KI & Mensch: MatSci‑YAMZ schafft Metadaten für Materialwissenschaften

In einem neuartigen Ansatz verbindet die Plattform MatSci‑YAMZ künstliche Intelligenz (KI) mit menschlicher Expertise, um die Entwicklung von Metadaten-Vokabularien für die Materialwissenschaft voranzutreiben. Durch die Kombination von KI‑generierten Definitionen und Crowdsourcing‑Feedback wird die Erstellung konsistenter, FAIR‑konformer Metadaten beschleunigt.

Ein Proof‑of‑Concept‑Projekt, das von sechs Teilnehmern des NSF Institute for Data‑Driven Dynamical Design (ID4) durchgeführt wurde, demonstriert die Wirksamkeit des KI‑Human‑in‑the‑Loop‑Modells. Die Nutzer arbeiteten mehrere Wochen lang mit MatSci‑YAMZ, definierten Begriffe und lieferten Beispiele, die die KI zur Verfeinerung ihrer Definitionen nutzte. Das Ergebnis waren 19 KI‑generierte Definitionen, die dank iterativer Feedbackschleifen erfolgreich verfeinert wurden.

Die Studie bestätigt vier zentrale Erkenntnisse: Erstens ist das KI‑Human‑in‑the‑Loop‑Modell ein funktionierender Prototyp; zweitens entspricht es den Prinzipien von FAIR und Open Science; drittens liefert es ein Forschungsprotokoll, das zukünftige Untersuchungen leitet; viertens zeigt es das Potenzial für eine Skalierung auf andere Fachbereiche. MatSci‑YAMZ erhöht damit die semantische Transparenz und verkürzt die Zeit, die für Konsensbildung und Metadaten‑Entwicklung benötigt wird.