Hugging Face startet Project ProtoStar, um öffentlich finanzierte Forschung KI-tauglich zu machen, erster Klimawettbewerb ab 2. November

Am 29. Oktober 2026 hat Hugging Face Project ProtoStar angekündigt, eine Initiative, die Datensätze, Modelle und Code aus öffentlich finanzierter Forschung leichter auffindbar und wiederverwendbar machen soll, besonders für KI-getriebene Forschung. Teilnehmer verpflichten sich, geeignete wissenschaftliche Artefakte in KI-tauglichen, maschinenlesbar nutzbaren Formaten freizugeben und den Wert der Wiederverwendung durch eine Reihe offener Wettbewerbe zu zeigen. Der erste, ausgerichtet von der Carnegie Mellon University, beginnt am 2. November.

Gründungspartner sind 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) als Partner der Hochschulkoalition mitwirken, dazu das Astera Institute. Hugging Face ist der Infrastrukturpartner, und der Open Research Community Accelerator (ORCA) ist über sein Fostering Innovation Network der Community-Partner. Teilnehmende Organisationen formalisieren ihre Beteiligung in einer Absichtserklärung, die die Freigabe geeigneter wissenschaftlicher Datensätze, Modelle und Codes in KI-tauglichen Formaten auf offener Infrastruktur unterstützt. Interessierte Organisationen können sich an [email protected] wenden.

Ausgangspunkt des Beitrags ist, dass öffentlich gemachte Forschung noch nicht nutzbar ist. Die US-Bundesregierung investiert rund 190 Milliarden Dollar im Jahr in Forschung und Entwicklung, Behörden wie die National Institutes of Health (NIH) und die National Science Foundation (NSF) haben die Anforderungen an öffentlichen Zugang und Datenmanagementpläne verschärft, und Hugging Face gehört zu den zehn allgemeinen Repositorien, die das NIH aufführt. Dennoch sind wissenschaftliche Datensätze, Modelle und Code oft über inkompatible Systeme verstreut, in statischen oder veralteten Formaten abgelegt oder ohne die für die Wiederverwendung nötige Dokumentation, Metadaten und Herkunft veröffentlicht. ProtoStar will diese Lücke schließen, indem es systematisches Teilen in KI-tauglichen Formaten fördert, gestützt auf offene Infrastruktur und praktische Veröffentlichungshinweise.

Der Beitrag führt Hugging Faces eigene Statistiken als Beleg für die Nachfrage an. Hugging Face hostet mehr als 17.000 öffentliche Datensätze in zentralen Wissenschaftsgebieten wie Genomik, Proteindesign, Chemie, Wetter und Klima, Erdbeobachtung und Astronomie, knapp 29.000 mit Medizin und Mathematik, dazu eine vergleichbare Zahl wissenschaftlicher Modelle. Forscher teilten in den ersten neun Monaten 2026 mehr als dreimal so viele neue wissenschaftliche Datensätze wie im selben Zeitraum 2025, und das Wachstum blieb auch ohne den größten einzelnen Hochlader beträchtlich. Die 18 öffentlichen Repositorien, die das National Center for Biotechnology Information (NCBI) des NIH auf der Plattform betreibt, erhielten mehr als 11 Millionen Downloads, die 27 Repositorien von NASA IMPACT rund 770.000 (Stand 26. Oktober 2026), und 90 Prozent der Datensatz-Downloads auf Hugging Face betreffen vollständig dokumentierte Datensätze. Das sind die Zahlen der Plattform selbst, keine unabhängige Bewertung.

Der erste Wettbewerb, Climate Risk Intelligence, wird von der Carnegie Mellon University vom 2. bis 13. November 2026 ausgerichtet. Die Teilnehmer nutzen Klimaaufzeichnungen bis 2018 für 210 US-Städte, um die tatsächlichen Bedingungen von 2019 bis 2026 vorherzusagen; die Modelle werden also an beobachtetem Wetter gemessen, nicht an hypothetischen Szenarien. Vorhergesagt werden vier Kennzahlen: die durchschnittliche Jahrestemperatur, der gesamte Jahresniederschlag, der heißeste Tag des Jahres und die Kühlgradtage, ein Maß für den Klimaanlagenbedarf. Die Vorhersagen werden mit einfachen statistischen Vergleichswerten wie historischen Mittelwerten und linearen Trends verglichen, um zu sehen, ob KI-Ansätze spürbar genauer sind. Teilnehmer schlagen zudem eine kurze Idee für eine Klimaanpassungspolitik vor, die getrennt bewertet wird. Teams reichen einen Hugging-Face-Datensatz ein, die Vorhersage wird auf einer öffentlichen Rangliste nach dem Fehler gegenüber den Vergleichswerten bewertet, und die Endergebnisse folgen Anfang 2027, wenn die vollständigen Wetterdaten für 2026 vorliegen. Eine Unstimmigkeit: Die Ankündigung nennt als Prognosezeitraum 2019 bis 2026, die Seite des Wettbewerbs selbst dagegen 2019 bis 2025. Dieser Artikel entscheidet sich nicht für eine der beiden Angaben.

Man sollte bedenken, dass dies eine gerade erst angekündigte Initiative ist, keine Forschung mit Ergebnissen. Der Beitrag legt keinen quantitativen Maßstab für „KI-tauglich“ fest und sagt nicht, wie viele Einrichtungen tatsächlich Daten freigeben werden. Die Probe wird sein, ob die Wettbewerbe konkrete Beispiele für Wiederverwendung liefern und Hürden bei Dokumentation und Interoperabilität sichtbar machen. Für Forschungseinrichtungen bedeutet das praktisch: die Organisatoren ansprechen oder prüfen, ob die geplanten Daten vollständig dokumentiert und mit Metadaten versehen sind.