauder/Luginbühl/Bearbeiter]. Google Scholar öffnen DOI: 10.5771/9783748946106
  274. Söbbing, Thomas, Fundamentale Rechtsfragen zur künstlichen Intelligenz, Frankfurt am Main 2019. Google Scholar öffnen DOI: 10.5771/9783748946106
  275. Söbbing, Thomas, Deep Learning: Wenn künstliche Intelligenz lernt – Kann das durchaus rechtliche Relevanz haben, K&R 2019, S. 164-169. Google Scholar öffnen DOI: 10.5771/9783748946106
  276. Söbbing, Thomas, Künstliche neuronale Netze – Rechtliche Betrachtung von Software- und KI-Lernstrukturen, MMR 2021, S. 111-116. Google Scholar öffnen DOI: 10.5771/9783748946106
  277. Spindler, Gerald/Schuster, Fabian (Hrsg.), Recht der elektronischen Medien – Kommentar, 4. Auflage München 2019. Google Scholar öffnen DOI: 10.5771/9783748946106
  278. Staehelin, Alesch, Begriff und Wesen der Künstlichen Intelligenz – Möglichkeiten, Realitäten, Grenzen, GRUR 2022, S. 1569-1571. Google Scholar öffnen DOI: 10.5771/9783748946106
  279. Stechern, David, Künstliche Intelligenz – Auf der Suche nach dem Zuordnungssubjekt, IPRB 2020, S. 23-26. Google Scholar öffnen DOI: 10.5771/9783748946106
  280. Stiemerling, Oliver, „Künstliche Intelligenz“ – Automatisierung geistiger Arbeit, Big Data und das Internet der Dinge – Eine technische Perspektive, CR 2015, S. 762-765. Google Scholar öffnen DOI: 10.5771/9783748946106
  281. Stiemerling, Oliver, Technische Grundlagen, in: Kaulartz/Braegelmann (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 15-31. Google Scholar öffnen DOI: 10.5771/9783748946106
  282. Stierle, Martin, A De Lege Ferenda Perspective on Artificial Intelligence Systems Designated as Inventors in the European Patent System, GRUR Int. 2021, S. 115-133. Google Scholar öffnen DOI: 10.5771/9783748946106
  283. Stiglitz, Joseph E., Knowledge as a Global Public Good, in: Kaul/Grunberg/Stern (Hrsg.), Global Public Goods: International Cooperation in the 21st Century, Oxford 1999, S. 308-325. Google Scholar öffnen DOI: 10.5771/9783748946106
  284. Stubbe, Julian/Lutze, Maxie/Ferdinand, Jan-Peter, Kreative Algorithmen für kreative Arbeit?, in: Wittpahl (Hrsg.), iit-Themenband: Künstliche Intelligenz. Technologie – Anwendung – Gesellschaft, Berlin 2018, S. 255-271. Google Scholar öffnen DOI: 10.5771/9783748946106
  285. Surden, Harry, Machine Learning and Law, Wash. L. Rev. 2014, S. 87-115. Google Scholar öffnen DOI: 10.5771/9783748946106
  286. Tauchert, Wolfgang, Software-Patente und computerimplementierte Erfindungen – Anmerkungen im Zusammenhang mit der Diskussion zur "Software-Richtlinie" der EU, JurPC Web-Dok. 2005, Abs. 1-55, abrufbar unter: https://www.jurpc.de/jurpc/show?id=20050006. Google Scholar öffnen DOI: 10.5771/9783748946106
  287. Thaler, Richard, Toward a positive theory of consumer choice, J. Econ. Behav. Organ. 1980, S. 39-60. Google Scholar öffnen DOI: 10.5771/9783748946106
  288. Thaler, Stephen L., Cycles of insanity and creativity within contemplative neural systems, Medical Hypotheses 2016, S. 138-147. Google Scholar öffnen DOI: 10.5771/9783748946106
  289. Tilly, Marcel, Künstliche neuronale Netze in Theorie und Praxis – Das Gehirn des Rechners, iX Developer – Machine Learning 2018, S. 16-20. Google Scholar öffnen DOI: 10.5771/9783748946106
  290. Tilly, Marcel, Künstliche Intelligenz – zwischen Hype und Realität Handwerk hat eine Zukunft, iX Developer – Machine Learning 2018, S. 138-140. Google Scholar öffnen DOI: 10.5771/9783748946106
  291. Tochtermann, Lea, Immaterialgüterrechtlicher Schutz von KI de lege ferenda, in: Kaulartz/Braegelmann (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 322-335. Google Scholar öffnen DOI: 10.5771/9783748946106
  292. Towfigh Emanuel V., Das ökonomische Paradigma, in: Towfigh/Petersen (Hrsg.), Ökonomische Methoden im Recht – Eine Einführung für Juristen, 2. Auflage Tübingen 2017, S. 25-43. Google Scholar öffnen DOI: 10.5771/9783748946106
  293. Towfigh Emanuel V./Petersen, Niels, Ökonomik in der Rechtswissenschaft, in: Towfigh/Petersen (Hrsg.), Ökonomische Methoden im Recht – Eine Einführung für Juristen, 2. Auflage Tübingen 2017, S. 1-24. Google Scholar öffnen DOI: 10.5771/9783748946106
  294. Tull, Susan Y., Patenting AI – The US Perspective, in: DiMatteo/Poncibò/Cannarsa (Hrsg.), The Cambridge Handbook of Artificial Intelligence – Global Perspectives on Law and Ethics, Cambridge 2022, S. 215-222. Google Scholar öffnen DOI: 10.5771/9783748946106
  295. Tull, Susan Y./Miller Paula E., Patenting Artificial Intelligence: Issues of Obviousness, Inventorship, and Patent Eligibility, RAIL 2018, S. 313-325. Google Scholar öffnen DOI: 10.5771/9783748946106
  296. Turing, Alan M., Computing Machinery and Intelligence, Mind 1950, S. 433-460. Google Scholar öffnen DOI: 10.5771/9783748946106
  297. Utermann, Jasper, Verwendungsanspruch neben Stoffanspruch, GRUR 1981, S. 537-541. Google Scholar öffnen DOI: 10.5771/9783748946106
  298. Van den Hoven van Genderen, Robert, Do We Need New Legal Personhood in the Age of Robots and AI?, in: Corrales/Fenwick/Forgó (Hrsg.), Robotics, AI and the Future of Law, Singapur 2018, S. 15-56. Google Scholar öffnen DOI: 10.5771/9783748946106
  299. Van der Linde, Timo, Der künstliche Erfinder – Schutzbedürfnis, Erfinderbegriff und Zuordnungsfragen, Augsburg 2021, abrufbar unter: https://d-nb.info/1252245408/34. Google Scholar öffnen DOI: 10.5771/9783748946106
  300. Verhauwen, Axel, Der derivative Verfahrenserzeugnisschutz digitaler Signalfolgen, in: Kühnen (Hrsg.), Festschrift 80 Jahre Patentgerichtsbarkeit in Düsseldorf, Köln 2016, S. 543-558. Google Scholar öffnen DOI: 10.5771/9783748946106
  301. Vertinsky, Liza, Thinking Machines and Patent Law, in: Barfield/Pagallo (Hrsg.), Research Handbook on the Law of Artificial Intelligence, Cheltenham/Nothampton 2018, S. 489-510. Google Scholar öffnen DOI: 10.5771/9783748946106
  302. Vertinsky, Liza/Rice, Todd M., Thinking about Thinking Machines: Implications of Machine Inventors for Patent Law, B. U. J. Sci. & Tech. L. 2002, S. 574-613. Google Scholar öffnen DOI: 10.5771/9783748946106
  303. Volmer, Bernhard, Die „Betriebserfindung” – ein noch ungelöstes Problem?, NJW 1954, S. 92-95. Google Scholar öffnen DOI: 10.5771/9783748946106
  304. Volmer, Bernhard, Die Computererfindung – Unter besonderer Berücksichtigung des Arbeitnehmererfinderrechts, MittPat 1971, S. 256-264. Google Scholar öffnen DOI: 10.5771/9783748946106
  305. Von Hellfeld, Axel, Der Schutz von Computerprogramme enthaltenden Erfindungen durch das Europäische und das Deutsche Patentamt – eine Konfrontation, GRUR 1985, S. 1025-1032. Google Scholar öffnen DOI: 10.5771/9783748946106
  306. Wagner, Stefan, Patente – das schlechteste Anreizsystem für Innovationen, abgesehen von allen anderen?, ifo Schnelldienst 08/2021, S. 6-9, abrufbar unter: https://www.ifo.de/DocDL/sd-2021-08-patentschutz.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  307. Wandtke, Artur-Axel/Bullinger, Winfried (Hrsg.), Praxiskommentar Urheberrecht: UrhG – UrhDaG – VGG – InsO – UKlaG – KUG – EVtr – InfoSoc-RL – Portabilitäts-VO, 6. Auflage München 2022. Google Scholar öffnen DOI: 10.5771/9783748946106
  308. Watkin Timothy/Rau, Albrecht, Intellectual Property in Artificial Neural Networks – In Particular Under the European Patent Convention, IIC 1996, S. 447-468. Google Scholar öffnen DOI: 10.5771/9783748946106
  309. Weber, Christopher/Augenstein, Kather, EPA wendet üblichen Standard auch zur Beurteilung der Patentierbarkeit von Computersimulationen an, GRUR-Prax 2021, S. 229. Google Scholar öffnen DOI: 10.5771/9783748946106
  310. Weibel, Beat, Patentschutz für digitale Erfindungen – wir brauchen neue Ansätze – Ein Statement aus der Sicht der Industrie, ZdiW 2021, S. 456-457. Google Scholar öffnen DOI: 10.5771/9783748946106
  311. Wiebe, Andreas, Information als Naturkraft – Immaterialgüterrecht in der Informationsgesellschaft, GRUR 1994, S. 233-246. Google Scholar öffnen DOI: 10.5771/9783748946106
  312. Wiebe, Andreas, Patentrecht, in: Leupold/Wiebe/Glossner (Hrsg.), IT-Recht – Recht Wirtschaft und Technik der digitalen Transformation, 4. Auflage München 2021, S. 1027-1032. Google Scholar öffnen DOI: 10.5771/9783748946106
  313. Wischmann, Steffen (Hrsg.), Studie Erklärbare KI – Anforderungen, Anwendungsfälle und Lösungen, Berlin 2021, abrufbar unter: https://www.iit-berlin.de/wp-content/uploads/2022/11/Studie_Erklaerbare-KI_Institut-fuer-Innovation-und-Technik-2021.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  314. Wischmann, Steffen/Rohde, Marieke, Neue Möglichkeiten für die Servicerobotik durch KI, in: Wittpahl (Hrsg.), iit-Themenband: Künstliche Intelligenz. Technologie – Anwendung – Gesellschaft, Berlin 2018, S. 99-121. Google Scholar öffnen DOI: 10.5771/9783748946106
  315. Wissenschaftlicher Dienst des Deutschen Bundestages, Künstliche Intelligenz und Machine Learning, WD 10–3000–67/18, 2018, abrufbar unter: https://www.bundestag.de/resource/blob/592106/74cd41f0bd7bc5684f6defaade176515/WD-10-067-18-pdf-data.pdf [zitiert als: Wissenschaftlicher Dienst BT]. Google Scholar öffnen DOI: 10.5771/9783748946106
  316. Witte, Jürgen, Die Betriebserfindung, GRUR 1958, S. 163-172. Google Scholar öffnen DOI: 10.5771/9783748946106
  317. Wolf, Jörn, Die Auswirkung künstlicher Intelligenz auf das Patentverfahren, Dortmund 2020. Google Scholar öffnen DOI: 10.5771/9783748946106
  318. World Intellectual Property Organization, Standing Committee on the Law of Patents, Background Document on Patents and Emerging Technologies, Thirtieth Session 2019, abrufbar unter: https://www.wipo.int/edocs/mdocs/scp/en/scp_30/scp_30_5.pdf [zitiert als: WIPO, Patents an Emerging Technologies 2019]. Google Scholar öffnen DOI: 10.5771/9783748946106
  319. World Intellectual Property Organization, Conversation on Intellectual Property (IP) and Artificial Intelligence (AI), Draft Issues Paper on Intellectual Property Policy and Artificial Intelligence, Second Session 2019, abrufbar unter: https://www.wipo.int/edocs/mdocs/mdocs/en/wipo_ip_ai_2_ge_20/wipo_ip_ai_2_ge_20_1.pdf [zitiert als: WIPO, IP and AI 2019]. Google Scholar öffnen DOI: 10.5771/9783748946106
  320. World Intellectual Property Organization, Technology Trends 2019 – Artificial Intelligence, abrubar unter: https://www.wipo.int/edocs/pubdocs/en/wipo_pub_1055.pdf [zitiert als: WIPO, Trends 2019]. Google Scholar öffnen DOI: 10.5771/9783748946106
  321. World Intellectual Property Organization, Summary: Conversation on Intellectual Property (IP) and Frontier Technologies, Sixth Session 2022, abrufbar unter: https://www.wipo.int/edocs/mdocs/mdocs/en/wipo_ip_conv_ge_2_22/wipo_ip_conv_ge_2_22_3.pdf [zitiert als: WIPO, IP and Frontier Technologies 2022]. Google Scholar öffnen DOI: 10.5771/9783748946106
  322. Yanisky-Ravid, Shlomit, Generating Rembrandt: Artificial Intelligence, Copyright, and Accountability in the 3A Era-The Human-like Authors are Already Here- A New Model, Mich. St. L. Rev. 2017, S. 659-726. Google Scholar öffnen DOI: 10.5771/9783748946106
  323. Yanisky-Ravid, Shlomit/Liu, Xiaoqiong, When Artificial Intelligence Systems Produce Inventions: The 3A Era and an Alternative Model for Patent Law, Cardozo L. Rev. 2018, S. 2215-2262. Google Scholar öffnen DOI: 10.5771/9783748946106
  324. Yu, Robert, The Machine Author: What Level of Copyright Protection Is Appropriate for Fully Independent Computer‐Generated Works?, U. Pa. L. Rev. 2017, S. 1245-1270. Google Scholar öffnen DOI: 10.5771/9783748946106
  325. Zech, Herbert, Information als Schutzgegenstand, Tübingen 2012. Google Scholar öffnen DOI: 10.5771/9783748946106
  326. Zech, Herbert, Life Sciences and Intellectual Property: Technology Law Put to the Test, ZGE 2015, S. 1-14. Google Scholar öffnen DOI: 10.5771/9783748946106
  327. Zech, Herbert, Die Dematerialisierung des Patentrechts und ihre Grenzen – Zugleich Besprechung von BGH „Rezeptortyrosinkinase II“, GRUR 2017, S. 475-478. Google Scholar öffnen DOI: 10.5771/9783748946106
  328. Zech, Herbert, Technizität im Patentrecht – Eine intra- und interdisziplinäre Analyse des Technikbegriffs, in: Metzger (Hrsg.), Festschrift für Theo Bodewig zum 70. Geburtstag: Methodenfragen des Patentrechts, Tübingen 2018, S. 137-175. Google Scholar öffnen DOI: 10.5771/9783748946106
  329. Zech, Herbert, Artificial Intelligence: Impact of Current – Developments in IT on Intellectual Property, GRUR Int. 2019, S. 1145-1147. Google Scholar öffnen DOI: 10.5771/9783748946106
  330. Zech, Herbert, Anmerkung zur Entscheidung des EPA (GBK), Entscheidung vom 10.3.2021 – G 0001/19, GRUR 2021, S. 940-941. Google Scholar öffnen DOI: 10.5771/9783748946106
  331. Zech, Herbert, Brauchen wir ein Patentrecht?, ifo Schnelldienst 08/2021, S. 3-6, abrufbar unter: https://www.ifo.de/DocDL/sd-2021-08-patentschutz.pdf. Google Scholar öffnen DOI: 10.5771/9783748946106
  332. Zeigermann, Oliver, Grundlagen der Künstlichen Intelligenz Maßanfertigung, iX Developer – Machine Learning 2018, S. 8-13. Google Scholar öffnen DOI: 10.5771/9783748946106
  333. Zipse, Erich, Computer oder nachvollziehender Mensch als Erfinder, MittPat 1972, S. 41-44. Google Scholar öffnen DOI: 10.5771/9783748946106
  334. Zuse, Konrad, Der Computer – Mein Lebenswerk, 4. Auflage Berlin/Heidelberg 2007. Google Scholar öffnen DOI: 10.5771/9783748946106

Ähnliche Veröffentlichungen

aus der Reihe "Schriften zum geistigen Eigentum und zum Wettbewerbsrecht"
Cover des Buchs: Der europäische Werkbegriff und seine Grenzen
Monographie Kein Zugriff
Leon Feldman
Der europäische Werkbegriff und seine Grenzen
Cover des Buchs: Das Territorialitätsprinzip im Patentrecht
Monographie Kein Zugriff
Lukas Heimann
Das Territorialitätsprinzip im Patentrecht
Cover des Buchs: Der Verbraucherschadensersatzanspruch gemäß § 9 Absatz 2 UWG
Monographie Kein Zugriff
Fabian Göllner
Der Verbraucherschadensersatzanspruch gemäß § 9 Absatz 2 UWG
Cover des Buchs: Untersuchung dysfunktionaler Effekte bei der Durchsetzung von Patenten
Monographie Kein Zugriff
Peter R. Slowinski
Untersuchung dysfunktionaler Effekte bei der Durchsetzung von Patenten
Cover des Buchs: Der Schutzbereich von Ansprüchen auf weitere medizinische Indikationen
Monographie Kein Zugriff
Daniel Skiebe
Der Schutzbereich von Ansprüchen auf weitere medizinische Indikationen

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Feedback geben

Wir freuen uns über Ihr Feedback zu Inhalten und Funktionen. Ihre Nachricht hilft uns, unseren Service stetig zu verbessern.

Bewertung
Bild anhängen
oder hier ablegen
PNG oder JPG (max. 3 MB)

Anmelden

Passwort vergessen?
Login über Ihre Institution (SSO, Shibboleth, OpenAthens)
Noch kein Benutzerkonto?
Jetzt registrieren

Publikation zitieren

Download: RIS BibTex