Nationale Forschungsdateninfrastruktur für Datenwissenschaften und Künstliche Intelligenz (NFDI4DataScience)

In den letzten Jahren fand ein Paradigmenwechsel statt: Berechnungsmethoden arbeiten zunehmend mit datengetriebenen und oft auf Deep-Learning-basierten Ansätzen. Das führt zu einer zunehmenden Etablierung und Sichtbarkeit von Data Science als einer Disziplin, die vom technischen Fortschritt auf dem Gebiet der Informatik angetrieben wird und gleichzeitig von großer Relevanz für viele weitere wissenschaftliche Disziplinen ist. Transparenz, Reproduzierbarkeit und Fairness sind aufgrund der Komplexität moderner Data-Science-Methoden, die oft auf einer Kombination aus Code, Modellen und Daten für das Training basieren, zu entscheidenden Herausforderungen für Data Science und Künstliche Intelligenz geworden.

Ziel von NFDI4DataScience ist der Aufbau einer Community-getriebenen Forschungsdateninfrastruktur für Datenwissenschaften und künstliche Intelligenz. Das Konsortium konzentriert sich auf verschiedene Arten von Daten und Artefakten, die sich innerhalb der wissenschaftlichen Community etabliert haben. Dazu zählen Veröffentlichungen, Daten, Modelle und Code. Transparenz, Reproduzierbarkeit und Fairness sind wichtige Herausforderungen. NFDI4DataScience wird alle Schritte des interdisziplinären Forschungsdatenlebenszyklus unterstützen, einschließlich der Sammlung/Erstellung, Verarbeitung, Analyse, Veröffentlichung, Archivierung und Wiederverwendung von Ressourcen im Bereich Data Science und KI.

Am Konsortium sind insgesamt 15 Institutionen beteiligt, darunter auch FIZ Karlsruhe. Koordiniert wird es durch das Fraunhofer Institut für Offene Kommunikationssysteme FOKUS.

Der Forschungsbereich Information Service Engineering (ISE) von FIZ Karlsruhe beteiligt sich an diesem Konsortium im Bereich der Ontologieentwicklung sowie mit dem Aufbau und der Implementierung eines Wissensgraphs.

Der Beitrag des Forschungsbereichs Immaterialgüterrechte (IGR) von FIZ Karlsruhe konzentriert sich auf die rechtlichen und ethischen Aspekte von Data Science und Künstlicher Intelligenz, unter anderem durch Schulungsmaßnahmen wie Workshops sowie die Veröffentlichung von Leitlinien und Empfehlungen. Weiterhin wird FIZ Karlsruhe seine Expertise in Konsultationen und Stellungnahmen zu regulatorischen Fragen in einer frühen Phase der KI-Gesetzgebung auf deutscher und EU-Ebene einbringen. Die relevanten Rechtsgebiete umfassen dabei u. a. das Datenschutz- und KI-Regulierungsrecht.

Laufzeit: 01.10.2021 - 30.09.2026

Gesese, G.A., Chen, Z., Zoubia, O., Limani, F., Silva, K., Suryani, M.A., Zapilko, B., Castro, L.J., Kutafina, E., Solanki, D., Fliegl, H., Schimmler, S., Boukhers, Z. and Sack, H., 2025. A Survey on Metadata for Machine Learning Models and Datasets: Standards, Practices, and Harmonization Challenges. In CEUR Workshop Proceedings (Vol. 4065). https://ceur-ws.org/Vol-4065/paper05.pdf [bibTeX]

Silva, K., Ackermann, M.R., Fliegl, H., Gesese, G.A., Limani, F., Mayr, P., Mutschke, P., Oelen, A., Suryani, M.A., Upadhyaya, S., Zapilko, B., Sack, H. and Dietze, S. 2025. Research Knowledge Graphs in NFDI4DataScience: Key Activities, Achievements, and Future Directions. arXiv preprint arXiv:2508.02300. [bibTeX]

Ahmad, R.A., Abdulla, R., Taffa, T.A., Auer, S., Giglou, H.B., Borisova, E., Chen, Z., Dietze, S., DSouza, J., Elwes, M. and Gesese, G.A., Jiang, S., Kutafina, E., Mayr, P., Rehm, G., Sadruddin, S., Schimmler, S., Schneider, D., Silva, K., Upadhyaya, S. and Usbeck, R., 2025. NFDI4DS Shared Tasks for Scholarly Document Processing. arXiv preprint arXiv:2509.22141.  [bibTeX]

G. A. Gesese, J. Waitelonis, Z. Chen, S. Schimmler, H. Sack, NFDI4DSO: Towards a BFO Compliant Ontology for Data Science, in Proc. of 20th Int. Conf. on Semantic Systems (SEMANTICS 2024), poster & demo track [local copy(PDF)|bibtex]

H. Sack, T. Schrade, O. Bruns, E. Posthumus, T. Tietz, E. Norouzi, J. Waitelonis, H. Fliegl, L. Söhn, J. Tolksdorf, J. Jalle Steller, A. Azócar Guzmán, S. Fathalla, A. Zainul Ihsan, V. Hofmann, S. Sandfeld, F. Fritzen, A. Laadhar, S. Schimmler, and P. Mutschke, ‘Knowledge Graph Based RDM Solutions: NFDI4Culture - NFDI-MatWerk - NFDI4DataScience’, Proc Conf Res Data Infrastr, vol. 1, 2023, DOI: 10.52825/cordi.v1i.371.

S. Karmakar, M. Zloch, F. Limani, B. Zapilko, S. Upadhyaya, J. D’Souza, L. J. Castro, G. Rehm, M. R. Ackermann, H. Sack, Z. Boukhers, S. Schimmler, D. Dessí, P. Mutschke, and S. Dietze, ‘Research Knowledge Graphs in NFDI4DS’, 2023, DOI: 10.18420/INF2023_102.