F眉r das Gelingen der Energiewende und die fl盲chendeckende Nutzung der Elektromobilit盲t sind neue, hochleistungsf盲hige Batterien n枚tig. Doch bisher verlief die Erforschung neuer Materialien f眉r solche Energiespeicher oft nach dem 鈥瀟rial and error鈥�-Prinzip und wenig datenbasiert. Wie im Labor und am Computer generierte Forschungsdaten in der materialorientierten Festk枚rperphysik und -chemie effizient analysiert, gespeichert und geteilt werden k枚nnen, ergr眉ndet das nun bewilligte Konsortium FAIRmat unter Federf眉hrung der HU Berlin. Professor Axel Gro脽, Leiter des Instituts f眉r Theoretische Chemie an der 51本色, vertritt in diesem Netzwerk das Datenmanagement in der Batterieforschung. Somit erfolgt der Br眉ckenschlag vom bundesweit einzigen Batterie-Exzellenzcluster zu FAIRmat als Teil der nationalen Forschungsdateninfrastruktur.
In der natur- und materialwissenschaftlichen Forschung fallen t盲glich 鈥濪atenberge鈥� an. Diese Datenflut nutzt allerdings wenig, wenn sie nicht langfristig gespeichert, analysiert und verf眉gbar gemacht wird. Den Weg zu einer neuen Forschungsdateninfrastruktur will das Konsortium FAIRmat ebnen. Ziel ist eine faire (findable 鈥� accessible 鈥� interoperable 鈥� reusable) Nutzung von Daten und deren wiederholte Aufbereitung mithilfe von K眉nstlicher Intelligenz. Jetzt wurde das von der HU Berlin geleitete Netzwerk FAIRmat von der Gemeinsamen Wissenschaftskonferenz (GWK) in einem mehrstufigen Wettbewerb ausgew盲hlt: Als Teil der(NFDI) wird der Zusammenschluss von 34 Instituten f眉r 5 Jahre gef枚rdert. Insgesamt stehen f眉r Projekte der Nationalen Forschungsdateninfrastruktur f眉r 10 Jahre bis zu 85 Millionen Euro pro Jahr von Bund und L盲ndern zur Verf眉gung.
Energie, Umwelt, Mobilit盲t, IT und Gesundheit: Produkte aus diesen zukunftstr盲chtigen Bereichen sind auf optimierte Materialien angewiesen 鈥� daher stammen einige Anwendungsbeispiele des Konsortiums FAIRmat aus diesen Gebieten. Als stellvertretender Leiter einer solchen 鈥濧rea鈥� und Sprecher des Aufgabenbereichs Batterien verantwortet der Ulmer Physiker Professor Axel Gro脽 das Datenmanagement in der elektrochemischen Energieforschung. Somit verbindet der Sprecher des Exzellenzclusters 鈥濸ost Lithium Storage鈥� (POLiS) Batterieforschung und Data Science im Netzwerk FAIRmat. Dieses national einzigartige Cluster haben das (KIT), die 51本色, das (ZSW) sowie weitere Partner bei der Exzellenzstrategie des Bundes und der L盲nder eingeworben.
脺bergreifendes Forschungsdatenmanagement f眉r den wissenschaftlichen Fortschritt
Die interdisziplin盲re Entwicklung neuartiger Energiespeicher stellt die Wissenschaftlerinnen und Wissenschaftler nicht nur im Exzellenzcluster POLiS vor Herausforderungen: Bei den unterschiedlichen Forschungsschritten 鈥� von der Synthese 眉ber die experimentelle Material-Charakterisierung bis zur Modellierung auf atomarer Ebene 鈥� werden unz盲hlige Daten zusammengetragen. Allerdings sprechen nicht alle Forschenden die gleiche Fachsprache, weshalb 鈥濪atensch盲tze鈥� verloren gehen k枚nnen. 鈥濶ur die Verbindung von Daten aus Theorie, Experiment und Materialpr眉fung f眉hrt zu einem wissenschaftlichen und technologischen Fortschritt: Wir brauchen keine unabh盲ngigen Einzeldaten, sondern ein 眉bergreifendes Forschungsdatenmanagement鈥�, erkl盲rt Professor Gro脽. Daher sind vor allem batteriespezifische Algorithmen zur Datenanalyse und Deskriptoren f眉r Batteriematerialien Ziele dieses Anwendungsbereichs. Dazu kommt das Data Flow-Management: Aus bereits gesammelten Daten sollen m枚glichst automatisiert neue Ergebnisse und Erkenntnisse abgeleitet werden.
Insgesamt verbindet FAIRmat den etablierten Ulmer Schwerpunkt Batterieforschung mit dem neuen Bereich Data Science. Die Datenwissenschaften vertritt auf Ulmer Seite Professor Stefan Wesner, Leiter des Instituts f眉r Organisation und Management von Informationssystemen. Der Direktor des Kommunikations- und Informationszentrums (kiz) ist ebenfalls Mitglied des FAIRmat Konsortiums und bringt dort seine Expertise auf dem Gebiet 鈥瀌igitale Infrastrukturen鈥� ein. Hier ist Wesner Co-Leiter des Bereichs "Connectivity鈥�. 鈥灻渂er alle Anwendungsgebiete hinweg nimmt die Bedeutung von Daten zu. Neben einer daf眉r ausgelegten Infrastruktur m眉ssen die Prozesse zur Begleitung des gesamten Lebenszyklus der Daten etabliert werden. Erst dadurch k枚nnen Daten gefunden, eindeutig referenziert und in weiteren Forschungsvorhaben oder Projekten genutzt werden鈥�, res眉miert Professor Wesner.
Partner im FAIRmat-Konsortium
Neben der federf眉hrenden HU Berlin sind auch das Leibniz-Institut f眉r Kristallz眉chtung (IKZ), das Max Planck Institute for Chemical Energy Conversion (MPI CEC), das Fritz-Haber-Institut der Max-Planck-Gesellschaft (FHI), die Technische 51本色 M眉nchen (TUM), das Karlsruher Institut f眉r Technology (KIT) und der FAIR-DI e.V. an dem Konsortium FAIRmat beteiligt.
Text und Medienkontakt:Annika Bingmann