Patrik ThomasMichalski

NFDIxCS entwickelt eine gemeinsame Forschungsdateninfrastruktur für die Informatik. Dazu gehören Datensätze ebenso wie Software und der technische Kontext, der zum Verständnis oder zur Reproduktion eines Ergebnisses nötig ist. Das Konsortium arbeitet an FAIR-Prinzipien, dauerhafter Zitierbarkeit und interoperablen Diensten für komplexe, fachspezifische Forschungsobjekte.

Ein zentrales Konzept ist der Research Data Management Container: Zusammengehörige Artefakte werden gebündelt, statt als voneinander getrennte Dateien veröffentlicht zu werden. Metadaten müssen ihre Beziehungen so genau beschreiben, dass andere Forschende und Dienste sie finden, einordnen und erneut nutzen können.

Mein Beitrag konzentrierte sich auf die Erweiterung von Schemata für empirisches Forschungswissen. Ich arbeitete daran, heterogene Forschungsobjekte und ihren Ausführungskontext strukturiert abzubilden, damit Daten, Software und dokumentierte Abhängigkeiten verbunden und zitierbar bleiben.

KI@CAU Datencampus Kiel wurde aufgebaut, um Daten- und KI-Methoden an der Christian-Albrechts-Universität zu Kiel über Fachgrenzen hinweg nutzbar zu machen. Das Land förderte die dreijährige Initiative mit rund zwei Millionen Euro. Interdisziplinäre Tandems verbanden Informatikerinnen und Informatiker mit Forschenden anderer Fächer und betrachteten den Weg von der Datenerhebung über die Analyse bis zur späteren Nachnutzung.

Die praktische Schwierigkeit liegt darin, dass die Fächer unterschiedliche Instrumente, Formate und Qualitätsmaßstäbe verwenden. Eine gemeinsame Strategie kann deshalb nicht nur aus einem Modell oder einer Plattform bestehen. Sie braucht übertragbare Abläufe, dokumentierte Schnittstellen und genügend Fachkontext, damit Ergebnisse interpretierbar bleiben.

Während meiner Mitarbeit arbeitete ich in diesem interdisziplinären Umfeld, unter anderem im Austausch mit Elektrotechnik und Physik. Im Mittelpunkt stand die Verbindung von Data-Science-Methoden mit der tatsächlichen Entstehung und Bewertung der Daten in den beteiligten Fachgebieten.

Das SPP 2422 verbindet Prozessdaten, Expertenwissen und Lösungsräume aus Simulationen, um Umformprozesse zu modellieren. Institute aus Umformtechnik, Automation und Data Science arbeiten zusammen, damit allgemeine mathematische Repräsentationen an konkreten Fertigungsprozessen geprüft werden können.

Für maschinelles Lernen sind die verfügbaren gelabelten Messungen ein Engpass. Reale Umformversuche sind aufwendig, Prozessparameter beeinflussen sich gegenseitig und ein Modell muss den physikalischen Charakter einer Kraft-Weg-Kurve erhalten. Synthetische Daten helfen nur, wenn diese Bedingungen steuerbar und nachvollziehbar bleiben.

Ich entwickelte einen steuerbaren Generator für synthetische Kraft-Weg-Kurven. Die erzeugten Prozessdaten unterstützen Training und Bewertung von Modellen zur Optimierung aktiver Werkzeugflächen, ohne synthetische Kurven als reale Messungen auszugeben.

Marispace-X entwickelte einen maritimen Datenraum auf Grundlage von Gaia-X-Prinzipien wie Datensouveränität, Sicherheit, Interoperabilität und Modularität. Die Architektur verbindet Edge-, Fog- und Cloud-Verarbeitung, damit große Sensordatensätze über Organisationsgrenzen hinweg ausgetauscht und analysiert werden können.

Die Anwendungsfälle reichen von Unterwassersensornetzen und Offshore-Windkraft bis zur Überwachung kritischer Infrastruktur und historischer Munition. Gemeinsam ist ihnen die Arbeit mit räumlichen Daten, die aus verschiedenen Systemen, in unterschiedlichen Auflösungen und unter verschiedenen Zugangsbedingungen eintreffen.

Meine Arbeit betraf kollisionsrisikobewusstes Schiffsrouting und die Verwaltung der zugrunde liegenden räumlichen Daten. Ich untersuchte, wie eine Routenplanung andere bewegte Schiffe berücksichtigen kann, statt das Meer als statische Kostenfläche zu behandeln.