Datenmanagement 4.0: Künstliche Intelligenz als Treiber für innovative Forschungsinformationssysteme
-
Otmane Azeroual
Senior Wissenschaftlicher Mitarbeiter am Deutschen Zentrum für Hochschul- und Wissenschaftsforschung (DZHW) in Berlin. Promovierte in Ingenieurinformatik mit Schwerpunkten auf Datenbanken, Informationssystemen, Künstlicher Intelligenz und Data Science. Lehrt an der FernUniversität Hagen und der University of Europe for Applied Sciences (UE) in Berlin. Parallel verfolgt er seine Habilitation und ist Chief Technology Officer (CTO) bei der SBI Group AG. Dr. Azeroual leitet internationale Forschungs- und Beratungsprojekte und verbindet akademische Forschung mit praktischer Anwendung.
,
Uta Störl
Professorin für Informatik und Leiterin des Lehrgebiets Datenbanken und Informationssysteme an der FernUniversität in Hagen. Uta Störl hat das Big Data Competence Center an der Hochschule Darmstadt aufgebaut und geleitet. Sie ist Mitglied verschiedener Leitungsgremien der GI im Bereich Datenbanksysteme und Haupt-Herausgeberin der Zeitschrift „Datenbank-Spektrum“ beim Springer-Verlag. Zuvor im Bankenbereich tätig, sammelte sie umfangreiche Erfahrungen in Technologieberatung und Technologietransfer.
,
Laura Rothfritz
Wissenschaftliche Mitarbeiterin und Doktorandin am Lehrstuhl für Informationsmanagement seit 2020. Bachelor in Bibliotheksmanagement und Master in Informationswissenschaften von der Fachhochschule Potsdam mit Expertise in Forschungsdatenmanagement und Open Science. In ihrer Dissertation untersucht sie die sozio-technologischen Beziehungen zwischen Dateninfrastrukturen und Gesellschaften. Engagiert im Board of Directors des Einstein Center Digital Future (ECDF).
,
Joachim Schöpfel
Professor der Informationswissenschaften an der Universität Lille (Frankreich) und Wissenschaftler am Gériico-Forschungslabor. Vorstandsmitglied von euroCRIS. Freiberuflicher Berater für OUROUK Consulting (Paris) und scidecode science consulting (Berlin).
,
Ulrich Herb
Diplom-Soziologe, promovierter Informationswissenschaftler, Leiter der Abteilung Publikations- und Forschungsunterstützung an der Saarländischen Universitäts- und Landesbibliothek, Mitglied in verschiedenen Arbeitsgruppen zu wissenschaftlichem Publizieren, Vorstandsmitglied im Hochschulverband Informationswissenschaft, Gesellschafter von scidecode science consulting (Berlin), freiberuflicher Berater u. a. für OUROUK Consulting (Paris).
and
Georg Borges
Professor und Inhaber des Lehrstuhls für Bürgerliches Recht, Rechtsinformatik, deutsches und internationales Wirtschaftsrecht sowie Rechtstheorie und geschäftsführender Direktor des Instituts für Rechtsinformatik an der Universität des Saarlandes. Prof. Borges hat einen Forschungsschwerpunkt in Rechtsfragen der künstlichen Intelligenz.
Zusammenfassung
In der Ära rasanter technologischer Fortschritte erweisen sich traditionelle Methoden des Forschungsinformationsmanagements als unzureichend. Präsentiert wird eine Projektskizze, die das Konzept „Data Management 4.0“ einführt. Dieses Konzept nutzt Künstliche Intelligenz (KI), um Forschungsinformationssysteme signifikant zu verbessern. Durch die Integration KI-gestützter Lösungen könnten Institutionen eine erhöhte Effizienz, Genauigkeit und optimale Ressourcenzuteilung bei der Handhabung großer und vielfältiger Forschungsinformationen erreichen. Der Ansatz berücksichtigt zentrale Herausforderungen wie Datenintegration, -bereinigung, -analyse und -sicherheit. Zusätzlich werden fünf praxisnahe Szenarien präsentiert, die konkrete Anwendungen von KI in Forschungsinformationssystemen illustrieren und zeigen, wie spezifische Probleme im Forschungsinformationsmanagement gelöst werden könnten. Das vorgeschlagene Projekt zielt darauf ab, Forschungsinformationssysteme durch maßgeschneiderte KI-Lösungen zu optimieren und umfasst eine umfassende Strategie, die Bedarfsanalyse, Implementierung und kontinuierliche Verbesserung berücksichtigt. Mit seiner Veröffentlichung wird das Konzept einer breiten Diskussion zugänglich gemacht. Diese Arbeit möchte die Praxis des Forschungsinformationsmanagements transformieren und einen intelligenteren sowie effizienteren Ansatz zur Handhabung von Forschungsinformationen fördern.
Abstract
In the era of rapid technological advances, traditional methods of research information management are proving inadequate. A project outline is presented that introduces the concept of ‘Data Management 4.0’. This concept utilises Artificial Intelligence (AI) to significantly improve research information systems. By integrating AI-supported solutions, institutions could achieve increased efficiency, accuracy and optimised resource allocation when handling large and diverse research information. The approach addresses key challenges such as data integration, cleaning, analysis and security. In addition, five practical scenarios are presented that illustrate concrete applications of AI in research information systems and show how specific problems in research information management could be solved. The proposed project aims to optimise research information systems through customised AI solutions and includes a comprehensive strategy that considers needs analysis, implementation and continuous improvement. With its publication, the concept will be made accessible to a broad discussion. This work aims to transform the practice of research information management and promote a smarter and more efficient approach to handle research information.
Résumé
A l’ère des progrès technologiques rapides, les méthodes traditionnelles de gestion des informations de recherche s’avèrent insuffisantes. Une esquisse de projet est présentée, qui introduit le concept de « Data Management 4.0 ». Ce concept utilise l’intelligence artificielle (IA) pour améliorer de manière significative les systèmes d’information de la recherche. L’intégration de solutions basées sur l’IA permettrait aux institutions de gagner en efficacité, en précision et d’optimiser l’allocation des ressources lors de la gestion d’informations de recherche volumineuses et variées. L’approche tient compte des principaux défis tels que l’intégration, le nettoyage, l’analyse et la sécurité des données. En outre, cinq scénarios pratiques sont présentés pour illustrer des applications concrètes de l’IA dans les systèmes d’information de recherche et montrer comment des problèmes spécifiques de gestion de l’information de recherche pourraient être résolus. Le projet proposé vise à optimiser les systèmes d’information de recherche grâce à des solutions d’IA sur mesure et comprend une stratégie globale qui tient compte de l’analyse des besoins, de la mise en œuvre et de l’amélioration continue. Sa publication permettra d’ouvrir le concept à un large débat. Ce travail vise à transformer la pratique de la gestion de l’information de recherche et à promouvoir une approche plus intelligente et plus efficace de la gestion de l’information de recherche.
Über die Autoren
Senior Wissenschaftlicher Mitarbeiter am Deutschen Zentrum für Hochschul- und Wissenschaftsforschung (DZHW) in Berlin. Promovierte in Ingenieurinformatik mit Schwerpunkten auf Datenbanken, Informationssystemen, Künstlicher Intelligenz und Data Science. Lehrt an der FernUniversität Hagen und der University of Europe for Applied Sciences (UE) in Berlin. Parallel verfolgt er seine Habilitation und ist Chief Technology Officer (CTO) bei der SBI Group AG. Dr. Azeroual leitet internationale Forschungs- und Beratungsprojekte und verbindet akademische Forschung mit praktischer Anwendung.
Professorin für Informatik und Leiterin des Lehrgebiets Datenbanken und Informationssysteme an der FernUniversität in Hagen. Uta Störl hat das Big Data Competence Center an der Hochschule Darmstadt aufgebaut und geleitet. Sie ist Mitglied verschiedener Leitungsgremien der GI im Bereich Datenbanksysteme und Haupt-Herausgeberin der Zeitschrift „Datenbank-Spektrum“ beim Springer-Verlag. Zuvor im Bankenbereich tätig, sammelte sie umfangreiche Erfahrungen in Technologieberatung und Technologietransfer.
Wissenschaftliche Mitarbeiterin und Doktorandin am Lehrstuhl für Informationsmanagement seit 2020. Bachelor in Bibliotheksmanagement und Master in Informationswissenschaften von der Fachhochschule Potsdam mit Expertise in Forschungsdatenmanagement und Open Science. In ihrer Dissertation untersucht sie die sozio-technologischen Beziehungen zwischen Dateninfrastrukturen und Gesellschaften. Engagiert im Board of Directors des Einstein Center Digital Future (ECDF).
Professor der Informationswissenschaften an der Universität Lille (Frankreich) und Wissenschaftler am Gériico-Forschungslabor. Vorstandsmitglied von euroCRIS. Freiberuflicher Berater für OUROUK Consulting (Paris) und scidecode science consulting (Berlin).
Diplom-Soziologe, promovierter Informationswissenschaftler, Leiter der Abteilung Publikations- und Forschungsunterstützung an der Saarländischen Universitäts- und Landesbibliothek, Mitglied in verschiedenen Arbeitsgruppen zu wissenschaftlichem Publizieren, Vorstandsmitglied im Hochschulverband Informationswissenschaft, Gesellschafter von scidecode science consulting (Berlin), freiberuflicher Berater u. a. für OUROUK Consulting (Paris).
Professor und Inhaber des Lehrstuhls für Bürgerliches Recht, Rechtsinformatik, deutsches und internationales Wirtschaftsrecht sowie Rechtstheorie und geschäftsführender Direktor des Instituts für Rechtsinformatik an der Universität des Saarlandes. Prof. Borges hat einen Forschungsschwerpunkt in Rechtsfragen der künstlichen Intelligenz.
Literatur
Antunes, B. A., & Hill, D. R. (2024). Reproducibility, Replicability, and Repeatability: A survey of reproducible research with a focus on high performance computing. arXiv preprint arXiv:2402.07530.10.1016/j.cosrev.2024.100655Search in Google Scholar
Azeroual, O., Schöpfel, J., Pölönen, J., & Nikiforova, A. (2022). Putting FAIR principles in the context of research information: FAIRness for CRIS and CRIS for FAIRness. In 14th International Conference on Knowledge Management and Information Systems (KMIS2022) (pp. 63–71). SCITEPRESS-Science and Technology Publications.10.5220/0011548700003335Search in Google Scholar
Baas, J., Schotten, M., Plume, A., Côté, G., & Karimi, R. (2020). Scopus as a curated, high-quality bibliometric data source for academic research in quantitative science studies. Quantitative science studies, 1(1), 377–386.10.1162/qss_a_00019Search in Google Scholar
Franzoni, C., & Sauermann, H. (2014). Crowd science: The organization of scientific research in open collaborative projects. Research policy, 43(1), 1–20.10.1016/j.respol.2013.07.005Search in Google Scholar
Hashem, I. A. T., Yaqoob, I., Anuar, N. B., Mokhtar, S., Gani, A., & Khan, S. U. (2015). The rise of “big data” on cloud computing: Review and open research issues. Information systems, 47, 98–115.10.1016/j.is.2014.07.006Search in Google Scholar
Herb, U. (2018). Zwangsehen und Bastarde. Information – Wissenschaft & Praxis, 69(2–3), 81–88. https://doi.org/10.1515/iwp-2018-002110.1515/iwp-2018-0021Search in Google Scholar
Hevner, A., & Chatterjee, S. (2010). Design research in information systems: theory and practice (Vol. 22). Springer Science & Business Media.10.1007/978-1-4419-5653-8_2Search in Google Scholar
Jha, M. (2021). Without data quality, there is no data migration. Big Data and Cognitive Computing, 5(2), 24.10.3390/bdcc5020024Search in Google Scholar
Koltay, T. (2023). Research information in the light of artificial intelligence: quality and data ecologies. arXiv preprint arXiv:2405.12997.Search in Google Scholar
Law, E., Gajos, K. Z., Wiggins, A., Gray, M. L., & Williams, A. (2017). Crowdsourcing as a tool for research: Implications of uncertainty. In Proceedings of the 2017 ACM conference on computer supported cooperative work and social computing (pp. 1544–1561).10.1145/2998181.2998197Search in Google Scholar
Longo, L., Goebel, R., Lecue, F., Kieseberg, P., & Holzinger, A. (2020, August). Explainable artificial intelligence: Concepts, applications, research challenges and visions. In International cross-domain conference for machine learning and knowledge extraction (pp. 1–16). Cham: Springer International Publishing.10.1007/978-3-030-57321-8_1Search in Google Scholar
Milligan, I. (2022). The transformation of historical research in the digital age. Cambridge University Press.10.1017/9781009026055Search in Google Scholar
Müller, O., Junglas, I., Brocke, J. V., & Debortoli, S. (2016). Utilizing big data analytics for information systems research: challenges, promises and guidelines. European Journal of Information Systems, 25(4), 289–302.10.1057/ejis.2016.2Search in Google Scholar
Sarker, I. H. (2022). AI-based modelling: techniques, applications and research issues towards automation, intelligent and smart systems. SN Computer Science, 3(2), 158.10.1007/s42979-022-01043-xSearch in Google Scholar
Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., … & Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific data, 3(1), 1–9.10.1038/sdata.2016.18Search in Google Scholar
Xu, Y., Liu, X., Cao, X., Huang, C., Liu, E., Qian, S., … & Zhang, J. (2021). Artificial intelligence: A powerful paradigm for scientific research. The Innovation, 2(4).10.1016/j.xinn.2021.100179Search in Google Scholar
Zhang, H., & Fang, M. (2021). Research on the integration of heterogeneous information resources in university management informatization based on data mining algorithms. Computational Intelligence, 37(3), 1254–1267.10.1111/coin.12365Search in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston
Articles in the same Issue
- Frontmatter
- KI und Wissensorganisation
- Wie speichert man Wissen? Von Büchern zu Wissensgraphen und Sprachmodellen
- Von der Theorie in die Praxis: Wie Wissensgraphen und Sprachmodelle schon heute helfen, die wissenschaftlichen Fragen von morgen zu beantworten
- KI, Wissensgraphen und die Publikationsflut – Die Beantwortung wissenschaftlicher Fragestellungen und die Rolle von Bibliotheken im digitalen Zeitalter
- Wissensmanagement
- Wissenstransfer umgekehrt
- Management von Informationsprozessen
- Datenmanagement 4.0: Künstliche Intelligenz als Treiber für innovative Forschungsinformationssysteme
- Hochschule
- Es braucht Beziehungen, auch an Hochschulen
- Tagungsbericht
- „The Art of Connection“
- „Human Indexing in a Digital World“
- KI bei Information Professionals angekommen
- Sammlungen: Welche Bedeutung haben sie heute noch für die Objektdokumentation?
- Aus der DGI
- Aus der DGI
- Nachrichten
- Nachrichten
- Informationen
- Informationen
- Erratum
- Erratum zu: Richard Grasshoff, Kollaboratives Wissensmanagement. Grundlagen und Fallstudien. Wiesbaden: Springer Gabler, 2023
- Terminkalender
- Terminkalender
Articles in the same Issue
- Frontmatter
- KI und Wissensorganisation
- Wie speichert man Wissen? Von Büchern zu Wissensgraphen und Sprachmodellen
- Von der Theorie in die Praxis: Wie Wissensgraphen und Sprachmodelle schon heute helfen, die wissenschaftlichen Fragen von morgen zu beantworten
- KI, Wissensgraphen und die Publikationsflut – Die Beantwortung wissenschaftlicher Fragestellungen und die Rolle von Bibliotheken im digitalen Zeitalter
- Wissensmanagement
- Wissenstransfer umgekehrt
- Management von Informationsprozessen
- Datenmanagement 4.0: Künstliche Intelligenz als Treiber für innovative Forschungsinformationssysteme
- Hochschule
- Es braucht Beziehungen, auch an Hochschulen
- Tagungsbericht
- „The Art of Connection“
- „Human Indexing in a Digital World“
- KI bei Information Professionals angekommen
- Sammlungen: Welche Bedeutung haben sie heute noch für die Objektdokumentation?
- Aus der DGI
- Aus der DGI
- Nachrichten
- Nachrichten
- Informationen
- Informationen
- Erratum
- Erratum zu: Richard Grasshoff, Kollaboratives Wissensmanagement. Grundlagen und Fallstudien. Wiesbaden: Springer Gabler, 2023
- Terminkalender
- Terminkalender
