Dr. Markus Scheidgen

Dr. Markus Scheidgen arbeitet an der Schaffung einer FAIR-konformen Dateninfrastruktur für die Physik der kondensierten Materie und chemische Physik fester Stoffe. Sein Fokus liegt darauf, Forschungsdaten so zu strukturieren und zugänglich zu machen, dass sie wiederverwendbar, auffindbar und maschinenlesbar werden – eine Voraussetzung für KI-gestützte Datenanalyse in der Materialforschung. Das Projekt FAIRmat adressiert ein zentrales Problem: Forschungsdaten liegen heute oft isoliert vor und können nicht effizient zwischen Projekten, Instituten oder Branchen ausgetauscht werden. Für Industrie und öffentliche Forschungseinrichtungen bedeutet das konkret schnellere Materialentwicklung, bessere Reproduzierbarkeit von Ergebnissen und die Möglichkeit, bestehende Daten mit neuen Methoden auszuwerten – relevant für Materialwissenschaft, Halbleiter-, Batterie- und Katalyse-Forschung.

🔒 Das System hat 410 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• NFDI 31/1: FAIRmat - FAIRe Dateninfrastruktur für die Physik der kondensierten Materie und die chemische Physik fester Stoffe

  Quelle ↗

  Forschungsdaten sind ein bedeutender Rohstoff des 21. Jahrhunderts. Voraussetzung für ihre Wertschöpfung ist eine FAIRe (Findable, Accessible, Interoperable, and Re-purposable) Dateninfrastruktur (DI). Findable and Aritificial-Intelligence Ready – eine alternative Interpretation des Akronyms – wird die heutige Forschungspraxis deutlich verändern. FAIRmat wird dies für die Physik der kondensierten Materie und die chemische Physik fester Stoffe realisieren. Mit einer DI, die Synthese, Experiment, Theorie und Simulationen integriert, werden wir auch auf andere Bereiche wie Chemie, Ingenieurwesen, Industrie und die Gesellschaft aktiv zugehen. Warum sind die Forschungsdaten von FAIRmat so wichtig? Einfach ausgedrückt, sind sie für den Wohlstand und Lebensstil unserer Gesellschaft von maßgeblicher Bedeutung, da die Bereiche Energie, Umwelt, Gesundheit, Mobilität, IT usw. von besseren oder sogar neuartigen Werkstoffen abhängen. Die Materials Genome Initiative der USA hat in den letzten Jahren dazu beigetragen, dass enorme Mengen an Forschungsdaten erzeugt wurden. Diese werden jedoch meist auf lokalen Servern gespeichert und sind kaum ausreichend beschrieben. Ohne eine effiziente DI sind diese Daten weder zugänglich noch wiederverwendbar. In diesem NFDI-Projekt will FAIRmat •eine föderierte, FAIRe Dateninfrastruktur mit zentralem Zugang – dem FAIRmat Portal – aufbauen; •Metadatenkataloge und Ontologien entwickeln; •den effizienten Austausch von Forschungsdaten ermöglichen und sicherstellen, dass die DI die Grundlagenforschung unterstützt, ohne dass dies zu einer Belastung für die aktiven Forscher*innen führt. Auch andere Gebieten, z.B. die Ingenieurwissenschaften, werden von der FAIRmat DI profitieren. •Wissenschaftler*innen davon überzeugen, auch solche Daten zu teilen, die sich für ihre eigenen fokussierten Forschungsprojekte als nicht relevant erweisen; •auf die erweiterte Community zugehen und umfassende Beratung, Schulungen und Unterstützung anbieten. FAIRmat vertritt unzählige Forscher*innen an deutschen Universitäten und führenden wissenschaftlichen Einrichtungen und basiert auf umfassender Erfahrung mit der weltweit größten Dateninfrastruktur der computergestützten Materialwissenschaften, dem Novel Materials Discovery (NOMAD) Laboratory sowie dem Verein FAIR-DI e.V. FAIRmat adressiert die gesamte Breite der Sektion Kondensierte Materie der Deutschen Physikalischen Gesellschaft (DPG) mit ihren 12 Fachverbänden und wird von der DPG, der Chemisch-Physikalisch-Technischen Sektion der MPG, der Bunsen-Gesellschaft für Physikalische Chemie und anderen Institutionen unterstützt. FAIRmat ist international bestens eingebettet, unter anderem in die RDA, die EOSC, GO FAIR, etc. und hat mit führenden Institutionen wie NIST (USA), Shanghai University (China) und CSC (Finnland) Memoranda of Understanding unterzeichnet. FAIRmat wird sich weiterhin für zunehmende Akzeptanz einer Forschungsdateninfrastruktur einsetzen – in Deutschland, Europa und darüber hinaus.

• Textual Modelling Embedded into Graphical Modelling

  2008

  Lecture notes in computer science · DOI

• Human Comprehensible and Machine Processable Specifications of Operational Semantics

  2007

  Lecture notes in computer science · DOI

• Automated and Transparent Model Fragmentation for Persisting Large Models

  2012

  Lecture notes in computer science · DOI