Skip to main content

KI-Diagnostik MedTech

Patentlandschaft der KI-gestützten Diagnostik in der Medizintechnik. Intersection von Artificial Intelligence und diagnostischen Verfahren an europäischen Patentämtern.

Data: EPO PATSTAT Global, Autumn 2025 Period: 2015–2023 Created: February 2026 Author: mtc.berlin
1,704
Anmeldungen gesamt
AI x Diagnostik
14.6x
Wachstum
2015 bis 2022
350
Peak Year
2022 (Rekord)
123
Siemens Healthineers
Deutscher #1
66%
Neural Networks
der AI-Klassifikationen

Suchstrategie — IPC Intersection

Gesucht werden Patentanmeldungen, die gleichzeitig mindestens eine AI-IPC und mindestens eine Diagnostik-IPC tragen.

AI-Seite (OR)

  • G06N 3/ Neural Networks, Deep Learning
  • G06N 5/ Wissensbasierte Modelle
  • G06N 7/ Mathematische Modelle (stat. AI)
  • G06N 20/ Machine Learning
  • G06T 1/4 Neuronale Netze für Bildverarbeitung

Diagnostik-Seite (OR)

  • A61B 3/ Augendiagnostik (Ophthalmologie)
  • A61B 5/ Diagnostische Messungen, EKG, Monitoring
  • A61B 6/ Strahlendiagnostik (Röntgen, CT)
  • A61B 8/ Ultraschalldiagnostik
  • G16H 30/ ICT für medizinische Bildverarbeitung
  • G16H 50/ ICT für medizinische Diagnose / Data Mining

Nicht im Scope

  • A61B 34/ Roboter-Chirurgie
  • G01N Labor-Diagnostik
  • A61B 1/ Endoskope
  • A61B 17/, 18/ Chirurgie

Filing Volume & Growth Trajectory

Jährliche Anmeldungen im Bereich AI x Diagnostik (DE + EP), 2015–2023.

Datentabelle: Filing Trend 2015–2023
JahrAnmeldungenWachstum
201524
201632+33%
201771+122%
2018107+51%
2019205+92%
2020302+47%
20213010%
2022350+16%
2023266-24%

14,6-faches Wachstum von 24 Anmeldungen (2015) auf einen Peak von 350 (2022). Der Rückgang 2023 auf 266 spiegelt entweder eine Post-Hype-Konsolidierung oder die 18-monatige Veröffentlichungsverzögerung in PATSTAT wider. Daten für 2024/2025 sind noch unvollständig.

IPC Classification Profiles

Verteilung der AI- und Diagnostik-IPC-Klassifikationen über alle 1.704 Anmeldungen.

AI-Seite

Neural Networks (G06N 3/) dominieren mit 1.122 Klassifikationen (66%). Machine Learning (G06N 20/) folgt. Anmeldungen können mehrere AI-Klassen tragen.

Diagnostik-Seite

G16H 50/ (Diagnose/Mining) und A61B 5/ (Messungen) führen, gefolgt von medizinischer Bildverarbeitung und Strahlendiagnostik (CT, Röntgen).

Top Applicants

Die 20 aktivsten Anmelder im Bereich KI-gestützte Diagnostik (DE + EP Anmeldungen).

Datentabelle: Top 20 Anmelder
AnmelderLandAnmeldungen
PhilipsNL128
Siemens Healthcare GmbHDE90
Siemens Healthineers AGDE33
SamsungKR21
FujifilmJP20
Bayer AGDE18
TCSIN17
Deep BioKR17
Carl Zeiss MeditecDE15
GoogleUS14
LunitKR14
RocheCH13
MicrosoftUS11
UC CaliforniaUS11
Sloan KetteringUS9
TencentCN9
StanfordUS8
GE HealthcareUS8
KPN InnovationsUS8
Johns HopkinsUS8

Philips (NL, 128) führt als Einzelunternehmen. Siemens Healthcare GmbH + Siemens Healthineers AG halten zusammen 123 Anmeldungen (vor/nach Umbenennung). Deutsche Akteure: Siemens (123), Bayer (18), Carl Zeiss Meditec (15). Südkorea ist stark vertreten: Samsung (21), Deep Bio (17), Lunit (14).

Showcase: Siemens Healthineers

Anmeldeverlauf der kombinierten Siemens-Entitäten (Healthcare GmbH + Healthineers AG).

Datentabelle: Siemens Filing Trajectory
JahrAnmeldungen
20152
20161
201712
20186
201911
202035
202120
202220
202321

Peak im Jahr 2020 (35 Anmeldungen), danach ein stabiles Plateau um 20/Jahr. Total: 133 Anmeldungen inkl. 2024. Der 2020-Peak korreliert mit der CE-Zulassungswelle für AI-Diagnostik-Produkte. Siemens ist der führende deutsche Anmelder in der KI-gestützten Diagnostik.

AI Technology Evolution

Entwicklung der AI-IPC-Klassen über die Zeit (2015–2023).

Datentabelle: AI Technology Evolution
JahrG06N 3/G06N 20/G06N 5/G06N 7/G06T 1/4
2015913440
2016821371
201736321274
2018644512143
201915076383012
2020207151292210
2021203139321216
202224517128176
20231701151187

G06N 3/ (Neural Networks) überholte G06N 20/ (Machine Learning) ab 2017 und dominiert seitdem. Deep-Learning-Ansätze sind die zentrale AI-Technologie in der medizinischen Diagnostik. Wissensbasierte Systeme (G06N 5/) bleiben eine Nische.

Zusammenfassung

Zentrale Erkenntnisse aus der Patentanalyse KI-Diagnostik MedTech.

Marktdynamik

14,6-faches Wachstum von 2015 (24) bis Peak 2022 (350). Rückgang 2023 auf 266 — möglicherweise Konsolidierung nach dem AI-Hype oder Veröffentlichungsverzögerung. 2024/25 noch unvollständig (18 Monate Veröffentlichungsfrist).

Technologie

Neural Networks (G06N 3/) ist die dominierende AI-Technologie (66% der AI-Klassifikationen). Diagnostische Messungen (A61B 5/) und Software-Diagnose (G16H 50/) führen auf der Diagnostik-Seite. Strahlendiagnostik (CT, Röntgen) und Ultraschall sind starke Wachstumsfelder.

Wettbewerb

Philips (NL, 128) und Siemens (DE, 123) dominieren mit deutlichem Abstand. Südkorea stark vertreten: Samsung (21), Deep Bio (17), Lunit (14). US-Universitäten aktiv: UC, Stanford, Johns Hopkins, Sloan Kettering.

Deutschland

Siemens Healthineers: 123 Anmeldungen, klarer deutscher Champion. Bayer AG (18) und Carl Zeiss Meditec (15) als weitere deutsche Akteure. Siemens-Peak 2020 korreliert mit CE-Zulassungswelle für AI-Diagnostik-Produkte.

Methodik

Datenquelle, Suchlogik und Reproduzierbarkeit.

Datenquelle

EPO PATSTAT Global (Autumn 2025 Edition) via Google Cloud BigQuery (Projekt: patstat-mtc). Analyse umfasst DE und EP Anmeldungen, die sowohl AI- als auch Diagnostik-IPC-Klassifikationen gleichzeitig tragen.

Intersection-Logik

Jede Anmeldung muss mindestens eine AI-seitige IPC (G06N 3/, 5/, 7/, 20/ oder G06T 1/4) UND mindestens eine Diagnostik-seitige IPC (A61B 3/, 5/, 6/, 8/ oder G16H 30/, 50/) tragen. Anmeldungen mit ausgeschlossenen Klassifikationen (A61B 34/, A61B 1/, G01N) werden entfernt.

Pattern Matching

REGEXP_CONTAINS für variable Leerzeichen in PATSTAT IPC-Codes. Anmelderfilterung mit applt_seq_nr > 0 und COALESCE(han_name, person_name) für harmonisierte Firmennamen.

Kontext

Voranalyse für den Bundesverband Medizintechnologie (BVMed) im Kontext der Hightech-Strategie Deutschland und WIK Discussion Paper No. 535.

Einschränkungen

  • Nur DE + EP Anmeldungen — US, CN, JP Anmeldungen sind nicht enthalten.
  • Utility Models und Designs sind ausgeschlossen (nur Patentanmeldungen, ipr_type = 'PI').
  • 2023-Daten möglicherweise unvollständig aufgrund der ~18-monatigen Veröffentlichungsverzögerung.
  • Siemens Healthcare GmbH und Siemens Healthineers AG werden als getrennte Entitäten gezählt (Pre-/Post-Rebrand).

Stack

PATSTAT BigQuery + patstat-mcp (Custom MCP Server) + Claude AI für Analyse und Visualisierung. Alle SQL-Queries sind enthalten und reproduzierbar.

Glossary — Patent Terms Explained
IPC (Internationale Patentklassifikation)
Hierarchisches System zur Klassifizierung von Patenten nach Technologiebereichen, gepflegt von der WIPO.
G06N
IPC-Hauptgruppe für Computing arrangements based on specific computational models — umfasst Neural Networks (3/), Knowledge-based Systems (5/), Mathematical Models (7/) und Machine Learning (20/).
A61B
IPC-Hauptgruppe für Diagnose, Chirurgie und Identifizierung — umfasst Ophthalmologie (3/), Messungen (5/), Strahlendiagnostik (6/) und Ultraschall (8/).
Intersection-Analyse
Methode, bei der nur Patente erfasst werden, die gleichzeitig Klassifikationen aus zwei verschiedenen Technologiebereichen tragen (hier: AI UND Diagnostik).
PATSTAT
Die Patent Statistical Database des Europäischen Patentamts (EPO). Enthält bibliographische Daten zu Patentanmeldungen weltweit.
Grant Rate
Anteil der Anmeldungen, die letztlich ein Patent erhalten. Für aktuelle Jahre erscheint die Rate niedrig, da die Prüfung 3–5 Jahre dauert.

Alle SQL-Queries und die vollständige Datenbasis stehen zum Download bereit.

Gefällt Ihnen, was Sie sehen?

Dieser Report wurde mit einer vollständig reproduzierbaren Pipeline erstellt: EPO PATSTAT Global auf BigQuery, ein eigener MCP-Server und Claude AI für Analyse und Visualisierung. Alles ist offen und nachvollziehbar — die SQL-Queries sind enthalten.

Individueller Patent-ReportBenötigen Sie eine ähnliche Analyse für Ihren Technologiebereich, Ihr Unternehmen oder Ihre Forschungsfrage? Wir erstellen maßgeschneiderte Patent-Intelligence-Reports.
Die ToolchainMöchten Sie eigene KI-gestützte Patentanalysen durchführen? Wir helfen Ihnen beim Aufbau von PATSTAT auf BigQuery mit MCP-Server-Integration.