Startseite
Podcasts
NFDI podcast - For a FAIR Data Future Podcast
Warum maschinenlesbeare Daten nicht nur für KI eine gute Idee sind

Warum maschinenlesbeare Daten nicht nur für KI eine gute Idee sind

NFDI podcast - For a FAIR Data Future vor 11 Monaten

Maschinelles Lernen in der Chemie

0:00

24:12

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.