Die in Labor- und Prozessananalytik generierten Datenmengen wachsen aufgrund steigender Sensorauflösung, multimodalen Messprinzipien, Parallelisierung und Automatisierung von Laborständen, etc. kontinuierlich schnell an – ein Ende dieser Entwicklung ist nicht absehbar. Im Gegenteil, durch die zunehmende Echtzeit-Verknüpfung von Labor- und Prozessdatenquellen im Rahmen des Internet-of-Things (IoT) Gedankens werden immer mehr Wertschöpfungsansätze denkbar, die auf der modell-gestützten simultanen Auswertung mehrerer Analytikverfahren beruhen.

In diesem Kontext wird in CHARISMA an der Nutzbarmachung und Auswertung großer und vielfältiger Datensätze geforscht, die in Verfahren der instrumentellen Analytik (z.B. Ionen-Mobilitäts-Spektroskopie, IMS), der Prozessanalytik (z.B. ATR-FTIR, NIR Spektroskopie und online MS), der Oberflächenanalyse, und der Materialforschung entstehen.

Dazu gehören Methoden des passgenauen Datenmanagements, wie bspw. die Auswahl adäquater SQL- oder NoSQL-Technologien zur Datenaufnahme (Data Ingestion) und -haltung sowie der Datenvorverarbeitung und -aufbereitung (Data Cleansing). Ferner wird an der Auswertung mit wissensbasierten und statistischen Modellen (Scientific Modelling / Machine Learning) sowie deren skalierbaren Umsetzung in zeitgemäßen Technologie-Stacks gearbeitet. Abschließendes Ziel ist wiederum die Nutzbarmachung (Deployment) der Modelle durch cloudbasierte Apps („Model as a Service“) und die dadurch möglich werdende nahtlose Einbindung in automatisierte Analyseprozesse.