Fünf Berliner Forschungseinrichtungen bündeln ihre Kräfte in der datengetriebenen Materialforschung

Beim Unterschreiben des Memorandum of Understanding.

Beim Unterschreiben des Memorandum of Understanding. © Natalia Slepenko, Humboldt Universität

Forschungsdaten gelten als Schlüssel für die Materialforschung im Zeitalter der Künstlichen Intelligenz (KI). Mit einem Memorandum of Understanding (MoU) vereinbaren fünf Berliner Forschungseinrichtungen jetzt eine langfristige Zusammenarbeit in den Bereichen Forschungsdaten, Dateninfrastrukturen und KI.

Zu den Partnern der Kooperation gehören das an der Humboldt-Universität zu Berlin angesiedelte NFDI-Konsortium FAIRmat, das Helmholtz-Zentrum Berlin (HZB), das Leibniz-Institut für Kristallzüchtung (IKZ), das Paul-Drude-Institut für Festkörperelektronik (PDI) und die Bundesanstalt für Materialforschung und -prüfung (BAM). Gemeinsam schaffen sie die Grundlage für eine institutionsübergreifende Zusammenarbeit und stärken damit den Wissenschaftsstandort Berlin.

Mit dem MoU legen die fünf Partner den Grundstein für einen gemeinsamen Forschungsdatenraum. Ziel ist es, Forschungsdaten institutionsübergreifend nutzbar zu machen, gemeinsame Standards für Daten und Metadaten zu entwickeln und den Einsatz von Methoden der Künstlichen Intelligenz (KI) in der Materialforschung voranzutreiben.

Bernd Rech, wissenschaftlicher Geschäftsführer des HZB betont die Bedeutung der Zusammenarbeit: „Die Zukunft der Materialforschung ist datengetrieben. Hochwertige Forschungsdaten und Metadaten bilden die Grundlage für Künstliche Intelligenz und für Self-Driving Laboratories (SBL) - vollautomatisierte Forschungslabore, die Robotik und Künstliche Intelligenz (KI) kombinieren. Mit der Kooperation schaffen wir eine wichtige Voraussetzung, diese Entwicklung gemeinsam voranzutreiben und Berlin als einen führenden Standort der digitalen Materialforschung weiter auszubauen.“

Das FAIRmat-HZB Symosium zum Thema “The Digital Future of Materials Science” am 20. Juli 2026 bildete den feierlichen Rahmen für die Unterzeichnung des Memorandum of Understanding. Zu den Gästen zählte der international renommierte Wissenschaftler Giorgio Rossi (Universität Mailand/NFFA), der mit seinem Eröffnungsvortrag die Bedeutung gemeinsamer Forschungsinfrastrukturen für die datengetriebene Wissenschaft hervorhob. Claudia Draxl, die Sprecherin von FAIRmat, zeigte anschließend, wie die NOMAD-Plattform die Materialforschung auf neue datengetriebene Paradigmen vorbereitet.

Eine Podiumsdiskussion zum Thema “Driving the Cultural Change” griff schließlich die Frage auf, welche Veränderungen notwendig sind, damit Forschungsdaten und KI ihr volles Potenzial für die Wissenschaft entfalten können.

Ausblick: 

Das gerade gestartete Projekt ASCEND ist ein Beispiel für die Bedeutung eines gemeinsamen Datenraums für die Materialforschung. 

ih

  • Link kopieren

Das könnte Sie auch interessieren

  • Ultraschnelle Entmagnetisierung - Dünneres Eisen, stärkere Wirkung 
    Science Highlight
    23.10.2026
    Ultraschnelle Entmagnetisierung - Dünneres Eisen, stärkere Wirkung 

    Je dünner eine Eisenschicht, desto leichter lässt sie sich durch einen Laserpuls entmagnetisieren. Forschende der Universität Duisburg-Essen haben gemeinsam mit dem Helmholtz-Zentrum Berlin und weiteren Partner:innen herausgefunden, warum das so ist: Entscheidend ist die magnetische Ordnung an den Grenzflächen des Materials. Die Erkenntnisse könnten langfristig dazu beitragen, neue Technologien für die magnetische Datenspeicherung zu entwickeln. Die Ergebnisse wurden in der Fachzeitschrift Advanced Science veröffentlicht.

  • Blinder Fleck für die Anordnung der Atome
    Nachricht
    21.10.2026
    Blinder Fleck für die Anordnung der Atome
    Künstliche Intelligenz wird zunehmend eingesetzt, um Eigenschaften neuer Materialien vorherzusagen. Ein Forschungsteam aus Jena und den USA zeigt nun in einer im Fachjournal „Nature Computational Science“ Studie: Kommen dabei Sprachmodelle zum Einsatz, erfassen diese zwar zuverlässig, welche Atomsorten ein Material enthält. Informationen über deren räumliche Anordnung nutzen sie jedoch nur unzureichend. Selbst größere Modelle und mehr Trainingsdaten beheben diese Schwäche nicht. Für stark strukturabhängige Materialeigenschaften sind deshalb auf räumliche Strukturen spezialisierte KI-Modelle die verlässlichere Wahl. (DOI: 10.1038/s43588-026-01045-2)
  • Muster aus polaren Wirbeln in bleifreien Übergittern auf Silizium
    Science Highlight
    19.10.2026
    Muster aus polaren Wirbeln in bleifreien Übergittern auf Silizium
    Ein Team am HZB hat erstmals polare Wirbel in (BaTiO3/SrTiO3)10-Übergittern auf Silizium nachgewiesen. Diese Ergebnisse erweitern das Spektrum an Materialien und Substraten, auf denen polare topologische Texturen auftreten können, und sie eröffnen neue Möglichkeiten für die Einbindung komplexer ferroelektrischer Zustände in siliziumbasierte Technologien.