Deutschland - Softwareprogrammierung und -beratung - LV für Entwicklung modularer DAP-Komponenten für Datenveredelung und Integration nicht/teil-autom. Prozesse exp. Workflows

Art der Leistung: IT-Dienstleistung. Die Hauptabteilung Verfahrenstechnik des Leibniz-IWTs forscht und entwickelt an digitalen Verfahren und Methoden, um verfahrenstechnische Prozesse, deren Produkte und Materialien, wie z.B. Partikeln sowie das dafür zugrundeliegende technologische Wissen, digital abzubilden. Dafür werden zum einen Ontologien als Teilsysteme von Wissensgraphen, aber auch Methoden zur Abbildung der den Prozessen zugrundeliegenden experimentellen Workflows entwickelt. Diese Workflows sind nicht automatisierbar und finden physisch in Laboren und Werkshallen statt, d.h. es handelt sich dabei oft um nur vor Ort an der spezifischen maschinen- und gerätebezogenen Infrastruktur erfahrbaren Vorgänge. Für eine Abbildung in Form von Data Acquisition Pipelines (DAPs), bedarf es einer sehr engen Zusammenarbeit mit den dort tätigen technischen und wissenschaftlichen Mitarbeitenden, sowie Mitarbeitende der Labore, um die vielen einzelnen Arbeitsschritte erfassen und digital kodieren zu können. Ziel ist es, das intrinsische Wissen dieser Mitarbeitenden als explizites Wissen auszudrücken und dieses dann schließlich digital kodieren zu können. Die Hauptabteilung Verfahrenstechnik des Leibniz-IWTs forscht und entwickelt an digitalen Verfahren und Methoden, um verfahrenstechnische Prozesse, deren Produkte und Materialien, wie z.B. Partikeln sowie das dafür zugrundeliegende technologische Wissen, digital abzubilden. Dafür werden zum einen Ontologien als Teilsysteme von Wissensgraphen, aber auch Methoden zur Abbildung der den Prozessen zugrundeliegenden experimentellen Workflows entwickelt. Diese Workflows sind nicht automatisierbar und finden physisch in Laboren und Werkshallen statt, d.h. es handelt sich dabei oft um nur vor Ort an der spezifischen maschinen- und gerätebezogenen Infrastruktur erfahrbaren Vorgänge. Für eine Abbildung in Form von Data Acquisition Pipelines (DAPs), bedarf es einer sehr engen Zusammenarbeit mit den dort tätigen technischen und wissenschaftlichen Mitarbeitenden, sowie Mitarbeitende der Labore, um die vielen einzelnen Arbeitsschritte erfassen und digital kodieren zu können. Ziel ist es, das intrinsische Wissen dieser Mitarbeitenden als explizites Wissen auszudrücken und dieses dann schließlich digital kodieren zu können. Folgende Aufgaben sollen beauftragt werden: - Erfassung und Abbildung folgender experimenteller Workflows im Kontext einer DAP in semantischer Form. Die dafür zu entwickelnden Ontologien müssen auf der Core Ontology PMDco Version 3 (https://github.com/materialdigital/core-ontology) des Projektes MaterialDigital basieren. Folgende Nutzungsszenarien müssen zwingend implementiert werden. Darüber hinaus werden sich im Projektverlauf weitere Szenarien ergeben, womit die angegebenen Szenarien als repräsentativ angesehen werden können: o Mit der bereits vorhandenen Heat-Treatment-Ontology (HTO) müssen beim Härten von Materialien ablaufende, verzweigbare Workflows ontologisch repräsentiert werden. Dazu müssen die Abläufe mithilfe der mitwirkenden technischen Mitarbeitenden bei Vor-Ort Terminen verstanden und danach in einem Wissensgraphen dargestellt werden. o Das Erarbeiten von Verständnis für die Repräsentation domänenspezifischer Workflows ist auch bei dem Entwurf einer Ontologie, die die Erzeugung von Partikeln mittels des Verfahrens der Sprühzerstäubung von Metallen (FSP) beschreibt, notwendig. Auch hier muss im engen Austausch mit technischen und wissenschaftlichen Mitarbeitenden der Labore der Workflow vor Ort erfasst und dokumentiert werden. Analog zur HTO muss aus der Dokumentation eine ontologische Repräsentation abgeleitet werden. Der Datenflow bei der Ontologisierung erfolgt über ein Elektronische Labor-Notizbuch (ELN). o In Kooperation mit Projektbeteiligten muss die Entwicklung einer Mikrostrukturontologie bewertet, ergänzt und implementiert werden. Zu der Mikrostrukturanalyse gehört auch die Repräsentation lichtmikroskopischer Messverfahren. • Erstellung aller für den erforderlichen Datenaustausch notwendigen Programme, mittels der Schnittstellen (APIs) an den Anlagen bzw. des ELNs zur semantischen Ablage der Daten, in einer SPARQL Datenbank. • Integration und automatische Distribution der anfallenden Daten mittels MSE spezifischen Data-Broker wie Kafka, MQTT oder vergleichbaren Data-Brokern. Die zweite Stufe beinhaltet folgende Aufgaben: • Strukturelle Vereinheitlichung (Veredelung) der heterogenen Daten aus der ersten Stufe. Dabei muss ein homogenisiertes kanonisches Format, das als digitales Halbzeug zur Weiterverarbeitung dient, als Zwischenziel abgebildet werden können. • Modularisierung von Systemkomponenten durch Auftrennung in anwenderfreundlichen Front-Ends und im Hintergrund ablaufender Back-Ends. Die Erfassung der Workflows soll vom Auftragnehmer vor Ort einmal wöchentlich erfolgen. Folgende Meilensteine müssen umgesetzt werden: Meilenstein 1: Monat 1-8 • Die wöchentliche Erfassung des digitalen Workflows und Ontologisierung mittels der bereits entwickelten PMDco 3.0 samt Entwicklung der dafür notwendigen APIs bei der Wärmebehandlung durch den Auftragsnehmer muss erfolgen. Meilenstein 2: Monat 9-16: • Die wöchentliche Erfassung des digitalen Workflows samt PMDco 3.0-Ontologisierung bei der Nanopartikel-Synthese durch den Auftragsnehmer muss erfolgen. Dabei müssen die bereits entwickelten APIs zur Modularisierung von Systemkomponenten berücksichtigt werden. Meilenstein 3: Monat 17-24: • Die Integration der Daten in MSE-spezifischen Data-Broker sowie ein lauffähiges, modulares Produkt, das das Erstellen von ontologisierten Daten in einer SPARQL Datenbank mittels End-zu-End Datenflüssen über Data-Broker koordinierte Workflow-Sequenzen ermöglicht, muss erfolgen. Die Modularität muss dabei die Integration von wiederverwendbaren Python-Skripten (z.B. die auch bereits in Jupyter-Notebooks oder ELNs zum Einsatz kommen) zum Zwecke der Datenveredelung und Ontologisierung unterstützen. Weitere Wertungskriterien (Siehe Dokument 227 - Gewichtung der Zuschlagskriterien"): 1 Wirtschaftlichkeit und Honorar 45% 2 Qualität und Nachvollziehbarkeit des vorgeschlagenen Vorgehens zur Ontologiemodellierung und Umsetzung modularer Daten-Transformationsworkflows 30% 3 Qualität des Konzepts zur Sicherstellung einer kontinuierlichen und kurzfristigen Präsenz vor Ort zwecks Austausch mit IWT-Personal 15% 4 Kundenreferenzen der letzten 5 Jahre:Qualität und Passgenauigkeit der 3 ausgewählten Referenzprojekte für die ausgeschriebene Aufgabe 10% Der Anbieter hat in den letzten 5 Jahren nachweislich mindestens bei drei Firmen Tätigkeiten in der oben beschriebenen Art und Weise durchgeführt. Zur Übermittlung der erforderlichen Informationen muss das Dokument „Anlage 1_Referenznachweis“ ausgefüllt und zusammen mit dem Angebot eingereicht werden. Im Rahmen des Entwurfsprozesses ist die Teilnahme an vor-Ort-Termine zwingend erforderlich, um sich mit den physischen Experimentalaufbauten vertraut zu machen und um das intrinsische Wissen der dort tätigen Mitarbeitenden im Dialog explizit darstellen zu können. Weitere Informationen sind in der Leistungsbeschreibung zu finden.