224 Das Streitpatent definiert nicht ausdrücklich, was unter einem Rückkanal sowie unter einem Sprachkanal zu verstehen sein soll, der eine Vielzahl von erkannten Sprachkanälen von einer Vielzahl von Teilnehmerstandorten enthält (vgl. Merkmale

und 1.1.1 sowie

bis

).

225 Aus Sicht des Fachmanns ist ein Rückkanal ein Kommunikationskanal oder Übertragungsweg, auf dem Signale (z.B. Sprachsignale) von den Netzwerkteilnehmern an eine Sendestation (z.B. an eine Kopfstation („Headend“) eines Kabelfernsehnetzwerks) „upstream“ übermittelt werden, d.h. entgegen der Übertragungsrichtung, die beim Transfer der von der Sendestation bereitgestellten Inhalte an die Teilnehmer verwendet wird.

226 Dementsprechend ist ein Sprachkanal ein Kommunikationskanal oder Übertragungsweg eines Kommunikationsnetzwerks, auf dem Sprachinformationen übertragen werden.

227 Darüber hinaus sind aber auch die auf einem Rückkanal übermittelten Informationssignale oder Informationen selbst als Rückkanal anzusehen (bzw. als Sprachkanal, falls diese auch Sprachinformationen umfassen). So ist dem Streitpatent beispielsweise zu entnehmen, dass ein Rückkanal in einer Uplink-Kommunikation enthalten sein, empfangen und an einen Spracherkennungsrechner geliefert werden kann, und dass ein Spracherkennungssystem erkannte Sprachkanäle verarbeitet (Streitpatentschrift, Absätze [0163], [0164], [0166], [0258], [0263]; s. auch Merkmale 1.2.1, 1.2.3,

, 13.5.1).

228 Die in Merkmal 1.1.1 genannten „identified speech channels “ sind Sprachkanäle, die entsprechend dem Sinngehalt des Begriffs „identified“ insbesondere erkannt, festgelegt, ermittelt, bestimmt oder gekennzeichnet worden sind; sie werden nach dem Empfang des Rückkanals (vgl. Merkmale 1.2.1,

) in „received identified speech channels“ aufgeteilt (Merkmale 1.2.2 und

) und liegen bereits vor, bevor die eigentliche Spracherkennung gemäß den Merkmalen 1.2.3 und 13.5.1 durchgeführt worden ist.

229 Ein Leitungsknoten („wireline node“, vgl. Merkmale 1.1.2, 13.2) ist vor dem Hintergrund von Absatz [0005] der Streitpatentschrift insbesondere als ein Netzwerkknoten anzusehen, der Video- oder Kabelfernsehdienste für mehrere Teilnehmer über physische Leitungen (z.B. Kabel) erhält und/oder bereitstellt, wie dies beispielsweise bei einem Headend eines Kabelfernsehnetzwerks der Fall sein kann (vgl. Streitpatentschrift, Figur 1 i. V. m. Absätzen [0008], [0012], [0016]).

230 Ein Aufteilen des empfangenen Rückkanals in eine Vielzahl empfangener erkannter Sprachkanäle („partitioning said received back channel into a multiplicity of received identified speech channels“, vgl. Merkmale 1.2.2 und

) interpretiert der Fachmann derart, dass Sprachinformationen bzw. Sprachinformationssignale, die auf dem Rückkanal als Datenstrom übertragen und empfangen worden sind, in einzelne Sprachinformationsabschnitte aufgetrennt, segmentiert oder zerlegt oder in verschiedene Gruppen eingeteilt werden.

231 Was unter einem erkannten Sprachinhalt („recognized speech content“, vgl. Merkmale 1.2.3 und 13.5.1) zu verstehen sein soll, der aus der Verarbeitung der erkannten Sprachkanäle resultiert, erläutert das Streitpatent nicht. Der Beschreibung des Streitpatents ist in diesem Zusammenhang zu entnehmen, dass zur Sprachverarbeitung eine Grammatik verwendet wird (Absatz [0098]) und als Spracherkennungsergebnisse Worte, Anfragen, Textstrings oder Phrasen ausgegeben werden (vgl. Absätze [0036] bis [0038], [0041], [0042] - „Thus, when a command is spoken and recognized the system returns the key word “; Absätze [0088], [0112] - „recognition of a spoken request “; Absätze [0111], [0116] bis [0119] - „recognized text string “, „By displaying the text of the possible recognition results […]“, „recognized phrase “).

232 Der Fachmann versteht daher unter dem „erkannten Sprachi nhalt “ Informationen, die bereits in den an das Spracherkennungssystem übertragenen Sprachsignalen enthalten sind, und die von diesem ermittelt und in einer bestimmten Repräsentation - z.B. als Wort, Wortfolge oder Textstring - ausgegeben werden.

233 Aus Sicht des Fachmanns ist dieser „erkannte Sprachinhalt“ mit dem in den Merkmalen 1.2.5 und 13.5.3 genannten Begriff „erkannte Sprache “ („recognized speech“) zu identifizieren, da sich beide Begriffe auf das Ergebnis einer Sprachverarbeitung durch ein Spracherkennungssystem beziehen und eine solche Verarbeitung nur in Merkmal 1.2.3 bzw. 13.5.1 des erteilten Patentanspruchs 1 bzw. 13 vorgenommen wird.

234 Ferner ist festzuhalten, dass sämtliche Spracherkennungsoperationen, auf die Merkmal 1.2.3 Bezug nimmt, gemäß dem Wortlaut des erteilten Patentanspruchs 1 von dem in Merkmal 1.1.2 genannten Spracherkennungssystem an dem Leitungsknoten ausgeführt werden (vgl. Merkmal 1.2.3: „processing […] with said speech recognition system to create corresponding recognized speech content“) - denn von einem anderen Spracherkennungssystem ist im erteilten Patentanspruch 1 nicht die Rede.

235 Im Übrigen lässt das Streitpatent auch nicht darauf schließen, dass ein bestimmter erkannter Sprachinhalt zusätzlich auch noch von einem (weiteren) Spracherkennungssystem ermittelt wird, das sich außerhalb des Leitungsknotens befindet, der die Sprachverarbeitung und -erkennung gemäß den Merkmalen 1.1.2 und 1.2.3 ausführt. Zwar finden gemäß den Absätzen [0064], [0065] und [0091] Vorverarbeitungsoperationen an dem Teilnehmerstandort statt, aber das Streitpatent subsumiert diese Operationen nicht unter eine Spracherkennung (vgl. Absätze [0097] bis [0111] - der Sprachprozessor der Speech-Engine, der den im ersten Satz von Absatz [0108] angesprochenen ersten Spracherkennungsschritt sowie die sich gemäß Absatz [0109] daran anschließende, in Absatz [0111] beschriebene Spracherkennung ausführt, befindet sich an dem Leitungsknoten). Auch bei dem in Figur 21 gezeigten Netzwerk wird die Sprachverarbeitung für die Headends 100 und 106 und die Knoten 120 und 124 jeweils von genau einem der mit den Bezugszeichen 1410 gekennzeichneten „augmentierten“ Headends ausgeführt; für das in Figur 22 gezeigte Netzwerk gilt Entsprechendes (Streitpatentschrift, Absätze [0235], [0242]).

236 Somit ist Merkmal 1.2.3 derart zu verstehen, dass die darin genannten Spracherkennungsoperationen ausschließlich von dem mit Merkmal 1.1.2 beanspruchten Spracherkennungssystem an dem Leitungsknoten ausgeführt werden.

237 Ein Unterhaltungs- bzw. ein Informationsdienst (vgl. Merkmale 1.2.5, 13.5.3) ist aus fachmännischer Sicht zunächst einmal eine Funktionalität eines Kommunikationsnetzwerks, die der Bereitstellung und Übermittlung bestimmter Daten (z.B. von Videos, Filmen, Fernsehprogrammen, Informationen zu einem Online-Einkauf oder Internetinhalten) zur Unterhaltung bzw. zur Information von Netzwerkteilnehmern dient (vgl. Streitpatentschrift, Absatz [0035]).

238 Eine Lieferung von Unterhaltungs- und Informationsdiensten („delivery of entertainment and information services“, vgl. Merkmale 1.2.5, 13.5.3) umfasst aus fachmännischer Sicht sowohl die Übermittlung als auch dem Empfang von Daten an einen bzw. einem Teilnehmerstandort durch mindestens einen Unterhaltungs- und mindestens einen Informationsdienst. Diese Daten können z.B. im Fall eines Textdienstes Nachrichtenartikel sein (vgl. NK9, Spalte 5, Zeile 46 und 47 - „text services such as news articles […]“), aber auch Videos oder Programmführerinformationen, falls der Dienst ein Video-on-Demand-Dienst ist oder ein elektronischer Programmführer mittels des Dienstes übertragen wird. Bei einer Lieferung eines Unterhaltungs- bzw. Informationsdienstes können nach fachmännischem Verständnis auch Daten übermittelt oder empfangen werden, die ein Programm repräsentieren, das benötigt wird, um einen solchen Dienst ausführen zu können (z.B. eine elektronische Programmführersoftware, die auf einer Set-Top-Box installiert werden soll).

239 Eine individuelle Kontrolle der Lieferung eines Dienstes an jeden Teilnehmerstandort („individually controlling the delivery […] to each user site“, vgl. Merkmale 1.2.5, 13.5.3) in Übereinstimmung mit der erkannten Sprache liegt etwa dann vor, wenn jeder einzelne Teilnehmer durch seine mündlichen Äußerungen die Art der Daten oder deren Bedeutungsinhalt bestimmt, die durch den Dienst an seinen Standort übermittelt werden, oder wenn jeder Teilnehmer beeinflusst, wie diese Daten an seinen Standort und/oder die Standorte der anderen Teilnehmer gesendet oder dort empfangen werden.

240 Ein Prozessor gemäß den Merkmalen

bis 13.5.3 ist eine Komponente, die Daten verarbeitet und Mittel umfasst, die den in den Merkmalen 13.5.1 bis 13.5.3 aufgezählten Zwecken dienen (vgl. auch BGH, Urteil vom 3. August 2021, X ZR 71/19, juris und GRUR 2021, 1375 – Bediengerät für Spiele, Rn. 79).

241 Unter einem „genannten zugeordneten Teilnehmerstandort “ („said associated user site“) im Sinne der Patentansprüche 2 und 14 des Streitpatents versteht der Fachmann einen der in Merkmal 1.1.1 bzw.

genannten Teilnehmerstandorte, da die Patentansprüche 1 bzw. 13 keine anderen Merkmale enthalten, die sich auf einen Teilnehmerstandort beziehen. Ein Teilnehmerstandort kann ein Raumbereich sein, der eine Set-Top-Box enthält oder mittels einer Raumnummer oder Adressangabe identifiziert werden kann (vgl. Streitpatentschrift, Absatz [0007] - „Each user site contains a Set Top Box“; Absatz [0184] - „[…] may identify the user site as Room 432 or 10 Main Street“), oder auch eine Set-Top-Box selbst (vgl. Absatz [0258] - „speech channels from multiple user sites (STBs) 1100 “; Absatz [0063] - „A given residence may include more than one set-top box 1100, each of which has a distinct address in the network […] Each constitutes a distinct user site “).

244 Die Druckschrift NK11 betrifft interaktive Fernsehsysteme und stellt Mittel und Verfahren vor, wie ein Server verwendet werden kann, um Informationen, die von einem Teilnehmer zur Verfügung gestellt werden, in ein Datenformat zu konvertieren, das von einer interaktiven Fernsehanwendung verwendet werden kann (NK11, Seite 1, Zeile 8 bis 10).

245 In der Einleitung der NK11 ist ausgeführt, dass interaktive Fernsehsysteme Nutzerinteraktionen unterstützen und es daher den Fernsehteilnehmern ermöglichen, eine Vielzahl von Produkten und Diensten zu bestellen, Informationen zu bestimmten Fernsehprogrammen anzufordern oder elektronische Nachrichten zu versenden (Seite 1, Zeile 13 bis 18).

246 Konkret ist ein System zur Verteilung interaktiver Fernsehanwendungen und Fernsehprogramme an eine Reihe von Teilnehmern bzw. Zuschauern beschrieben, wobei die Sendungen insbesondere auch über ein Kabelfernsehnetzwerk - also kabelgebunden – an deren Empfangsstationen 20 übertragen werden können (Figur 1 i. V. m. Seite 5, Zeilen 1 und 2 - „a system for distribution of interactive television programs […] to a series of viewers “ sowie Seite 5, Zeile 27 bis 28 - „any broadcast medium (e.g., CATV […]) may be used“; „CATV“ = „cable television“). Das System erlaubt es einem Teilnehmer, digitalisierte Bilddaten eines Grafiktabletts (Seite 4, Zeile 30 bis 32; Claims 18, 20 und 21) oder Sprachdaten, die auf den von einem Mikrofon erfassten mündlichen Äußerungen des Teilnehmers basieren (Seite 2, Zeile 15 bis 18, Seite 3, Zeile 20 bis 24; Seite 10, Zeile 20 bis 27; Claims 18 und 22), über seine Set-Top-Box 22 als „nicht-textuelle“ Daten an einen an einer Sendestation 10 angeordneten Server 13 zu übertragen. Dieser verwendet eine Spracherkennungssoftware, um die Sprachdaten in Textdaten zu konvertieren, die anschließend an die Set-Top-Box eines jeweiligen Teilnehmers zurückgeschickt und dort angezeigt werden (Seite 3, Zeilen 20 bis 24; Seite 5, Zeilen 6 bis 8; Seite 10, Zeilen 20 bis 27). Als Rückkanal („return path“) zur Übertragung der Sprachdaten an die Sendestation wird insbesondere ein Datenübertragungsweg verwendet, der einen Teil der Bandbreite eines Rundfunkkanals umfasst und von den Set-Top-Boxen der Teilnehmer über das Kabelfernsehnetzwerk und den Demultiplexer 18 zu dem Server 13 hin verläuft (Claims 1, 4 und 6 - „wherein said return path comprises a portion of the bandwidth of the broadcast channel; Figur 1 i. V. m. Seite 5, Zeile 27 und 28 sowie Seite 8, Zeilen 13 bis 16).

247 Somit zeigt die Druckschrift NK11 ein Verfahren zur Verwendung eines Rückkanals (Merkmal

).

248 Es ist selbstverständlich, dass in einem Kabelfernsehnetzwerk grundlegende Benutzerschnittstellenfunktionen nicht nur für einen einzigen, sondern für eine große Anzahl von Nutzern implementiert werden. Dies bedeutet im vorliegenden Fall, dass die Sprachdaten mehrerer Teilnehmer über den Rundfunk-Rückkanal gesendet werden, so dass dieser auch eine Vielzahl von Sprachkanälen von einer Vielzahl von Teilnehmerstandorten enthält. Dass die Sprachdaten vor ihrer Übermittlung festgelegt worden sein müssen und somit „identified speech channels“ im Sinne von Merkmal 1.1.1 sind, ist selbstverständlich.

249 Der Server 13, der insbesondere die Spracherkennung ausführt, befindet sich an der Sendestation 10, die ein kabelgebundener Leitungsknoten eines Kabelfernsehnetzwerks ist (vgl. Figur 1 sowie Seite 5, Zeilen 6 und 7 sowie Zeilen 27 und 28; Merkmal 1.1.2).

250 Die Sprachdaten, die auf dem Rückkanal an den Server 13 übertragen worden sind, werden durch eine Spracherkennungssoftware in Textform konvertiert (Seite 10, Zeilen 25 und 26); dazu müssen sie selbstverständlich zuvor netzwerkseitig empfangen worden sein (Merkmale

, 1.2.1 und 1.2.3). Als Reaktion auf die Spracherkennung kann der von dem Spracherkennungssystem ermittelte Text - dieser repräsentiert den Inhalt der gesprochenen Äußerungen des Teilnehmers - an die Set-Top-Boxen der Teilnehmer geschickt und dort angezeigt oder von beliebigen interaktiven Anwendungen verwendet werden (vgl. Abstract; Claims 1 und 2; Seite 2, Zeilen 33 und 34; Seite 10, Zeile 26; Merkmal 1.2.4).

251 Weiterhin zeigt die Druckschrift NK11, dass ein Demultiplexer 18 in dem Rundfunk-Rückkanal des in Figur 1 dargestellten Systems angeordnet ist. Dem Fachmann ist bewusst, dass auf einem solchen Kanal Sprachinformationen übertragen werden, indem Zeitmultiplexverfahren wie beispielsweise TDMA-Verfahren („TDMA“ = „Time Division Multiple Access“) zum Einsatz kommen. Solche Verfahren hatten bereits vor den beiden Prioritätszeitpunkten Einzug in einen europäischen Telekommunikationsstandard gefunden; dabei werden Sprachdatenpakete verschiedener Teilnehmer in aufeinanderfolgenden Zeitschlitzen vermischt („multiplext“) auf demselben Kanal gesendet und anschließend wieder aufgeteilt („demultiplext“; vgl. NK16, Abschnitt 4.2, Seite 9 - „Interaction Channel (IC): A bi-directional IC is established between the service provider and the user for interaction purposes. It is formed by […] Return Interaction path […] Also commonly known as return channel “; Abschnitt 5 i. V. m. Seiten 10 bis 13, insbesondere Figuren 2 und 3, Abschnitt 5.1, erster und zweiter Absatz sowie Abschnitt 5.1.3, insbesondere vierter, vorletzter und letzter Absatz - „Within upstream channels, users send packets with TDMA type access. This means that each channel is shared by many different users “; „There are different access modes for the upstream slots: […] reserved slots with fixed rate reservation […] e.g., for voice, audio “ […] These slots may be mixed on a single carrier […]“).

252 Der Fachmann wird daher erkennen, dass der Demultiplexer 18 der Aufteilung der Sprachdatenpakete verschiedener Teilnehmer dient, die im Rahmen eines solchen TDMA-Verfahrens auf dem Rundfunk-Rückkanal des Kabelfernsehsystems zu dem Server 13 gesendet worden sind. Von anderen Daten, die auf diesem Rückkanal übertragen werden, ist in NK11 auch nicht die Rede.

253 Somit entnimmt der Fachmann unter Zuhilfenahme seines Fachwissens der Druckschrift NK11 auch das Merkmal 1.2.2.

254 Bereits das Zurücksenden der erkannten Texte an die Set-Top-Boxen und das Bereitstellen dieser Texte zur Verwendung in einer bestimmten interaktiven Anwendung kann als eine individuelle Kontrolle der Lieferung eines jeweiligen Informationsdienstes im Sinne von Merkmal 1.2.5 angesehen werden. Denn dabei beeinflussen die einzelnen Teilnehmer die Textdaten, die von dem Spracherkennungssystem ermittelt und an die Teilnehmer transferiert werden, individuell durch ihre sprachlichen Äußerungen. NK11 führt mehrere solche interaktiven Anwendungen im Kontext einer Handschriftenerkennung an, nämlich einen E-Mail-, einen Fax- und einen elektronischen Einkaufsdienst (Seite 9, Zeile 23 bis Seite 10, Zeile 19). Dass diese Anwendungen anstelle handschriftlicher Texteingaben genausogut auch gesprochene Äußerungen der Teilnehmer verarbeiten können, ist dem Fachmann aufgrund der Claims 1, 7 und 11 sowie 18 bis 22 der NK11 klar, denn diese sehen Sprach- und Handschriftenerkennung jeweils als Alternativen vor.

255 Somit entnimmt der Fachmann der Druckschrift NK11 zumindest eine „individuelle Kontrolle der Lieferung von Informationsdiensten in Übereinstimmung mit der erkannten Sprache zu jedem Teilnehmerstandort“ (Teilmerkmal von Merkmal 1.2.5).

256 Eine „individuelle Kontrolle der Lieferung von Unterhaltungsdiensten in Übereinstimmung mit der erkannten Sprache zu jedem Teilnehmerstandort“ (restliches Teilmerkmal von Merkmal 1.2.5) geht allerdings nicht unmittelbar aus NK11 hervor.

257 Der Fachmann gelangt auch zu dem restlichen Teilmerkmal von Merkmal 1.2.5, ohne erfinderisch tätig zu werden.

258 So kann das in Druckschrift NK11 beschriebene System in etlichen interaktiven Anwendungen verwendet werden, die auf einer Set-Top-Box ablaufen (Seite 9, Zeile 23 i. V. m. Claim 1 und Seite 2, Zeile 33 und 34). Das bedeutet, dass diese Anwendungen die von dem Server 13 bereitgestellten Textdaten verwenden.

259 Aus NK11 geht ferner hervor, dass ein Teilnehmer mittels solcher interaktiver Anwendungen Informationen zu bestimmten Programmen anfordern oder im Rahmen eines elektronischen Einkaufsdienstes Produkte oder Dienste kaufen kann, indem er entsprechende Menüeinträge auswählt (Seite 1, Zeile 17 und 18; Seite 1, Zeile 38 bis Seite 2, Zeile 5; Spalte 10, Zeile 2 und 3 sowie Zeile 14 bis 19). Diese Produkte oder Dienste können selbstverständlich auch Datenfolgen - z.B. Videos oder elektronische Zeitschriftenartikel - sein, die dem Teilnehmer zu Informations- und Unterhaltungszwecken über das Kabelfernsehnetzwerk elektronisch übermittelt werden.

260 Für den Fachmann liegt es daher auf der Hand, die von dem Server 13 bereitgestellten Textdaten auch in interaktiven Einkaufsdienstanwendungen zur menügesteuerten Auswahl von elektronisch übermittelten Produkten oder Diensten im Rahmen einer über die Set-Top-Box ausgeführten Kauftransaktion zu verwenden. Das bedeutet, dass ein jeweiliger Teilnehmer durch seine mündlichen Äußerungen die Art und den Bedeutungsinhalt der gekauften Datenfolgen bestimmt, sodass dabei insbesondere eine „individuelle Kontrolle der Lieferung von Unterhaltungsdiensten in Übereinstimmung mit der erkannten Sprache zu jedem Teilnehmerstandort“ gemäß dem restlichen Teilmerkmal von Merkmal 1.2.5 vorgenommen wird (s.o., Abschnitt II.4.6).

261 Die Beklagte argumentiert, die NK11 offenbare keinen Rückkanal, der mehrere Kanäle umfasst und an einem netzwerkseitigen Spracherkennungssystem eingegeben wird. Der Fachmann könne allenfalls mitlesen, dass der DEMUX-Block 18 funktional zum MUX-Block 17 gehört und zur Trennung eines Sprachsignals von üblichen rückwärtsgerichteten Kontrollsignalen (z.B. ACK/NACK-Signalen) anderer „gemuxter“ Sendequellen (wie etwa der „TV Program Source 11“ und der „Application Source 12“) verwendet werden kann, und dass die im Downstream-Rundfunkkanal gesendeten Rücksignale (z.B. der „Application Source 12“) durch den DEMUX-Block 18 vom Sprachsignal mit der zu transkribierenden Information getrennt werden müssen.

262 Des Weiteren werde in NK11 allein eine Transkription vorgenommen, d.h. eine Transformation einer gesprochenen Sprache in eine textualisierte Sprache bzw. eine „blinde“ Übersetzung der nicht-textuellen Information in eine textuelle Information, aber keine Spracherkennung, die sich auf einen anspruchsgemäßen Sprach inhalt richtet.

263 Es sei auch nicht offenbart, eine Informationsbereitstellung auf Basis der Sprachdaten zu einer Vielzahl von Nutzerstandorten netzwerkseitig zu steuern. Eine netzwerkseitige Kontrolle mit einer allein für die Set-Top-Box sinngebenden Information sei nicht möglich, da der Server 13 keine Kopplung zur „TV Program Source 11“ und zur „Application Source 12“ aufweise, so dass die Sprachübertragung als autonomer, geschlossener, vom TV-Netzwerk unabhängiger Kreis offenbart sei. Ein Anlass, eine netzwerkseitige Kontrolle in den Blick zu nehmen, ergebe sich für den Fachmann nicht.

264 Diese Argumente vermögen nicht zu überzeugen.

265 Zwar ist der Beklagten insoweit zuzustimmen, dass die NK11 nicht ausdrücklich davon spricht, dass ein mehrere Sprachkanäle umfassender Rückkanal in ein netzwerkseitiges Spracherkennungssystem eingegeben wird.

266 Jedoch ist es unrealistisch, dass in einem Kabelfernsehsystem Benutzerschnittstellenfunktionalitäten - wie z.B. die Eingabe von gesprochener Sprache über eine Fernbedienung oder die Anzeige der von einem Spracherkennungssystem ermittelten Texte - ausschließlich für einen einzigen Teilnehmer vorgesehen sein sollen. Dass die in NK11 dargestellte Erfindung für mehrere Empfangsstationen mehrerer Teilnehmer konzipiert ist, ergibt sich bereits anhand der Hinweise auf Seite 5, Zeile 1, 2 und Zeile 22 bis 24 sowie aus dem Umstand, dass ein Server (hier: der Spracherkennungsserver 13) immer mehrere „Clients“ (hier: mehrere Set-Top-Boxen) bedient. Wenn der in NK11 beschriebene Rundfunk-Rückkanal zum Einsatz kommt, müssen also die Sprachdaten mehrerer Teilnehmer über diesen Kanal übertragen werden. Die Erkenntnis, dass diese Übertragung üblicherweise mittels eines Zeitmultiplex-Verfahrens bewerkstelligt werden kann, bei dem einzelne Sprachdatenpakete netzwerkseitig aufgeteilt („demultiplext“) werden, wofür sich gerade der Demultiplexer 18 anbietet, beruht lediglich auf dem Fachwissen des Fachmanns.

267 Es ist auch nicht plausibel, dass der DEMUX-Block 18 zur Trennung eines (einzigen) Sprachsignals von rückwärtsgerichteten Kontrollsignalen der „TV Program Source 11“ oder der „Application Source 12“ verwendet wird. Denn dafür, dass solche Kontrollsignale von diesen beiden Quellen gesendet werden, liefert die NK11 keinerlei Anhaltspunkt; zudem sind Kontrollsignale wie z.B. die von der Beklagten angeführten ACK/NACK-Bestätigungssignale („ACK“/„NACK“ = „acknowledgement“/„negative-acknowledgement“) üblicherweise an die sendende Einheit - also hier eine der Quellen 11 oder 12 - gerichtet, wohingegen das Signal, das den DEMUX-Block 18 gemäß Figur 1 der NK11 verlässt, an den Server 13 gesendet wird. Dieser ist gemäß Figur 1 gerade nicht mit den Quellen 11 oder 12 verbunden.

268 Des Weiteren sind die Texte, die von dem Spracherkennungssystem der NK11 ausgegeben werden, durchaus als erkannte Sprach inhalte anzusehen, da sie die gesprochenen Äußerungen der Teilnehmer, die in den über den Rückkanal an das Spracherkennungssystem übertragenen „nicht-textuellen“ Daten enthalten sind, in einer anderen - einer „textuellen“ - Repräsentation darstellen. Zudem ist nicht erkennbar, dass die beanspruchte Spracherkennung über die gemäß NK11 vorgenommene Spracherkennung hinausgeht, da diese beiden Spracherkennungsverfahren Worte und Textstrings ausgeben (s.o., Abschnitt II.4.5 bzw. NK11, Seite 3, Zeile 23 - „textual data“).

269 Ferner trifft es zwar zu, dass NK11 nicht unmittelbar zeigt, dass die Quellen 11 und 12 auf Basis der erkannten Sprachinhalte gesteuert werden. Jedoch ist damit ein Vorliegen von Merkmal 1.2.5 noch nicht ausgeschlossen. Denn ein Teilnehmer bestimmt gemäß NK11 durch seine individuellen Äußerungen, die er im Rahmen der Ausführung einer jeweiligen interaktiven Anwendung tätigt, sowohl den Bedeutungsinhalt als auch den Übermittlungszeitpunkt der Textdaten, die von dem Server 13 an seinen Standort übermittelt werden. Dadurch beeinflusst er die netzwerkseitige Bereitstellung der Informationen, die an ihn im Rahmen des Dienstes übertragen werden, der der interaktiven Anwendung entspricht (s.o., Abschnitt II.4.6). Da die bereitgestellten Textdaten naturgemäß von den gesprochenen Äußerungen abhängen, erfolgt die Informationsbereitstellung auch in Übereinstimmung mit dem erkannten Sprachinhalt, wie mit Merkmal 1.2.5 beansprucht. Zudem liefert die NK11 - wie oben dargelegt - auch einen konkreten Anlass, die Lieferung von elektronisch übermittelten Unterhaltungs- und Informationsdiensten netzwerkseitig zu beeinflussen.

bis 13.5.3 angesehen werden (s.o., Abschnitt II.4.7).

273 Somit enthält der Patentanspruch 13 nichts, womit eine erfinderische Tätigkeit begründet werden könnte.

276 Patentanspruch 2 fügt der Lehre von Patentanspruch 1 mindestens einen der folgenden fünf Teilschritte hinzu:

277 determining said associated user site (1100) from said received identified speech channel;

278 determining said associated user site (1100) from said recognized speech content;

279 determining said associated user site (1100) from said recognized speech content and a speaker identification library;

280 determining said associated user site (1100) from said recognized speech content and a speech recognition library; and

281 determining said associated user site (1100) from an identification

282 within said speech channel.

283 Die einzelnen Teilschritte beschreiben verschiedene Möglichkeiten zur Bestimmung, Festlegung oder Ermittlung des „zugeordneten“ Teilnehmerstandorts („determining said associated user site from […]“). Zwar nimmt der erteilte Patentanspruch 1 nicht auf einen „zugeordneten“ Teilnehmerstandort Bezug, jedoch ist aus dem Gesamtzusammenhang der streitpatentgemäßen Lehre unmittelbar ersichtlich, dass unter einem solchen Standort einer der in den Merkmal 1.1.1 und 1.2.5 genannten Teilnehmerstandorte („user sites“) zu verstehen sein muss.

284 Unter einer “identification within said speech channel” gemäß dem fünften Teilschritt versteht der Fachmann insbesondere eine Kennzeichnung, die zusammen mit den Sprachinformationen mindestens eines Teilnehmers auf einem Sprachkanal übertragen wird. Auch ein Rundfunk-Rückkanal eines Kabelfernsehsystems, auf dem Sprachinformationen übertragen werden, bildet einen solchen Sprachkanal.

285 Die Merkmale des Patentanspruchs 2 können keine erfinderische Tätigkeit begründen.

286 4.2.1 So wird sich der Fachmann ausgehend von der Lehre der Druckschrift NK11 zur Implementierung der Übertragung der Sprachdatenpakete auf dem Rundfunk-Rückkanal insbesondere auf etablierte Vorgehensweisen zur technischen Realisierung des Rundfunk-Rückkanals stützen, wie sie etwa in gängigen Telekommunikationsstandards zum Einsatz kommen. In diesem Zusammenhang findet er in Druckschrift NK16, einer Beschreibung der Implementierung des Interaktionskanals für Kabelfernsehsysteme gemäß dem ETS-Standard, den Hinweis, dass die MAC- und NSAP-Adressen der Set-Top-Boxen - also bestimmte Kennzeichnungen - herangezogen werden, um die von verschiedenen Teilnehmern auf dem Rückkanal übertragene Informationen netzwerkseitig zu unterscheiden (NK16, Abschnitt 5.1.3, erster und zweiter Absatz - „Two addresses are stored in STBs in order to identify users on the network: MAC address […] NSAP address“, „Upstream information may come from any user in the network and shall therefore also be differentiated at the INA using the set of addresses defined above“; „INA“ = „interactive network adapter“, vgl. Seite 7 unten sowie Figur 2).

287 Für den Fachmann liegt es daher auf der Hand, die MAC- und/oder NSAP-Adresse(n) auf dem Rückkanal zusammen mit den Sprachdatenpaketen des Teilnehmers - z.B. als Bestandteile der Paket-Header - an die Sendestation 10 zu übertragen, so dass die Sprachdaten der einzelnen Teilnehmer durch diejenigen Einheiten der Sendestation 10 unterschieden werden können, die zur Verarbeitung der Sprachdatenpakete vorgesehen sind.

288 Im Übrigen muss auch in der Sendestation 10 eine Information darüber vorhanden sein, an welchen Teilnehmer die Ergebnisse eines jeweiligen Spracherkennungsvorgangs zu übermitteln sind. Dazu ist es zweckmäßig, entsprechende Identifikationsinformationen des zugehörigen Teilnehmers bzw. der zugehörigen Set-Top-Box zusammen mit den Sprachdaten über den Rück- bzw. Sprachkanal zu senden.

289 Auf diese Weise kommt der Fachmann ausgehend von Druckschrift NK11 in naheliegender Weise zum fünften Teilschritt des Patentanspruchs 2.

290 4.2.2 Der NK11 ist ferner ein Ausführungsbeispiel zu entnehmen, bei dem der Teilnehmer im Rahmen eines elektronischen Einkaufsdienstes eine Lieferadresse („shipping address“) in „nicht-textueller“ Form über ein Grafiktablett eingibt. Zumindest wenn der Teilnehmer für sich selbst einkauft, stimmt die Lieferadresse mit der Adresse des Teilnehmers und dem Standort seiner Set-Top-Box überein, so dass sie einen Teilnehmerstandort im Sinne von Patentanspruch 1 bezeichnet. Der Server 13 konvertiert die Adresse in einen Text und sendet diesen an die auf der Set-Top-Box ausgeführte Einkaufsdienstanwendung, um ihn an dem Teilnehmerstandort anzuzeigen (NK11, Seite 10, Zeile 14 bis 19 i. V. m. Seite 1, Zeile 38 bis Seite 2, Zeile 5, Spalte 2, Zeile 33 bis 34 sowie Claims 1, 2 und 7 bis 10).

291 Als Alternative zur Informationseingabe mittels des Grafiktabletts lehrt die NK11, dass der Teilnehmer die in Textdaten zu konvertierenden Informationen auch in ein Mikrofon sprechen kann (vgl. Seite 10, Zeile 20 bis 27 i. V. m. Claims 1 und 11). Das bedeutet, dass der Teilnehmer der Einkaufsdienstanwendung seine Adresse auch in gesprochener Form zuführen kann.

292 In diesem Fall wird der Teilnehmer die Textdaten, die ihm auf die netzwerkseitige Sprachverarbeitung hin angezeigt werden, auf Genauigkeit und Richtigkeit überprüfen (vgl. NK11, Seite 10, Zeile 26 und 27 - „The textual data is returned to the set-top box, where it can be displayed to the user. The user can […] confirm that the text has been accurately generated from the voice data“). Im Zuge dieser Überprüfung muss er gedanklich die Information ermitteln, die die Textdaten repräsentieren. Diese Information ist sein eigener Standort, falls der angezeigte Text seine korrekte Adresse darstellt.

293 Zudem ist es selbstverständlich, dass auch die elektronische Einkaufsdienstanwendung die von dem Server 13 in Textform übermittelte Lieferadresse auf Plausibilität überprüft (etwa um unvollständig erkannte Adressinformationen von einer Weiterverarbeitung auszuschließen) und erst danach die tatsächliche, „endgültige“ Lieferadresse - und damit den Standort des Teilnehmers - festlegt. Denn nur auf diese Weise ist gewährleistet, dass die von dem Teilnehmer erworbenen Produkte in jedem Fall an den korrekten Bestimmungsort geliefert werden (vgl. auch NK11, Seite 9, Zeile 27 bis 29 - „convert the entire image to text and then parse the text to determine the recipient’s address“ für den Fall der Weiterverarbeitung der erkannten Texte zur Festlegung einer E-Mail-Adresse).

294 Alles in allem kann somit ausgehend von NK11 auch ein Naheliegen des zweiten Teilschritts des Patentanspruchs 2 begründet werden.

295 4.2.3 Die Beklagte ist der Auffassung, gemäß NK11 basiere die Erkennung der Versandadresse nicht auf einer netzwerkseitigen Erkennung eines Sprachinhalts, sondern lediglich auf einer Erkennung der Textzeichen, aus denen die Adresse besteht. Wie die Versandadresse erkannt werde, sei nicht offenbart; jedenfalls solle dies in jedem Fall auf der Set-Top-Box erfolgen.

296 Diese Argumentation greift nicht durch.

297 Denn mit Patentanspruch 2 („determining said associated user site […]“) ist keine netzwerkseitige Erkennung einer Versandadresse, sondern eine Bestimmung, Festlegung oder Ermittlung des Teilnehmerstandorts beansprucht, die an einem beliebigen Ort vorgenommen werden kann und gemäß dem zweiten Teilschritt von Patentanspruch 2 auf den erkannten Sprachinhalten beruht („from said recognized speech content“). Dies ist - wie oben in Abschnitt III.4.2.2 ausgeführt - aus der Lehre der NK11 abzuleiten. Zu dem Aspekt der netzwerkseitigen Erkennung von Sprachinhalten wird im Übrigen auf die Abschnitte III.1.2 und III.1.3 (s.o.) verwiesen.

298 Die vorstehenden Überlegungen aus Abschnitt III.4.2 gelten entsprechend für die Merkmale von Patentanspruch 14, die somit ebenfalls keine erfinderische Tätigkeit begründen können.

302 Patentanspruch 1 nach Hilfsantrag 1 unterscheidet sich von dem erteilten Patentanspruch 1 dadurch, dass auf Merkmal 1.2.5 noch das Merkmal

303 1.2.6 wherein the entertainment and information services comprise a Video- On-Demand service and an Interactive Program Guide.

304 folgt.

305 Dieses Merkmal führt mit einem Video-on-Demand-Dienst und einem interaktiven Programmführer spezielle Unterhaltungs- und Informationsdienste an, deren Lieferung gemäß Merkmal 1.2.5 individuell kontrolliert werden soll. Ein Video-on-Demand-Dienst ist aus fachmännischer Sicht eine Funktionalität eines Kommunikationsnetzwerks, die es ermöglicht, Videos auf Teilnehmeranfragen hin bereitzustellen.

306 Der Gegenstand von Patentanspruch 1 nach Hilfsantrag 1 beruht ausgehend von Druckschrift NK12 auf keiner erfinderischen Tätigkeit.

307 1.2.1 Die NK12 wurde im August 1995 - also vor dem ältesten Prioritätszeitpunkt - veröffentlicht und bildet daher Stand der Technik.

308 1.2.2 In NK12 sind Methoden zur Verwendung von Spracherkennung beschrieben, um Fernsehbilder, Audiodaten und sonstige Daten auszuwählen oder zu verändern, die über ein Kabelfernsehsystem an einen Teilnehmer übertragen werden (vgl. den Druckschriftentitel „Speech Recognition Methods for Controlling Cable Television“ sowie Seite 285, erster Satz unter Figur 1). Um auf die zu übertragenden Informationen Einfluss zu nehmen, wird gemäß einer ersten Methode ein Telefonnetzwerk (Seite 285, Figuren 1 und 2 sowie Seite 285, zweiter Absatz unter Figur 2 bis Seite 287, zweiter vollständiger Absatz) und gemäß einer zweiten Methode das Kabelfernsehsystem selbst verwendet (Figur 3 mit Seite 287, vorletzter und letzter Absatz).

309 Bei der zweiten Methode wird in einem Haus des Teilnehmers (vgl. den gestrichelten Kasten in Figur 3 sowie Figur 1 i. V. m. Seite 285, letzter Absatz - „A user’s house 1“) ein Mikrofon 24 mit einer Kabelbox 25 verbunden, von der aus akustische Daten bzw. Sprachbefehle eines Teilnehmers vermischt mit Daten anderer Teilnehmer auf einem Kanal oder Subkanal des Kabelfernsehnetzwerks zum Kabelfernsehsystem 30 - also auf einem Rückkanal des Netzwerks - übertragen werden („From the cable box 25, acoustic data from the user is sent over the cable TV network 26, having been decoded partially or entirely […] the user’s voice commands are passed unaltered onto a channel or sub-channel of the cable television system, […], are intermixed with transmissions from other users […]“).

310 Es liegt im Rahmen des fachmännischen Wissens, dass solche vermischten Teilnehmerdaten auf einem Rückkanal eines Kabelfernsehnetzwerks üblicherweise mit Hilfe von Zeitmultiplexverfahren (z.B. TDMA-Verfahren) übertragen werden, bei denen Sprachdatenpakete verschiedener Teilnehmer in verschiedenen Zeitschlitzen auf demselben Rückkanal gebündelt gesendet werden (s.o., Ausführungen in Abschnitt III.1.1).

311 Der Fachmann wird daher erkennen, dass das Vermischen der akustischen Daten bzw. Sprachbefehle des Teilnehmers mit den Daten anderer Teilnehmer insbesondere in der Anwendung eines TDMA-Zeitmultiplexverfahrens auf Sprachdatenpakete liegt, die von den anderen Teilnehmern stammen.

312 Somit beschreibt die Druckschrift NK12 nach fachmännischem Verständnis ein Verfahren zur Verwendung eines Rückkanals des in Figur 3 dargestellten Kabelfernsehnetzwerks (Merkmal

). Ein solches Netzwerk umfasst in der Regel mehrere hundert oder tausend Teilnehmerstandorte (vgl. NK9, Spalte 22, Zeile 40 bis 43), so dass davon ausgegangen werden kann, dass sehr viele Teilnehmer die in NK12 beschriebene Spracherkennungsfunktionalität in Anspruch nehmen.

313 Um die akustischen Daten bzw. die Sprachbefehle der Teilnehmer mittels eines TDMA-Verfahrens auf dem Rückkanal vermischt zu übertragen (und im Zuge dessen netzwerkseitig zu empfangen), ist es erforderlich, die einzelnen Sprachdatenpakete vorher festzulegen.

314 Somit sind auch die Merkmale 1.1.1, 1.2 und 1.2.1 aus NK12 ableitbar.

315 Die vermischten Sprachdatenpakete müssen vor der Verarbeitung im Spracherkennungssystem 28 wieder „entmischt“, d.h. aufgeteilt oder zerlegt werden, so dass die ursprünglichen „unvermischten“ und zusammenhängenden Sprachinformationen eines jeden Teilnehmers rekonstruiert werden können. Zu diesem Zweck sind bei Zeitmultiplexverfahren entsprechende Demultiplex-Schritte vorgesehen.

316 Die Notwendigkeit einer Aufteilung der vermischten Sprachdaten der Teilnehmer ergibt sich auch bereits daraus, dass eine Spracherkennungssoftware zeitlich geordnete Sprachdatenfolgen der einzelnen Teilnehmer benötigt und keine sinnvollen Ergebnisse liefert, wenn sie auf zeitlich ineinander verschränkte („vermischte“) Sprachdatenpakete verschiedener Teilnehmer angewendet wird.

317 Somit liegt in der Lehre der NK12 auch Merkmal 1.2.2 vor.

318 Des Weiteren lehrt Druckschrift NK12, dass die Sprachbefehle eines Teilnehmers an ein Spracherkennungssystem 28 geleitet werden (vgl. Seite 287, vorletzter Absatz i. V. m. Figur 3 - „voice commands are directed […] to a speech recognition system 28“). Es ist selbstverständlich, dass das Sprachverarbeitungssystem 28 die übertragenen Sprachbefehle - zumindest zum Teil - auch tatsächlich verarbeitet, da es andernfalls seiner Funktion, Fernsehbilder, Audiodaten und sonstige Daten im Sinne des Teilnehmers auszuwählen und zu verändern (s.o.) nicht nachkäme und zudem keine Notwendigkeit bestünde, überhaupt ein Sprachverarbeitungssystem 28 vorzusehen.

319 Somit entnimmt der Fachmann der Druckschrift NK12 auch das Merkmal 1.2.3.

320 Aus NK12 geht ferner hervor, dass das Spracherkennungssystem 28 den Fernsehsignalgenerator 29 und einen Teil des Kabelfernsehsystems 30 steuert, nachdem es die Sprachbefehle des Teilnehmers erhalten und erkannt hat (vgl. Seite 287, vorletzter Absatz - „voice commands are directed […] to a speech recognition system 28, which in turn controls a television signal generator 29 and a portion of cable system 30“; vgl. auch den Titel „Speech Recognition Methods for Controlling Cable Television“ der NK12). Diese Befehle können als Steuerungsanfrage des Teilnehmers angesehen werden, die selbstverständlich an die zu steuernden Einheiten (Fernsehsignalgenerator 29, Teil des Kabelfernsehsystems 30) weitergegeben werden muss, so dass diese in Übereinstimmung mit den erkannten Sprachbefehlen gesteuert werden.

321 Auf diesem Wege führt die Druckschrift NK12 den Fachmann auch zu Merkmal 1.2.4.

322 Die Bereitstellung und Übertragung der drei Datenarten „Fernsehbilder“, „Audiodaten“ und „sonstige Daten“ kann jeweils als eine eigene Netzwerkfunktionalität und damit jeweils als ein eigener „Informationsdienst“ im Sinne des Merkmals 1.2.5 angesehen werden, wobei davon auszugehen ist, dass die Übertragung von Fernsehbildern oder Audiodaten zumindest zeitweise auch der Unterhaltung der Teilnehmer dient.

323 Somit lehrt die Druckschrift NK12 die sprachgesteuerte Beeinflussung der Lieferung von Unterhaltungs- und Informationsdiensten auf Basis der an das Spracherkennungssystem 28 geleiteten und von diesem erkannten Sprachbefehle (Merkmal 1.2.5).

324 Druckschrift NK12 ist ferner zu entnehmen, dass das Spracherkennungssystem auf der der Kabelbox des Teilnehmers „gegenüberliegenden“ Seite des Kabelfernsehnetzwerks angeordnet ist, auf der sich auch der Fernsehsignalgenerator 29 und das Kabelfernsehsystem 30 befinden (vgl. Figur 3). Denn die Spracherkennung im Spracherkennungssystem 28 wird erst dann vorgenommen, wenn die akustischen Daten des Teilnehmers über das Kabelfernsehnetzwerk übertragen worden sind (vgl. Seite 287, vorletzter Absatz - „the user’s voice commands are passed unaltered onto a channel or sub-channel of the cable television system […] In general, voice commands are directed […] to a speech recognition system 28 […]“). Daraus folgt, dass sich das Spracherkennungssystem, in das die Sprachbefehle der Teilnehmer eingegeben werden, an einem Knoten des Kabelfernsehnetzwerks befindet (Teilmerkmal von Merkmal 1.1.2).

325 Der Druckschrift NK12 ist allerdings nicht ausdrücklich zu entnehmen, dass dieser Knoten ein Leitungsknoten des Kabelfernsehnetzwerks ist (verbleibendes Teilmerkmal von Merkmal 1.1.2).

326 Auch Merkmal 1.2.6 geht nicht unmittelbar aus NK12 hervor.

327 1.2.3 Ausgehend von Druckschrift NK12 gelangt der Fachmann zum Gegenstand von Patentanspruch 1 nach Hilfsantrag 1, ohne dabei erfinderisch tätig zu werden.

328 1.2.3.1 So ist der Fachmann immer bestrebt, bei der praktischen Einrichtung eines Kommunikationsnetzwerks Ressourcen zu sparen und gleichzeitig einen möglichst schnellen Datenaustausch zwischen den Komponenten des Netzwerks zu gewährleisten. Ihm ist bewusst, dass dies bei dem in NK12 beschriebenen Kabelfernsehsystem auf einfache Weise dadurch zu erreichen ist, dass die in Figur 3 dargestellten netzwerkseitigen Komponenten 27 bis 30 in unmittelbarer Nähe zueinander untergebracht werden, da in diesem Fall nur kurze Übertragungsleitungen erforderlich sind und darüber hinaus eine gemeinsame Infrastruktur zur Verbindung, Unterbringung und Verwaltung dieser Komponenten genutzt werden kann.

329 Daher wird der Fachmann bei der technischen Umsetzung der aus Druckschrift NK12 bekannten Lehre die Komponenten 27 bis 30 nahe zueinander anordnen (z.B. in demselben Gebäude). Nachdem die Komponenten 29 und 30 nach fachmännischem Verständnis als ein Headend des Kabelfernsehnetzwerks angesehen werden können, das mit den Kabelboxen der Teilnehmer kabelgebunden kommuniziert, folgt daraus, dass sich das Spracherkennungssystem 28 in diesem Fall an einem Leitungsknoten des Kabelfernsehnetzwerks befindet.

330 Somit gelangt der Fachmann auf naheliegende Weise zum verbleibenden Teilmerkmal von Merkmal 1.1.2.

331 1.2.3.2 Weiterhin überlässt es die Druckschrift NK12 dem Fachmann, die Fernsehbilder und die sonstigen Daten festzulegen, deren Lieferung durch die an die Komponenten 29 und 30 übermittelte Steuerungsanfrage des Teilnehmers beeinflusst wird.

332 Für den Fachmann liegt es auf der Hand, dass diese Daten insbesondere digitale Videos und elektronische Programmführer sein können (vgl. Spalte 5, Zeile 39 bis 53; Spalte 8, Zeile 44 bis 55 i. V. m. Spalte 8, Zeile 60 bis Spalte 11, Zeile 3 der Druckschrift NK9, in der diejenigen Informationen explizit aufgezählt werden, die gewöhnlich von einem Headend an einen Teilnehmer geliefert werden - „The information may include […] digital video, […], electronic program guides, […]“).

333 Der Fachmann wird daher bei Bedarf die aus dem Fernsehsignalgenerator 29 und dem Kabelfernsehsystem 30 bestehende Netzwerkkomponente derart auslegen, dass ein Teilnehmer nicht nur die Übermittlung von Videos mittels seiner Sprachbefehle beeinflussen kann, sondern auch die Übermittlung von elektronischen Programmführerdaten - beispielsweise, um diejenigen EPG-Daten auszuwählen, die konkret geliefert werden sollen (vgl. NK9, Spalte 22, Zeile 43 bis 51 - „head-end installation 125 is preferably provided with the capability of selecting only certain portions of the EPG data to be transmitted to the subscriber terminal units“).

334 Der Fachmann gelangt daher auch zu Merkmal 1.2.6 auf naheliegende Weise.

335 Der Argumentation der Beklagten, der Gegenstand des Patentanspruchs 1 nach Hilfsantrag 1 beruhe auf einer erfinderischen Tätigkeit, kann nicht beigetreten werden.

336 1.3.1 Die Beklagte bringt sinngemäß vor, in NK12 sei nicht offenbart, dass ein Rückkanal akustische Nutzersignale von verschiedenen Nutzern oder unterschiedlichen Standorten aufweist; so könnten sich mehrere Nutzer auch ein Mikrofon und einen Fernseher teilen. Auch wenn das Kabelfernsehsystem mehrere Teilnehmerstandorte umfasse, bedeute dies noch nicht, dass auch eine Sprachverarbeitung für mehrere Nutzer vorgesehen sei. Zudem werde in NK12 nur eine lokale Sprachsignalverarbeitung vorgenommen, was dadurch gestützt werde, dass der Begriff „decoding“ im vorletzten Absatz auf Seite 287 (siehe „decoded partially or entirely in the cable box 25 or in the cable gateway“) als „sprachsignalverarbeitet“ zu übersetzen sei. Ferner sei in Figur 3 kein Switch (der mehrere Quellensignale von mehreren Nutzern auf einen einzigen Empfänger aufteile und somit Merkmal 1.2.2 realisieren könne) vorgesehen, sondern nur ein Splitter (der ein Signal von einer Quelle auf mehrere Empfänger aufteile bzw. ein Signalteil eines Signals von einem anderen abspalte). Dies lasse nur den Schluss zu, dass ein externes Vermischen einer Mehrzahl von Sprachkanälen außerhalb des in Figur 3 gezeigten Teilnehmerstandorts nicht angedacht gewesen sei.

337 Da in Figur 3 der NK12 keine Verbindung zwischen dem Fernsehsignalgenerator 29 und dem Kabelfernsehsystem 30 eingezeichnet und das System 29 nur über das Spracherkennungssystem 28 an den Splitter 27 angeschlossen sei, sei unklar, wie die Steuerung bezüglich des Systems 29 auszuführen ist. Auch werde gemäß NK12 nur ein Teil des Systems 30 („a portion of the cable system 30“, vgl. Seite 287, vorletzter Absatz) gesteuert. Eine Kontrolle der Lieferung von Unterhaltungs- und Informationsdiensten würde eine - in NK12 nicht gezeigte - Kontrolle bis zum Fernsehgerät bedingen und könne daher nicht beschrieben sein. Ein Verarbeiten der Sprachkanäle und ein Erzeugen einer eindeutigen Antwort gemäß den Merkmalen 1.2.3 und 1.2.4 sei ebenfalls nicht offenbart.

338 Die NK12 schweige zudem darüber, welche Daten die auf dem Kabelfernsehsystem modifizierten „Bilder, Klang und Daten“ genau sein sollten. Das Auswählen und Modifizieren einzelner Bilder oder Audiodaten sei kein anspruchsgemäßer Unterhaltungs- und Informationsservice. Auch werde in NK12 nicht in Erwägung gezogen, dass individuelle Information für jeden Nutzer bereitgestellt werde; vielmehr klammere die NK12 gemäß dem letzten Absatz auf Seite 286 (in diesem geht es um die Bereitstellung von „shared video and private audio“) die individuelle Beschaffung von Videodaten für die erste Methode explizit aus.

339 Auch sei es nicht nahegelegt, die Sprachkanäle an einem anspruchsgemäßen Leitungsknoten einzugeben. Ob der Fachmann Ressourcen sparen wolle, sei der NK12 nicht zu entnehmen. Eine Veranlassung hierfür fehle. Selbst wenn diese bestanden hätte, hätte der Fachmann eine nicht netzwerkbasierte Lösung erwogen (z.B. eine direkte Verbindung der Einheiten 28 und 30), nicht aber die anspruchsgemäße Lösung.

340 1.3.2 Die Ausführungen der Beklagten erweisen sich als nicht überzeugend.

341 So ist bei einem Kabelfernsehsystem gewöhnlich davon auszugehen, dass sehr viele Teilnehmer dessen Benutzerschnittstellenfunktionalitäten - wie etwa eine Spracherkennung und Sprachsteuerung - gleichzeitig in Anspruch nehmen (vgl. NK9, Spalte 22, Zeile 40 bis 43).

342 Dass die Spracherkennung gemäß NK12 ganz oder teilweise netzwerkseitig vorgenommen werden kann, folgt bereits aus der Angabe „In general, voice commands are directed […] to a speech recognition system 28“ auf Seite 287 und dem Umstand, dass ein Spracherkennungssystem diejenigen Daten, die es erhält, auch verarbeitet. Für eine netzwerkseitige Spracherkennung spricht im Übrigen auch die Angabe „the user’s voice commands are passed unaltered onto a channel or sub-channel of the cable television system“ auf Seite 287. Die weitere Angabe „acoustic data from the user is sent over the cable TV network 26, having been decoded partially or entirely“ in demselben Absatz lässt allenfalls den Schluss zu, dass die akustischen Daten des Teilnehmers zum Teil am Teilnehmerstandort verarbeitet worden sind, so dass sie auch noch netzwerkseitig weiterverarbeitet werden müssen. In diesem Fall führt die Formulierung „intermixed with transmissions from other users“ vor dem Hintergrund des durch NK16 dokumentierten Fachwissens des Fachmanns unmittelbar darauf, dass mehrere Sprachkanäle verschiedener Teilnehmerstandorte vermischt werden (s.o., Abschnitt IV.1.2.2).

343 Des Weiteren ist ein Switch grundsätzlich dadurch charakterisiert, dass er mehrere Quellensignale auf mehrere Empfänger verteilt. Bereits aus diesem Grund lässt sich aus dem Fehlen eines Switches nicht zwangsläufig auf ein teilnehmerseitiges Vermischen der Sprachsignale schließen. Zudem muss das Rücksignal im Sinne des Patentanspruchs 1 netzwerkseitig aufgeteilt („demultiplext“) werden, wenn die Sprachsignale mehrerer Teilnehmer wie in Abschnitt 5.3.1 der NK16 beschrieben gebündelt („multiplext“) auf dem Rundfunk-Rückkanal übertragen werden. In diesem Fall kommt es nicht darauf an, ob das Nutzersignal durch einen Splitter oder einen Switch geleitet wird. Spezielle Ausgestaltungen der Komponenten, die das Rücksignal empfangen und aufteilen (vgl. Merkmale 1.2.1, 1.2.2), sind nicht beansprucht.

344 Im Übrigen wird der Fachmann dem Splitter 27 insbesondere auch die Funktion des „Upstream splitter“ gemäß dem DOCSIS-Standard zuschreiben, der den Rückkanal, der 5 - 42 MHz Bandbreite umfasst, in verschiedene Datenströme („Data“) aufteilt (vgl. NK19 (Data-Over-Cable Service Interface Specifications), Figur 1-2 auf Seite 3). Im Hinblick auf Figur 3 der NK12 bedeutet das, dass der Splitter 27 zumindest die Sprachdaten des Rückkanals (diese werden an das Spracherkennungssystem 28 geleitet) von anderen Daten trennt, die ebenfalls über den Rückkanal an das Kabelfernsehsystem 30 geleitet werden.

345 Des Weiteren können die Merkmale 1.2.4 und 1.2.5 bereits aus dem Umstand abgeleitet werden, dass die Steuerung des Fernsehsignalgenerators 29 und des Teils des Kabelfernsehsystems 30 in Übereinstimmung mit den von dem Spracherkennungssystem 28 erkannten Sprachbefehlen vorgenommen wird (s.o., Abschnitt IV.1.2.2). Eine detailliertere Beschreibung des Zusammenwirkens der Komponenten 27 bis 30 ist hierfür nicht nötig.

346 Insoweit die NK12 die Bereitstellung von „shared video and private audio“ lehrt, betrifft dies lediglich die erste aus NK12 bekannte Methode. Abgesehen davon kann auch die Steuerung der Bereitstellung eines einzigen Videos für mehrere Teilnehmer („shared video“) als individuelle Kontrolle der Lieferung eines Video-on-Demand-Dienstes im Sinne von Patentanspruch 1 nach Hilfsantrag 1 angesehen werden, wenn diese von einem einzigen Teilnehmer - also „individuell“ - angestoßen wird; zu beachten ist in diesem Zusammenhang, dass Merkmal 1.2.5 nicht auf eine „individuelle Lieferung […] zu einem einzigen Teilnehmerstandort“, sondern auf eine „individuelle Kontrolle der Lieferung […] zu jedem Teilnehmerstandort“ abstellt.

347 Im Übrigen ergibt sich die Lehre der Merkmale 1.2.4 und 1.2.5 auch aus Druckschrift NK9, da jeder Teilnehmer sein Fernsehgerät sprachgesteuert ein- und ausschalten (Spalte 19, Zeile 61 bis Spalte 20, Zeile 9), Fernsehkanäle einstellen (Spalte 20, Zeile 62 bis Spalte 21, Zeile 6) oder durch die einzelnen Kanäle „surfen“ (Spalte 21, Zeile 7 bis Spalte 22, Zeile 4) kann. Dabei wird als Reaktion auf die erkannten Sprachinhalte eines jeden Teilnehmers der Empfang von Fernsehprogrammen durch das Fernsehgerät des Teilnehmers - und damit die Lieferung der Programme an den Teilnehmerstandort im Sinne von Merkmal 1.2.5 - beeinflusst. Die Fernsehprogramme dienen selbstverständlich der Unterhaltung und Information der Teilnehmer.

348 Wie in Abschnitt IV.1.2.3.1 ausgeführt, hatte der Fachmann auch Veranlassung, die Sprachkanäle an einem Leitungsknoten einzugeben. Dabei kommt es nur auf die relative räumliche Nähe der Einheiten 28 und 30 an; ob diese „direkt“ verbunden oder Teil einer Netzwerkinfrastruktur sind, ist in diesem Zusammenhang nicht relevant.

349 Mit Rücksicht auf die Ausführungen zum erteilten Patentanspruch 1 beruht die Lehre des Patentanspruchs 1 gemäß Hilfsantrag 1 somit auf keiner erfinderischen Tätigkeit und ist daher nicht patentfähig. Mit seinem Patentanspruch 1 fällt der gesamte Hilfsantrag 1.

350 Beantragt der Patentinhaber, das Patent in beschränktem Umfang mit einem bestimmten Anspruchssatz oder bestimmten Anspruchssätzen aufrechtzuerhalten, rechtfertigt es grundsätzlich die Ablehnung des gesamten Antrags, wenn sich auch nur der Gegenstand eines Patentanspruchs aus dem vom Patentinhaber verteidigten Anspruchssatz als nicht patentfähig erweist (BGH, Beschluss vom 27. Juni 2007, X ZB 6/05, juris und GRUR 2007, 862 – Informationsübermittlungsverfahren II). Allerdings ist das Gericht gehalten, aufzuklären, in welchem Verhältnis die Hilfsanträge zu einem nicht ausdrücklich formulierten Petitum stehen sollen, einem formal vorrangigen Antrag nur teilweise zu entsprechen (BGH, Urteil vom 13. September 2016, X ZR 64/14, juris und GRUR 2017, 57 – Datengenerator).

351 Im vorliegenden Fall hat die Beklagte in der mündlichen Verhandlung erklärt, dass sie die Patentansprüche der Hilfsanträge als jeweils geschlossene Anspruchssätze ansieht, die jeweils insgesamt beansprucht werden. Dies schließt für den Hilfsantrag 1 sowie für alle übrigen Hilfsanträge eine separate Betrachtung einzelner Patentansprüche aus, wenn sich ein Patentanspruch des betroffenen Anspruchssatzes, wie hier, als nicht patentfähig erweist.

353 Die Verteidigung von Patentanspruch 1 nach Hilfsantrag 2 ist unzulässig.

354 Patentanspruch 1 nach Hilfsantrag 2 unterscheidet sich von dem erteilten Patentanspruch 1 dadurch, dass nach Merkmal 1.2.5 das Merkmal

355 1.2.7 wherein the speech recognition is performed only by said speech recognition system.

356 angehängt ist.

357 2.1.1 Nach der Rechtsprechung des Bundesgerichtshofs muss die Selbstbeschränkung des Patentinhabers im Nichtigkeitsverfahren immer zu einer (zulässigen) Einschränkung des Patents führen. Die Beschränkung ist auch durch Aufnahme eines Merkmals, das sich in Selbstverständlichkeiten erschöpft, nicht möglich, vielmehr muss dem Merkmal ein den Patentanspruch kennzeichnender, unterscheidungskräftiger Sinn zukommen. Änderungen, die keine Beschränkung bedeuten, sind grundsätzlich unzulässig (BGH, Urteil vom 14. September 2004, X ZR 149/01, juris und GRUR 2005, 145 – elektronisches Modul, I.2; BGH, Urteil vom 7. Juni 2006, X ZR 105/04, juris und GRUR 2006, 923 – Luftabscheider für Milchsammelanlage, Rn. 16; Keukenschrijver, a. a. O., Rn. 296, m. w. N.).

358 2.1.2 Bei Anwendung dieser Grundsätze ist die Aufnahme von Merkmal 1.2.7 in den Patentanspruch 1 des Streitpatents als unzulässig zu beurteilen.

359 Merkmal 1.2.7 bezieht sich auf das in Merkmal 1.1.2 genannte Spracherkennungssystem („said speech recognition system“), das sich an einem Leitungsknoten des Netzwerks befindet und die in Merkmal 1.2.3 beschriebene Spracherkennung durchführt. Durch die Aufnahme von Merkmal 1.2.7 in den erteilten Patentanspruch 1 und insbesondere durch die Verwendung des bestimmten Artikels in der Angabe „the speech recognition“ wird zum Ausdruck gebracht, dass genau diejenigen Spracherkennungsoperationen, die gemäß Merkmal 1.2.3 ausgeführt werden sollen und die deshalb in Merkmal 1.2.3 angesprochen sind, nur von dem an dem Leitungsknoten angeordneten Spracherkennungssystem ausgeführt werden sollen. Von anderen Spracherkennungsoperationen ist in Patentanspruch 1 nach Hilfsantrag 2 nicht die Rede.

360 Bereits der erteilte Patentanspruch 1 - ohne Merkmal 1.2.7 - ist jedoch so zu verstehen, dass die in Merkmal 1.2.3 genannten Spracherkennungsoperationen ausschließlich von dem in Merkmal 1.1.2 genannten Spracherkennungssystem an dem Leitungsknoten ausgeführt werden (s.o., Abschnitt II.4.5).

361 Somit wird der Gegenstand des erteilten Patentanspruchs 1 durch die Aufnahme von Merkmal 1.2.7 nicht eingeschränkt, so dass dem Merkmal 1.2.7 kein hinreichend unterscheidungskräftiger Sinn zukommt.

362 Unabhängig davon beruht die Lehre des Patentanspruchs 1 gemäß Hilfsantrag 2 nicht auf erfinderischer Tätigkeit.

363 So geht Merkmal 1.2.7 aus NK11 hervor (vgl. Figur 1 i. V. m. Seite 10, Zeile 25 und 26 sowie Seite 2, Zeile 15 bis 25).

364 Unter Berücksichtigung der Ausführungen zum Hauptantrag ist die Lehre des Patentanspruchs 1 nach Hilfsantrag 2 somit ausgehend von NK11 nahegelegt.

377 Ausgehend von Druckschrift NK11 gelangt der Fachmann in Verbindung mit der Lehre der Druckschrift NK9 zum Gegenstand des Patentanspruchs 1 nach Hilfsantrag 3, ohne erfinderisch tätig zu werden.

378 3.1.1 Die Druckschrift NK9 zeigt ein Abonnementfernsehsystem 100, bei dem Informationsprovider 114-n Programminhalte über einen Satelliten 123 und ein Headend 125 an Abonnentenstandorte 120-n liefern (vgl. Figuren 2A-C i. V. m. Spalte 8, Zeile 39 bis Spalte 12, Zeile 26). Jeder dieser Standorte umfasst eine Terminaleinheit 160 (vgl. Figuren 2C und 3), auf die ein charakteristisches Vokabular geladen wird, so dass die Terminaleinheit eine Spracherkennung ausführen kann, um ein mit der Terminaleinheit gekoppeltes Fernsehgerät sprachbasiert zu steuern oder auf einen elektronischen Programmführer sprachbasiert zuzugreifen (NK9, Spalte 14, Zeile 61 bis Spalte 15, Zeile 18 i. V. m. Spalte 12, Zeile 5 bis 13; Spalte 15, Zeile 42 bis 46 und Zeile 55 bis 59; Spalte 19, Zeile 5 bis Spalte 32, Zeile 11, insbesondere Spalte 19, Zeile 22 bis 24, Spalte 22, Zeile 19 bis 21, Spalte 24, Zeile 49 bis 51 - „the user may speak sounds or words for controlling the EPG, […] and television […]“; „EPG“ = „electronic program guide“).

379 Gemäß NK9 befindet sich an jedem Teilnehmerstandort 120-1 bis 120-n eine Terminaleinheit 160 mit einer zugehörigen Fernbedienung 166, die ein Mikrofon 320 und einen „<Recognize> button 772“ - d.h. eine Sprech- oder Spracherkennungstaste - aufweist (vgl. Figuren 2C, 4 und 9 i. V. m. Spalte 11, Zeile 65 bis Spalte 12, Zeile 13; Spalte 17, Zeile 17 bis 22 und Zeile 49 bis 53; Spalte 19, Zeile 5 bis 9).

380 Die Terminaleinheit 160 ist mit einem Fernsehgerät verbunden, empfängt ein Fernsehsignal, das von einem Headend übertragen wird, und gibt dieses an ein Fernsehgerät aus (Figur 3 i. V. m. Spalte 12, Zeile 5 bis 10 sowie Spalte 10, Zeile 65 bis Spalte 11, Zeile 6 sowie Spalte 12, Zeile 27 bis Spalte 13, Zeile 62). Somit ist die Terminaleinheit eine Set-Top-Box im Sinne des Streitpatents.

381 Der Spracherkennungsvorgang (die „speech recognition operation“) wird im Hauptprozessor 200 der Terminaleinheit aktiviert, indem der „<Recognize> button 772“ gedrückt wird (Spalte 19, Zeile 6 bis 9 i. V. m. Spalte 15, Zeile 42 bis 46; s. auch Spalte 33, Zeile 49 bis 53 sowie Spalte 19, Zeile 61 bis 64 i. V. m. Spalte 5, Zeile 1 bis 7). Somit kann der „<Recognize> button 772“ als Sprechtaste im Sinne von Merkmal 1.2.8 gelten.

382 Die Druckschrift NK9 zeigt damit das Merkmal 1.2.8.

383 Die Terminaleinheit 160 zeigt an, dass die Spracherkennung aktiviert ist, indem beispielsweise die Anzeige des Texts „Listening …“ auf dem Bildschirm des Fernsehgeräts veranlasst wird (Spalte 19, Zeile 12 bis 21 - „[…] the recognition operation is activated […] When activated, subscriber terminal unit 160 preferably provides a suitable indication to this effect to the user […] superimpose a display of the word „Listening …“ […]“). Das bedeutet, dass die Information über die Aktivierung der Spracherkennung von der Fernbedienung an die Set-Top-Box übertragen werden muss, um anschließend die Anzeige des Texts auszulösen. Für den Fachmann ist es selbstverständlich, dass dazu ein entsprechender Befehl von der Fernbedienung an die Set-Top-Box gesendet wird - ebenso wie beim Wählen der Fernsehkanäle oder beim Einstellen der Lautstärke (vgl. NK9, Spalte 16, Zeile 51 bis 57).

384 Ein solcher Befehl kann als „Sprechtaste-aktiv“-Befehl im Sinne von Merkmal 1.2.9 bezeichnet werden, da er an die Set-Top-Box übertragen wird, wenn die Sprechtaste gedrückt worden ist.

385 Somit geht auch Merkmal 1.2.9 aus der NK9 hervor.

386 Ferner vermittelt das Anzeigen des Textes „Listening …“ dem Teilnehmer die Information, dass ihm „zugehört“ wird.

387 Damit ist auch die zweite Alternative von Merkmal 1.2.10 der NK9 zu entnehmen.

388 3.1.2 Die Lehre der Patentanspruchs 1 gemäß Hilfsantrag 3 ist durch den aus den Druckschriften NK11 und NK9 entnehmbaren Stand der Technik nahegelegt.

389 So lehrt die Druckschrift NK11, dass ein spezielles Mikrofon in eine Fernbedienung eingebaut werden kann, so dass ein Teilnehmer Spracheingaben vornehmen kann (NK11, Seite 10, Zeile 20 bis 23), überlässt dem Fachmann jedoch die Einzelheiten der technischen Umsetzung dieser Eingabemöglichkeit. Hiervon ausgehend sieht sich der Fachmann im Stand der Technik nach Lösungen um, die die Implementierung einer Spracheingabe über ein Mikrofon einer Fernbedienung in einem Kabelfernsehnetzwerk näher beschreiben und stößt so auf die NK9. Diese zeigt verschiedene Möglichkeiten auf, wie Informationen, die von einem Teilnehmer eines Kabelfernsehnetzwerks in ein Mikrofon gesprochen worden sind, von einer Spracherkennungsschnittstelle an einem Teilnehmerstandort weiterverarbeitet werden (vgl. Figuren 4 bis 6 i. V. m. Spalte 15, Zeile 19 bis Spalte 16, Zeile 50).

390 Dabei wird durch die Verwendung der Sprechtaste 772 der Stromverbrauch der Fernbedienung gesenkt (Spalte 17, Zeile 16 bis 22); zudem wird die Benutzerfreundlichkeit verbessert, da dem Teilnehmer durch den angezeigten Text „Listening …“ (s.o., Abschnitt IV.3.1.1) eine Rückmeldung darüber gegeben wird, dass seine mündlichen Äußerungen von der Fernbedienung und der Set-Top-Box korrekt erfasst werden.

391 Um sich diese Vorteile zunutze zu machen, wird der Fachmann daher die in NK11 beschriebene Fernbedienung mit einer Sprechtaste versehen und wie in NK9 beschrieben mit der Set-Top-Box koppeln. Er gelangt somit in naheliegender Weise zu den Merkmalen 1.2.8 bis 1.2.10.

392 3.1.3 Die Beklagte bringt vor, gemäß NK9 würden zwar spracherkannte Wörter oder Befehle auf einem Bildschirm hervorgehoben, aber nur dann, wenn sie sowieso auf dem Bildschirm angezeigt würden. Dadurch sei jedoch noch keine Fernbedienungsfunktion gemäß Merkmal 1.2.9 nahegelegt. Zudem werde ein Symbol nur im Rahmen eines Ausführungsbeispiels angezeigt, bei dem ein Teilnehmer zur Aktivierung der Spracherkennung den Befehl „ATTENTION“ spreche und kein „<Recognize> button“ vorgesehen sei. Die Anzeige eines Symbols sei aber nur in diesem Fall sinnvoll, da der Sprecher ansonsten keine Rückmeldung erhalte, ob seine Worte erfasst werden. Werde hingegen ein „<Recognize> button“ verwendet, um die Spracherkennung zu aktivieren, sei es nicht erforderlich, ein Symbol anzuzeigen.

393 Diese Argumente greifen jedoch nicht durch.

394 So geht aus NK9 unmittelbar hervor, dass die Spracherkennungsfunktion der Set-Top-Box entweder durch Drücken der Sprechtaste 772 oder durch Sprechen des Befehls „ATTENTION“ aktiviert wird, was in beiden Fällen zur Anzeige des Texts „Listening …“ führt (vgl. Spalte 19, Zeile 5 bis 14 - „when a <Recognize> button 772 is present […], the recognition operation […] is activated by pressing the <Recognize> button 772. When no <Recognize> button is present on the remote control 166, the recognition operation is activated by speaking an activation command sich as „ATTENTION“. When activated, subscriber terminal unit 160 preferably provides a suitable indication to this effect to the user […]“).

395 Darüber hinaus ist es in jedem Fall auch sinnvoll, den Text „Listening …“ anzuzeigen, wenn die Sprechtaste 772 zur Aktivierung der Spracherkennung verwendet wird, da der Teilnehmer auf diese Weise eine Rückmeldung erhält, ob sein Tastendruck von der Fernbedienung und der Set-Top-Box tatsächlich erfasst worden ist.

396 Mit Rücksicht auf die Ausführungen zum erteilten Patentanspruch 1 ist der Gegenstand des Patentanspruchs 1 gemäß Hilfsantrag 3 somit nicht patentfähig. Mit dem Patentanspruch 1 fällt der gesamte Hilfsantrag 3.

408 Die Merkmale 1.2.8‘ und 1.2.11 können eine Patentfähigkeit nicht begründen.

409 4.1.1 Merkmal 1.2.8‘ geht inhaltlich nicht über Merkmal 1.2.8 hinaus und geht damit aus NK9 hervor (vgl. Ausführungen zu Merkmal 1.2.8 in Abschnitt IV.3.1.1).

410 4.1.2 Merkmal 1.2.11 wird durch den aus den Druckschriften NK11 und NK9 bekannten Stand der Technik nahegelegt.

411 4.1.2.1 Das erste Teilmerkmal „wherein upon depressing the talk button on the remote control data are sent to the wireline node alerting the system as to […] a potential input “ von Merkmal 1.2.11 beruht aus den folgenden Gründen auf keiner erfinderischen Tätigkeit:

412 Gemäß NK11 wird die Spracherkennung an der Sendestation 10 von dem Server 13 vorgenommen, da zum Anmeldetag der NK11 komplexe und rechenaufwendige Anwendungen nicht in Set-Top-Boxen implementiert werden konnten (Seite 10, Zeile 25 bis 26 i. V. m. Seite 2, Zeile 15 bis 25). Eine solche serverseitige Spracherkennung ist auch in Übereinstimmung mit der Lehre der NK9 (vgl. Spalte 33, Zeile 49 bis 53 - “speech recognition operation […] this processing could take place elsewhere in the system”).

413 Daher wird der Fachmann zumindest einen komplexen und rechenaufwendigen Spracherkennungsalgorithmus an der Sendestation des Kabelfernsehsystems ausführen. Das bedeutet, dass der Spracherkennungsvorgang (die „speech recognition operation“) auf die Betätigung der Sprechtaste 772 hin nicht - wie in NK9 ausführlich beschrieben - von dem Hauptprozessor 200 der Terminaleinheit 160, sondern von dem Server 13 der Sendestation 10 ausgeführt wird. Dazu muss die Terminaleinheit 160 die akustischen Daten, die von dem Mikrofon der Fernbedienung aufgenommen werden, auf dem Rundfunk-Rückkanal des Kabelfernsehsystems zur Sendestation 10 übertragen.

425 Die Beklagte führt sinngemäß aus, die NK9 zeige kein Senden eines direkten Steuersignals an einen Netzwerkknoten. Ausgehend von NK9 habe der Fachmann weder Veranlassung, Merkmal 1.2.11 zu realisieren, noch seien ihm die Mittel an die Hand gegeben, dieses Merkmal umzusetzen. Zudem würde ein frühes Eröffnen einer Session unnötig Übertragungsbandbreite in Anspruch nehmen und Ressourcen verbrauchen; abgesehen davon stehe dem Fachmann eine überaus große Anzahl von Möglichkeiten zur Verfügung, die Datenübertragung zwischen der Set-Top-Box und der Sendestation 10 zu organisieren.

426 Ferner sei es technisch unsinnig, die der Analog-Digital-Wandlung dienenden sprachbezogenen Schaltkreise 322, 324 und 340, die die Sprachsignale für die Signalverarbeitung vorbereiteten (vgl. NK9, Figuren 5 und 6), netzwerkseitig zu implementieren, da ansonsten ein analoges Signal zum Knoten 517 übertragen werden müsste.

427 Die NK9 stelle den Fachmann auch nicht vor die Aufgabe, Energie zu sparen. Eine „gepoolte“ Spracherkennung benötige keine Energiesparfunktion, da die Leerlaufzeiten einer Spracherkennung für mehrere Set-Top-Boxen im Vergleich zu denen einer Spracherkennung für eine einzelne Set-Top-Box vernachlässigbar seien. Wolle der Fachmann den Energieverbrauch netzwerkseitig optimieren, würde er allenfalls ganze Server zu- und abschalten.

428 Auch dieser Argumentation kann sich der Senat im Ergebnis nicht anschließen.

429 Es trifft zwar zu, dass die NK9 keine detaillierten Aussagen zur Kommunikation zwischen einer Set-Top-Box und einem Netzwerkknoten macht. Wie oben ausgeführt, hatte der Fachmann jedoch Veranlassung, Merkmal 1.2.11 zu realisieren, ohne dabei mit einer allzu großen Anzahl von Alternativen zur Auswahl des Auslösezeitpunkts der Initiierungsnachricht konfrontiert zu sein.

430 Dass der Fachmann bei seinen Überlegungen insbesondere den Zeitpunkt (i) in Betracht gezogen hätte und auch zur Umsetzung der entsprechenden Maßnahmen imstande gewesen wäre, wird im Übrigen durch die Aussage des Sachverständigen der Beklagten in Dokument NK18e bestätigt (dort Rn. 231 bis 233). Die zur technischen Umsetzung von Merkmal 1.2.11 erforderliche Gestaltung der Kommunikationsverbindungen zwischen den elektronischen Komponenten Fernbedienung, Set-Top-Box und Sendestation gehört zu den Routinetätigkeiten des Fachmanns.

431 Des Weiteren lässt der Umstand, dass die Spracherkennung in der Sendestation ausgeführt wird, nicht darauf schließen, dass auch die vorbereitenden Operationen der Schaltkreise 322, 324 und 340 netzwerkseitig ausgeführt werden müssten und somit ein zwangsläufig ein analoges Signal zu übertragen wäre. Denn Merkmal 1.2.11 („upon depressing […]“ = „beim Drücken“, „nach dem Drücken“, „wenn […] gedrückt worden ist“) erfordert lediglich, dass das Senden der Daten in gewisser zeitlicher Nähe zum Tastendruck des Teilnehmers erfolgt. Patentanspruch 1 nach Hilfsantrag 4 umfasst also zumindest all diejenigen Fälle, in denen das analoge Sprachsignal nach der Betätigung der Sprechtaste in dem Mikrofon oder in der Set-Top-Box umgehend in ein digitales Signal konvertiert wird (vgl. NK9, Figuren 4 und 5 mit Spalte 15, Zeile 24 bis 29 sowie Spalte 15, Zeile 64 bis Spalte 16, Zeile 6), so dass kein analoges Signal zur Sendestation übertragen werden muss.

432 Im Übrigen geht die Deaktivierung einer netzwerkseitigen Spracherkennungsfunktion, die einer Set-Top-Box zugeordnet ist, durch das Drücken der Sprechtaste ausgelöst wird und die Übersendung einer entsprechenden Aktivierungsnachricht an die Sendestation erfordert, aus NK9 unmittelbar hervor (s.o., Abschnitt IV.4.1.2.1 ba)). Es erscheint nicht völlig ausgeschlossen, dass der Fachmann zumindest in bestimmten Spezialfällen (z.B. wenn nur ein einziger Spracherkennungsserver mit sehr vielen, jeweils einer Set-Top-Box zugeordneten parallelen Prozessoren zur Ausführung eines rechenaufwendigen Spracherkennungsverfahrens vorgesehen ist, wobei die Auslastung des Servers tagsüber sehr hoch, aber nachts sehr gering ist) eine teilnehmerabhängige, über das Kommunikationsnetzwerk vorgenommene Deaktivierung und Aktivierung einer Spracherkennungsfunktion - etwa durch Ab- und Zuschalten einzelner Prozessoren - auch tatsächlich realisiert hätte.

433 Mit Rücksicht auf die Ausführungen zum erteilten Patentanspruch 1 beruht die Lehre des Patentanspruchs 1 gemäß Hilfsantrag 4 somit auf keiner erfinderischen Tätigkeit und ist daher nicht patentfähig. Mit seinem Patentanspruch 1 fällt der gesamte Hilfsantrag 4.

444 Die Merkmale 1.2.12 bis 1.2.14 sind entweder aus Druckschrift NK9 bekannt oder aus dieser unmittelbar ableitbar. Mit ihnen kann eine Patentfähigkeit des Patentanspruchs 1 gemäß Hilfsantrag 5 vor dem Hintergrund der kombinierten Lehren der Druckschriften NK11 und NK9 nicht begründet werden.

445 Gemäß NK9 stellen sowohl das „information distribution center 12“ als auch das Headend 125 dynamische, sich zeitlich ändernde Programmführerdaten - z.B. eine Liste verfügbarer Kanäle oder Programm- oder Künstlernamen - bereit, die von dem Spracherkennungssystem zur sprachgesteuerten Auswahl von Kanälen, Programmen oder Videos verwendet werden können (NK9, Spalte 5, Zeile 39 bis 67 - „terminal unit 16 receives vocabulary data from information distribution center 12“; Spalte 28, Zeile 50 bis Spalte 29, Zeile 22 sowie Table III - „Additional vocabulary data may be downloaded from head-end installation 125 […] the vocabulary may be periodically updated to take into account changes in the offerings of a particular system […] a user may navigate the electronic programming guide of Fig. 11 by saying „GOTO ESPN “; s. ferner Spalte 22, Zeile 54 bis 59 i. V. m. Spalte 29, Zeile 23 bis Spalte 30, Zeile 54 und Spalte 32, Zeile 12 bis 36 - „title addressable program selection “, „EPG information provider 114-3 provides the program title and description data […] ISP 42 downloads the EPG text and vocabulary definitions to the subscriber terminal units […] search of the EPG data to find occurrences of the programs having the spoken title […] For example, if the user is tuned to television video, commanding „FIND STAR TREK “ will cause a search of the EPG data to be carried out […] The user may then enter a command limiting the search, such as „ONLY MARILYN MONROE “ […]“).

446 In diesem Zusammenhang können diejenigen Komponenten des „information distribution center 12“ oder des Headends 125, die die Programmführerdaten verwalten und bereitstellen, als Content-Engine im Sinne von Merkmal 1.2.12 angesehen werden.

447 Auch wenn das Spracherkennungssystem an der Sendestation 10 angeordnet ist (s.o., Abschnitt IV.4.1.2.1), wird der Fachmann selbstverständlich dafür sorgen, dass es die dynamischen Programmführerdaten von dieser Content-Engine erhält. Denn andernfalls ließe sich keine Sprachsteuerung realisieren, die auf den dynamischen Daten basiert.

448 Somit ist Merkmal 1.2.12 aus der Lehre der NK9 ableitbar.

449 Gemäß NK9 werden die analogen Sprachsignale in der Fernbedienung in digitale Sprachsignale konvertiert und ggf. auch in eine spektrale Repräsentation transformiert (Spalte 15, Zeile 64 bis Spalte 16, Zeile 2 und 32 bis 38 i. V. m. Figuren 5 und 6, Blöcke 324 und 340). Die analogen Sprachsignale werden somit in der Fernbedienung vorverarbeitet.

450 Auch Merkmal 1.2.13 ist somit aus NK9 bekannt.

451 Ferner lehrt NK9, dass die Fernbedienung die Äußerungen eines Teilnehmers an die Terminaleinheit in Form von Infrarot- oder Radiofrequenzsignalen übermittelt (Spalte 6, Zeile 33 bis 53; Spalte 12, Zeile 23 bis 26; Spalte 15, Zeile 64 bis Spalte 16, Zeile 5).

452 Damit nimmt die NK9 auch Merkmal 1.2.14 vorweg.

453 Die Beklagte ist der Auffassung, die „information providers“ 114-n befinden sich nicht im gleichen Netzwerk wie das Headend 125 und lieferten zudem keine Inhaltsstatusinformationen, die Metainformationen über die bereits im TV/Video-Netzwerk befindlichen Daten seien. Merkmal 1.2.12 sei daher gegenüber der NK9 neu.

454 Dem kann jedoch nicht beigetreten werden.

455 Denn zum einen kann das in den Figuren 2A bis 2C gezeigte System als ein einziges übergeordnetes und insbesondere auch drahtgebundenes Netzwerk angesehen werden, das die „information providers“ 114-n mit dem Headend 125 und den Terminaleinheiten 160 verbindet (vgl. NK9, Spalte 9, Zeile 18 bis 23; Spalte 11, Zeile 3 bis 6). Zum anderen können die Informationen, die von den Komponenten 114-n bereitgestellt werden, an das Headend 125 weitergegeben und von diesem an die Terminaleinheiten weitergeleitet werden (vgl. NK9, Spalte 8, Zeile 44 bis Spalte 11, Zeile 6), so dass auch das Headend 125 als Content-Engine angesehen werden kann, zumal sich die „information providers“ 114-n auch an demselben Ort wie das Headend 125 befinden können (Spalte 9, Zeile 23 bis 26).

456 Ferner impliziert der Begriff Inhaltsstatusinformationen („content status information“) nicht, dass diese Informationen Metainformationen über Daten sein müssen, die sich bereits im Netzwerk befinden (s.o., Abschnitt 5, Ausführungen zu Merkmal 1.2.12). Zudem kann davon ausgegangen werden, dass Videofilme, die anhand eines Programm- oder Künstlernamens beispielsweise über einen Pay-Per-View-Dienst (vgl. NK9, Spalte 32, Zeile 12 bis 36 - „by speaking […] “ONLY SYLVESTER STALLONE““) ausgewählt werden, in dem Kabelfernsehnetzwerk abspielbereit gespeichert sind.

457 Mit Blick auf die Ausführungen zum Patentanspruch 1 nach Hilfsantrag 4 beruht der Gegenstand des Patentanspruchs 1 gemäß Hilfsantrag 5 somit nicht auf erfinderischer Tätigkeit, so dass das Streitpatent in seiner Fassung nach Hilfsantrag 5 ebenfalls keinen Bestand hat.

466 Auch mit den Merkmalen 1.2.15 und 1.2.16 kann eine Patentfähigkeit nicht begründet werden.

467 Wie bereits in Abschnitt IV.1.2.2 ausgeführt, ist der NK12 zu entnehmen, dass das Spracherkennungssystem 28 der sprachgesteuerten Auswahl und Änderung von Fernsehbildern, Audiodaten oder sonstigen Daten dient, die an einen Teilnehmer über ein Kabelfernsehsystem übermittelt werden. Dazu werden als Reaktion auf die von dem Spracherkennungssystem interpretierten Sprachbefehle der Fernsehsignalgenerator 29 und ein Teil des Kabelfernsehsystems 30 gesteuert. Die Sprachbefehle können daher als eine Steuerungsanfrage des Teilnehmers angesehen werden (vor dem Hintergrund der NK12 beispielsweise eine Anfrage zur Auswahl bestimmter Fernsehbilder). Die Einheiten 29 und 30 sind netzwerkseitig angeordnet und in NK12 die einzigen Einheiten, die die gewünschten Inhalte bereitstellen und an die Teilnehmer übermitteln können. Daher erkennt der Fachmann in den Einheiten 29 und 30 ein Headend des Kabelfernsehsystems - und somit auch eine Content-Engine.

468 Es ist selbstverständlich, dass das Spracherkennungssystem dabei den Inhalt der gesprochenen Anfrage des Teilnehmers an diese Content-Engine in Form einer Nachricht weiterleitet, die auf die auszuwählenden oder zu verändernden Inhalte Bezug nimmt und somit auf die Anfrage des Teilnehmers hindeutet.

469 Somit ist Merkmal 1.2.15 aus NK12 ableitbar.

470 Falls der Teilnehmer bestimmte Fernsehbilder zur Übermittlung ausgewählt hat, werden diese von den Einheiten 29 und 30 - einem Headend (s.o.) - als Bilddatenstrom an die Kabelbox 25 des Teilnehmers übertragen. Dass ein Headend hierfür einen Transceiver verwendet, geht nicht über eine fachübliche Maßnahme hinaus (vgl. NK16, Seite 15, Figur 7; s. auch NK9, Spalte 10, Zeile 65 bis Spalte 11, Zeile 6 i. V. m. Figur 2B - „distribution network may include [..] one or more optical transmitters 140, one or more optical receivers 142“), welche eine erfinderische Tätigkeit nicht stützen kann.

471 Somit gelangt der Fachmann auch zu Merkmal 1.2.16, ohne erfinderisch tätig zu werden.

472 Die Beklagte ist der Auffassung, die NK12 zeige die Verarbeitungskette „Spracherkennungssystem à Content-Engine à Transceiver à Teilnehmer“ nicht. So sei die Verbindung zwischen dem Spracherkennungssystem 28 und dem Fernsehsignalgenerator 29 nicht beschrieben; unklar sei zudem, warum dieser nicht mit dem Kabelfernsehsystem 30 verbunden sei. Zudem kommuniziere der Signalsplitter 27 nur upstream, so dass im Dunkeln bleibe, wie der Kanal zur Kabelbox 25 realisiert sei.

473 Diesen Argumenten kann ebenfalls nicht beigetreten werden.

474 So trifft es zwar zu, dass in NK12 ein Datenaustausch zwischen den Einheiten 25 und 27 bis 30 nur ansatzweise beschrieben ist. Gleichwohl leitet der Fachmann aus NK12 ab, dass die Komponenten 29 und 30 in Übereinstimmung mit den von dem Spracherkennungssystem 28 erkannten Sprachinhalten gesteuert werden, die als eine Anfrage zur Bereitstellung bestimmter Inhalte angesehen werden können (s.o., Abschnitt IV.1.2.2). In Verbindung mit dem Fachwissen des Fachmanns hinsichtlich des Datentransfers zwischen Set-Top-Boxen und Headends ergibt sich auch die oben genannte Verarbeitungskette in naheliegender Weise.

475 Angesichts der Ausführungen zum Hilfsantrag 1 erweist sich auch der Gegenstand des Patentanspruchs 1 gemäß Hilfsantrag 6 als nicht auf erfinderischer Tätigkeit beruhend. Mit seinem Patentanspruch 1 fällt der gesamte Hilfsantrag 6.