Digitale Daten: Der Innovationstreiber im Labor

Auch wenn Sie den folgenden Satz wahrscheinlich eher aus dem Munde von Datenkonzernen vermuten würden, so trifft er doch auch und gerade für den Laboralltag zu: Daten sind das wichtigste Kapital des 21. Jahrhunderts! Schließlich stellen die im Laboralltag gewonnenen Datensätze die Basis für jedwede Innovationen dar – und Innovationen lassen sich bestens vermarkten. So weit, so klar, jedoch: Wissen Sie auch, mit welcher Strategie Sie in Ihrem Labor möglichst viele Informationen aus Ihren vorliegenden Datensätzen herausholen können?

Mit zwei Bausteinen zum Erfolg

Wenn wir über die Digitalisierung eines Labors sprechen und das Ziel verfolgen, sowohl die Produktivität als auch die Effizienz im zukünftigen Smart Lab zu steigern, sind immer zwei Strategien in Sachen Digitalisierung zu verfolgen. Zum einen wäre hier die Transformation analoger in digitale Prozesse zu nennen. Grob gesagt: Alles, was bisher handschriftlich in Listen, Tabellen oder Dokumentationen festgehalten wurde, muss nachträglich (und zukünftig) digital erfasst werden. Denn dieser Baustein der Digitalisierung bildet die Grundlage für Strategie Nummer 2, nämlich die digital unterstützte Entscheidungsfindung.

Künstliche Intelligenz – Kein Detail bleibt unentdeckt

Im Laboralltag ist der Blick auf kleine und kleinste Details der Schlüssel zum Erfolg. Schließlich kann die minimalste Abweichung von erwarteten Ergebnissen eines Versuches auf eine bahnbrechende, neue Entdeckung hinweisen. Oder, im schlechten Fall, auf einen Versuchsfehler. So oder so ist die Wiederholung eines Experimentes Pflicht, denn nur dann, wenn sich Ergebnisse wiederholen, kann und darf man von einem wahren Ergebnis ausgehen. Ist man dann auf ein wahres Ergebnis gestoßen, sollte dies durch minimal einen weiteren, alternativen Versuchsaufbau bestätigt werden. Im Alltag bedeutet dieses Vorgehen das Erzeugen von Daten, Daten und noch mehr Daten.

Die Bewertung der Aussagekraft von Versuchsergebnissen sowie das Verknüpfen mit anderen Daten übernehmen die Experimentatoren/-innen dabei in aller Regel selbst. Auch wenn die durch die Laboranten getroffenen Entscheidungen zielführend sein mögen: Eine in die Breite gehende, umfassende Recherche in Datensätzen lohnt immer. Denn mittels strukturierter, sortierter und vor allem laborübergreifend zur Verfügung stehender Datensätze lassen sich unter Umständen Erkenntnisse gewinnen, die eine Einzelperson (oder auch ein Team) nicht hätten vermuten können.

„In Daten denken“ erschließt zweifelsfrei ein ganz neues Feld in der Forschung – und es ist nicht unwahrscheinlich, dass Daten eines Tages eines Tages bahnbrechende neue Erkenntnisse zu Tage fördern werden.

Digital data: The innovation driver in the laboratory

Even if you would probably assume the following sentence from the lips of data companies, it also and especially applies to everyday laboratory work: Data is the most important capital of the 21st century! After all, the data sets obtained in everyday laboratory work form the basis for any innovation - and innovations can be marketed very well. So far, so clear, however: Do you also know which strategy you can use in your laboratory to extract as much information as possible from your existing data sets?

With two building blocks to success
When we talk about the digitization of a laboratory and aim to increase both productivity and efficiency in the future Smart Lab, there are always two strategies to pursue in terms of digitization. One would be the transformation of analog to digital processes. Roughly speaking: Everything that has been handwritten in lists, tables or documentation up to now must be digitally recorded subsequently (and in the future). Because this component of digitization forms the basis for Strategy Number 2, namely digitally supported decision-making.

Artificial intelligence - no detail remains undiscovered
In everyday laboratory work, the focus on small and minute details is the key to success. After all, the slightest deviation from the expected results of an experiment can point to a groundbreaking new discovery. Or, in the worst case, an experimental error. Either way, the repetition of an experiment is obligatory, because only when results are repeated can and should one assume a true result. If one then comes across a true result, this should be confirmed by at least one additional, alternative experimental set-up. In everyday life this procedure means the generation of data, data and even more data.

The evaluation of the validity of experimental results and the linking with other data is usually done by the scientists themselves. Even if the decisions made by the laboratory technicians may be purposeful, it is always worthwhile to carry out extensive, comprehensive research in data sets. This is because structured, sorted and, above all, cross-laboratory data sets can, under certain circumstances, provide insights that an individual (or even a team) would not have suspected.

"Thinking in data" undoubtedly opens up a whole new field in research - and it is not unlikely that data will one day reveal groundbreaking new insights.