Patent Citation Networks Anticipate Technology Lock-In Risk: Multimodal Evidence from China’s Semiconductor Industry

In der hochriskanten Welt der Technologie wird Erfolg oft daran gemessen, wie viel ein Unternehmen produziert und wie oft andere seine Ideen kopieren. Wenn eine Firma viele Patente anmeldet und diese Patente häufig von Wettbewerbern zitiert werden, gilt dies meist als Zeichen von Stärke und Führungskraft. Doch unter diesen sichtbaren Zeichen des Wohlstands lauert eine verborgene Gefahr. So wie ein Reisender vielleicht immer weiter denselben vertrauten Pfad beschreitet, weil er sich sicher anfühlt, selbst wenn bessere Routen sich schließen, kann ein Unternehmen in seiner eigenen Denkweise gefangen geraten. Dieses Phänomen, bekannt als technologischer Lock-in, tritt auf, wenn eine Organisation so abhängig von einem bestimmten Satz an Wissen und Verbindungen wird, dass sie die Fähigkeit verliert, sich anzupassen, wenn sich die Welt verändert. Das Risiko besteht darin, dass ein Unternehmen auf dem Papier unglaublich produktiv erscheinen kann, während seine tatsächliche Kapazität zur Innovation und Neuausrichtung im Stillen verschwindet.

Die Forscher Jilong Zhang und Lei Chen unternahmen den Versuch, einen Weg zu finden, um diese Gefahr zu erkennen, bevor es zu spät ist. Sie konzentrierten sich auf Chinas Halbleiterindustrie, einen Sektor, in dem die Fähigkeit zur schnellen Neuausrichtung entscheidend für die nationale Sicherheit und wirtschaftliche Stabilität ist. Anstatt darauf zu warten, dass die Patentleistung eines Unternehmens sinkt oder seine Zitationen nachlassen – Signale, die oft erst eintreffen, wenn der Schaden bereits angerichtet ist –, fragten sie, ob die Struktur der Verbindungen eines Unternehmens das Problem früher offenbaren könnte. Sie betrachteten das Geflecht der Patentzitationen nicht nur als Aufzeichnung vergangener Leistungen, sondern als eine Karte zukünftiger Möglichkeiten. Durch die Analyse dessen, wie Unternehmen ihre neuen Ideen mit alten verknüpfen und wie sich diese Ideen durch verschiedene Gruppen von Erfindern verbreiten, hoffte das Team, ein Warnsystem zu entwickeln, das die Verengung der Horizonte eines Unternehmens erkennt, während dieses noch mit dem Feiern seines aktuellen Erfolgs beschäftigt ist.

Um diese Idee zu testen, sammelten die Forscher eine gewaltige Sammlung von 541.592 Erfindungspatenten, die zwischen 2001 und 2023 in China angemeldet wurden. Sie zählten nicht einfach, wie viele Patente jedes Unternehmen hatte oder wie oft diese zitiert wurden. Stattdessen bauten sie ein komplexes digitales Modell auf, das drei verschiedene Arten von Informationen gleichzeitig betrachtete. Erstens untersuchten sie die offensichtlichen Zahlen: das Volumen der Patente, die Größe der Teams, die sie erschufen, und die schiere Anzahl der Zitationen. Zweitens lasen sie die Texte der Patentzusammenfassungen, um zu verstehen, welche spezifischen Probleme die Unternehmen zu lösen versuchten und ob sich ihr Fokus weitete oder verengte. Drittens, und am wichtigsten, kartierten sie die verborgene Architektur des Zitationsnetzwerks. Sie nutzten eine Methode, die verfolgt, wie ein Patent mit anderen verbunden ist, und suchte nach Anzeichen dafür, ob ein Unternehmen nur mit sich selbst oder einer kleinen, geschlossenen Gruppe von Gleichgesinnten sprach, anstatt sich nach vielfältigen Wissensgemeinschaften auszustrecken.

Das Team trainierte ein Computermodell, um vorherzusagen, welche Unternehmen schließlich tief in einem einzigen, dominanten technologischen Pfad verfangen sein würden – ein Zustand, den sie als „Lock-in“-Risiko definierten. Sie fanden heraus, dass der genaueste Weg, dieses Risiko aufzuspüren, darin bestand, alle drei Arten von Informationen zu kombinieren. Das Modell, das am besten funktionierte, war eine Form der künstlichen Intelligenz namens Random Forest, die sich hervorragend darin eignet, Muster in unordentlichen, komplexen Daten zu finden. Bei Tests mit Daten, die das Modell zuvor noch nie gesehen hatte, erreichte es einen AUC-Wert von 0,54, während es Fehlalarme vergleichsweise gering hielt. Diese Leistung war signifikant besser als die einfacherer statistischer Methoden, was bewies, dass die verborgene Struktur der Verbindungen lebenswichtige Hinweise liefert, die Rohzahlen allein nicht bieten können.

Eine der beeindruckendsten Entdeckungen war, dass die Struktur des Zitationsnetzwerks Informationen lieferte, die durch Patentzahlen oder Textanalysen nicht ersetzt werden konnten. Selbst wenn ein Unternehmen ein hohes Patentvolumen und einen starken Ruf besaß, konnte das Modell erkennen, ob seine Verbindungen zu eng wurden. Die Netzwerkdaten fungierten wie ein strukturelles Röntgenbild, das offenbarte, ob das Wissen eines Unternehmens frei über verschiedene Felder floss oder ob es wieder auf sich selbst zurückkehrte. Die Forscher stellten fest, dass das Entfernen dieser Netzwerkdaten aus ihrem Modell zu einem starken Abfall der Vorhersagefähigkeit führte, was bestätigte, dass die Art und Weise, wie Ideen miteinander verbunden sind, genauso wichtig ist wie die Ideen selbst.

Die Studie deckte jedoch auch eine entscheidende Einschränkung auf: Dieses Warnsystem funktioniert für große Unternehmen sehr anders als für kleine. Bei großen Einheiten mit langen Patentierungsgeschichten und dichten Zitationsnetzwerken war das Modell äußerst effektiv. Es konnte zuverlässig erkennen, wenn die Suche nach neuem Wissen stagniert. Aber bei kleineren Unternehmen mit weniger Patenten und spärlicheren Verbindungen hatte das Modell Schwierigkeiten, genaue Vorhersagen zu treffen. Die Daten für diese kleineren Akteure waren oft zu dünn, um eine fundierte Diagnose zu unterstützen. Die Forscher kamen zu dem Schluss, dass dieses Werkzeug zwar leistungsstark für die Überwachung etablierter Giganten ist, aber nicht als eigenständige Regel für kleine Startups oder Forschungs-Teams im Frühstadium verwendet werden kann. Für diese muss das Potenzial mit menschlichem Urteilsvermögen und anderen Formen von Evidenz kombiniert werden.

Um diese Erkenntnisse für die reale Entscheidungsfindung nutzbar zu machen, entwickelten die Autoren einen „Technology Lock-in Risk Index“. Dies ist ein Wert von null bis hundert, der die Wahrscheinlichkeit abschätzt, mit der ein Unternehmen im kommenden Jahr in einen Lock-in-Zustand gerät. Der Wert ist nicht nur eine einzelne Zahl; er unterteilt das Risiko in drei Teile und zeigt auf, ob die Gefahr aus dem sichtbaren Output des Unternehmens, den diskutierten Themen oder der verborgenen Struktur seiner Verbindungen resultiert. Ein hoher Wert bedeutet nicht, dass ein Unternehmen gescheitert ist; vielmehr dient er als Frühwarnsignal, das einen tieferen Blick nahelegt. Er deutet darauf an, dass ein Unternehmen zwar weiterhin Ergebnisse liefert, sein Pfad nach vorne jedoch enger wird und es möglicherweise neue Partnerschaften suchen oder andere technologische Wege erkunden muss, um resilient zu bleiben.

Die Studie legt nahe, dass öffentliche Behörden und Branchenführer sich bei der Bewertung der Gesundheit ihrer Innovationssysteme nicht ausschließlich auf traditionelle Kennzahlen wie Patentzahlen verlassen sollten. Indem sie netzwerkbasierte Indikatoren in ihre Monitoring-Dashboards integrieren, können sie strukturelle Schwächen erkennen, bevor sie zu einer Krise führen. Das Ziel ist nicht, Unternehmen für ihren Erfolg zu bestrafen, sondern ihnen zu helfen zu erkennen, wann ihr Erfolg sie starr macht. Für Großkonzerne bedeutet dies, regelmäßig zu prüfen, ob ihre Wissensquellen vielfältig genug sind. Für kleinere Innovatoren bedeutet es, zu verstehen, dass ihr Potenzial in den Patentdaten noch nicht vollständig sichtbar sein kann, was einen differenzierteren Ansatz bei der Bewertung erfordert. Letztendlich bietet die Forschung eine neue Möglichkeit, die unsichtbaren Strömungen des Wissensflusses zu sehen und Gesellschaften dabei zu helfen, das komplexe Gelände des technologischen Wandels mit größerer Weitsicht zu navigieren.