In der Abteilung Data-Science-Methoden setzen wir uns mit der Konzeption und Implementierung von innovativen Werkzeugen und Workflows auseinander, die eine strukturierte und automatisierte Speicherung, Dokumentation, Verarbeitung und Analyse von Daten aus Laborexperimenten und Simulationen ermöglichen. Diese Initiativen sind entscheidend für die Fördern datengestützter Forschung und Entwicklung. Wir bieten eine Vielzahl von Analysetools, die mit modernen, KI-gestützten Methoden kombiniert werden, um große Datenmengen effektiv auszuwerten. Diese Technologien werden kontinuierlich weiterentwickelt, um den sich wandelnden Anforderungen der Forschung gerecht zu werden.

Ein zentrales Ziel unserer Arbeit ist die innovative Verknüpfung und integrierte Analyse von Labor- und Simulationsdaten. Hierbei orientieren wir uns an den FAIR-Data-Prinzipien, um Transparenz und Zugänglichkeit der Forschungsdaten zu gewährleisten. Zu diesem Zweck entwickeln wir am INP umfassende Workflows, Tools und Standards für ein einheitliches Forschungsdatenmanagement, die es ermöglichen, Daten effizient zu organisieren und zu nutzen. Auf dieser Grundlage setzen wir moderne datenwissenschaftliche Methoden ein, darunter automatisierte und KI-gestützte Analyseverfahren.

Ein besonderer Fokus liegt auf der Anwendung von Machine-Learning-Verfahren und neuronalen Netzen, die nicht nur die Datenanalyse revolutionieren, sondern auch neue und effiziente Möglichkeiten für Simulationen schaffen. Mit diesen Entwicklungen streben wir an, die Grenzen der Forschung zu erweitern und einen nachhaltigen Beitrag zur Wissenschaft und Technologie der Zukunft zu leisten.

• Forschungsdatenmanagement-Tools
• Semantische Informationsinfrastruktur
• Machine-Learning-Modelle
• Forschungssoftwareentwicklung