AI4RDCs – KI für Forschungsdatenzentren

Forschungsdatenzentren (FDZ) schützen sensible Mikrodaten, wie zum Beispiel aus Befragungen oder administrative Daten. Deshalb ist dort der Internetzugang oftmals bewusst eingeschränkt, und Verbindungen zu öffentlichen Anbietern Künstlicher Intelligenz (KI) sind weder möglich noch zulässig.

Dadurch arbeiten Forschende und FDZ-Mitarbeitende dort ohne KI-Unterstützung, obwohl diese besonders hilfreich sein könnte für komplexe Metadaten, Zugangsregeln, umfangreiche Dokumentationen und Programmierung. Das Projekt AI4RDCs soll diese Lücke mit einem souveränen und quelloffenen KI-Assistenten schließen.

Dieser Assistent soll besonders auf die Fragen und inhaltlichen Anforderungen von Forschungsdaten ausgelegt sein, z.B. indem er sich auf lokale, kuratierte Quellen wie Metadatenkatalogen, Dokumentationen, Richtlinien und Code-Repositorien stützt. Er unterstützt unter anderem bei folgendem:

• Daten verstehen: Struktur, Inhalt und Grenzen von Mikrodaten schnell erfassen
• Passende Daten finden: geeignete Variablen und Teilpopulationen identifizieren und prüfen, ob Forschungsfrage und Daten zusammenpassen
• Analysen dokumentieren: Skripte erklären und zusammenfassen, Auswertungsschritte nachvollziehbar machen
• Code schreiben und verbessern: Analysecode erstellen und optimieren
• Regeln und Abläufe finden: Zugangsregeln und Verfahren des jeweiligen FDZ verständlich beantworten

Das Projekt richtet sich dabei an die folgenden Zielgruppen:

• Forschende, die mit sensiblen Daten arbeiten und schneller zu ihren Ergebnissen kommen wollen
• FDZ-Betreibende und Mitarbeitende, die ihre Nutzenden besser unterstützen und Kapazitäten gewinnen möchten.
• Andere Infrastrukturen und Forschungsgruppen, die vor denselben Datenschutzanforderungen stehen

Entwickelt wird das Projekt am LMU-ifo Economics and Business Data Center, dem Forschungsdatenzentrum am ifo Institut – Leibniz-Institut für Wirtschaftsforschung an der Universität München e.V., welches bereits viel Erfahrung damit hat über Infrastructure-as-Code nachnutzbare Infrastruktur für sichere Forschungsumgebungen bereitzustellen. Anfänglich wird derzeit evaluiert, welche Infrastruktur und welche Software-Komponenten, inklusive KI-Modellen, für die typischen Anwendungsfälle am besten geeignet sind. Im weiteren Verlauf der Projektlaufzeit bis Ende 2028 sollen noch die besonderen Fähigkeiten für das Forschungsdatenmanagement entwickelt werden.