Digitalisierung der Forschungswelten

Die Digitalisierung schreitet in allen wissenschaftlichen Bereichen mit zunehmender Geschwindigkeit voran [1]. Insbesondere die Corona-Pandemie hat zu einer stärkeren Digitalisierung wissenschaftlicher Praktiken geführt [2] und das kollaborative Arbeiten sowie den Zugang zu Forschungsdaten und -ergebnissen sowie deren Nutzung erleichtert [2]. Bei der Einrichtung europaweiter IKT-Infrastrukturen zur Unterstützung der Forschung in verschiedenen Disziplinen wurden erhebliche Fortschritte erzielt [1]. Außerdem werden kollaborative Plattformen für die Entwicklung und Verbreitung neuer Technologien entwickelt. Dabei handelt es sich um organisatorische Strukturen, die der gemeinsamen Nutzung von Ressourcen und Wissen dienen und in der Regel auf digitalen Anwendungen basieren. Ein Beispiel hierfür sind die sogenannten „Biofoundries“ [3]. Sie bieten eine integrierte Infrastruktur für die rasche Entwicklung, Konstruktion und Erprobung genetisch umprogrammierter Organismen für biotechnologische Anwendungen und Forschungszwecke [4].

Falschinformationen verbreiten sich im Internet schneller denn je. Dies betrifft nicht nur falsche Darstellungen in sozialen Medien, sondern auch wissenschaftliche Ergebnisse, die fragwürdig oder gar falsch sind. Um wissenschaftliche Fehlinformationen oder auch nur einfach inzwischen revidierte Ergebnisse schneller zu identifizieren und ihre Sichtbarkeit zu reduzieren, werden digitale Tools entwickelt. Sie erlauben es Wissenschaftler/innen z.B. schneller zu erkennen, ob ein wissenschaftlicher Artikel von anderen Wissenschaftler/innen besonders stark kritisiert wurde. Andere Tools versenden eine Warnung, wenn eine zitierte Publikation zurückgezogen wurde [5]. Außerdem ermöglichen Fortschritte beim maschinellen Lernen eine immer bessere Erkennung missbräuchlicher Verweise auf wissenschaftliche Erkenntnisse oder pseudowissenschaftlicher Theorien im Internet [6][7]. Aufgrund mangelnder Zuverlässigkeit und potenzieller Verzerrungen bei der Bewertung von Nachrichten können solche Systeme allerdings nicht eigenständig bzw. ohne menschliche Intervention bei der Inhaltsmoderation eingesetzt werden [8][9]. Zudem setzen die effektivsten Interventionen bei der Bekämpfung von Desinformation die Kooperationen von Plattformbetreibern voraus [10]. Viele von ihnen haben sich jedoch von ihrer Selbstverpflichtung zum Fact-Checking verabschiedet [11].

Größe, Auflösung und Nutzung von Datensätzen nehmen in der Forschung rasant zu [1]. Virtuelle Darstellungen von physischen Objekten, Prozessen und Systemen, die Daten aus der realen Welt verwenden, um Simulationen durchzuführen (von Körperorganen, Teleskopen bis hin zum Planeten Erde), werden zunehmend in wissenschaftlichen Bereichen eingesetzt [1][12]. Zudem werden in vielen Forschungsbereichen digitale Zwillinge von Forschungsinfrastrukturen entwickelt. Die EU-Kommission hat sich zum Ziel gesetzt, Daten stärker als strategische Ressourcen für Wissenschaft und Politik zu nutzen [13]. In Deutschland wird eine nationale Forschungsdateninfrastruktur aufgebaut, es werden Schulungsangebote für Forschende sowie Standards für den Umgang mit Forschungsdaten entwickelt [14] und Data-Science-Programme an Hochschulen etabliert [15].

Große Datenmengen werden zunehmend mit Künstlicher Intelligenz (KI) ausgewertet [16], vor allem in MINT-Bereichen wie Medizin, Materialwissenschaft, Robotik, Genetik und Informatik [17]. KI dient beispielsweise der beschleunigten Entwicklung neuer Proteine, Medikamente und Materialien [18] (autonome Labore). Generative KI ist dabei von immer größerer Bedeutung [19]. Sie wird für den Entwurf und die automatische Durchführung von Experimenten sowie für die Erkennung von Mustern in großen Datensätzen eingesetzt und kommt als Hilfsmittel bei der Entwicklung wissenschaftlicher Software und bei der Textproduktion zum Einsatz [20]. Auch wissenschaftliche Literaturdatenbanken bieten zunehmend Funktionalitäten an, die es erleichtern, den Stand des wissenschaftlichen Diskurses zu erfassen und aufkommende Forschungsthemen zu identifizieren [21]. Aktuell fehlt es Forschenden allerdings vielfach an ausreichenden Rechenkapazitäten, um Forschung mit KI zu betreiben [22]. Zudem stellt die Dominanz US-amerikanischer Lösungen, die europäischen Datenschutzanforderungen vielfach nicht genügen, ein Hindernis für die Erschließung der Potenziale sowohl für Verwaltungsprozesse als auch für die Forschung selbst dar.

Im Zuge der Digitalisierung haben IT-Sicherheitsvorfälle an Universitäten und Hochschulen in den letzten Jahren zugenommen, sodass der Aufbau von IT-Sicherheitsinfrastrukturen und von Maßnahmen zum Datenschutz immer bedeutender wird. Dazu gehören die Planung und Feststellung von Schutzbedarfen, die Entwicklung von Sicherheitsrichtlinien und ihre Implementierung sowie Schulungsangebote und Sensibilisierungsmaßnahmen [23]. Ein weiterer Trend geht in Richtung Open Science. Zunehmend werden Datensätze, die von großen Forschungsinfrastrukturen erhoben und bearbeitet werden, auch für Nicht-Expert/innen öffentlich zugänglich gemacht [24]. Der offene Zugang zu Forschungsdaten wird seit einigen Jahren gefördert und hat sich seit dem Beginn der COVID-19-Pandemie verstärkt. Parallel dazu wird die Möglichkeit erforscht, mit synthetischen Daten zu arbeiten, d.h. mit künstlich generierten Daten, die reale Daten imitieren [25]. Die Anzahl der Nutzer/innen von digitalen Preprint-Sharing-Plattformen, auf denen Forschende ihre Manuskripte vor der formellen Begutachtung und Veröffentlichung teilen können, ist seit Beginn der Pandemie gestiegen [26]. Sie erlauben es Wissenschaftler/innen, schneller Feedback zu erhalten und beschleunigen den wissenschaftlichen Prozess. Die Umsetzung von Open Access – der kostenfreien Bereitstellung von wissenschaftlichen Publikationen und Forschungsergebnissen – ist in den Bundesländern unterschiedlich weit fortgeschritten [27]. Eine vollständige Transformation hin zu Open Access steht noch aus [28].

Alle diese Trends führen zu einem wachsenden Bedarf an Rechenkapazität und damit auch an Energie, z.B. aufgrund von Simulations- und Modellierungsanforderungen. Parallel dazu schreitet die Europäisierung der E-Forschungsinfrastruktur (Ausbau von Daten- and Rechendiensten, der Höchstleistungsrecheninfrastruktur und des Datenraums) voran. Auch in Deutschland wird die Recheninfrastruktur ausgebaut [29]. Dadurch steigt die Nachfrage nach spezieller Hardware (GPUs, Graphics Processing Units), bei der es jedoch bereits zu Engpässen gekommen ist [30].