Eppendorf SE und DataHow AG geben strategische Zusammenarbeit bekannt

Verarbeitung von Bioprozessdaten gemeinsam vorantreiben

Eppendorf SE und die DataHow AG, ein Pionier im Bereich fortschrittlicher Datenanalyse und KI-gestützter Prognosesoftware, geben eine strategische Zusammenarbeit bekannt. Ziel dieser Zusammenarbeit ist es, die Entwicklung von Bioprozessen grundlegend zu verbessern. Im Rahmen dieser Partnerschaft wird DataHows innovative, KI-gestützte Analyselösung DataHowLab mit Eppendorfs cloud-basierter Monitoring- und Analyseplattform BioNsight® cloud integriert. Dies ermöglicht Forschenden einzigartige Einblicke und erweiterte Analysemöglichkeiten.

Mit sauberen und gut organisierten Daten bietet DataHowLab den Zugang zu fortschrittlichen KI-gestützten Analysen und ermöglicht es auch Nicht-Datenwissenschaftlern, mit geführten Arbeitsabläufen komplexe Analysen durchzuführen. (Bild: Eppendorf)
Mit sauberen und gut organisierten Daten bietet DataHowLab den Zugang zu fortschrittlichen KI-gestützten Analysen und ermöglicht es auch Nicht-Datenwissenschaftlern, mit geführten Arbeitsabläufen komplexe Analysen durchzuführen. (Bild: Eppendorf)

Effizientere Bioprozessentwicklung und bessere Zusammenarbeit

In der Bioprozessentwicklung ist es entscheidend, komplexe Prozesse zu entwickeln und zu optimieren, die strenge Qualitätsstandards erfüllen. Prozessdaten sind dabei von zentraler Bedeutung, doch ihre effektive Nutzung stellt für Prozesswissenschaftler nach wie vor eine große Herausforderung dar.

Die Integration der DataHowLab-Software mit BioNsight cloud geht auf diesen Bedarf ein, indem sie einen optimierten Arbeitsablauf von der Datengenerierung über die Datenanalyse bis zum Erkenntnisgewinn bietet. Dadurch können Forschende schnell und effizient fundierte Entscheidungen treffen.

Die Harmonie der Daten rund um den Bioreaktor ist für eine nahtlose Verknüpfung zwischen Forschung und Entwicklung und skalierbarer Produktion unerlässlich. Die Zusammenarbeit von Eppendorf und DataHow adressiert die komplexen Anforderungen an digitale Dienste in diesem Kontext.


Nahtlose Datenintegration und -zugänglichkeit

„Integration und Zusammenarbeit werden manchmal unterschätzt, sind aber entscheidend für den Erfolg von Bioprozessprojekten. Unsere Lösungen ermöglichen die nahtlose gemeinsame Nutzung und Kontextualisierung von Daten über mehrere Geräte und Standorte hinweg und stellen sicher, dass Wissenschaftler aussagekräftige Vergleiche anstellen und wertvolle Erkenntnisse gewinnen können“, sagt Lina Tao, Senior Vice President Eppendorf Bioprocess.

„Die kombinierte Plattform wird es Wissenschaftlern ermöglichen, von verschiedenen Geräten aus auf Daten zuzugreifen und diese zu modellieren - egal ob es sich um einen PC, einen Laptop oder ein Mobiltelefon handelt - und zwar über Labore, Branchen und Länder hinweg“, sagt Dr. Alessandro Butté, Chief Executive Officer bei DataHow. „Dieses Maß an Zugänglichkeit ermöglicht einfache und aussagekräftige Vergleiche, die Erkenntnisse über verschiedene Maßstäbe und verschiedene Durchläufe hinweg liefern.“

Automatisierung der Datenaufbereitung

Die manuelle Datenbereinigung und -formatierung sind oft mühsam und fehleranfällig und können den Forschungsprozess erheblich behindern. Durch die Automatisierung dieser Prozesse spart die integrierte Plattform wertvolle Zeit und verringert das Fehlerrisiko, so dass sich die Forscher auf die wertschöpfende Analyse und die Gewinnung wichtiger Erkenntnisse für die Entscheidungsfindung konzentrieren können. Hier zeigt die Cloud-Technologie ihre wahre Stärke, denn sie bietet einen einfachen Zugang zu sauberen, formatierten und analysereifen Daten.

Erschließen Sie die Stärken der prädiktiven Modellierung

Mit sauberen und gut organisierten Daten bietet DataHowLab den Zugang zu fortschrittlichen KI-gestützten Analysen und ermöglicht es auch Nicht-Datenwissenschaftlern, mit geführten Arbeitsabläufen komplexe Analysen durchzuführen.

Wissenschaftler können die Software nutzen, um fortschrittliche Prozessdatenanalysen durchzuführen, durch in silico-Simulationen Erkenntnisse außerhalb des Labors zu gewinnen, oder um KI-gestützt optimale Versuchspläne zu erstellen. Mit einem schnelleren Prozessverständnis kann die Forschung und Entwicklung effizienter arbeiten, da der experimentelle Aufwand reduziert und die Projektlaufzeiten verkürzt werden.

Förderung von Zusammenarbeit und Integration

Die Zusammenarbeit zwischen Eppendorf und DataHow ermöglicht den nahtlosen Austausch und die Kontextualisierung von Daten zwischen BioNsight cloud und DataHowLab und setzt einen neuen Standard für die Datenintegration und Zusammenarbeit im Bereich der Bioprozesstechnik. Dies ist entscheidend für ein besseres Verständnis komplexer biologischer Prozesse und letztlich für den Erfolg von Forschungsprojekten.

Weitere News

Im Projekt Modulare AI-Imaging Pipelines entwickelt ein Team an der Medizinischen Fakultät der CAU mittels Künstlicher Intelligenz (KI) Lösungen für Bildverarbeitung in der Medizin. (Bild: Staatskanzlei.SH)
Im Projekt Modulare AI-Imaging Pipelines entwickelt ein Team an der Medizinischen Fakultät der CAU mittels Künstlicher Intelligenz (KI) Lösungen für Bildverarbeitung in der Medizin. (Bild: Staatskanzlei.SH)

Förderung von Kieler KI-Projektteam

Bei der Auswertung von medizinischen Bildern sind Verfahren der künstlichen Intelligenz (KI) dem menschlichen Auge überlegen. Die anhand von sehr vielen Bilddaten trainierten Computerprogramme können ...

Weiterlesen …
Dr. Alexander Hackel, Projektleiter des KigG-Projekts, das innovative KI-basierte Diagnoseverfahren für Autoimmunerkrankungen wie Long COVID und ME/CFS entwickelt. (Foto: privat)
Dr. Alexander Hackel, Projektleiter des KigG-Projekts, das innovative KI-basierte Diagnoseverfahren für Autoimmunerkrankungen wie Long COVID und ME/CFS entwickelt. (Foto: privat)

KI-gestützte In-vitro-Diagnostik für Autoimmunerkrankungen

Ein gemeinsames, BMBF-gefördertes Projekt der Universität zu Lübeck und expandAI GmbH entwickelt innovative KI-basierte Ansätze für die In-vitro-Diagnose komplexer Erkrankungen wie Long COVID und ME/CFS. ...

Weiterlesen …