Dieser Use Case befasst sich mit der Umwandlung von Daten in FAIR digitale Objekte mittels des ARC DataHub und der KI-Entwicklungsplattform Agri-Gaia.

In Zusammenarbeit mit:

Hintergrund

Ziele

Ein FAIR-kommentierter Bilddatensatz für Kartoffelviren:
Bereitstellung und Verbreitung eines öffentlich nutzbaren, FAIR-kommentierten Bilddatensatzes über Kartoffelviren, um Erkenntnisse durch KI-Analyse zu ermöglichen.
Interoperabilität zwischen Agri-Gaia und ARC DataHUB:
Einrichtung einer nahtlosen Interoperabilität zwischen der KI-Entwicklungsplattform Agri-Gaia und dem ARC DataHUB für integriertes Modelltraining und FAIR-KI-Workflow-Dokumentation.
Integration und FAIR Datenmanagement:
Schrittweise Umwandlung von Daten in FAIR digitale Objekte über den ARC DataHUB, Unterstützung großer Datensätze von verschiedenen Anbietern und Verbindung mit anderen Konsortien (DataPLANT, Microbiota, Biodiversität).

Status und Ausblick

UC Update: Agri-Gaia meets DataHUB: Connecting Technologies & Communities via a Potato Virus Dataset FAIRification

Der frisch gestartete Use Case AgDaFAIR präsentiert einen innovativen Brückenschlag zwischen der DataPLANT/DataHUB-Welt und der Agri-Gaia-Plattform, um Interoperabilität und FAIR-konforme Workflows in der Agrarforschung deutlich zu stärken. Im Zentrum steht die Nutzung von ARC als FAIR Digital Object, das sowohl die Veröffentlichung strukturierter Datensätze (z. B. Drohnenbilder zu PVY-infizierten Kartoffelpflanzen) als auch deren Weiterverarbeitung in Agri-Gaia ermöglicht. Über die Agri-Gaia-Toolbox können Forschende anschließend KI-Modelle entwickeln, trainieren und publizieren – unterstützt durch Jupyter-Notebooks und moderne Dataspace-Technologien. Der Use Case adressiert ein praxisrelevantes Szenario der Pflanzenpathologie und verbindet erstmals Datenerhebung, FAIR-Publikation und KI-Modellentwicklung in einem durchgängigen Prozess. So entsteht ein übertragbares Demonstrationsbeispiel dafür, wie FAIR Digital Objects und KI-Ökosysteme gemeinsam Mehrwert für die Agrarforschung erzeugen.