Künstliche Intelligenz
Künstliche Intelligenz (KI) bietet beim Umgang mit Forschungsdaten Risiken und Chancen. Herausforderungen sind Fehlinformationen bis hin zu Bias (Verzerrungen) der Forschungsergebnisse. Forschungsdatenmanagement findet durch Automatisierungen Unterstützung, die eine FDM-Kontakt- und Beratungsstelle niemals ersetzen kann, weil eine menschliche Komponente fehlt.
FAIRe Forschungsdaten sind beim Forschungsdatenmanagement das „A & O”, auch im Kontext der KI.
Besonders das NFDI-Konsortium NFDI4DataScience unterstützt eine community-getriebene Forschungsdateninfrastruktur für KI. Insgesamt versteht sich die NFDI als ein KI Enabler, neben den High-Performance- Rechenzentren:
„Die NFDI fungiert primär als methodischer und sozialer KI Enabler. Sie wird KI-Dienste bzw. den Zugang zu KI-Diensten realisieren und die Nutzung, Vermittlung und Analyse von Forschungsdaten in Deutschland auf ein neues Niveau heben."
(Wissenschaftsrat (2025): Strukturevaluation der Nationalen Forschungsdateninfrastruktur (NFDI); Köln. https://doi.org/10.57674/wcdc-6d36 (Zugriff am 07.06.2026) )
KI kann Forschungsdaten klassifizieren, sie bereinigen und strukturieren (Unterstützung bei großen Datenmengen). KI kann FDM-Prozesse wie Datenkuration, Versionierung oder Dokumentation teilautomatisieren. Ein Poster von La Sala et al. zeigt diese genannten Synergien und betont zugleich die Risiken.
Link / Quelle: La Sala, Beate Ulrike; Balic, Arnela; Werth, Robert (2025). Künstliche Intelligenz und FDM: Synergien, Herausforderungen und Grenzen der Risikominderung. Conference Item, E-Science-Tage 2025, Universität Heidelberg. DOI: 10.11588/heidok.00036411
Eine KI erkennt Muster in Forschungsdaten:
"Die große Stärke vieler KI-Anwendungen ist das Erkennen und Interpretieren von Mustern in großen Datenmengen. In der Medizin wird KI verstärkt zur Analyse von Bildaufnahmen eingesetzt, um Auffälligkeiten zu entdecken, beispielsweise bei der Krebsdiagnose. Nach einem ähnlichen Prinzip können in den Geowissenschaften Satellitenbilder ausgewertet werden, um Vegetation, Landnutzungsformen und Infrastruktur zu klassifizieren und zu kartieren. In der Forschung zum autonomen Fahren sind es KI-Systeme, die große Mengen an Sensordaten in Echtzeit verarbeiten und Entscheidungen über die Steuerung des Fahrzeugs treffen. Auch in der Klimaforschung haben die Simulationen und Modelle längst eine Komplexität erreicht, die ohne Einsatz von KI mit den verfügbaren Rechenkapazitäten nicht mehr zu bewältigen wäre." (Quelle: Künstliche Intelligenz – Forschungsdatenmanagement – Leibniz Universität Hannover: https://www.fdm.uni-hannover.de/faq/kuenstliche-intelligenz (Zugriff am 07.06.2026).
REFERENZEN:
Empfehlungen zur Einhaltung der Guten Wissenschaftlichen Praxis (GWP) beim Einsatz von KI: Forschungsdaten | & | Künstliche Intelligenz und GWP | Ombudsgremium – OWID - https://ombudsgremium.de/9802/forschungsdaten-und-ki/ (Zugriff am 07.06.2026).
Weiterführende allgemeine Informationen zu KI in der Forschung, ink. FDM finden sich beim Fraunhofer-Institut für Kognitive Systeme IKS, siehe hier: https://www.iks.fraunhofer.de/de/themen/kuenstliche-intelligenz.html (Zugriff am 07.06.2026).
Die Universität Heidelberg hat das transformative Potenzial generativer KI-Werkzeuge zur Förderung der Forschung und Lehre anerkannt. Handreichungen: https://www.heiskills.uni-heidelberg.de/de/ueber-uns/lehren-und-lernen/fuer-lehrende/kuenstliche-intelligenz-in-der-lehre (Zugriff am 07.06.2026).