TU Dresden RWTH Leibniz Institut

Teilprojekt INF

Informationsinfrastruktur

Die Reproduzierbarkeit der Forschung und die FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) für Daten sind wesentliche Bestandteile guter wissenschaftlicher Praxis. Das Management von Forschungsdaten und -informationen ist eine Voraussetzung dafür. In der ersten Förderperiode baute das Serviceprojekt INF eine integrierte Daten- und Informationsinfrastruktur für den gesamten TRR 280 auf und unterstützte die Forscherinnen und Forscher bei deren Nutzung. Die Infrastruktur umfasst Werkzeuge für die Verwaltung und Verarbeitung von numerischen, simulierten, mechanischen, computertomographischen und anderen Daten. Besonderen Wert legten wir auf die Implementierung von Best Practices im Lebenszyklus der Daten. Dies beinhaltet die Erleichterung der strukturierten Datenspeicherung für Forschende, die Annotation von Metadaten zur genauen Beschreibung und Nutzung sowie die Gewährleistung der Verfügbarkeit und Durchsuchbarkeit der Daten.

In der zweiten Förderperiode zielt das INF-Projekt darauf ab, die Fähigkeiten der derzeitigen Infrastruktur zu erweitern. Der Schwerpunkt wird dabei auf den Prozessen für die Langzeitarchivierung, die automatisierte Datenqualitätskontrolle und den Datenexport in Open-Science-Repositorien liegen. Neue Modelle, Datentypen und Arbeitsabläufe aus den neuen Forschungsprojekten müssen in das System integriert und implementiert werden.

Das INF-Projekt wird die gesamte zentrale Forschungsdateninfrastruktur betreiben, Unterstützung und Schulungen zum Forschungsdatenmanagement und den eingesetzten Werkzeugen anbieten sowie die Infrastruktur weiterentwickeln und an die Bedürfnisse der Forscher anpassen. Darüber hinaus werden die laufenden Arbeiten in der Nationalen Forschungsdaten Infrastruktur (NFDI), insbesondere im Konsortium NFDI4Ing, eng begleitet und geeignete, von den NFDI-Konsortien entwickelte Dienste genutzt bzw. bei Bedarf implementiert. Ein weiteres Ziel ist die Unterstützung der Forschungsprojekte bei der Nutzung von KI und maschinellem Lernen zur Datenanalyse und -konstruktion in Zusammenarbeit mit dem nationalen Kompetenzzentrum für Big Data und Künstliche Intelligenz ScaDS.AI Dresden/Leipzig. Gemeinsam mit den Forschenden wird das INF-Projekt die Anforderungen an KI/ML untersuchen, bei der Umsetzung helfen, Unterstützung und Zugang zu den notwendigen HPC-Ressourcen bieten.

Wissenschaftler

Wolfgang Nagel
Teilprojektleiter
Wolfgang Nagel
Prof. Dr.
Technische Universität Dresden
Center for Interdisciplinary Digital Sciences (CIDS) Department Informationsdienste und Hochleistungsrechnen (ZIH) Abteilung "Verteiltes und Datenintensives Rechnen"
01062 Dresden
Teilprojektleiter
Ralph Müller-Pfefferkorn
Dr. rer. nat.
Technische Universität Dresden
Center for Interdisciplinary Digital Sciences (CIDS) Department Informationsdienste und Hochleistungsrechnen (ZIH) Abteilung "Verteiltes und Datenintensives Rechnen"
01062 Dresden

Ehemalige | Former involved

Reimar Unger (wissenschaftlicher Mitarbeiter, TU Dresden, 07/2020 – 06/2024)

 

Publikationen | Publications

Unger, R.; Kalthoff, M.; Müller-Pfefferkorn, R.; Nagel, W. (2022) Managing research data in civil engineering research projects in: Stokkeland, S.; Braarud, H. C. [eds.] Concrete Innovation for Sustainability – Proc. for the 6th fib International Congress 2022, 12.–16.06.2022 in Oslo (Norway), Oslo: Novus Press, p. 2668–2675.

Wiesenhuetter, S.; Unger, R.; Noennig, J. (2022) Inspiration Mining for Carbon Concrete Design – through Machine Learning and artistic creativity in: Stokkeland, S.; Braarud, H. C. [eds.] Concrete Innovation for Sustainability – Proc. for the 6th fib International Congress 2022, 12.–16.06.2022 in Oslo (Norway), Oslo: Novus Press, p. 1137–1146.