Tom Willeke

• Innovation is essential for economic growth, technological competitiveness, and sustainable transformation. However, measuring innovation remains a complex challenge for researchers and policymakers. Although patents have long been used as an indicator of technological innovation, they only capture part of the process. Patents primarily reflect technical invention rather than market introduction or service-related innovation. By contrast, trademarks are the most widely used form of intellectual property right and provide valuable insights into market-oriented and non-technological innovation. Building on this distinction, this dissertation explores how patent and trademark data can offer a more comprehensive and reliable overview of innovation. This dissertation combines methodological, conceptual, and empirical perspectives to improve our understanding of how intellectual property data can be used to study innovation. The dissertation develops approaches for linking patent and trademark data to firm-level information. It also explores the value of this data as an indicator of different types of innovation and examines how it reveals distinctive innovation patterns. The dissertation presents these approaches across five studies and applies them empirically using large-scale datasets that integrate patent, trademark, and firm information. The first study establishes a transparent and reproducible process for linking patent data from the PATSTAT database with firm-level data. Using a sample of over ten thousand German manufacturing firms, the study introduces a seven-step matching framework that combines algorithmic and manual processes. This approach improves the reliability and traceability of the results, providing a robust basis for analyzing innovation behavior at the firm level. The second study provides a comprehensive review of trademark-based indicators, which remain underutilized despite their potential to capture product innovation, branding, and commercialization activities. It identifies nine key data sources and over forty distinct measures, classifying them into seven thematic domains. It demonstrates that trademarks can provide further insight into firms' innovation and market strategies, and it offers guidance on how to retrieve, clean, and apply such data. Furthermore, the study explores the potential applications of AI and language models in analyzing the textual and visual characteristics of trademarks. The third study examines the potential of patents and trademarks as indicators of environmental innovation. Using matched firm-level and survey data from Germany and Italy, the study assesses the reliability of these indicators in identifying firms engaged in green innovation. The results show that patents and trademarks capture different aspects of innovation: patents reflect technological invention, whereas trademarks indicate market-oriented and sustainability-related activities. The fourth study examines how the knowledge embedded in inventions influences the discontinuous potential of climate change mitigation technology patents. Using advanced text-based similarity analysis, the study distinguishes between inventions that draw more strongly on basic research and those that draw more strongly on applied technological knowledge. The results show that inventions with a stronger orientation toward basic research are more likely to generate technological discontinuities, while those based on applied knowledge tend to reinforce existing trajectories. Compared to traditional citation-based measures, the study demonstrates that content-based indicators can provide deeper insights into the knowledge foundations and transformative potential of innovation. The fifth study examines the technological innovation patterns of Hidden Champions, which are highly specialized, export-oriented niche leaders that form the backbone of the German Mittelstand. Based on patent data, the analysis shows that Hidden Champions are more active in technological innovation and exhibit greater depth and specialization than comparable firms. However, their strong reliance on internal knowledge sources limits their innovation efficiency and results in predominantly incremental rather than radical innovation. These findings empirically support long-standing theoretical assumptions about the innovation behavior of Hidden Champions and demonstrate how patent indicators can identify firms with distinctive innovation profiles. Together, the five studies offer substantial contributions to our understanding of innovation and how to measure it. They offer practical guidance for creating reproducible IPR datasets and summarize how trademark indicators can be used in innovation research. Additionally, they demonstrate how patent-based measures can be applied to study sustainability and knowledge orientation. The findings emphasize that the usefulness of IPR indicators depends on the context, as patents and trademarks capture different aspects of innovation that vary across industries and firm types. Furthermore, the dissertation shows that text-based similarity methods can enhance innovation analysis by revealing the knowledge bases and broader potential of inventions.
• Innovation gilt als zentrale Voraussetzung für wirtschaftliches Wachstum, technologische Wettbewerbsfähigkeit und die Transformation zu einer nachhaltigen Wirtschaft. Gleichzeitig stellt ihre Messung eine methodische Herausforderung dar. In vielen Bereichen der Innovationsforschung dienen geistige Eigentumsrechte als zentrale Informationsquelle, da sie dokumentieren, welche neuen Produkte, Technologien oder Marktstrategien Unternehmen verfolgen. Patente gelten als der wichtigste Indikator für technologische Innovation, erfassen jedoch vor allem technische Erfindungen und weniger marktorientierte, gestalterische oder dienstleistungsbezogene Innovationen. Marken sind hingegen die am weitesten verbreitete Form von geistigen Eigentumsrechten und erlauben Einblicke in die Marktpositionierung, die Produktentwicklung und die nichttechnologischen Innovationsaktivitäten eines Unternehmens. Vor diesem Hintergrund zeigt diese Dissertation, wie Patent- und Markendaten ein umfassenderes Bild von Innovationsaktivitäten liefern können. Diese Dissertation verbindet methodische, konzeptionelle und empirische Ansätze zur Nutzung von Patent- und Markendaten als Indikatoren von Innovation. Sie entwickelt reproduzierbare Verfahren zur Verknüpfung von geistigen Eigentumsdaten mit Firmendaten, systematisiert zentrale markenbasierte Indikatoren und untersucht anhand verschiedener empirischer Anwendungen, welche Innovationsformen und -muster sich mit Patent- und Markendaten messen lassen. Den Kern der Arbeit bilden fünf Studien, die unterschiedliche methodische und inhaltliche Perspektiven auf den Einsatz von Patent- und Markendaten in der empirischen Forschung untersuchen. In der ersten Studie wird ein transparenter und reproduzierbarer siebenstufiger Prozess entwickelt, mit dem sich Patentdaten aus der Datenbank PATSTAT mit Unternehmensdaten aus Orbis von Bureau van Dijk verknüpfen lassen. Anhand von mehr als zehntausend deutschen Industrieunternehmen wird der Prozess mit mehreren algorithmischen und manuellen Schritten dargestellt. Die zweite Studie bietet einen umfassenden Überblick über die Nutzung von Markendaten in der empirischen Forschung. Marken erfassen nicht nur innovationsbezogene Aktivitäten, sondern auch produktspezifische Entwicklungen, Marktstrategien und die Positionierung von Unternehmen. In der Studie werden neun zentrale Datenquellen und über vierzig markenbasierte Indikatoren in sieben thematischen Bereichen systematisiert. Darüber hinaus werden neue Möglichkeiten aufgezeigt, künstliche Intelligenz und Sprachmodelle zur Analyse von Markentexten und Bildzeichen einzusetzen. In der dritten Studie wird untersucht, inwieweit sich Umwelt- und Nachhaltigkeitsinnovationen auf Unternehmensebene mithilfe von Patenten und Marken abbilden lassen. Auf Basis von Unternehmens- und Umfragedaten aus Deutschland und Italien kommt die Studie zu dem Ergebnis, dass beide Indikatoren unterschiedliche Facetten grüner Innovation erfassen. Während Patente vor allem technologische Erfindungen widerspiegeln, zeigen Marken stärker marktbezogene und nachhaltigkeitsorientierte Aktivitäten an. In der vierten Studie wird der Einfluss des zugrunde liegenden Wissens auf das disruptive Potenzial von Klimaschutztechnologien untersucht. Mithilfe textbasierter Ähnlichkeitsmaße wird zwischen Erfindungen unterschieden, die sich stärker an Grundlagenwissen orientieren, und solchen, die einen stärkeren Bezug zu angewandtem technologischem Wissen haben. Die Ergebnisse zeigen, dass Erfindungen, die auf Grundlagenwissen basieren, eher mit technologischer Diskontinuität assoziiert sind, während Erfindungen, die auf angewandtem Wissen basieren, bestehende Pfade verstärken. Die Studie verdeutlicht den Mehrwert semantischer Indikatoren gegenüber klassischen Zitationsmaßen. Die letzte Studie untersucht die technologischen Innovationsmuster von Hidden Champions. Hidden Champions sind hoch spezialisierte und exportstarke Nischenanbieter des deutschen Mittelstands. Die Analyse auf Basis von Patentdaten zeigt, dass Hidden Champions besonders innovativ sind und eine tiefe technologische Spezialisierung aufweisen. Gleichzeitig begrenzt ihre starke Fokussierung auf interne Wissensquellen die Effizienz und Neuartigkeit ihrer Innovationen, sodass überwiegend inkrementelle Entwicklungen entstehen. Die Dissertation leistet einen umfassenden Beitrag zur Innovationsmessung. Sie enthält Leitlinien für die Erstellung reproduzierbarer Datensätze zu geistigem Eigentum, bietet einen systematischen Überblick über markenbasierte Indikatoren und demonstriert den Nutzen patent- und markenbasierter Indikatoren zur Analyse von Nachhaltigkeit und Wissensorientierung. Zudem zeigt die Arbeit, dass der Wert von Schutzrechten stark vom Anwendungsfeld abhängt, da Patente und Marken unterschiedliche Aspekte von Innovation erfassen. Durch den Einsatz textbasierter Methoden erweitert die Arbeit schließlich das analytische Instrumentarium der Innovationsforschung und ermöglicht ein tieferes Verständnis der Wissensbasis und des Transformationspotenzials von Erfindungen.