Warum maschinenlesbeare Daten nicht nur für KI eine gute Idee sind
Maschinelles Lernen in der Chemie
24 Minuten
Podcast
Podcaster
Beschreibung
vor 1 Monat
Warum maschinenlesbeare Daten nicht nur für KI eine gute
Idee sind
Was erwartet dich?
Künstliche Intelligenz verändert die chemische Forschung – aber
sie ist nur so gut wie die Daten, mit denen sie gefüttert wird.
In dieser Folge sprechen Philipp Strömert und Steffen Neumann
darüber, warum Metadaten, Ontologien und digitale Repositorien
für maschinenlesbare Daten essenziell sind. Wie können KI-Modelle
mit retrospektiven Datensätzen trainiert werden? Was muss sich in
Lehre, Labor und Publikationspraxis ändern? Und warum ist es
höchste Zeit, die digitale Souveränität der Chemie in Europa zu
sichern?
Themen der Episode:
Datenmanagement als wissenschaftliche Praxis:
Warum die digitale Dokumentation von Laborprozessen kein
"Extraaufwand", sondern Teil guter wissenschaftlicher Praxis
ist – und warum man selbst als erster davon profitiert.
Metadaten: Wieso Daten ohne Kontext wenig wert
sind – und wie Ontologien dabei helfen, Fachbegriffe weltweit
einheitlich und eindeutig zu definieren.
ELNs, Repositorien & Annotation: Wie Tools
wie Chemotion-ELN und -Repositorium von NFDI4Chem schon heute
maschinenlesbare, FAIR aufbereitete Daten ermöglichen – direkt
aus dem Labor und ohne Copy-Paste aus PDFs.
KI braucht saubere Trainingsdaten: Wie
maschinelles Lernen alte Datenbestände nutzbar macht –
vorausgesetzt, sie sind korrekt annotiert, standardisiert und
auffindbar. Warum das heute die Basis für die KI-Anwendungen
von morgen ist.
Digitale Souveränität in Europa sichern: Was
auf dem Spiel steht, wenn Europa die Standards für chemische
Forschungsdaten anderen überlässt. Warum gemeinsame, offene
Dateninfrastrukturen alternativlos sind – für Wissenschaft,
Wirtschaft und Demokratie.
Gäste:
Dr. Steffen Neumann ist Bioinformatiker am
Leibniz-Institut für Pflanzenbiochemie in Halle (Saale). Er
entwickelt digitale Lösungen zur Verarbeitung chemischer und
biochemischer Forschungsdaten und setzt sich für
maschinenlesbare, interoperable Datensätze ein.
Philipp Strömert ist Experte für Metadaten und
Ontologien bei NFDI4Chem (Task Area 6 „Synergies“) und arbeitet
an der TIB – Leibniz-Informationszentrum für Technik und
Naturwissenschaften in Hannover.
Mehr erfahren:
NFDI4Chem: https://www.nfdi4chem.de/
Chemotion ELN: https://www.chemotion.net/
Fachbegriffe/Glossar:
Datenrepositorien:
https://forschungsdaten.info/themen/veroeffentlichen-und-archivieren/repositorien
Metadaten:
https://www.ibm.com/de-de/think/topics/metadata
Metadaten Schema:
https://www.ibm.com/de-de/think/topics/metadata
Ontologien: https://knowledgebase.nfdi4chem.de/knowledge_base/de/docs/ontology/
Wissensgraph:
https://de.wikipedia.org/wiki/Knowledge_Graph
Hosted on Acast. See acast.com/privacy for more information.
Idee sind
Was erwartet dich?
Künstliche Intelligenz verändert die chemische Forschung – aber
sie ist nur so gut wie die Daten, mit denen sie gefüttert wird.
In dieser Folge sprechen Philipp Strömert und Steffen Neumann
darüber, warum Metadaten, Ontologien und digitale Repositorien
für maschinenlesbare Daten essenziell sind. Wie können KI-Modelle
mit retrospektiven Datensätzen trainiert werden? Was muss sich in
Lehre, Labor und Publikationspraxis ändern? Und warum ist es
höchste Zeit, die digitale Souveränität der Chemie in Europa zu
sichern?
Themen der Episode:
Datenmanagement als wissenschaftliche Praxis:
Warum die digitale Dokumentation von Laborprozessen kein
"Extraaufwand", sondern Teil guter wissenschaftlicher Praxis
ist – und warum man selbst als erster davon profitiert.
Metadaten: Wieso Daten ohne Kontext wenig wert
sind – und wie Ontologien dabei helfen, Fachbegriffe weltweit
einheitlich und eindeutig zu definieren.
ELNs, Repositorien & Annotation: Wie Tools
wie Chemotion-ELN und -Repositorium von NFDI4Chem schon heute
maschinenlesbare, FAIR aufbereitete Daten ermöglichen – direkt
aus dem Labor und ohne Copy-Paste aus PDFs.
KI braucht saubere Trainingsdaten: Wie
maschinelles Lernen alte Datenbestände nutzbar macht –
vorausgesetzt, sie sind korrekt annotiert, standardisiert und
auffindbar. Warum das heute die Basis für die KI-Anwendungen
von morgen ist.
Digitale Souveränität in Europa sichern: Was
auf dem Spiel steht, wenn Europa die Standards für chemische
Forschungsdaten anderen überlässt. Warum gemeinsame, offene
Dateninfrastrukturen alternativlos sind – für Wissenschaft,
Wirtschaft und Demokratie.
Gäste:
Dr. Steffen Neumann ist Bioinformatiker am
Leibniz-Institut für Pflanzenbiochemie in Halle (Saale). Er
entwickelt digitale Lösungen zur Verarbeitung chemischer und
biochemischer Forschungsdaten und setzt sich für
maschinenlesbare, interoperable Datensätze ein.
Philipp Strömert ist Experte für Metadaten und
Ontologien bei NFDI4Chem (Task Area 6 „Synergies“) und arbeitet
an der TIB – Leibniz-Informationszentrum für Technik und
Naturwissenschaften in Hannover.
Mehr erfahren:
NFDI4Chem: https://www.nfdi4chem.de/
Chemotion ELN: https://www.chemotion.net/
Fachbegriffe/Glossar:
Datenrepositorien:
https://forschungsdaten.info/themen/veroeffentlichen-und-archivieren/repositorien
Metadaten:
https://www.ibm.com/de-de/think/topics/metadata
Metadaten Schema:
https://www.ibm.com/de-de/think/topics/metadata
Ontologien: https://knowledgebase.nfdi4chem.de/knowledge_base/de/docs/ontology/
Wissensgraph:
https://de.wikipedia.org/wiki/Knowledge_Graph
Hosted on Acast. See acast.com/privacy for more information.
Weitere Episoden
27 Minuten
vor 2 Monaten
31 Minuten
vor 4 Monaten
30 Minuten
vor 5 Monaten
20 Minuten
vor 9 Monaten
32 Minuten
vor 9 Monaten
In Podcasts werben
Kommentare (0)