Die Digitalisierung hat längst den Einzug in das Laborumfeld gehalten. Messgeräte, Prüfmaschinen oder die Dokumentation von Versuchen funktionieren bereits rechnergestützt. Die Herausforderung besteht jedoch nach wie vor in der Zusammenführung der erhobenen Daten sowie Metadaten. Daraus ergibt sich die Möglichkeit schlummernde Datenschätze zu bergen die dem Nutzer neue Erkenntnisse ermöglichen oder deren Erzeugung komplex und zeitaufwendig ist. Weiterhin bietet die zentrale Erfassung von Daten und deren Dokumentation die Möglichkeit diese allen Mitarbeitenden jederzeit strukturiert zur Verfügung zu stellen. Im Rahmen einer Labordigitalisierung wurde dies am Institut umgesetzt. Daraus entstand eine kollaborative Datenbank, welche durch ein Webinterface einen niederschwelligen Zugang bietet. Die Datenbank basiert auf open source Software und steht dem gesamten DLR zur Verfügung.
Mobiles Arbeiten im Laborumfeld
Der Zugang zu einer Datenbank sollte möglichst für alle Labormitarbeitende nutzerfreundlich sein. Um den Workflow nicht zu unterbrechen, muss die Kommunikation mobil stattfinden können. Dies ist am besten mit einem Webinterface zu realisieren, da ein Großteil aller mobilen Endgeräte bereits über einen Browser verfügt. Mittels eines Tablets oder eines Smartphones können die Mitarbeitenden so den Aufbau oder die Charakterisierung einer Probe live dokumentieren, ohne den Arbeitsplatz verlassen zu müssen. Es können Annotationen verfasst oder einfach die Kamera des Tablets verwendet werden, um Versuche zu dokumentieren. Werden Messungen durchgeführt, erfasst die Datenbank nach Abschluss der Messung die Ergebnisse vollautomatisch, speichert diese, wertet sie aus und stellt sie bereit. So ist der gesamte Weg von der Herstellung über die Charakterisierung bis hin zur Auswertung an einem zentralen Punkt gespeichert und für alle Mitarbeitenden verfügbar. Nachträglich können so weitere Personen eingebunden werden und haben direkten Zugriff auf den gesamten Datensatz. Durch den Einsatz von mobilen Endgeräten können Versuche an unterschiedlichen Standorten durchgeführt werden. Die Probe kann beim DLR in Braunschweig gebaut und in Stuttgart charakterisiert werden. Sämtliche Prozessbeschreibungen und Messdaten werden den Nutzern global bereitgestellt. Über das Webinterface druckbare QR Codes ermöglichen die schnelle Identifizierung aller Proben mittels mobiler Endgeräte und sichern somit das rasche Weiterarbeiten am passenden Datensatz.
Unsere Rechenlandschaft
Die Rechenkapazität stellt ein Computercluster am Standort in Braunschweig bereit. Die Daten liegen dort auf mehreren Rechnern verteilt, um bei Ausfall einer Einheit den Service nach wie vor dem Nutzer bereit zu stellen. Zur Erhöhung der Ausfallsicherheit werden sie redundant gespeichert und regelmäßig gesichert.
Die EnergyLabDB basiert auf dem FA-Service Konzept des Instituts für Faserverbundleichtbau und Adaptronik. Dieses stellt eine moderne Cloud kompatible Plattform bereit, auf der Forscherinnen und Forscher ihre Software bei Bedarf einer breiten Öffentlichkeit zur Verfügung stellen können. Basis bilden Docker Container die den jeweiligen Service bereitstellen. Das API-Konzept (engl. Application Programming Interface, Programmierschnittstelle) Konzept stellt sicher, dass jeder Service sowohl mit anderen Services als auch mit digitalen Schnittstellen wie z.B. Simulationssoftware, vernetzt werden kann. Die Visualisierung der Services erfolgt in der Regel über Webinterfaces.
Neben dem Webinterface hat die EnergyLabDB auch eine REST API um Daten auch Maschinen zur Verfügung zu stellen. Zur Gewährleistung einer hohen Sicherheit bei gleichzeitiger Nutzerfreundlichkeit, kann der Zugang zu den Daten individuell für Nutzer oder Gruppen definiert werden. Die Anmeldung erfolgt komfortabel über Single-Sign-On, ein Prozess der automatisch im Hintergrund den Nutzenden erkennt. Abgesichert wird die Übertragung außerdem über das Verschlüsselungsprotokoll SSL.
Programmiert ist der Service in der zukunftsfähigen und im wissenschaftlichen Sektor weit verbreiteten Programmiersprache Python. Dies ermöglicht zum einen die leichte Erweiterung um zusätzliche Funktionalität wie z.B. das Einlesen neuer Messdaten, zum anderen können weitere Funktionen durch die große Python Community eingepflegt werden. Demonstriert wird es u.a. an der vollautomatischen Erstellung von Plots, welche direkt aus der Datenbank heraus geladen werden können, um in Publikationen eingebunden zu werden.
