NFDI4DS - NFDI für Datenwissenschaften und Künstliche Intelligenz (NFDI4DS)
Coordinator
Professorin Dr. Sonja Schimmler ; Professor Dr. Ziawasch Abedjan ; Dr. Marcel R. Ackermann ; Professor Dr. Sören Auer ; Professorin Dr. Oya Beyan ; Dr. Arnim Bleier ; Professorin Dr. Franziska Boehm ; Dr.-Ing. Zeyd Boukhers ; Leyla Jael Castro Ph.D. ; Professor Dr. Stefan Dietze ; Professor Dr. Manfred Hauswirth ; Dr. Adamantios Koumpis ; Professor Dr.-Ing. Frank Krüger ; Dr. Christoph Lange-Bever ; Dr.-Ing. Matthias Lieber ; Professor Dr. Volker Markl ; Dr.-Ing. Brigitte Mathiak ; Dr. Philipp Mayr-Schlegel ; Professor Dr.-Ing. Sebastian Möller ; Professor Dr. Wolfgang E. Nagel ; Professor Dr. Thomas Neumuth ; Professor Dr. Dietrich Rebholz-Schuhmann ; Professor Dr. Georg Rehm ; Professor Dr. Harald Sack ; Professor Dr. Raimund Seidel ; Professor Dr. Benno Stein ; Dr. Markus Stocker ; Professor Dr. Klaus Tochtermann ; Professor Dr. Ricardo Usbeck ; Professorin Dr. Claudia Wagner ; Dr. Michael Wagner
Grant period
2021 - 2031
Funding body
Deutsche Forschungsgemeinschaft
DFG
Identifier
G:(GEPRIS)460234259
Note: Das Konsortium NFDI4DataScience (NFDI4DS) hat das Ziel, eine nationale Forschungsdateninfrastruktur aufzubauen, die Wissenschaftler:innen in Datenwissenschaften (DW) und Künstliche Intelligenz (KI) unterstützt. Da diese Bereiche für die Forschung zunehmend an Relevanz gewinnen, ist ein effektives Datenmanagement und -teilen unerlässlich. Die Initiative fördert die Transparenz und Reproduzierbarkeit digitaler Forschungsartefakte - wie etwa Datensätze, Modelle und Code - durch die Einhaltung der FAIR-Prinzipien. Das Konsortium setzt sich aus führenden Forschungseinrichtungen zusammen und nutzt ihre einzigartige Expertise sowie bestehende Rahmenwerke wie etwa Base4NFDI Dienste, um eine KI-fähige Infrastruktur für den Austausch und die Wiederverwendung von Forschungsdaten zu schaffen, während die Datensouveränität gewährleistet bleibt. Dieser Ansatz stellt sicher, dass das Datenmanagement mit nationalen Interessen übereinstimmt, sensible Informationen schützt und Innovationen fördert. Zentrale Entwicklungen umfassen Research Knowledge Graphs (RKGs), die Forschungsartefakte verknüpfen, sowie KI-gestützte Co-Piloten, die Forscher:innen im gesamten Forschungsdatenlebenszyklus unterstützen. Die Einbindung der Community ist entscheidend, mit Ausbildung und Training zur Förderung bewährter Praktiken im Datenmanagement und ethischer Nutzung von KI. Durch die kontinuierliche Einholung von Feedback verschiedener Interessengruppen stellt NFDI4DS sicher, sowohl etablierten als auch aufstrebenden Forschern:innen gerecht zu werden. Nachhaltigkeit hat hohe Priorität, mit Plänen zur langfristigen Sicherstellung der Infrastruktur durch verschiedene Finanzierungsmodelle und die Ausrichtung an der Europäischen Open Science Cloud (EOSC). Durch einen Fokus auf Community-Einbindung und umfassendes Training strebt NFDI4DS an, eine nachhaltige Wirkung zu schaffen, die Forscher:innen befähigen und eine Kultur der offenen Wissenschaft fördern.
http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.pngContribution to a book/Contribution to a conference proceedingsSharma, A. (Corresponding author)RWTH* ; Sowe, S. K. (Corresponding author)RWTH* ; Kim, S.-Y. (Corresponding author)RWTH* ; Hoseini, S. (Corresponding author) ; Limani, F. (Corresponding author) ; Boukhers, Z. (Corresponding author) ; Lange, C. (Corresponding author) ; Decker, S. J. (Corresponding author)RWTH* FAIR Data Assessment Using LLMs: The Fair-Way 2025CIKM '25 : proceedings of the 34th ACM International Conference on Information and Knowledge Management 34. ACM International Conference on Information and Knowledge Management, CIKM 2025, SeoulSeoul, South Korea, New York,NY,United States : Association for Computing Machinery, ACM Conferences5228-5232(2025)[10.1145/3746252.3760811]2025BibTeX |
EndNote:
XML,
Text |
RIS
Gast ::
BibTeX |
EndNote:
XML,
Text |
RIS
Files
BibTeX |
EndNote:
XML,
Text |
RIS