Malte Dreyer

Malte Dreyer arbeitet an der Schnittstelle von Forschungsdatenmanagement, Infrastruktur-Governance und KI-gestützten Systemen für Hochschulen und Forschungseinrichtungen. Sein aktueller Fokus liegt auf der Entwicklung von Dateninfrastrukturen (FAIRmat-Konsortium für Physik und Materialwissenschaften), der Etablierung von Forschungsdatenmanagement-Standards und -Services sowie auf praktischen Anwendungen von Large Language Models und Retrieval-Augmented Generation in Hochschulkontexten. Er adressiert konkrete Herausforderungen bei der Datenverwaltung, Interoperabilität und dem nachhaltigen Betrieb von IT-Services in Hochschulen und Forschungsverbünden. Seine Arbeiten sind relevant für Hochschul-IT, Forschungsinfrastruktur-Betreiber, Verlage und Institutionen, die Datenmanagement und KI-Systeme in Lehre und Forschung implementieren möchten.

🔒 Das System hat 612 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• Nachhaltige Speicherung, Wiederverwendung und Nachnutzung von historischen Textkorpora auch aus verschiedenen Geisteswissenschaften und unterschiedlichen Sprachen

  Quelle ↗

  Förderer: DFG Sachbeihilfe Zeitraum: 02/2015 - 01/2019 Projektleitung: Malte Dreyer

• eDissPlus:Archivierung und Veröffentlichung von elektronischen Dissertationen mit Forschungsdaten

  Quelle ↗

  Förderer: DFG Sachbeihilfe Zeitraum: 05/2016 - 12/2018 Projektleitung: Malte Dreyer

• FDMentor Kooperative Erarbeitung generalisierbarer Strategien und Lösungen für das Forschungsdatenmanagement unter Einbeziehung bestehender Expertise an universitären Zentraleinrichtungen

  Quelle ↗

  Förderer: Bundesministerium für Forschung, Technologie und Raumfahrt Zeitraum: 05/2017 - 04/2019 Projektleitung: Malte Dreyer

• eSciDoc - a Scholarly Information and Communication Platform for the Max Planck Society

  2007

  MPG.PuRe (Max Planck Society)

  eSciDoc is as a joint project of the Max Planck Society and FIZ Karlsruhe, funded by the Federal Ministry of Education and Research (BMBF), with the aim to realize a next-generation platform for com-munication and publication in research organizations. The result of the entire eSciDoc project is intended to ensure open and persistent access to the research results and materials of the Max Planck Society and to integrate these materials in an emerging e-Science network, to increase the accountability of research and to improve the visibility of the Max Planck Society. At the same time, the project aims to provide effective and comprehensive access to information for Max Planck re-searchers and their work groups. Additionally, eSciDoc will support scientific collaboration and interdisciplinary research in future e-Science scenarios and optimize the exploitation of information avail-able through an interconnected global scientific knowledge space.

• Large‐Scale Interlaboratory Study Along the Entire Process Chain of Laser Powder Bed Fusion: Bridging Variability, Standards, and Optimization across Metals and Polymers

  2025

  Advanced Engineering Materials · DOI

  Laser powder bed fusion is a cornerstone technology for additive manufacturing (AM) of metals and polymers, yet challenges in achieving consistent reproducibility and process optimization persist. Addressing these requires a systematic understanding of the interactions between feedstock, process parameters, and final part characteristics throughout the entire production chain. This study presents results from a comprehensive interlaboratory investigation conducted by 32 research institutions, evaluating six feedstock, including nanoparticle‐modified aluminum alloy and polyamide powders, under standardized protocols. Data analysis encompasses 69 powder properties, 15 process parameters per print, and 78 part features, culminating in a dataset of over 1.2 million correlations. Advanced statistical methods and machine learning are employed to identify critical variability drivers, such as the impact of nanoparticle modifications on powder flowability and thermal conductivity, as well as the influence of process parameters on reproducibility. Newly introduced dimensionless figures of merit provide universal metrics to describe and predict thermal and mechanical interactions, simplifying process optimization and material characterization. The findings, supported by an open‐access dataset adhering to findable, accessible, interoperable, and reusable principles, advance understanding of material–process–structure–property relationships. They establish a benchmark for future research and lay the foundation for improving the reliability, quality, and sustainability of AM processes.