KATI® Lab

Die zunehmende Verfügbarkeit großer und vielfältiger Datenbestände stellt Wissenschaft und Praxis vor die Herausforderung, daraus systematisch Informationen und anwendbares Wissen zu generieren. Gerade für Foresight-, Innovations- und Entscheidungsprozesse ist es essentiell, relevante Daten effizient zu erfassen, aus unterschiedlichen Perspektiven zu analysieren und daraus fundierte Schlussfolgerungen abzuleiten. Data Driven Foresight setzt genau hier an: Daten werden zu einem strategischen Werkzeug, das frühzeitige Orientierung in dynamischen und komplexen Zukunftsfeldern ermöglicht.

Die Forschungsabteilung INT erforscht seit mehreren Jahren, wie Foresight-Prozesse durch den gezielten Einsatz von IT- und datenbasierten Methoden unterstützt und erweitert werden können. Um diesen Ansatz praktisch nutzbar zu machen, wurde das KATI^®-System – Knowledge Analytics for Technology & Innovation – entwickelt. KATI^® stellt datenbasierte Analysen für Foresight-Prozesse bereit und macht diese für Anwender*innen handhabbar. Im Kern ist KATI^® ein leistungsfähiges Tool für die Literatur- und Patentdatenanalyse, das weit über klassische Recherchefunktionen hinausgeht und innovative Analysemöglichkeiten bietet.

Das Ziel von KATI^® ist es, den aktuellen Stand der Forschung zu einem Thema zu erfassen, dessen Ursprünge zu identifizieren und potenzielle Entwicklungspfade aufzuzeigen. Darüber hinaus werden relevante Akteure und deren Vernetzung innerhalb eines Forschungsfeldes analysiert. Diese Art der multiperspektivischen Betrachtung, die durch KATI^® ermöglicht wird, ist ein zentraler Baustein für eine erfolgreiche und effiziente Technologiefrühaufklärung und datenbasierte Entscheidungsfindung. Das System richtet sich an alle, die sich mit Science Intelligence, Foresight sowie Technologie- und Innovationsmanagement beschäftigen.

Die Methodik von KATI^® basiert auf drei zentralen Bausteinen, die eine forschungsorientierte und systematische Analyse wissenschaftlicher Daten ermöglichen:

1. Daten als Grundlage: Die Erhebung, Aufbereitung, Pflege und Bereitstellung relevanter Datenbestände bilden die Basis für alle weiteren Analysen. KATI^® verarbeitet Metadaten wissenschaftlicher Publikationen und Patente und integriert diese in eine leistungsfähige Graphdatenbank, die komplexe Beziehungen zwischen Informationsobjekten, wie Publikationen, Autorinnen und Autoren, Institutionen oder Ländern, abbildet. Bei Bedarf werden solche Analysen mittels weiterer Daten angereichert, um bspw. auch ökonomische Aspekte erfassen zu können.  
2. Analysen zur Wissensgenerierung: Für die Analyse und Interpretation der Daten kommen Methoden aus den Bereichen Statistik, maschinelles Lernen, Data Mining und Natural Language Processing zum Einsatz, die im KATI^® Lab implementiert und weiterentwickelt werden. Kombiniert werden diese mit maßgeschneiderten Visualisierungen. Durch die Anwendung dieser Verfahren werden bspw. Signale, Muster, Trends und Wissenstrajektorien identifiziert, die für die Technologiefrühaufklärung und Innovationsanalyse von zentraler Bedeutung sind.
3. Use Cases als Anwendungsrahmen: Konkrete Fragestellungen werden aus Foresight- und Innovationsprozessen abgeleitet und datenbasiert bearbeitet. Die Advanced-Analytics-Komponente von KATI^® ermöglicht die flexible Integration weiterer Use-Case-spezifischer Datenquellen und die Durchführung gezielter Analysen.

Die kontinuierliche Erweiterung und Aktualisierung der Datenbasis gewährleisten, dass KATI^® stets auf dem neuesten Stand bleibt. Die Kombination aus einer performanten Suchmaschine, einer intuitiven Benutzeroberfläche und einem modularen Analysesystem macht KATI^® zu einem leistungsfähigen Werkzeug für die datenbasierte, zukunftsorientierte Entscheidungsfindung in Forschung und Entwicklung.

KATI4Fraunhofer 

Martini, M., & John, M. (2025). Technology Foresight from a Use-Case Perspective: A Comprehensive Framework for Data-Driven Patent Analysis. In I. Bitran (Chair), International Society for Professional Innovation Management (ISPIM Conference) 2025. Symposium conducted at the meeting of ISPIM, Bergen, Norway.

Scheuffele, M., Martini, M., John, M., & Brecht, L. (2025). Job Postings Analysis as a Tool for Technology Foresight. In I. Bitran (Chair), International Society for Professional Innovation Management (ISPIM Conference) 2025. Symposium conducted at the meeting of ISPIM, Bergen, Norway.

Martini, M., & John, M. (2024). Building a framework for patent analysis in data driven foresight - A use case focused conclusion. In Nordic Workshop on Bibliometrics & Science Policy. Symposium conducted at the meeting of University of Iceland, Reykjavík, Iceland.

Sarin, P. (2024). Natural Language Processing and Topic Modeling for Exploring Trends in Human-Robot Interaction [Masterthesis, Hochschule Bonn-Rhein-Sieg, Sankt Augustin]

Martini, M., Tietze, F., John, M., Aristodemou, L., Schönmann, A., & Schimpf, S. (2024). Conceptualizing disruptive innovation paths, patent zero and patent-data based operationalization. In XXXV ISPIM Innovation Conference: Local Innovation Ecosystems for Global Impact. Symposium conducted at the meeting of International Society for Professional Innovation Management (ISPIM), Tallinn, Estonia.

Schropp, T. C., Martini, M., Kaiser, S., & John, M. (2024). Cognitive Biases in Data-Driven Decision-Making - A Literature Review. In XXXV ISPIM Innovation Conference: Local Innovation Ecosystems for Global Impact. Symposium conducted at the meeting of International Society for Professional Innovation Management (ISPIM), Tallinn, Estonia.

Baaden, P., Rennings, M., John, M., & Bröring, S. (2024). On the emergence of interdisciplinary scientific fields: (how) does it relate to science convergence? Research Policy, 53(6), 105026. https://doi.org/10.1016/j.respol.2024.105026

Rennings, M., Baaden, P., Block, C., John, M., & Bröring, S. (2024). Assessing emerging sustainability-oriented technologies: the case of precision agriculture. Scientometrics, 129(6), 2969–2998. https://doi.org/10.1007/s11192-024-05022-2

Dadashi, A., Schönmann, A., Martini, M., & John, M. (2024). Technologie-Reifegradbewertung im Gesundheitswesen – Eine bibliometrische Analyse. In M. A. Pfannstiel (Ed.), Technologien und Technologiemanagement im Gesundheitswesen: Potenziale nutzen, Lösungen entwickeln, Ziele erreichen (1st ed.). Springer Gabler. https://doi.org/10.1007/978-3-658-43860-9_12

Ellermann, K., Martini, M., & John, M. (2024). Use Cases for Artificial Intelligence in Technology Foresight: A Systematic Literature Review. In R&D Management 2024: Transforming industries through technology, Stockholm.
https://doi.org/10.24406/publica-3372

Martini, M., & John, M. (2023). Evolving Co-classifications – measuring technology maturity over time with patents. In Y. Y. Ahn, J. Bollen, K. Börner, K. W. Boyack, S. Fortunato, S. Milojević, . . . C. S. Wagner (Chairs), 19th International Conference on Scientometrics & Informetrics. Symposium conducted at the meeting of International Society for Scientometrics and Informetrics, Bloomington, USA.

Martini, M., & John, M. (2023). Structuring the unknown - insights on waste management research in Europe. In International Society for Professional Innovation Management (Chair), XXXIV ISPIM Innovation Conference "Innovation and Circular Economy" 2023. Symposium conducted at the meeting of International Society for Professional Innovation Management (ISPIM), Ljubljana, Slovenia.

Martini, M., & John, M. (2023). The use of patent analysis in foresight, insights and assessments of methods and approaches. In A. Friberg, J. Rahman, M. Schirone, C. Granell, & P. Arhanto (Chairs), 28th Nordic Workshop on Bibliometrics and Research Policy, Gothenburg, Sweden.

John, M., Schimpf, S., & Martini, M. (2023). Zukunft der Innovation – eine Spurensuche in den Daten. In R. Dumitrescu & K. Hölzle (Chairs), 17. Symposium für Vorausschau und Technologieplanung. Symposium conducted at the meeting of Heinz Nixdorf Institut, Universität Paderborn, Berlin.

Martini, M., & John, M. (2022). The use of patent analysis in foresight. A data-driven review. In Holmberg, Maleki et al. (Hg.) September 21-23, 2022 – Nordic Workshop on Bibliometrics. https://doi.org/10.24406/publica-762

Steinmüller, K., Burchardt, A., Gondlach, K., Gracht, H. von der, Kisgen, S., Ellermann, K., Martini, M., & John, M. (2022). Kann Künstliche Intelligenz Zukunftsforschung? ‐ Ein spekulativer Impuls. Zeitschrift Für Zukunftsforschung, 2022(1). https://doi.org/10.63370/zfz.v10i1.99

John, M., Becker, B., Fritsche, F., Gülden, C., Martini, M., & Scheid, S. (2022). Data Driven Foresight & KATI – Number Crunching für die Technologiefrühaufklärung. In M. Lauster, R. Bantes, & J. Kohlhoff (Eds.), Neue Technologien: Kernthemen des Technologiemonitorings am Fraunhofer INT zwischen 2009 und 2021 (p. 17). Fraunhofer Verlag.

John, M., Fritsche, F., & Gülden, C. (2021). Where to start reading? Introducing the reference-citation plot. In W. Glänzel, S. Heeffer, P.-S. Chi, & R. Rousseau (Eds.), Issi2021: 18th International Conference on Scientometrics & Informetrics (pp. 539–544). International Society for Scientometrics and Informetrics (I.S.S.I.); ISSI Society Centre for R&D Monitoring (ECOOM) KU Leuven.

John, M. (2018). Data driven foresight - Technologiefrühaufklärung im Zeitalter von Big and Linked Data. Ein Werkstattbericht. In J. Gausemeier, W. Bauer, & R. Dumitrescu (Chairs), 14. Symposium für Vorausschau und Technologieplanung. Symposium conducted at the meeting of Universität Paderborn; Heinz Nixdorf Institut, Berlin.

Bar-Ilan, J., John, M., Koopman, R., Wang, S., Mayr, P., Scharnhorst, A., & Wolfram, D. (2016). Bibliometrics and information retrieval: Creating knowledge through research synergies. Proceedings of the Association for Information Science and Technology, 53(1), 1–4. https://doi.org/10.1002/pra2.2016.14505301023

John, M., & Fritsche, F. (2013). Bibliometric classification of emerging topics. In S. Hinze & A. Lottmann (Eds.), iFQ-Working Paper, Translational twists and turns: Science as a socio-economic endeavor (pp. 181–184). iFQ.

John, M., & Fritsche, F. (2013). Bibliometrics for technology forecasting and assessment - a preliminary application to human enhancement. In L. Hebakova, C. Scherz, & L. Klüver (Chairs), 1st PACITA project conference. Symposium conducted at the meeting of Karlsruhe Institute of Technology and Systems Analysis and Technology Centre of the Academy of Sciences of the Czech Republic, Prag.

Jovanović, M. M., John, M., & Reschke, S. (2010). Effects of civil war: scientific cooperation in the republics of the former Yugoslavia and the province of Kosovo. Scientometrics, 82(3), 627–645. https://doi.org/10.1007/s11192-010-0176-x