Projekt ProtoStar ist eine neue Initiative, die Universitäten, Forschungsorganisationen, die Industrie und die Gemeinschaft für offene Wissenschaft zusammenbringt, um öffentlich finanzierte wissenschaftliche Forschung leichter auffindbar, wiederverwendbar und als Grundlage für weitere Arbeiten zu machen. Das Projekt zielt spezifisch auf die Veröffentlichung von Datensätzen, Modellen und Code in KI-fähigen, maschinenhandhabbaren Formaten ab, um ihr Potenzial für KI-gestützte Forschung freizusetzen. Zu den Gründungsmitgliedern gehören die Carnegie Mellon University, die Purdue University, das Georgia Institute of Technology, die Arizona State University und die George Washington University, die über das Open Forum for AI (OFAI) tätig sind. Weitere wichtige Partner sind das Astera-Institut, Hugging Face als Infrastrukturanbieter und der Open Research Community Accelerator (ORCA) über sein Fostering Innovation Network.
Die Initiative adressiert eine kritische Lücke in den aktuellen Praktiken des wissenschaftlichen Austauschs. Während die US-Bundesregierung jährlich etwa 190 Milliarden US-Dollar in Forschung und Entwicklung investiert und zunehmend einen öffentlichen Zugang erwartet, garantiert die bloße Verfügbarkeit von Daten nicht deren Nutzbarkeit. Wissenschaftliche Artefakte sind oft über inkompatible Systeme verstreut, in veralteten Formaten gespeichert oder ohne notwendige Dokumentation und Metadaten veröffentlicht. Diese Einschränkungen behindern Forscher dabei, auf bestehender Arbeit aufzubauen, und verhindern, dass KI-Systeme Ressourcen effektiv über Disziplinen hinweg entdecken und kombinieren können. Projekt ProtoStar zielt darauf ab, diese Lücke zu schließen, indem es einen systematischen Austausch unterstützt, der durch offene Infrastruktur und praktische Leitlinien für die Veröffentlichung gestützt wird.
Die Nachfrage nach wiederverwendbaren wissenschaftlichen Ressourcen ist bereits auf Plattformen wie Hugging Face evident, die über 17.000 öffentliche Datensätze in zentralen wissenschaftlichen Bereichen wie Genomik, Chemie und Klimawissenschaft beherbergt. Diese Zahl nähert sich 29.000, wenn Medizin und Mathematik einbezogen werden. Das Tempo des Austauschs beschleunigt sich, wobei Forscher in den ersten neun Monaten des Jahres 2026 mehr als dreimal so viele neue wissenschaftliche Datensätze hochgeladen haben wie im gleichen Zeitraum des Jahres 2025. Dokumentation spielt in diesem Ökosystem eine entscheidende Rolle, da 90 % der Datensatz-Downloads auf Hugging Face von vollständig dokumentierten Ressourcen stammen. Bestehende Repositorien von Organisationen wie dem National Center for Biotechnology Information des NIH und NASA IMPACT haben bereits Millionen von Downloads generiert.
Um den Wert dieser KI-fähigen Ressourcen zu demonstrieren, wird Projekt ProtoStar eine Reihe offener Herausforderungen organisieren, die von teilnehmenden Institutionen veranstaltet werden. Die Eröffnungsherausforderung mit dem Titel "Climate Risk Intelligence" wird von der Carnegie Mellon University veranstaltet und läuft vom 2. bis zum 13. November 2026. Teilnehmer sind eingeladen zu testen, ob KI Vorhersagen städtischer Klimabedingungen unter Verwendung historischer Wetterdaten aus 210 US-Städten verbessern kann. Teams werden Aufzeichnungen bis 2018 verwenden, um tatsächliche Bedingungen von 2019 bis 2026 vorherzusagen und Indikatoren wie die durchschnittliche Jahrestemperatur, den gesamten Niederschlag, den heißesten Tag des Jahres und Kühlgradtage zu prognostizieren.
Über die technische Prognose hinaus erfordert die Herausforderung von den Teilnehmern, eine kurze Idee für eine Klimaanpassungsstrategie vorzuschlagen, die durch ihre Datenanalyse informiert ist. Dieser Bestandteil ermutigt dazu, wissenschaftliche Erkenntnisse mit praktischen öffentlichen Vorteilen zu verbinden, wie z. B. die Vorbereitung von Städten auf extreme Hitze oder das Management sich ändernder Niederschlagsmuster. Teams werden ihre Ergebnisse als Hugging Face-Datensätze einreichen, wobei die Leistung über eine öffentliche Rangliste bewertet wird, die Vorhersagefehler gegenüber statistischen Baselines vergleicht. Die endgültigen Prognoseergebnisse sind für Anfang 2027 geplant, sobald vollständige Wetteraufzeichnungen für 2026 verfügbar sind.
Teilnehmende Organisationen formalisieren ihre Beteiligung durch eine Vereinbarung zur Veröffentlichung geeigneter wissenschaftlicher Artefakte in KI-fähigen Formaten auf offener Infrastruktur. Die Initiative strebt an, praktische Beweise über die Infrastruktur und Praktiken zu generieren, die erforderlich sind, um offene Wissenschaft im großen Maßstab zu unterstützen. Forscher, Entwickler, Studierende und Unternehmen sind eingeladen, an den Herausforderungen teilzunehmen, während Universitäten, Bundesbehörden und nationale Laboratorien, die Interesse daran haben, Projekt ProtoStar beizutreten, die Organisatoren unter protostar@orcaopen.org kontaktieren können.
Quellen: Hugging Face Blog.