Success Stories und Use Cases

Über die Success Stories und Use Cases

Damit Sie sich ein besseres Bild von unserer Arbeit machen können, haben wir mit der Hilfe der NFDI-Konsortien eine Sammlung von Success Stories und Use Cases erstellt. Dazu gehören unter anderem Helpdesks, Forschungsdatenmanagement-Services aller Art und audiovisuelle Angebote.

Die Seite wird regelmäßig aktualisiert.

Geistes- und Sozialwissenschaften

Der interaktive virtuelle Assistent von BERD@NFDI hilft beim Datenschutz

U Konsortien BERD@NFDI | NFDI

Interaktiver Virtueller Assistent (iVa)

BERD@NFDI hat einen Interaktiven Virtuellen Assistenten (iVa) entwickelt, der Benutzern dabei hilft, die Komplexitäten der Datenschutzbestimmungen insbesondere hinsichtlich rechtlicher Fragen zu verstehen und die rechtlichen Optionen für die Verwendung von Daten in ihren Projekten erkunden. Speziell ausgerichtet für die Bereiche Wirtschaft, Wissenschaft und Sozialwissenschaften, führt iVA die Benutzer durch einen Entscheidungsbaum mit konkreten Fragen, kurzen Beispielen und präzisen Definitionen; anstelle von reiner Theorie bietet es praktische Einblicke. iVA besteht aus verschiedenen Modulen, von denen jedes eine bestimmte Datenschutzfrage behandelt.

Wählen Sie ein Modul und probieren Sie es aus.

Das Forum4MICA von KonsortSWD bündelt Forschungsdaten

Einzigartige Austauschplattform, die Expertise zu Forschungsdaten und Forschungsdatenmanagement niedrigschwellig bündelt

Das Forum4MICAMaking Information Commonly Available –ermöglicht den Austausch zwischen Forschenden als Datennutzenden und Forschungsdatenzentren (FDZ) als Datenanbietern. Bereits in den ersten Monaten haben sich 15 der 41 FDZ als Partner verpflichtet und knapp 400 Personen als aktive Forumsteilnehmende registriert, Tendenz steigend.

Forschende können im Forum (a) ihre individuellen Fragen stellen, (b) eigene Erfahrungen und Lösungsvorschläge einbringen sowie (c) systematisch nach Informationen suchen. Angesichts der Größe und Komplexität der Datenbestände im multidisziplinären Feld von KonsortSWD ist mit dem Forum ein einfacher, nachhaltiger und niedrigschwelliger Zugangsweg zu Wissen über relevante Forschungsdateninfrastrukturen für die Scientific Community entstanden.

Das QualidataNet von KonsortSWD organisiert Daten in den Sozialwissenschaften

Erstmalig übergreifendes Angebot für bedeutenden Teil der Forschenden in den Sozialwissenschaften

QualidataNet ist ein Netzwerk von Forschungsdatenzentren, Archiven und Repositorien mit Fokus auf qualitativen Forschungsdaten. Als „single point of entry“ bündelt QualidataNet Informationen über Forschungsdaten und Angebote unterschiedlicher Archivierungsinfrastrukturen.

Forschende können im Portal Daten und Archivierungspartner finden und bekommen Informationen darüber, wie sie Daten nutzen und managen können.

Forschungsdatenzentren, Archive und Repositorien erhöhen die Sicht- und Auffindbarkeit ihrer Daten und vernetzen sich mit anderen Anbietern.

Das Portal ist Ende Dezember 2023 online gegangen. Der Funktionsumfang wird beständig erweitert.

Der Legal Helpdesk von NFDI4Culture hilft bei rechtlichen Fragen im Forschungsdatenmanagement

Eine kompetente Anlaufstelle: Der Legal Helpdesk von NFDI4Culture beantworten Fragen zum Urheberrecht und Datenschutz

„Was bedeuten die Änderungen im Urheberrecht für unsere digitalen Sammlungen?“, „Was sollten wir für eine wirksame Einwilligung zur Datenverarbeitung beachten?“Als Teil des NFDI4Culture Helpdesk bietet der bei FIZ Karlsruhe angesiedelte Legal Helpdesk ein juristisch kompetentes Gesprächs-und Informationsangebot für diese Fragen. Das Themenspektrum reicht von Datenschutz und Urheberrecht bis hin zu ethischen Aspekten im Forschungsdatenmangement.

Der individuelle, direkte Austausch steht Forschenden, Kulturschaffenden, Kulturerbe-Institutionen und Forschungsprojekten offen. Von der einfachen Verständnisfrage über den Austausch zu Datennutzungsplänen bis zu Strategien des Rechtemanagements hat sich der Legal Helpdesk als verlässlicher, gern genutzter Service etabliert.

Weitere Success Stories von NFDI4Culture auf dem NFDI4Culture Portal!

 

Mit der Gemeinsamen Normdatei (GND) reichert Text+ geistes- und kulturwissenschaftliche Forschungsdaten an

Normdaten in geistes-und kulturwissenschaftlichen Forschungsdaten

In Text+, dem NFDI-Konsortium für sprach- und textbasierte Forschungsdaten, arbeiten die Deutsche Nationalbibliothek und die Niedersächsische Staats- und Universitätsbibliothek Göttingen mit weiteren Partnern zusammen, um die Erschließung geistes- und kulturwissenschaftlicher Forschungsdaten mit Normdaten der Gemeinsamen Normdatei (GND) auszubauen und bisher unerschlossene Datenbestände mit Normdaten aufzuwerten. Unter Normdaten versteht man solche Forschungsdaten, welche unabhängig von Faktoren wie Schreibweise eindeutig z.B. einer Person zugeordnet werden können etwa mithilfe einer Identifikationsnummer. Davon profitieren Forschung und Öffentlichkeit gleichermaßen, denn als Normdaten ausgewiesene Entitäten in Forschungsdaten (Personen, Werke, Geografika, Sachbegriffe etc.) sind eindeutig referenzierbar und interoperabel, sie bieten bei der Datenrecherche eindeutige Sucheinstiege und können in ihrer Verwendung als kontrolliertes Vokabular in unterschiedlichen Informationsressourcen die Entwicklung des Semantic Web vorantreiben.

 

 

Ingenieurwissenschaften

Die AI Ethics Videoserie von NFDI4DataScience klärt ethische Fragen zu künstlicher Intelligenz

U Konsortien NFDI4DataScience | NFDI

AI Ethics Video Series

NFDI4DS entwickelt Schulungsmaterialien und organisiert Veranstaltungen, die sich mit Prozessen und Methoden der Datenwissenschaft und KI befassen.
In diesem Rahmen wurde eine Videoserie über ethische Aspekte in der KI produziert. Zu diesem Zweck wurde ein Lehrplan entwickelt und ein Fragebogen für die Serie erstellt. Jede Folge beleuchtet einen bestimmten Aspekt und interviewt bekannte Experten auf dem Gebiet. Die Zielgruppe sind Praktiker aus der Datenwissenschaft und der KI-Gemeinschaft.

Die zehn Episoden der Videoserie sind auf YouTube verfügbar.

Der Open Knowledge Research Graph von NFDI4DataScience erleichtert das Finden von wissenschaftlichen Arbeiten

NFDI4DataScience Logo

Open Research Knowledge Graph

Akademisches Wissen. Vergleichbar.

Die Kernidee von NFDI4DS ist es, die Transparenz, Reproduzierbarkeit und Fairness von Data Science- und KI-Projekten zu erhöhen, indem alle digitalen Artefakte verfügbar gemacht, miteinander vernetzt und innovative Werkzeuge und Dienste angeboten werden.

Der Open Research Knowledge Graph (ORKG) ist eine Schlüsselkomponente für diese Vision. Er zielt darauf ab, Forschungsarbeiten auf strukturierte Weise zu beschreiben. Mit dem ORKG sind Arbeiten leichter zu finden und zu vergleichen.

• ORKG: https://orkg.org/
• Stories from researchers: https://orkg.org/about/36/ORKG_Stories
• Quick overview for beginners (to get started with the Open Research Knowledge Graph and its features): https://orkg.org/about/14/Get_started

 

Das Metaportal von NFDI4DataScience verknüpft verschiedene Metadaten

NFDI4DataScience Logo

NFDI Meta Portal

Die Kernidee von NFDI4DS ist es, die Transparenz, Reproduzierbarkeit und Fairness von Data Science- und KI-Projekten zu erhöhen, indem alle digitalen Artefakte verfügbar gemacht, miteinander verknüpft und innovative Tools und Dienste angeboten werden.
Als eine Schlüsselkomponente dieser Vision wird ein Meta-Portal bereitgestellt, das eine Vielzahl unterschiedlicher Ressourcen wie Publikationen (z.B. von Zenodo), Daten (z.B. von CKAN, DSpace, Dataverse, Invenio) und Code (z.B. von GitHub und GitLab) integrieren soll.
Das Metaportal bietet einen SPARQL-Endpunkt und wird eine Reihe von verschiedenen Werkzeugen bereitstellen, darunter eines zur Bewertung der Metadatenqualität.
Das Metaportal basiert auf piveau, einem Datenmanagement-Ökosystem für den öffentlichen Sektor.

Der ScienceSlam - organisiert von NFDI4Data Science - bringt der Öffentlichkeit die Arbeit von NFDI näher

NFDI4DataScience Logo

NFDI Science Slam

NFDI4DS organisiert verschiedene Veranstaltungen, die der breiten Öffentlichkeit Forschungsdateninfrastrukturen näher bringen.
In Zusammenarbeit mit der Berlin Science Week veranstaltet NFDI4DS jedes Jahr einen Science Slam. Die Idee ist, die Arbeit der NFDI und ihrer Konsortien auf verständliche und unterhaltsame Weise zu erklären.

Bislang haben wir 3 Ausgaben in den Jahren 2021, 2022 und 2023 mit insgesamt 14 Slams aus 11 Konsortien erfolgreich durchgeführt. An der Veranstaltung nahmen bis zu 80 Personen persönlich und bis zu 200 Personen virtuell teil.
Alle Slams sind auf Youtube verfügbar.

Coscine von NFDI4Ing fördert Forschungsdatenspeicherung konsortienübergreifend

Coscine

Die Forschungsdatenplattform Coscine kombiniert eine Implementierung der FAIR-Prinzipien mit föderierten, industrietauglichen und skalierbaren Datenspeichersystemen und bietet Bereitstellungs- und Zugriffsmanagementprozesse.

Coscine wird in NFDI4Ing kontinuierlich weiterentwickelt, um die Bedürfnissen von Ingenieurwissenschaftler:innen anzudecken. Für 42 nordrhein-westfälische Hochschulen wird Coscine.nrw bereits als föderierter Dienst angeboten, der FAIR-Datenmanagement für eine breite Gemeinschaft von Forschern bereitstellt.

2023 ist Coscine erfolgreich aus der Pilotphase in den Regelbetrieb übergegangen und bedient nun über 1500 interdisziplinäre Nutzer aus 138 Hochschulen und anderen Forschungsorganisationen aus der Research Organization Registry. Im Bereich der Ingenieurwissenschaften unterstützt Coscine bereits über 1000 Projekte. Die niedrigschwellige Zugangsverwaltung der Plattform auf der Basis von DFN AAI und ORCID ermöglicht eine breite Zusammenarbeit auch über den akademischen Bereich hinaus.

Als zentraler Dienst fördert Coscine die Zusammenarbeit innerhalb und zwischen NFDI-Konsortien. Coscine wird bereits intensiv in NFDI4Ing und NFDI-MatWerk genutzt. In NFDI4Chem und NFDI4Microbiota wird Coscine in einzelnen Arbeitsgruppen evaluiert, was das große Potenzial für verbundübergreifende Synergien zeigt.

Der Data Collections Explorer von NFDI4Ing erleichtert den Zugang zu Datensammlungen

Data Collections Explorer

Der Data Collections Explorer (DCE) ist ein einfach zu bedienendes Informationssystem für die Ingenieurwissenschaften. Er bietet einen schnellen Überblick über fachspezifische Repositorien, Archive und Datenbanken sowie über Datensätze, die außerhalb dieser etablierten Infrastruktur veröffentlicht wurden.
Der Data Collections Explorer bündelt wichtige Informationen wie Open-Access-Politik, API-Zugang, Publikationskosten und Größenbeschränkungen von Datensätzen in einer übersichtlichen Darstellung. Dies hilft Wissenschaftlern, die entweder ihre Forschungsdaten veröffentlichen wollen oder nach Daten suchen, um ihre Forschung voranzutreiben.
Seit dem Start im März 2022 hat der Data Collections Explorer in NFDI4Ing schnell an Zugkraft gewonnen. Ausschlaggebend waren dabei die vielen Beiträge von Wissenschaftler:innen auch außerhalb der Ingenieurwissenschaften. Der Data Collections Explorer stößt auch bei anderen Konsortien und Initiativen außerhalb der NFDI auf Interesse. Im nächsten Schritt arbeitet NFDI4Ing daran, die materialwissenschaftliche und ingenieurwissenschaftliche Gemeinschaft innerhalb von NFDI-MatWerk einzubinden. Darüber hinaus plant das Konsortium die Einrichtung eines Wissensgraphen, der unter anderem eine einfachere Integration in bestehende und künftige Projekte ermöglichen wird.

Das Education Gitlab von NFDI4Ing bietet Bildungsmöglichkeiten im Bereich Forschungsdatenmanagement

 

Education Gitlab

Das NFDI4Ing Education Gitlab ist eine Plattform für die Bereitstellung von und die Zusammenarbeit an offenen Bildungsressourcen (OER) im Bereich des Forschungsdatenmanagements (FDM). Es ist ein interdisziplinäres Projekt, das im NFDI4Ing-Konsortium angesiedelt ist, aber von jedem mit einem GitLab-Konto genutzt und erweitert werden kann. Es ist eine wertvolle Ressource für jeden, der sich für RDM interessiert oder sein Wissen dazu weitergeben möchte.

Auf den Education Pages bietet NFDI4Ing Schulungen zum Forschungsdatenmanagement an, die sich auf Anwendungen im Ingenieurwesen konzentrieren. Durch die Verwendung von ingenieurspezifischen Anwendungsfällen, Beispielen und Merkmalen sind die Schulungen speziell auf die Bedürfnisse von Ingenieuren zugeschnitten. Um die Inhalte interaktiv zu gestalten, wurden Elemente wie Videos und Quizfragen integriert. Die Schulungen decken den gesamten Lebenszyklus von Daten ab und behandeln Themen wie Datenmanagementpläne und Datenwiederverwendung sowie übergreifende Felder wie Metadaten, Dateiformate, Softwareentwicklung und Lizenzen.

Die Schulungen und die dazugehörige Plattform wurden unter Berücksichtigung von Aspekten offener Bildungsressourcen (OERs) erstellt: Die Trainings sind offen und ohne Registrierung verfügbar und stehen unter der Lizenz CC BY 4.0. Um offene und etablierte Plattformen und Formate zu nutzen, sind die Trainings auf GitLab-Seiten als Plattform, Markdown- und HTML-Dateien für den Inhalt und H5P für interaktive Elemente implementiert. Neben der Kuratierung durch das NFDI4Ing Training & Education Team sind die Nutzer eingeladen, ihr Feedback über das GitLabs Issue System zu teilen und so den Service kontinuierlich zu verbessern.

Weitere Informationen über RDM-Schulungen für die Ingenieurwissenschaften finden Sie hier.

Mit dem Attended Cloud Housing ermöglicht NFDI4Ing die Speicherung großer Daten

Attended Cloud Housing

Daten aus High-Performance Computing (HPC) und High-Performance Measurements sind häufig in persönlichen (Projekt-) Accounts bei Rechenzentren gespeichert und aufgrund ihrer Größe immobil. Der Zugriff auf die Daten oder die Weiternutzung waren bisher nicht ohne expliziten Antrag beim Rechenzentrum möglich, da Daten auf Großrechenanlagen bisher ausschließlich den Erzeugern und Projektbeteiligten zugänglich sind.

Mit der Einrichtung eines Cloud-Serversystems am Leibniz-Rechenzentrum (LRZ) und dem Gauss Centre for Supercomputing ist eine Plattform geschaffen worden, die den Aspekt der ‚accessibility‘ der FAIR-Prinzipien praktisch umsetzt. Mit Cloud-Serversystemen wird die Möglichkeit geschaffen, am Leibniz-Rechenzentrum (LRZ) erzeugte Forschungsdaten für Externe nutzbar zu machen. Der Zugang kann dabei individuell per virtueller Maschine oder per Mikroservice eingestellt werden. Durch die direkte Einbindung in die Datenspeicherinfrastruktur des Rechenzentrums, kann sowohl auf “heiße”, als auch “kalte” HPC-Forschungsdaten zugegriffen werden. Eine Auswertung der Daten auf der virtuellen Maschine ist dabei möglich. Die riesigen, immobilen Datenmengen sind dabei direkt über die Cloud zugänglich und somit für eine Nachnutzung erreichbar. Dabei bietet das Cloud-System die folgenden Nutzungsmöglichkeiten:

  • Bereitstellung exklusiver Nutzungsrechte innerhalb einer professionell verwalteten Compute Cloud
  • Ausführung virtueller Maschinen auf der Cloud zur Auswertung der Daten vor Ort
  • Schnelle Anbindung an bestehende Systeme zur Datenspeicherung des LRZ
Der Scientfic Knowledge Graph Tex hilft Forschern ihre Forschungsinformationen zugänglich zu machen

Scientific Knowledge Graph TeX

Scientific Knowledge Graph TeX (SciKGTeX) ist ein LaTeX-Paket, mit dem Forschungsbeiträge direkt im LaTeX-Quellcode annotiert werden können. Mit SciKGTeX können Autoren ihre Publikationen mit strukturierten, maschinenverarbeitbaren und FAIRen wissenschaftlichen Informationen anreichern, die sie ihren Lesern mitteilen möchten. Diese Informationen werden in die XMP-Metadaten des PDF-Dokuments eingebettet, wo sie von jedem, der das PDF-Dokument erhält, abgerufen werden können. Das bedeutet, dass die Informationen während der gesamten Lebensdauer des Artefakts erhalten bleiben. Auf diese Weise verbessert die Verwendung von SciKGTeX die elektronische Archivierung wissenschaftlicher Informationen und fördert ihre Auffindbarkeit und (Wieder-)Verwendung, beispielsweise in Suchmaschinen und Empfehlungssystemen.

SciKGTeX ist bereits im Einsatz. Der Open Research Knowledge Graph (ORKG), eine zentrale Infrastruktur in NFDI4Ing, NFDI4DataScience und NFDI4Energy, bietet bereits eine Upload-Funktion für SciKGTeX-annotierte PDFs an, die es Autoren ermöglicht, ihre annotierten Forschungsbeiträge schnell und einfach in den ORKG einzustellen. Die Zeitschrift ing.grid nutzt SciKGTeX als integriertes Paket in ihrer LaTeX-Vorlage für Artikel. Für die 30th International Working Conference on Requirement Engineering: Foundation for Software Quality wird im Rahmen einer Open-Science-Initiative allen Autoren empfohlen, ihre eingereichten Artikel mit SciKGTeX zu annotieren.

Auf der ACM/IEEE Joint Conference on Digital Libraries 2023 wurde die Publikation zu SciKGTeX [1] mit dem Vannevar Bush Best Paper Award (dotiert mit 1000 Dollar) ausgezeichnet.

Weitere Informationen über das Tool und sein Projekt finden Sie unter: https://github.com/Christof93/SciKGTeX

Jards von NFDI4Ing weitet den Speicherplatz für Forschungsdaten aus

Speicherplatz ist teuer, und die Nachfrage unter Forschenden groß. Die meisten bestehenden Systeme zur Verteilung von Speicherplatz sind ad-hoc, erfordern (interne) Geldtransfers, skalieren nicht auf institutioneller oder sogar nationaler Ebene und verursachen im Allgemeinen einen gewissen formalen Overhead. In NFDI4Ing wollen wir die Beantragung und Allokation wissenschaftlicher IT-Ressourcen vereinheitlichen und den Verwaltungsprozess vereinfachen.

Ausgehend von unserer bestehenden Datenverwaltungsplattform Coscine haben wir Jards, ein Tool, das bereits in vielen Rechenzentren zur Verwaltung von Anträgen auf Rechenzeit eingesetzt wird, so angepasst, dass es auch Anträge auf Speicherplatz bearbeiten kann. Jards ermöglicht dann eine wissenschaftlich geleitete Prüfung des Antrags und der Arbeits- und Datenflüsse und gewährleistet so einen nachhaltigen Umgang mit den Forschungsdaten und Metadaten. Jards bietet ein Antragsverfahren, das Vorschläge auf der Grundlage des wissenschaftlichen Werts und der Umsetzung der FAIR-Grundsätze bewertet. Es ist als föderierter Dienst für 42 Hochschulen in Nordrhein-Westfalen und die NFDI-Konsortien, an denen sie beteiligt sind, verfügbar. Sie nutzen es unter anderem, um den Verteilungsprozess für Speicherressourcen, die vom DataStorage.nrw-Konsortium bereitgestellt werden, zu koordinieren.

 

Der Research Data Management Organiser von NFDI4Ing verwaltet große Datenmengen

Durch stetig steigende Datenmengen und Kooperationen im Wissenschaftsbetrieb wird es immer wichtiger, die Datenhaltung für ein Projekt vorab zu planen. NFDI4Ing stellt für die Ingenieurwissenschaften einen Assistenten zur Verfügung, der bei der Planung des Datenmanagements unterstützt. Dadurch wird sichergestellt, dass Daten besser aufbereitet und somit für weitere Forschung einfacher nachgenutzt werden können.

 Der Assistent basiert auf dem Research Data Management Organiser (“RDMO”), einer etablierten Plattform für Datenmanagementpläne. Er führt Nutzende aus den Ingenieurwissenschaften durch ein strukturiertes Interview, das sämtliche Aspekte eines nachhaltigen Datenmanagements abfragt. Unterstützt werden die Forschenden bei der Beantwortung der Fragen durch erklärende Hilfetexte, weiterführende Informationen oder auch konkrete Beispiele. Das Tool bezieht sich hierbei auf internationale Empfehlungen zur Planung und bietet auch einen zusätzlichen Leitfaden für Forschungssoftware an.

Lebenswissenschaften

Das Data Steward Service Center von FAIRagro kümmert sich um Fragen aus der Wissenschaft

Data Steward Service Center

„Das DSSC unseres jungen Konsortiums hat sich innerhalb weniger Wochen nach Projektstart im März 2023 erfolgreich formiert und zeichnet sich durch eine Kombination aus Teamwork und zugleich selbstständiger Aufgabenbearbeitung aus. Wir sind fünf Data Stewards und ein Koordinator, die sich diversen Anfragen aus der nationalen und internationalen Agrosystem-Community widmen. Jeder unserer Data Stewards ist Expert:in eines bestimmten Bereichs der Agrosystemforschung. Dazu gehören Geodaten, Daten von Pflanzeninventuren, landwirtschaftliche Langzeitversuche und genetische Daten. Darüber hinaus haben wir als erstes Konsortium auch eine ausgebildete Volljuristin als Data Steward für Recht und Ethik. Dadurch sind wir in der Lage, die Fragen der Community direkt selbst kompetent zu beantworten, sodass kein Outsourcing betrieben werden muss. Dies macht unseren Service agil und effizient. Konkret erreichen uns Anfragen über die zentrale E-Mail-Adresse „dataservice@fairagro.net“. Diese werden dann von unserem Koordinator in Tickets umgewandelt und entsprechend der Expertise an eine:n oder mehrere Data Stewards zugeteilt, die diese Tickets dann selbstständig bearbeiten und verwalten. So konnten wir uns zum Jahresende 2023 bereits 27 Community-Anfragen widmen. Durch die Größe und Diversität unseres Teams tragen wir auch erfolgreich zu der Vernetzung mit anderen Helpdesks (sowohl NFDI als auch lokal) sowie mit den Landesinitiativen bei.“ [Autorin: Lea Singson, Data Steward im DSSC]

Leitende Einrichtung des DSSC ist das Leibniz Zentrum für Agrarlandschaftsforschung (ZALF) mit eigenem Repositorium (BonaRes Repository).

NFDI4Health erarbeitet umfangreiche Übersicht über Datenanonymisierungstools

Logo NFDI4Health.

Übersicht Datenanonymisierungstools

NFDI4Health entwickelte ein Tool für die Anonymisierung tabellarischer Daten, um die Auswahl geeigneter Werkzeuge für Datenanalysten zu erleichtern. Die Anonymisierung medizinischer Datensätze stellt einen wichtigen Schritt von Data Sharing-Prozessen dar und hilft, die Privatheit der Betroffenen zu schützen. Valide Anonymisierungen müssen auf statistischen Modellen basieren, um Re-Identifizierungsrisiken zu messen und zu verringern. Hierbei ist es ratsam, bereits bestehende und robuste Implementierungen einzusetzen. NFDI4Health liefert mit seiner Arbeit über Datenanonymisierungstools einen Überblick über die verfügbaren Open Source Werkzeuge zur Anonymisierung und analysiert deren Stärken und Schwächen.

Zur Publikation: https://doi.org/10.1093/bib/bbac440 

Naturwissenschaften

NOMAD von FAIRmat schafft eine digitale Infrastruktur in den Materialwissenschaften

NOMAD

NOMAD ist eine digitale Infrastruktur für die riesigen Datenmengen aus dem weiten Feld der Materialwissenschaften. Das Konsortium FAIRmat hat dazu die ursprüngliche Sammlung von Simulationsergebnissen in viele Richtungen weiterentwickelt. Dies betrifft nicht nur Berechnungen angeregter Zustände mittels Vielteilchentheorien und klassischer Molekulardynamik; NOMAD ist auch zu einer Plattform für Probenherstellung, verschiedenste experimentelle Methoden und einer Vielzahl von Anwendungen gewachsen. FAIRmat hat hierfür (Meta-)Datenmodelle und grafische Oberflächen entwickelt, um die Fülle heterogener Daten zu verarbeiten und zu beschreiben. Heute umfasst NOMAD 13 Millionen Einträge zu mehr als 3 Millionen Materialien.

Mit den interaktiven NOMAD Apps lassen sich die domänenspezifischen Daten im Detail erkunden und auch miteinander vergleichen. Diese Apps bieten individuell gestaltbare Benutzeroberflächen zur Datenvisualisierung. Zum Beispiel beinhaltet die Solar-Cell App über 40 000 Datensätze von Bauelementen aus dem Perovskite Database Project. Mehr als 17 000 Berechnungen enthält unsere Datensammlung zu Metal-Organic Frameworks, die derzeit um Information zu deren Synthese erweitert. In Kürze werden weitere Apps verfügbar sein, die von der heterogenen Katalyse bis zur Batterieforschung reichen.

Mit NOMAD Oasis bringt FAIRmat unsere Dateninfrastruktur auch in individuelle Labore. NOMAD Oasis ermöglicht es Forschenden aus verschiedenen Fachbereichen, die NOMAD-Software an ihre individuellen Bedürfnisse anzupassen. Besuchen Sie unsere Website unter: https://nomad-lab.eu.

MaRDI organisiert Universitätsvorlesungen zu Forschungsdatenmanagement in der Mathematik

Universitätsvorlesung für mathematisches Forschungsdaten-Management 

Eine im Sommer 2021 durchgeführte Umfrage an deutschen Mathematikfakultäten ergab, dass die Lehrenden das Bewusstsein und die Kenntnisse ihrer Studierenden in Bezug auf gute wissenschaftliche Praxis, Autorenschaft, die FAIR-Prinzipien und Forschungssoftware als zu gering einschätzen. Es handelt sich dabei um klassische Themen des Forschungsdatenmanagements (FDM). Motiviert durch diesen Bedarf und durch erfolgreiche, fächerübergreifende FDM-Kurse an den Universitäten Bielefeld und Leipzig, fanden im Sommersemester 2023 in Leipzig sechs Vorlesungen zum Forschungsdatenmanagement für Mathematiker*innen statt. Nach Kenntnis der Dozentin war dies der erste Kurs dieser Art. Die große Gruppe der Teilnehmenden umfasste eine große Bandbreite an Erfahrungsstufen, darunter Studierende, Doktoranden, Postdocs und MaRDI-Mitarbeitende. Lebhafte Diskussionen drehten sich um die Besonderheiten und allgemeine Probleme mathematischer Forschungsdaten, und die Schwierigkeiten bei der Entscheidung über geeignete Metadaten für mathematische Ergebnisse, die wissenschaftliche Methode, gute wissenschaftliche Praxis und die Art und Weise, wie man Mathematik schreibt, zitiert und dokumentiert.

Die Rückmeldungen zu diesem Kurs waren sehr gut. Die Studierenden schätzten die interaktive Atmosphäre, die Zeit, die für Fragen zur Verfügung stand, und den informellen Charakter des Unterrichts. Ein eintägiger Mathe-FDM-Kurs mit Beteiligung von Professor*innen in Magdeburg im November baute auf dieser ersten erfolgreichen Veranstaltung auf und behandelte neben einführenden Themen auch Fragen der Reproduzierbarkeit und Repositorien. Vorlesungsskripte für beide Veranstaltungen sind in Arbeit. Sie werden im nächsten Sommersemester öffentlich zugänglich gemacht, damit sie von allen, die sich für das Thema Mathematik-FDM interessieren, frei verwendet werden können.

RDM4Lab von NFDI4Cat hilft, Forschungsdaten zu verwalten

 

 

Laborpraktikum Technische Chemie

Die Fakultät für Chemie der TU München bietet für Studierende der Chemie und des Chemieingenieurwesens das Laborpraktikum „Technische Chemie“ an. Das Laborpraktikum umfasst katalysebezogene Experimente, die von den Studenten durchgeführt werden. In der Regel sind etwa 100 Studenten pro Semester eingeschrieben, und jeder Student führt mindestens acht verschiedene Experimente durch. Dies führt dazu, dass jedes Jahr mehr als 800 Experimente und Berichte erstellt werden, die von den Betreuern (in der Regel Doktoranden und Postdocs) bewertet werden. Wir haben ein Tool für die Verwaltung von Forschungsdaten, „RDM4Lab“, entwickelt, um die in diesem Laborkurs erzeugten Daten systematisch und unter Einhaltung der FAIR-Grundsätze(Findable, Accessible, Interoperable, and Reusable) zu speichern. Das Tool beinhaltet auch Funktionen wie die Visualisierung der aktuellen und historischen Daten und die automatische Datenanalyse, um den Betreuern die Bewertung der Berichte zu erleichtern

 

 

 

LARA von NFDI4Cat revolutioniert Forschungsdatenmanagement

LARASuite

Die LARAsuite ist ein quelloffenes Forschungsdatenmanagement System der nächsten Generation: es implementiert einen radikal automatisierbaren Ansatz, so dass Eingaben von Daten und Metadaten auf das allernotwendigste reduziert werden. Dazu verwendet es open-source Laborkommunikationsprotokolle, offene Daten- und Metadaten Standards und eine semantische, Ontologie-basierte Repräsentation der Daten.

Daten können zwischen verschiedenen LARA-Instanzen ausgetauscht und mit (Inter-)nationalen Repositorien synchronisiert werden. Abfragen können mittels SPARQL durchgeführt werden.

Die LARAsuite und viele Komponenten werden von einer internationalen Open-Source Community entwickelt. Es kann in sehr vielen naturwissenschaftlichen Bereichen eingesetzt werden.

 

Der Metadata Shaper von NFDI4Cat kreiert eine einheitliche Beschreibung von Forschungsdaten

Metadata Shaper

Um ein heterogenes Fachgebiet mit Metadaten beschreiben zu können, wird eine Sprache benötigt, die über die Grenzen der Domänen hinweg kommunizieren kann. Um dies zu ermöglichen, werden Metadatenstandards als einfaches und universelles Vokabular verwendet, um eine Schnittstelle zwischen Wissensdomänen zu schaffen. Diese können verschiedenste Forschungsbereiche umfassen, wie z. B. die Katalyseforschung, die Chemie oder die Verfahrenstechnik.
Eine Form eines solchen Metadatenstandards ist ein Metadaten-Framework, das nicht nur eine Standardisierung der Sprache darstellt, sondern auch eine einheitliche Datenbeschreibung in einer einfachen, aber aussagekräftigen Form ermöglicht. Dies ermöglicht eine einfachere Abbildung der Daten in Wissensgraphen und vereinfacht somit die Erstellung von Suchanfragen zu diesen Wissensgraphen.

Der Ontology Booster von NFDI4Cat macht Forschungsdaten einheitlich verständlich

Um Daten FAIR (auffindbar, zugänglich, interoperabel, wiederverwendbar) und für die weitere Forschung verfügbar zu machen, müssen wir eine Sprache, also ein semantisches Netz, entwickeln, das den Inhalt der Daten in einer für Menschen und Maschinen lesbaren Weise beschreiben kann. Ein wesentliches semantisches Werkzeug ist die Ontologie, die mit Hilfe einer mathematisch-logischen Sprache und der Annotation durch Verweise, Definitionen und Erklärungen ein Verständnis des Dateninhalts aufbaut. Da der Aufbau und die Erweiterung dieser Ontologien arbeitsintensiv und wissensintensiv ist, wird dies typischerweise nur von Domänen- und Semantik-Experten durchgeführt. In NFDI4Cat haben wir Werkzeuge entwickelt, die Domänenexperten bei der Entwicklung von Ontologien mit Natural Language Processing (NLP) unterstützen. In naher Zukunft wird es möglich sein, auch die zunehmend aufkommenden Large Language Models einzubeziehen. Vorschläge für neue Ontologieinhalte werden zusammen mit Verweisen auf bestehende Inhalte und die darauf basierende Informationsextraktion gut unterstützt.

Die Ontology Worldmap von NFDI4Cat fasst Forschungsdaten in nachvollziehbare Kategorien zusammen

Ontology World Map

Durch die Weiterentwicklung der Forschungsdateninfrastruktur FEI wird es immer wichtiger, sich mit Ontologien zu beschäftigen, die das logische Regelwerk für die Erstellung von Wissensgraphen darstellen und somit der standardisierten Vernetzung von (Meta-)Daten dienen. Im NFDI4Cat-Konsortium wurden die Ontologien, die die Themenbereiche der Katalyse abbilden, untersucht und auf ihre Verwendbarkeit in der NFDI bewertet.
Dies bietet einen systematischen Ansatz, um Ontologie-Metadaten zu sammeln, sie auf der Grundlage von Katalyse-Subdomänen zu klassifizieren und eine von Menschen lesbare Darstellung in einem GitHub-Repository zu erstellen. Darüber hinaus wird ein effizienter Vergleich und ein automatisiertes Mapping zwischen Ontologien ermöglicht, wobei der Schwerpunkt auf der Anpassungsfähigkeit an andere Wissensdomänen liegt. Das Repository soll sowohl als Anlaufstelle für neue Forscher als auch als Diskussionsforum für alle Forscher dienen, die an Ontologien (und Metadatenstandards) im Bereich der Katalyse und prozessbezogenen Wissenschaften interessiert sind.