FAIR & AI Symposium Highlights: Eine Gemeinschaft, die die Zukunft vertrauenswürdiger Forschungsdaten und KI gestaltet

Das FAIR & AI Symposium, organisiert vom Cluster Forschungsdaten, brachte eine lebendige Gemeinschaft von Forschern, Infrastrukturspezialisten, Datenverwaltern und Politikexperten zusammen, um eines der derzeit drängendsten Themen zu erörtern: die sich entwickelnde Beziehung zwischen FAIR-Forschungsdaten und künstlicher Intelligenz (KI). 
Das reichhaltige Programm, das in der prächtigen Aula des historischen Hauptgebäudes der TU Graz stattfand, löste lebhafte Diskussionen darüber aus, wie Datenmanagement und KI-Entwicklung auf verantwortungsvolle und nachhaltige Weise gemeinsam vorangebracht werden können.

Wichtige Themen und Erkenntnisse: FAIR und KI ergänzen sich, aber Datenschutz, Transparenz und Voreingenommenheit bleiben zentrale Herausforderungen

Während des gesamten Symposiums reflektierten die Teilnehmer über die zentrale Frage:

Sind die FAIR-Leitprinzipien noch ausreichend für die Datenverwaltung in einer Zeit, in der KI zunehmend bestimmt, wie wir Daten erstellen, verwalten und wiederverwenden?

Die Sitzungen machten deutlich, dass FAIR zwar nach wie vor eine starke Grundlage bildet, KI jedoch sowohl große Chancen als auch neue Verantwortlichkeiten mit sich bringt. Die automatisierte Generierung von Metadaten, die semantische Anreicherung und die verbesserte Auffindbarkeit von Daten wurden als wichtige Faktoren für die FAIRifizierung hervorgehoben. Gleichzeitig betonten die Referenten, dass Herausforderungen wie Transparenz, Erkennung von Verzerrungen, Rechenschaftspflicht und ethische Entscheidungsfindung nicht allein auf Maschinen übertragen werden können.

Ein Programm, das Dialog und Zusammenarbeit anregte

Die Teilnehmer nahmen an einer dynamischen Mischung aus Keynote-Vorträgen, Expertenpräsentationen, Blitzvorträgen und praktischen Diskussionen teil. In Arbeitsgruppen wurden konkrete Anwendungsfälle an der Schnittstelle von FAIR-Daten und KI untersucht, während Debatten Raum für kritische Reflexionen über die sich entwickelnden Forschungsdaten- und KI-Infrastrukturen in Österreich und Europa schufen.

Ilire Hasani-Mavriqi, Leiterin des RDM-Teams an der TU Graz und Organisatorin der Veranstaltung, begrüßte die Teilnehmer, hob die Aktualität der Veranstaltung hervor und stellte die wichtigsten Fragen vor, die behandelt werden sollten: Reichen die FAIR-Prinzipien aus, um die Vertrauenswürdigkeit der KI zu gewährleisten? Wie kann KI FAIR und reproduzierbare Forschung unterstützen? Welche Aspekte erfordern menschliche Aufsicht?

In ihrer institutionellen Begrüßung betonte Andrea Höglinger, Vizerektorin für Forschung der TU Graz, dass FAIR und KI die Zukunft des Forschungsökosystems prägen, und wies auf die sich abzeichnende enge Zusammenarbeit auf internationaler Ebene unter der Schirmherrschaft der EOSC hin. Sabine Neff-Kolassa (TU Wien) hob die Rolle des Clusters Forschungsdaten bei der Förderung der Zusammenarbeit und Vernetzung zwischen österreichischen Universitäten hervor. Die Veranstaltung wurde von Suvini Lai und Livia Beck (beide TU Wien) moderiert.

Keynotes: Forschungsdatenmanagement ist entscheidend, aber die Datenqualität ist (nach wie vor) eine Herausforderung

In der ersten Keynote berichtete Jana Lasser (Universität Graz, IDea_Lab) über ihre Erfahrungen im Umgang mit sensiblen Daten („Geschichten aus dem Alltag“, wie sie es ausdrückte) und stellte drei Fallstudien zu den Auswirkungen des FAIR-Datenmanagements auf den Datenschutz vor. Sie betonte, dass die derzeitige äußerst herausfordernde – und sich schnell entwickelnde – Landschaft Fähigkeiten erfordert, wie z. B. Anonymisierungstechniken für unstrukturierte Daten, die über die Fähigkeiten einzelner Forscher hinausgehen, was bedeutet, dass Datenfachleute wie Data Stewards sehr gefragt sind. In dieser Landschaft stellen professionelle, effiziente und sichere Datenmanagementpraktiken einen echten Wettbewerbsvorteil für Universitäten und andere Forschungseinrichtungen dar. Daniel Garijo (Polytechnische Universität Madrid) hielt die zweite Keynote, die sich auf die Qualität heterogener digitaler Objekte konzentrierte. Daniel betonte, dass FAIR als Mittel zum Erreichen „höherer Ziele” verstanden werden sollte und nicht als Selbstzweck: FAIR sollte eingesetzt werden, um die wissenschaftliche Glaubwürdigkeit zu verbessern, Datensätze als wichtige Forschungsergebnisse anzuerkennen und die Reproduzierbarkeit zu verbessern. Er kam zu dem Schluss, dass FAIR (Metadaten, Interoperabilität, Suche, Herkunft) zwar für KI von entscheidender Bedeutung ist, die Datenqualität jedoch (noch) ein offenes Thema ist.

Auf die Keynotes folgten drei Blitzvorträge von Markus Stöhr (AI Factory Austria, Austrian Scientific Computing) zum Thema Hochleistungsrechnen (HPC), Jeannette Gorzala (Act.AI.now) zum Thema KI-Governance und -Kompetenz sowie Emily Kate (Universität Wien) zum Thema Datenverwaltung und RDM. Markus Stöhr gab einen Überblick über die Möglichkeiten, die nationale und europäische HPC-Infrastrukturen bieten, und erklärte, wie Forscher effektiv auf diese Ressourcen zugreifen und sie nutzen können. Jeannette Gorzala hob wichtige rechtliche Überlegungen für KI- und datengesteuerte Forschung hervor und skizzierte praktische „Dos and Don'ts“ im Lichte der aktuellen Vorschriften und Governance-Rahmenbedingungen. Abschließend diskutierte Emily Kate die sich wandelnde Rolle von Datenverwaltern bei der Unterstützung von RDM und vertrauenswürdiger KI und veranschaulichte dies anhand der laufenden Bemühungen der Universität Wien um robustere Datenverwaltungspraktiken.

Das Symposium endete mit zwei parallelen Breakout-Sessions, in denen zwei sich ergänzende Fragen behandelt wurden: Wie kann KI die FAIRifizierung von Forschungsdaten unterstützen und wie können FAIR-Datenpraktiken KI-Anwendungen unterstützen? Die Teilnehmer beider Sessions diskutierten lebhaft über diese Fragen und kamen zu dem Schluss, dass die FAIRifizierung verschiedene Ebenen von (Daten-)Aggregaten betrifft, die standardisierte Tools und eine offizielle Zertifizierung erfordern, und dass KI die FAIRifizierung höchstwahrscheinlich durch die Automatisierung sich wiederholender Aufgaben unterstützen wird.

Eine Gemeinschaft, die sich weiterentwickelt

Eine der wichtigsten Erkenntnisse des Symposiums war die gemeinsame Erkenntnis, dass vertrauenswürdige KI und FAIR-Daten sich gemeinsam weiterentwickeln müssen. Um sicherzustellen, dass KI-gesteuerte Forschungsabläufe transparent, wiederverwendbar und ethisch fundiert bleiben, ist eine kontinuierliche interdisziplinäre Zusammenarbeit über Forschungsbereiche, Institutionen und Infrastrukturen hinweg erforderlich.

Wir danken allen Referenten, Mitwirkenden und Teilnehmern für ihre wertvollen Beiträge und ihr starkes Engagement. Die auf diesem Symposium angestoßenen Gespräche sind ein wichtiger Schritt auf dem Weg zu einer verantwortungsvollen, FAIR und KI-fähigen Forschungslandschaft.