Big Data für die Forschung nutzen

Materialwissenschaftler kooperieren im BigMax-Projekt

| Autor / Redakteur: Martin Hensel / Nico Litzel

Die Big-Data-Plattform BigMax bringt die Materialwissenschaft voran. (Symbolbild)
Die Big-Data-Plattform BigMax bringt die Materialwissenschaft voran. (Symbolbild) (Bild: Visual Hunt // Pexels.com / CC0)

Forscher aus zwölf Einrichtungen der Max-Planck-Gesellschaft werden künftig im „MaxNet on Big-Data-Driven Materials Science“ oder kurz BigMax gemeinsam datengetriebene Materialwissenschaft betreiben.

In der Materialwissenschaft gibt es viele verschiedene Problemstellungen. Zum Beispiel: Welche Legierungsbestandteile machen Stahl besonders biegefest, extrem hart und rostfrei? Gibt es Halbleiter, die höhere Wirkungsgrade und flexiblere Einsatzmöglichkeiten in Solarmodulen als Silicium bieten? Die entsprechende Forschung ist sehr aufwendig. Um einfacher Antworten zu finden, werden Forscher aus zwölf Einrichtungen der Max-Planck-Gesellschaft künftig im BigMax kooperieren.

Big Data als Forschungshilfe

Die Wissenschaftler erhoffen sich von der Big-Data-Plattform etwa Hilfe beim Auffinden von optimalen Materialien für bestimmte Zwecke. „Bisher sind allein rund 240.000 anorganische Materialien bekannt, aber manche Eigenschaften kennen wir nicht mal von 100 dieser Stoffe“, erklärt Matthias Scheffler, Direktor am Berliner Fritz-Haber-Institut der Max-Planck-Gesellschaft. Über BigMax lassen sich die Materialeigenschaften zentral erfassen und analysieren, zudem sind die nötigen Datenmengen bereits teilweise vorhanden. Dies erleichtert den Forschern die komplizierte Arbeit erheblich.

Neue Informationen aus Mustererkennung

Die Plattform ermöglicht zudem den Gewinn neuer Erkenntnisse durch Mustererkennung, wie beispielsweise die Anordnung von Atomen in einem Festkörper. Verfahren wie die Röntgenstrukturanalyse oder Atomsondentomographie liefern die dazu nötigen riesigen Datenmengen. Von der Mustererkennung erhoffen sich die Wissenschaftler interdisziplinär Vorteile, etwa den Gewinn zusätzlicher Informationen, die nicht zwingend mit der eigentlichen Fragestellung zusammenhängen müssen. Zudem vermuten die Materialforscher neue Erkenntnisse im bereits vorhandenen Datenmaterial. Langfristiges Ziel der kooperativen Plattform ist eine Art mehrdimensionale Materiallandkarte, in der mit einem Blick der ideale Stoff für den jeweiligen Einsatzzweck erkennbar ist.

Verfahren der Zukunft

„Bisher haben Forscher gezielt ausgesuchte Systeme untersucht und dazu, basierend auf einem allgemeinen theoretischen Verständnis, Modelle entwickelt“, erklärt Scheffler. „Ich glaube, dass mit Big-Data-Analysen die Aufgabe künftig vor allem darin besteht, in großen Datenmengen nach Strukturen und Mustern zu suchen. Und wenn wir dann die Gleichungen haben, um diese zu beschreiben, können wir diese auch auf solche Materialien anwenden, die wir noch gar nicht analysiert haben“, ergänzt er. Die mögliche theoretische Herleitung von Materialeigenschaften würde Geld und Zeit für die sonst anfallenden Experimente sparen. Und sie schont die Geduld der Wissenschaftler, die in vielen Fällen noch mühsam per Versuch-und-Irrtum-Methode auf Ergebnisse hinarbeiten müssen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44811452 / Analytics)