„Wir sind auf dem richtigen Weg“

Herr Prof. Kast, woran forschen Sie gerade?

Meine Arbeitsgruppe befasst sich mit dem Verhalten von Molekülen in Lösung, also flüssigen Umgebungen. Dieses Verhalten modellieren wir mit Computern bis zur atomaren Auflösung, um Experimente präzise interpretieren zu können. Gleichzeitig verfeinern diese Simulationen unsere Methoden, sodass wir bestimmte Messgrößen bereits quantitativ vorhersagen können. Damit sind viele bislang ungeklärte Forschungsfragen verbunden: Zum Beispiel lässt sich aus der chemischen Struktur eines Moleküls nicht einfach ableiten, welche Eigenschaften es in flüssigen Umgebungen aufweist. Diese flüssige Umgebung – das sogenannte Solvens – ist auf mikroskopischer Ebene sehr komplex. Wenn wir es besser verstehen, könnten wir in Zukunft viel gezielter auf molekularer Ebene arbeiten, etwa in der Pharmaforschung: Wirkstoffmoleküle müssen an ein bestimmtes Zielprotein in der Zelle andocken. An der Bindestelle befindet sich aber bereits Wasser, das zunächst verdrängt werden muss. Der Wirkstoff muss also so entworfen werden, dass er erfolgreich mit dem Solvens in der Proteinbinderegion konkurrieren kann. Von solch einem chemischen Design ist man derzeit noch weit entfernt – bislang sind viele Wechselwirkungen zwischen Molekülen und ihrer Umgebung unerforscht.

Die DFG will mit der Förderung der Nationalen Forschungsdateninfrastruktur das Forschungsdatenmanagement vorantreiben. Warum ist das aus Ihrer Sicht so wichtig?

Für unsere Arbeit in der computergestützten Chemie ist eine systematische Erfassung von Daten essenziell, um Jahre später überhaupt noch etwas wiederzufinden, Ergebnisse nachzuvollziehen und Fehlerquellen aufzudecken. Außerdem müssen wir sämtliche Einflussfaktoren erfassen, damit wir Theorie und Experiment synchron weiterentwickeln können. Reproduzierbarkeit als wesentliche Voraussetzung wissenschaftlichen Handelns gelingt nur so. Dabei kommen enorme Datenmengen zusammen. Das gilt aber nicht nur für die Chemie: Immer komplexere Probleme, die zunehmend interdisziplinär bearbeitet werden, erfordern sehr große Datenbanken, die umso besser gepflegt werden müssen, damit Wissenschaftlerinnen und Wissenschaftler aller Disziplinen darauf zugreifen und die Daten nachvollziehen können. Das ist eine enorme Herausforderung, denn selbst innerhalb einer Disziplin gibt es oft keine gemeinsamen Datenstandards. Der Aufbau der NFDI ist da ein Schritt in die richtige Richtung, aber der Weg ist noch weit. In dieser Hinsicht könnte man auch von der Industrie lernen, zum Beispiel der Pharmabranche: Vom ersten wirkstoffartigen Molekül bis zum Medikament arbeiten hier Chemie, Computermodellierung, Toxikologie, Ingenieurwissenschaft und viele weitere Disziplinen zusammen. Ohne ein stringentes Forschungsdatenmanagement wäre das unmöglich.

Welche künftigen Herausforderungen und Chancen sehen Sie für das Management von Forschungsdaten?

Bei den Herausforderungen spielt der menschliche Faktor eine zentrale Rolle – und zwar in zweierlei Hinsicht. Erstens müssen die Strukturen, die jetzt geplant und aufgebaut werden sollen, natürlich in der Wissenschaft akzeptiert und auch konsequent genutzt werden. Das klappt nur durch einen permanenten Austausch innerhalb der akademischen Community. Zweitens braucht es dafür mehr Investitionen in Personal – und zwar dauerhaft: Viele Aufgaben, die mit Forschungsdatenmanagement einhergehen, betreffen die Kommunikation, den technischen Support und die Etablierung von Prozessen. In unserem Konsortium NFDI4Chem ist ein ganzer Teilbereich nur solchen Aufgaben gewidmet. Das sollte man personell nicht unterschätzen, denn es ist wichtig, den langfristigen Mehrwert der Maßnahmen aufzuzeigen und diese in der Praxis zu verankern.

Ein weiterer Aspekt ist die Hardware. Wenn sich das Forschungsdatenmanagement etabliert, wird die Datenmenge massiv zunehmen. Eher früher als später brauchen wir dann Konzepte für die (vertretbare) Löschung von Daten. Daran anschließend werden Maschinelles Lernen und Künstliche Intelligenz eine enorm wichtige Rolle spielen. Hochwertige und gut strukturierte Forschungsdaten bilden die Grundlage für das computergestützte „Lernen“ von Zusammenhängen. Gleichzeitig ist bereits absehbar: Ab einem gewissen Punkt wird die Komplexität der Daten die menschliche Fähigkeit zur Strukturierung übersteigen, also müssen KI-Algorithmen bei der Auswertung helfen. Um diese effektiv zu trainieren, sollten Datenbanken aber nicht nur „gute“ Daten und erfolgreiche Experimente enthalten, sondern auch Misserfolge dokumentieren. Irgendwann haben wir dann Algorithmen, die aus sehr allgemeinen Eingaben der Wissenschaft gezielt Ergebnisse aus riesigen Datenmengen heraussuchen können – und zwar inter- und transdisziplinär. Die NFDI könnte hierfür die Grundsteine legen, wir sind auf dem richtigen Weg.

Zur Person:

• Studium, Promotion und Habilitation in Physikalischer Chemie an der TU Darmstadt
• Postdoc am Dept. of Chemistry, The University of Chicago, USA
• Heisenberg-Stipendium der DFG
• seit 2009 Professor für Theoretische Physikalische Chemie an der TU Dortmund
• seit 2012: Gründungsmitglied und Stellvertretender Vorsitzender des Dortmunder Zentrums für Wissenschaftliches Rechnen (DoWiR)
• seit 2018: Dean der “integrated Graduate School Solvation Science” (iGSS) des Exzellenzclusters RESOLV
• seit 2018 Dekan der Fakultät für Chemie und Chemische Biologie an der TU Dortmund

Weitere Informationen:
DFG-Förderung der Nationalen Forschungsdateninfrastrukturen (NFDI)
Beratung des Referats Forschungsförderung zum Forschungsdatenmanagement
Drittmittelberatung Referat Forschungsförderung TU Dortmund

Alle Interviews der Reihe Spotlight Forschung:
Zur Übersicht

Zurück