{"id":32072,"date":"2026-01-20T12:54:31","date_gmt":"2026-01-20T12:54:31","guid":{"rendered":"https:\/\/lamarr-institute.org\/?p=32072"},"modified":"2026-01-22T12:38:56","modified_gmt":"2026-01-22T12:38:56","slug":"physics-llm","status":"publish","type":"post","link":"https:\/\/lamarr-institute.org\/de\/news\/physics-llm\/","title":{"rendered":"Physics-LLM: Neues Forschungsprojekt im Rahmen der ErUM-Data-F\u00f6rderinitiative"},"content":{"rendered":"\n

Das neue Forschungsprojekt Physics-LLM<\/a><\/strong> entwickelt ein modulares Toolkit f\u00fcr das Forschungsdatenmanagement auf Basis gro\u00dfer Sprachmodelle (LLM) und agentenbasierter KI, das die Arbeitsabl\u00e4ufe von Forschenden \u00fcber den gesamten Lebenszyklus wissenschaftlicher Entdeckungen hinweg unterst\u00fctzt<\/strong> \u2013 von der Metadatenannotation und intelligenten Datenabfrage bis hin zu Analyse-Pipelines und der reproduzierbaren Wiederverwendung von Prozessen.\u00a0 Das Projekt wird im Rahmen von ErUM-Data<\/a> gef\u00f6rdert, einer deutschen nationalen F\u00f6rderinitiative des Bundesministeriums f\u00fcr Forschung, Technologie und Raumfahrt<\/a><\/strong>. Unter der Leitung von Dr. Tim Ruhe<\/strong>, Associated Principal Investigator am Lamarr-Institut f\u00fcr Maschinelles Lernen und K\u00fcnstliche Intelligenz<\/strong>, vereint Physics-LLM Fachwissen aus den Bereichen Physik, Informatik und Datenwissenschaft, um wachsende Datenmengen in nutzbare wissenschaftliche Ressourcen umzuwandeln.<\/p>\n\n\n\n

Physics-LLM<\/strong> entwickelt KI-basierte Tools, um die Physikforschung grundlegend zu beschleunigen, indem es mithilfe von LLM-Agenten die automatisierte Datenauswahl, Datenmanagement-Pipelines und die Reproduzierbarkeit von Analyseprozessen optimiert, sodass vielf\u00e4ltige Forschungsdaten in der Physik leichter entdeckt, verstanden und im richtigen Kontext wiederverwendet werden k\u00f6nnen. Das Toolkit wird Komponenten f\u00fcr die automatisierte Anreicherung von Metadaten, die semantische Suche \u00fcber heterogene Quellen hinweg und die KI-gest\u00fctzte Dokumentation von Arbeitsabl\u00e4ufen bereitstellen. Es integriert sowohl klassische Forschungsdaten als auch nicht-klassische Quellen wie Software-Repositorien und elektronische Laborjournale, die f\u00fcr reproduzierbare Wissenschaft unerl\u00e4sslich sind.<\/p>\n\n\n\n

\u201ePhysics-LLM verfolgt das Ziel, FAIR-Datenprinzipien durch KI-gest\u00fctzte Workflows zu operationalisieren, die strukturierte und unstrukturierte Forschungsergebnisse \u00fcber den gesamten Lebenszyklus von Physikdaten hinweg integrieren\u201c, sagt Dr. Tim Ruhe<\/strong>. Durch die \u00dcberf\u00fchrung der FAIR-Datenprinzipien (Forschungsdaten sollen auffindbar, zug\u00e4nglich, interoperabel und wiederverwendbar \u00fcber Projekte, Experimente und Institutionen hinweg sein) in konkrete, KI-gest\u00fctzte Arbeitsabl\u00e4ufe leistet Physics-LLM einen direkten Beitrag zu den Kernzielen von ErUM-Data.<\/p>\n\n\n\n

\u201eLLMs sind leistungsstark im Umgang mit wissenschaftlicher Sprache, aber in der Physik m\u00fcssen sie auch pr\u00e4zise und nachvollziehbar sein. Die Physik produziert nicht nur Daten, sondern auch Codes, Notizen und Analyseentscheidungen. Mit LLM-Agenten k\u00f6nnen wir diese Teile zu einem durchsuchbaren, wiederverwendbaren und glaubw\u00fcrdigen Forschungsprotokoll verbinden \u2013 und so verstreute Ergebnisse in Arbeitsabl\u00e4ufe umwandeln, die andere verstehen und reproduzieren k\u00f6nnen\u201c, sagt Prof. Dr. Lucie Flek<\/a>, <\/strong>Lamarr-Chair f\u00fcr Natural Language Processing<\/a><\/strong>.<\/p>\n\n\n\n

ErUM-Data<\/a> wird vom Bundesministerium f\u00fcr Forschung, Technologie und Raumfahrt (BMFTR)<\/strong> gef\u00f6rdert und unterst\u00fctzt gro\u00dfe Verbundprojekte, die nachhaltige, interoperable und KI-f\u00e4hige Forschungsdateninfrastrukturen f\u00fcr die Physik aufbauen. Das Projekt Physics-LLM wird dabei mit rund 2,8 Millionen Euro<\/strong> \u00fcber eine Laufzeit von drei Jahren <\/strong>gef\u00f6rdert. Mit seinem interdisziplin\u00e4ren Konsortium und der starken Einbindung von KI-Expertise aus dem Lamarr-Institut zeigt Physics-LLM, wie fortschrittliche KI-Methoden in praktische Forschungsdaten-Workflows umgesetzt werden k\u00f6nnen \u2013 und st\u00e4rkt damit die Grundlagen der datengetriebenen Physikforschung in Deutschland.
 <\/strong><\/p>\n\n\n\n

\n
Weiterf\u00fchrende Informationen hier auf der Projektseite<\/a><\/div>\n<\/div>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Das neue Forschungsprojekt Physics-LLM entwickelt ein modulares Toolkit f\u00fcr das Forschungsdatenmanagement auf Basis gro\u00dfer Sprachmodelle (LLM) und agentenbasierter KI, das die Arbeitsabl\u00e4ufe von Forschenden \u00fcber den gesamten Lebenszyklus wissenschaftlicher Entdeckungen hinweg unterst\u00fctzt \u2013 von der Metadatenannotation und intelligenten Datenabfrage bis hin zu Analyse-Pipelines und der reproduzierbaren Wiederverwendung von Prozessen.\u00a0 Das Projekt wird im Rahmen von ErUM-Data gef\u00f6rdert, einer deutschen nationalen F\u00f6rderinitiative des Bundesministeriums f\u00fcr Forschung, Technologie und Raumfahrt. Unter der […]<\/p>\n","protected":false},"author":28,"featured_media":32069,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[173,174,175],"tags":[],"class_list":["post-32072","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-highlights-de","category-pressemitteilungen","category-wissenschaft"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts\/32072","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/28"}],"replies":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/comments?post=32072"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/posts\/32072\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/32069"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=32072"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/categories?post=32072"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/tags?post=32072"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}