von Dietrich Rebholz-Schuhmann:

Ein Forum für den Austausch über aktuelle Forschung und spezielle Technologien und Entwicklungen, etwa im Bereich von Large-Language-Modellen oder Knowledge Graphs, insbesondere im Kontext von unterschiedlichen Anwendungsgebieten hilft Forschenden, die Technologien besser einzuschätzen und mit den eigenen Bedarfen abzustimmen. Ein solches Forum bot der 11. BIBI/ ZB MED-Workshop. Er fand am 23. Mai 2025 bei ZB MED in Köln statt und wurde organisiert von Prof. Dieterich Rebholz-Schuhmann, ZB MED und Universität zu Köln, Prof. Jens Stoye, Bielefeld Institute for Bioinformatics Infrastructure (BIBI) an der Universität Bielefeld, Dr. Leyla Jael Castro, ZB MED, und Dr. Roland Wittler, BIBI – Universität Bielefeld.

Im Fokus des diesjährigen Workshops stand die spannende Schnittstelle zwischen Large Language Models (LLMs) und Wissensgraphen (Knowledge Graphs, KGs). Diskutiert wurde, wie sich beide Technologien gegenseitig bereichern können und welche zukünftigen Forschungsfragen sich daraus ergeben.

An der Schnittstelle von LLMs und KGs: breites Anwendungs- und Lösungsspektrum

In Vorträgen beleuchteten die Workshopteilnehmenden die verschiedenen Aspekte der Fragestellung. Die Vorträge waren alle sehr unterschiedlich, gaben aber gerade wegen der Vielfalt einen guten Überblick über das Spektrum an Lösungen.

Die ersten beiden Vorträge konzentrierten sich auf grundlegende Fragen des Workshops:

• Rohita Rawinder hielt eine Vortrag mit dem Titel How LLMs and KGs talk to each other: known challenges. Darin erklärte sie die grundsätzlichen Zusammenhänge zwischen den beiden Themen.
• Moritz Blum zeigte in seinem Vortrag mit dem Titel How to build Knowledge Graphs with LLMs?, wie LLMs die Entwicklung von Wissensgraphen unterstützen.

Die nächsten beiden Beiträge konzentrierten sich auf semantischen Ansätze, die sich aus der Nutzung von LLMs ergeben:

• Ein Ansatz besteht darin, Wissen in die LLMs hineinzufüttern. Dieser wurde von Tristan Kenneweg in seinem Vortrag Feeding Knowledge to LLMs präsentiert.
• Sarah Schröder stellte in ihrem Vortrag Leveraging Semantic Representation in Language Models to Improve Fairness and Interpretability den Ansatz vor, bei dem die LLMs interpretiert werden, um semantische Clous für ungünstigen Bias im Text zu erkennen.

Nachfolgend gab es einen Einblick in ein neues Portal:

• Dr. Garcia präsentierte in ihrem Vortrag MLentory – registry and KG für Machine/ Deep Learning modelsdas Portral „MLentory“ vor, über das auf Machine-Learning-Modelle zugegriffen werden kann.

Die nächsten drei Vorträge widmeten sich speziellen Fragestellungen:

• In Fabian Fumangallis Vortrag mit dem Titel Shapley Interactions for Interpretable Machine Learning ging es um die Fragestellung nach der Interpretation von Machine-Learning-Modellen.
• Um synthetische Genotypen ging es in Prof. Alexander Schönhuths Vortrag Generating Synthetic Genotypes using Diffusion Models.
• Um Modelle zu verschiedenen Datenarten ging es im Vortrag From Diverse Data Streams to Unified Biological Narratives von Philip Kenneweg.

Der abschließende Beitrag blickte über die Forschung hinaus:

• Dr. Rezaul Karim sprach in seinem Vortrag Practical Applications and Technical Insights of LLMs and Generative AI in Industry über die Nutzung von LLMs und Generativer KI in der Industrie.

DILS: Nachwuchsförderung an der Schnittstelle von Bioinformatik und Lebenswissenschaften

Der Workshop war zugleich ein Beispiel für die erfolgreiche Zusammenarbeit innerhalb der Graduiertenschule Digital Infrastructure for the Life Sciences (DILS) – angesiedelt am Bielefeld Institute for Bioinformatics Infrastructure (BIBI). Die Graduiertenschule ist ein gemeinsames Angebot von ZB MED und BIBI und fördert den wissenschaftlichen Nachwuchs: Sie bietet Promovierenden ein umfassendes Qualifizierungsprogramm mit interdisziplinärem Forschungsfokus, individueller Betreuung durch erfahrene Wissenschaftler:innen von ZB MED und BIBI sowie praxisnahen Veranstaltungen wie Workshops, Retreats und Seminare. Ziel ist es, junge Forschende sowohl für die akademische Laufbahn als auch für außeruniversitäre Karrieren bestmöglich vorzubereiten.