Sign up to save your podcasts
Or
Share Warum maschinenlesbeare Daten nicht nur für KI eine gute Idee sind
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
Warum maschinenlesbeare Daten nicht nur für KI eine gute Idee sind
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.
View all episodes
By NFDI & AudiotexTourWarum 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.