Kooperation mit dem UFZ Leipzig · Ontologie und Vergleichbarkeit · Entwurf vom 9. Okt. 2026

Von unserem Parameter-Vokabular zu einer Community-Ontologie

MESSAI arbeitet bereits mit einem kontrollierten Vokabular: Jeder extrahierte Wert behält seinen Rohnamen und seine Einheit, etwa die Hälfte ist einem kanonischen Parameter zugeordnet (45 % im Snapshot-Manifest vom 7. Juli 2026), und ein zugeordneter Parameter kann einen Knoten in einem Graphen haben, dessen Kanten überwiegend aus der Literatur erschlossen sind. Außerhalb von MESSAI hat niemand gefragt, ob es stimmt, niemand kann eine Version davon zitieren, und ein KI-Assistent, der an unseren MCP-Server angebunden ist, kann ihm keine Frage stellen. Diese Seite legt dar, was vorhanden ist, was fehlt und welche Arbeit daraus etwas macht, das das Fachgebiet übernimmt, anerkennt, prüft und mitgestaltet.

VorschlagDer Roadmap fehlt bisher ein eigener Ontologie-Arbeitsstrang; diese Seite schlägt einen vor. Die Zahlen stammen aus dem im ersten Abschnitt genannten Staging-Audit, sofern sie kein späteres Datum tragen.

Die Frage an die Community

„Was müsste an diesem Vokabular zutreffen, damit Ihre Gruppe ihre eigenen Ergebnisse darin berichten kann und es korrigieren kann, wenn es falsch ist?“

Die Antworten bestimmen die Reihenfolge der To-dos unten. Ein Vokabular, das nur wir pflegen, ist noch kein gemeinsamer Standard; es wird einer, wenn andere darauf angewiesen sind und es ändern können. Ob es eine Ontologie ist, hängt von seinen Definitionen, Relationen und Kennungen ab, nicht davon, wer es nutzt.

Der Plan auf einer Seite

Was zuerst kommt, was jeder Schritt braucht, wie wir das Modell testen und was bisher schiefging.

  1. Die Zahlen abgleichen und ein zitierbares Release erstellen

    Nicht begonnen

    704, 825 und 835 sind alle im Umlauf, also kann niemand sagen, nach welchem Vokabular berichtet wurde.

    Braucht
    Etwa 3 Tage unserer Zeit.
    Fertig, wenn
    Eine Zahl, eine Version, ein Changelog und eine DOI.
  2. Personen außerhalb von MESSAI prüfen lassen

    Braucht Partner

    Keine externe Fachperson hat eine Definition geprüft, und die Übereinstimmung zweier Personen wurde nie gemessen.

    Braucht
    Zwei Annotierende, eine benannte prüfende Person je Kategorie und echte Spaltenköpfe aus Partnerlaboren.
    Fertig, wenn
    Die Übereinstimmung ist veröffentlicht, samt den Begriffen, die wir falsch hatten.
  3. Einen KI-Assistenten Begriffe auflösen lassen

    Nicht begonnen

    Ein Assistent am MCP-Server kann den Spaltennamen eines Labors noch keinem Begriff zuordnen.

    Braucht
    Das Release, dann etwa 4 Tage für die MCP-Ergänzungen.
    Fertig, wenn
    resolve_term ist live und besteht das MCP-Smoke-Skript.

Vollständige Listen:AufgabenLieferungenUnsere BittenMessgrößen

Was das Modell können soll und wie wir es testen

Jeder Test bildet etwas nach, das Forschende wirklich tun. Die Schwellen bleiben Vorschläge, bis die Partner sie bestätigen.

Das Modell sollSo testen wir esBestanden, wennHeute
Den Spaltenkopf eines Labors dem richtigen Begriff zuordnen oder ablehnenEchte Spaltenköpfe aus Partnertabellen durch den Resolver laufen lassen.Wir veröffentlichen, wie viele zugeordnet, abgelehnt und falsch waren. Ziel nach dem ersten Lauf.Braucht Partnerdaten
Wählen, was zwei Fachleute wählen würdenZwei Personen labeln dieselben 200 Rohnamen, ohne unsere Antwort zu sehen.Die Übereinstimmung steht je Person und für die Pipeline da. Ziel nach dem ersten Lauf.Noch nicht gelaufen
Eine Bedeutung je Begriff haltenEin Test schlägt fehl, wenn ein Slug in der Einheitentabelle zweimal vorkommt.Kein Slug kommt zweimal vor.BestehtAktiv seit dem 13. Okt. 2026.

Ohne Partnerdaten gemessen

Zwei Prüfungen, die allein mit veröffentlichten Arbeiten möglich sind. Beide lassen sich wiederholen, und die Zahlen sind auf jeder Seite gleich.

PrüfungErgebnisWas offen bleibt
Stehen die extrahierten Werte wirklich in der Publikation?96 % von 308 geprüften Werten aus Forschungsarbeiten, über 20 Publikationen (31. Okt. 2026).Maschinell geprüft, noch nicht von einem Menschen. 101 Werte aus Übersichtsarbeiten stammen aus anderen Studien. 41 % der echten Werte erreichen das Modell.
Trifft das Modell veröffentlichte Läufe, die es nie gesehen hat?Lab-Simulator: 7 von 17 innerhalb von 25 %. API und Chat: 4 von 17, 8 ohne Antwort (31. Okt. 2026).Der Simulator lag bei 0 von 5 MFC-Werten innerhalb von 25 %. Eine MFC-Anfrage ohne CSB antwortet weiter nur aus ihren Materialien.

Was bisher schiefging

Diese Zeilen stammen aus unseren eigenen Sitzungen und Prüfungen, nicht aus Meldungen der Partner. Neue Meldungen landen hier.

Was geschahWas das ändertGefunden in
Im Live-Katalog zeigte der Filter „Electrical“ 45 Parameter und lieferte 0.Zähler und Liste folgen jetzt einer Regel, getestet an jeder Kategorie des echten Katalogs.Echtbetrieb
Ein doppelt gelisteter Slug gab 136 Zeilen aus 50 Papers die falsche Einheitenart, und sie galten als modellierbar.Ein Eintrag je Slug, ein Test gegen Wiederholungen, die Zeilen zurückgehalten. Slug oder Einheit: noch offen.Eigene Prüfung
29 undefinierte Slugs trugen am 12. Okt. 2026 4.985 Live-Zeilen, viele unter Altnamen.Die Definitionen schreiben und jeden Altnamen prüfen, bevor er als Alias gilt.Eigene Prüfung

Wie ein Fehler zurück ins Modell gelangt

  1. Melden. Kommentieren Sie diese Seite, oder schicken Sie uns den Lauf.
  2. Nachstellen. Wir machen daraus einen Test mit der echten Eingabe und dem erwarteten Ergebnis.
  3. Beheben. Wir ändern Modell oder Pipeline an der Ursache.
  4. Erneut testen. Der Test bleibt im Satz, und das Ergebnis steht hier.

Diese Schritte laufen von Hand. Nichts davon ist bisher automatisiert.

Wie ein Wert zu seinem Namen kommt

Der Weg, den eine Zahl von der Publikation bis zu einem KI-Assistenten nimmt, und wie viel von jedem Schritt vorhanden ist. Neu ist daran nichts: Es ist die im Audit beschriebene Pipeline, in eine Reihenfolge gebracht. Ein Schritt mit „Vorgeschlagen, nicht gebaut“ existiert noch nicht.

  1. Eine Publikation berichtet einen Wert in ihren eigenen Worten

    Vorhanden

    Die Extraktion behält, was die Publikation gesagt hat: ihre Bezeichnung für die Größe, die Einheit und den Satz, aus dem der Wert stammt. Der Rohname bleibt erhalten; ein erster Slug aus der Aliasdatei wird daneben angehängt, nicht an seine Stelle gesetzt.

    Extrahierte Werte ansehen
  2. Der Name wird einem Parameter zugeordnet

    Teilweise vorhanden

    Der Rohname durchläuft feste Regeln in dieser Reihenfolge: ein exakter Treffer im Aliasindex, dann ein unscharfer Abgleich für Namen aus mehreren Wörtern; Namen, die dann noch ohne Treffer sind, durchlaufen einige Regeln, die von der Einheit abhängen. Ein einzelnes Wort ohne exakten Treffer wird abgelehnt, nicht geraten. Ein Name ohne Treffer bekommt keinen Slug. Ein KI-Klassifikator darf Aliase vorschlagen; Slugs schreibt nur deterministischer Code in die Datenbank: die Aliassuche des Extraktors und der Backfill. Die Abgleiche in TypeScript und Python stimmen noch nicht bei jedem Namen überein.

    Die fünf Ebenen ansehen
  3. Der Parameter bekommt eine Definition und eine Größenart

    Teilweise vorhanden

    Eine Definition nennt Kategorie, Einheit und einen plausiblen Bereich. Die Größenart sagt, welche physikalische Größe der Slug misst, damit Werte in verschiedenen Einheiten in SI umgerechnet und verglichen werden können. Ein Slug ohne Größenart wird nie für die Modellierung verwendet. Manche Slugs, die Daten tragen, haben noch keine Definition.

    Was fehlt ansehen
  4. Der Parameter bekommt eine Rolle und einen Platz im kausalen Graphen

    Teilweise vorhanden

    Die Rolle sagt, ob ein Parameter ein Ergebnis, eine Bedingung oder Kontext ist; davon hängt ab, wie ein Modell ihn behandeln darf: In einem Modellierungslauf des Corpus-Screening-Agenten haben sich vom Experimentator gesetzte Bedingungen, mit einem Prior für einen Populationsmittelwert angepasst, nicht durchmischt, während Ergebnisse besser durchmischt, aber zu dünn gesampelt waren. Die Rolle kann auch von der Studie abhängen: Die angelegte Spannung ist in einer MEC eine Bedingung und in einer MFC ein Ergebnis. Vier Rollenvokabulare bestehen nebeneinander und sind nicht abgeglichen. Ein kleiner kuratierter Graph verbindet Parameter nach Ursache; ein größerer Snapshot speist die Wissensgraph-Seite.

    Den Wissensgraphen öffnen
  5. Eine Veröffentlichung bekommt eine Version und eine dauerhafte Adresse

    Vorgeschlagen, nicht gebaut

    Nicht gebaut. Es gibt eine Paketversion, aber keine Ontologie-Veröffentlichung mit Changelog und DOI, und ein Begriff hat keine dauerhafte Adresse; eine Publikation kann daher nicht angeben, gegen welches Vokabular sie berichtet hat. Das ist die erste unserer To-dos.

    Unsere To-dos ansehen
  6. Menschen und KI-Assistenten nutzen es und können es korrigieren

    Teilweise vorhanden

    Ein MCP-Client kann heute Kategorie, Slug, Einheit und Graphnachbarn eines Parameters lesen. Er kann den Spaltennamen eines Labors nicht auflösen und sieht weder Größenart noch Rolle, Alias oder Version. Keine Fachperson außerhalb von MESSAI hat eine Definition geprüft, und es gibt keinen Weg, eine Änderung vorzuschlagen.

    Die MCP-Abdeckung ansehen

Was heute vorhanden ist

Die „Ontologie“ besteht aus fünf übereinander gelegten Vokabularen, nicht aus einem. Sie wurden für unterschiedliche Aufgaben gebaut und nie abgeglichen. Die Zahlen unten stammen aus dem Staging-Audit in docs/onboarding/categorization-and-ontology.md (7. September 2026); mit dem 12. Okt. 2026 gekennzeichnete Zahlen wurden an diesem Tag neu gemessen.

Das Schema: ein Wert, ein Slug, vier daran hängende Ebenen
EbeneVokabularUmfangVerwendet für
1 · KategorieParameterCategory-Enum plus eine Freitext-Unterkategorie18 Werte, 15 verwendet; 179 UnterkategorienNavigation, Graphfarbe
2 · Kanonischer Slugsnake_case-Slugs, teils Legacy-camelCase835 Definitionen; 492 in Zeilen gesehene Slugs, davon 463 mit DefinitionAlles Nachgelagerte: Priors, Prädiktor, Katalog
3 · GrößenartDie physikalische Größe, die ein Slug misst290 Slugs → 41 Größenarten; 41 SI-Basen; 240 Einheitenfaktoren (normalize-to-si.py, 26. Okt. 2026)SI-Normierung, Modellierbarkeit einer Zeile, Bucketing der Priors
4 · RolleVier konkurrierende Vokabulare25 primäre Rollen · 3 Klassen für Ergebnis, Bedingung, Kontext · 4 kausale Rollen · 5 Knotenklassen (ein Evidenzstatus, keine Rolle)Kausaler Graph, Priors, Graphkodierung
5 · GraphknotenEin kuratierter Teilgraph und ein vollständiger Snapshot31 Knoten, 29 Kanten kuratiert; 826 Knoten, 2.792 Kanten im SnapshotDas kausale Modell, die Wissensgraph-Seite

Das Paket, das die Definitionen öffentlich ausliefert, ist @messai-io/mess-parameters (v0.3.0, CC-BY-4.0, mit einer CITATION.cff). Es ist die Ebene, die für die Nutzung von außen gedacht ist, war am 12. Okt. 2026 aber nicht in der öffentlichen npm-Registry.

Ein Name durch die Ebenen

Zwei Namen aus den gemeinsamen Tests der Namensabgleiche, durch jede Ebene verfolgt, die sie erreichen. Die Abgleiche in TypeScript und Python sind seit dem 24. Okt. 2026 ein einziger und liefern denselben Slug; bis dahin waren sie bei der Leistungsdichte uneins.

So, wie die Publikation ihn schreibt
“Coulombic efficiency (CE)”Abgleiche einig
  1. Slugcoulombic_efficiency

    Beide Abgleiche liefern diesen Slug: ein abgestimmter Fall in den Tests der Namensabgleiche.

  2. Kategorie · Einheit der DefinitionELECTROCHEMICAL%

    Die Kategorie ist ein Navigationsetikett; sie entscheidet nicht, wie ein Wert verwendet wird. Die Einheit der Definition ist %.

  3. Größenart · SI-Basisfractionfraction

    Die Größenart rechnet den Wert in seine SI-Basis um, sodass 45 % und 0,45 dieselbe Zahl werden.

  4. Rolle · run-01 · primaryRoleOUTCOMEkeine

    Ein Ergebnis im dreiklassigen Vokabular des Modellierers (run-01, 163 Publikationen). Kein Eintrag im primaryRole-Vokabular mit 25 Werten.

  5. Kuratierter Graphcod_removalcoulombic_efficiencyenergy_efficiencyh2_yieldspecific_h2_production

    Eine eingehende Kante, von cod_removal (Konfidenz hoch, 29 gemeinsame Beobachtungen), drei ausgehende (Konfidenz mittel, keine gemeinsamen Beobachtungen). Alle vier Kanten beruhen auf Fachwissen; zwei gemeinsam berichtete Werte belegen nicht, dass der eine den anderen verursacht.

Staging, 13. Okt. 2026

1.575 verschiedene Fakten in 796 Publikationen (2.511 Zeilen). 834 Fakten sind als modellierbar markiert; 813 davon passieren den gemeinsamen Filter des Modellierungspools.

So, wie die Publikation ihn schreibt
“Power density”mW/m²Abgleiche einig
  1. Slugpower_density

    Beide Sprachen liefern den flächenbezogenen Slug; die Einheit entscheidet nicht darüber. Bis zum 24. Okt. 2026 lieferte der Python-Abgleich hier power_density_volumetric. Weiterhin ein offener Testfall: Soll der Slug der Einheit folgen oder ablehnen (Q-O3)?

  2. Kategorie · Einheit der DefinitionMATERIALSmW/cm²

    Die Definition heißt „Power Density (Basis Unresolved)“, Einheit mW/cm².

  3. Größenart · SI-Basispower_densityW/m^2

    Die flächenbezogene Größenart rechnet mW/m² in W/m² um. Eine volumetrische Einheit unter diesem Slug leitet route_kind() zur volumetrischen Größenart; sie wird nie mit flächenbezogenen Werten zusammengelegt.

  4. Rolle · run-01 · primaryRoleOUTCOMEkeine

    Ein Ergebnis im Vokabular des Modellierers. Kein Eintrag in primaryRole.

  5. Kuratierter Graphpower_density

    Der Leistungsdichte-Knoten des kuratierten Graphen, am 19. Okt. 2026 vom Legacy-Namen powerDensity umbenannt.

Staging, 13. Okt. 2026

Zeilen unter power_density_volumetric: 463 in W/m³ (112 Publikationen), nicht als modellierbar markiert; 136 mit flächenbezogener Einheit, als Basiskonflikt zurückgehalten (50 Publikationen); 44 nicht umgerechnet (20 Publikationen). Beide Prior-Anpassungen lassen die W/m³-Zeilen zusätzlich über ihre Einheit zu.

Was fehlt

Jeder Punkt ist ein Befund über das Repository von heute, keine Meinung. Zusammen erklären sie, warum das Vokabular noch von niemandem außerhalb von MESSAI übernommen, zitiert oder geprüft werden kann.

  • Die Zahlen widersprechen sich. Das öffentliche Paket und die Methodikseite unter /parameters nennen 704 Parameter in 13 Kategorien; die gepackte Definitionsdatei ist auf 825 festgelegt; Staging enthält 835 Definitionen (825 aktiv), die 15 der 18 im Schema zulässigen Kategorien nutzen, und die CITATION.cff des Pakets nennt ebenfalls 835. Ein Leser kann nicht erkennen, welche davon „die Ontologie“ ist.
  • Keine versionierte, zitierfähige Veröffentlichung. Es gibt eine Paketversion, aber keine Ontologie-Veröffentlichung mit Changelog und DOI. Daher kann eine Publikation nicht angeben, gegen welches Vokabular sie berichtet hat.
  • Keine stabilen Kennungen. Ein Begriff ist eine Datenbankzeile und ein Slug. Nichts löst einen Begriff auf eine dauerhafte Adresse auf, und die Definitionstabelle hat keine Spalte für eine externe Kennung.
  • Keine Zuordnung zu fremden Vokabularen. Einheiten, Chemikalien, Organismen und Umwelten haben jeweils ein Community-Vokabular. Wir verweisen auf keines davon; daher ist nichts, was wir veröffentlichen, mit dem breiteren Datennetz verknüpft.
  • Undefinierte Begriffe tragen echte Daten. Auf Staging hatten am 12. Okt. 2026 29 Slugs in aktiven extrahierten Zeilen keine Definition, mit zusammen 4.985 Zeilen; die größten sind Altnamen wie powerDensity (1.418 Zeilen) und currentDensity (715), und einer, _provenance_metadata (936), ist überhaupt keine Größe. Ein Altname gilt erst dann als Alias eines kanonischen Begriffs, wenn jemand seine Zeilen geprüft hat. 372 der 835 Definitionen hatten nie eine aktive Zeile getroffen.
  • Eine Tabelle führte Slugs doppelt. Bis zum 13. Okt. 2026 nannte SLUG_TO_KIND in normalize-to-si.py 13 Slugs zweimal, und Python behielt den zweiten Eintrag. Für power_density_volumetric war dieser Eintrag die flächenbezogene Leistungsdichte; daher waren auf Staging 136 aktive Zeilen in 50 Publikationen mit flächenbezogener Einheit unter dem volumetrischen Slug in W/m² umgerechnet und als modellierbar markiert. Die Tabelle hat jetzt einen Eintrag je Slug, und ein Test schlägt bei jeder Wiederholung fehl; diese Zeilen werden als Basiskonflikt zurückgehalten. Ob der Slug oder die Einheit falsch ist, ist noch nicht entschieden (Q-O3). Die Verfolgung oben folgt einem solchen Wert.
  • Rollen sind nicht eine Sache. Vier Rollenvokabulare existieren nebeneinander und sind voneinander unabhängig.
  • Keine externe Prüfung. Keine fachkundige Person außerhalb des Projekts wurde gebeten, eine Definition zu prüfen, und die Übereinstimmung zweier Personen, die dieselben Rohnamen kennzeichnen, wurde nie gemessen.
  • Kein Weg, eine Änderung vorzuschlagen. Es gibt kein dokumentiertes Verfahren zum Hinzufügen, Zusammenführen oder Ausmustern eines Begriffs und keine benannte prüfende Person für eine Kategorie.
  • Von einem KI-Assistenten nicht erreichbar. Der MCP-Server liefert den Slug, Namen, die Einheit und die Kategorie eines Parameters sowie seine Nachbarn im Graphen. Er kann den Spaltennamen eines Labors nicht auf einen Slug abbilden, und er liefert nichts von der Größenart, Rolle, den Aliasen oder der Version eines Begriffs.

Vier Ziele und was jedes von uns verlangt

Diese sind getrennt. Ein Vokabular kann übernommen werden, ohne anerkannt zu sein, und anerkannt werden, ohne richtig zu sein. Die To-dos in den nächsten Abschnitten sind mit den Zielen markiert, denen sie dienen.

  1. Übernommen

    Andere nutzen es

    Das Berichten darin muss weniger kosten als das Berichten ohne es. Das heißt: Ein Labor kann die eigenen Spaltennamen einfügen und Slugs zurückbekommen, ein Assistent kann einen Begriff mit einem Aufruf auflösen, und die Checkliste für Mindestangaben verwendet dieselben Slugs, sodass Checkliste und Ontologie nicht auseinanderlaufen können.

    Unterstützt durch: Zahlen abgleichen und eine versionierte Veröffentlichung herausgeben · Undefinierte Begriffe schließen und ein Rollenvokabular wählen · Die MCP-Ergänzungen bauen

  2. Anerkannt

    Andere können sie zitieren und verlinken

    Eine veröffentlichte Version mit DOI, einer dauerhaften Adresse für jeden Begriff, einer Lizenz und Zuordnungen zu den Vokabularen, die andere Fachgebiete bereits verwenden. Anerkennung ist vor allem Infrastruktur: Niemand zitiert „das, was heute auf der Website steht“.

    Unterstützt durch: Zahlen abgleichen und eine versionierte Veröffentlichung herausgeben · Jeder Begriff bekommt eine dauerhafte Adresse · Die Begriffe auf bestehende Vokabulare abbilden · Registrieren und beschreiben

  3. Validiert

    Andere haben sie geprüft

    Fachleute prüfen eine Stichprobe von Definitionen je Kategorie, zwei Annotierende kennzeichnen dieselben Rohnamen und wir berichten ihre Übereinstimmung, und die Fragen, die die Ontologie beantworten soll, werden als Tests formuliert, die bei jeder Änderung laufen. Dass die Verfassenden die extrahierten Parameter ihrer eigenen Publikationen prüfen, ist dieselbe Prüfung von der anderen Seite.

    Unterstützt durch: Undefinierte Begriffe schließen und ein Rollenvokabular wählen · Die Begriffe auf bestehende Vokabulare abbilden · Mit Menschen außerhalb des Projekts validieren

  4. Von der Community mitgestaltet

    Andere können sie ändern

    Ein dokumentierter Weg, einen Begriff vorzuschlagen, zu prüfen und anzunehmen, eine benannte prüfende Person je Kategorie, ein Begriffslebenszyklus, der ausmustert statt löscht, und ein öffentliches Änderungsprotokoll. Das Parameter-Wiki hält Bearbeitungen bereits als ausstehend, bis eine moderierende Person sie freigibt; dasselbe Tor könnte Begriffsvorschläge tragen, sobald es Begriffe ohne bestehende Definition annimmt.

    Unterstützt durch: Den Beitrags- und Prüfprozess festschreiben · Mit Menschen außerhalb des Projekts validieren

Die Ontologie im MCP

Der MCP-Server von MESSAI ist öffentlich, nur lesend und hat 15 Werkzeuge. Das Vokabular liefert er nur als Nebeneffekt anderer Abfragen. Ein Assistent, der einen Begriff auflösen, seine Definition lesen und sehen kann, welche Version er betrachtet, würde die Ontologie nutzen, ohne dass jemand eine Webseite öffnet.

Was ein Client heute erreicht

EbeneAbdeckungWie sie heute erreicht wird
KategorieTeilweiselist_parameters liefert sie und filtert danach. Die Unterkategorie wird nicht zurückgegeben.
Kanonischer SlugTeilweiselist_parameters durchsucht Namen und Beschreibungen. Ein Spaltenname, der weder einem Namen noch einer Beschreibung entspricht, findet nichts.
Aliase (Rohname → Slug)KeineDer Aliasindex (6.678 Aliase in 430 Gruppen, 79 weitere warten auf Prüfung) liegt in einer Datei, die die Backfill-Skripte verwenden. Keine Route stellt ihn bereit.
Größenart und SI-EinheitKeineNur die Einheit als Zeichenkette wird zurückgegeben. Verteilungen werden nach SI-Einheit gruppiert, die Größenart wird jedoch nicht genannt.
RolleKeineVon keinem Werkzeug zurückgegeben.
GraphknotenTeilweiseget_parameter_relationships liefert Nachbarn im kuratierten Graphen und Literaturkorrelationen mit der Anzahl der Publikationen.
Ontologie-VersionKeineKein Werkzeug sagt, welche Version des Vokabulars seine Antwort erzeugt hat.

Was wir ergänzen wollen

ErgänzungTypWas sie tutVorher nötig
resolve_termToolNimmt bis zu 25 Rohbegriffe (eine Spaltenüberschrift, ein Name aus einer Publikation) mit optionaler Einheit entgegen und liefert eingestufte Slug-Kandidaten mit Trefferstufe und Bewertung. Es gelten dieselben Ablehnungsregeln wie beim Backfill: Ein einzelnes Wort ohne exakten Treffer liefert keinen Kandidaten. Jedes Ergebnis verlinkt bei einem Fehltreffer auf die Seite für Begriffsvorschläge.Eine neue öffentliche Route über den Aliasindex. Der Index liegt in Dateien, die Python- und TypeScript-Skripte lesen; die Route muss daher den Abgleich portieren oder eine Tabelle lesen, die der Backfill ebenfalls schreibt.
get_parameter_definitionToolLiefert einen Begriff vollständig: Kategorie und Unterkategorie, Größenart und SI-Einheit, Rollen, Aliase, plausiblen Bereich, Graphnachbarn, die Ontologie-Version und externe Kennungen, sobald zugeordnet.Die Definitions-Route, erweitert um die oben genannten Felder. Version und Kennungen hängen von den To-dos zu Veröffentlichung und Abgleich ab.
messai://ontologyRessourceEine Ressource mit der Version, der Ebenenliste und den Zählungen je Ebene, dazu messai://ontology/{slug} für jeden Begriff, damit ein Client das Vokabular ohne Tool-Aufruf an eine Unterhaltung anhängen kann.Dieselbe erweiterte Route und das Veröffentlichungs-To-do für die Versionszeichenkette.
map_my_columnsPromptEin Prompt, der eine eingefügte Kopfzeile einer Tabelle entgegennimmt, für jede Spalte resolve_term aufruft, die Einheitenumrechnung meldet, die resolve_term zurückgibt, ohne selbst etwas umzurechnen, eine Umrechnung ablehnt, wenn Spezies, Referenzelektrode oder Flächen- oder Volumenbezug fehlen, und meldet, welche Spalten keinen Slug haben, sowie die Vorsichtsregeln für die Berichterstattung.Nichts außer resolve_term.

Wie es nach docs/mcp.md hineinkommt

  1. Nur Routen umhüllen, die nie die Sitzung lesen. Führen Sie auf jeder neuen Route die Suche aus der Checkliste aus: Sie darf kein getServerSession, cookies() oder headers() finden. Ein Werkzeug darf nicht zulassen, dass ein angemeldeter Client über einen „nur lesenden“ Aufruf schreibt.
  2. Vorschläge bleiben außerhalb des MCP. Der Server ist nur lesend. Ein Fehltreffer liefert einen Link zur Seite für Begriffsvorschläge auf der Website; den Vorschlag selbst stellt eine Person dort, und er wird als ausstehend gehalten.
  3. Die Ausgabe formen. Geben Sie zu jeder Antwort die Trefferstufe, die Bewertung, die anzuwendende Einheitenumrechnung und die Ontologie-Version zurück. Bleiben Sie durch die Begrenzung auf 25 Begriffe pro Stapel deutlich unter der Obergrenze von 60.000 Zeichen.
  4. Die Kosten festlegen. resolve_term führt pro Begriff eine Indexsuche durch, daher erhält es in MCP_TOOL_COSTS Kosten von 1 pro Aufruf; die ausgelieferten Werkzeuge kosten je 1, außer predict_performance mit 10 und update_with_my_data mit 3.
  5. Testen, Smoke-Test, dokumentieren. Ergänzen Sie die Tests mit gemockten Routen und den Registry-Eintrag, tragen Sie die Namen in EXPECTED_TOOLS und TOOL_CALLS in mcp-smoke.py ein und aktualisieren Sie die Werkzeuglisten auf /mcp und /api-docs auf Englisch und Deutsch sowie die Zahlen in docs/mcp.md.

Unsere To-dos

Die Schätzungen sind unsere eigenen, in Arbeitstagen für eine Person, und keine ist terminiert. Die Reihenfolge folgt den Abhängigkeiten: Eine Veröffentlichung braucht abgeglichene Zahlen, Kennungen brauchen eine Veröffentlichung, und die Versionszeichenkette des MCP braucht beides.

  1. Zahlen abgleichen und eine versionierte Veröffentlichung herausgeben

    ~3 TageVorgeschlagen

    Festlegen, was „die Ontologie“ enthält, die gepackten Definitionen aus dem Staging neu erzeugen (die festgelegte Datei liegt 10 zurück) und mit Changelog und DOI veröffentlichen. Die Zahlen 704, 825 und 835 werden dann zu einer Zahl mit Version. Die Veröffentlichung läuft über den Changeset-Ablauf in docs/releasing.md.

  2. Undefinierte Begriffe schließen und ein Rollenvokabular wählen

    ~2 WochenVorgeschlagen

    Definitionen für die 29 undefinierten Slugs schreiben, die Daten tragen, die 341 Definitionen prüfen, zu denen keine Zeile passt, und wählen, welches der vier Rollenvokabulare das der Ontologie ist; die anderen bleiben als dokumentierte Zuordnungen erhalten. canonical_slug aus JSONB in eine Spalte überführen, wie Regel §8 verlangt, da 88 Codestellen danach filtern.

  3. Jeder Begriff bekommt eine dauerhafte Adresse

    ~1 WocheVorgeschlagen

    Eine stabile URL je Begriff, die die Definition für Menschen als Seite und für Maschinen als JSON-LD zurückgibt, sowie eine Kennungsspalte in der Definitionstabelle. Der Namensraum ist offen: Er kann auf messai.io liegen oder bei einer neutralen Stelle, die ISMET später übernehmen könnte.

  4. Die Begriffe auf bestehende Vokabulare abbilden

    ~2 WochenVorgeschlagen

    Zuerst suchen wir nach einer bestehenden Ontologie der mikrobiellen Elektrochemie; wir haben noch nicht bestätigt, ob es eine gibt, und die Seite soll das sagen, falls es keine gibt. Dann bilden wir dort ab, wo ein Community-Vokabular existiert, zum Beispiel QUDT oder UO für Einheiten, ChEBI für Chemikalien, ENVO für Umwelten und NCBI Taxonomy für Organismen, und veröffentlichen die Zuordnung als SSSOM-Datei, mit der Abdeckung je Ebene, einschließlich dessen, was sich nicht abbilden ließ.

  5. Den Beitrags- und Prüfprozess festschreiben

    ~1 WocheVorgeschlagen

    Ein Begriffslebenszyklus (vorgeschlagen, geprüft, angenommen, veraltet, nie gelöscht), eine Vorlage für Begriffsvorschläge, eine benannte prüfende Person je Kategorie und ein öffentliches Änderungsprotokoll. Das Freigabetor des Parameter-Wikis wiederverwenden, statt ein zweites zu bauen. In die CONTRIBUTING-Datei des öffentlichen Pakets aufnehmen.

  6. Mit Menschen außerhalb des Projekts validieren

    ~2 WochenVorgeschlagen

    Zwei Annotierende kennzeichnen dieselben 200 Rohnamen, ohne die Antwort der Pipeline zu sehen; wir berichten ihre Übereinstimmung und die Übereinstimmung der Pipeline mit jeder von ihnen. Fachleute prüfen eine Stichprobe von Definitionen je Kategorie. Die Fragen, die die Ontologie beantworten soll, werden als Tests formuliert. Für die Verfassenden wird bei den extrahierten Parametern ihrer Publikationen eine Kontrolle „Ist das richtig?“ ergänzt.

  7. Die MCP-Ergänzungen bauen

    ~4 TageVorgeschlagen

    Das Werkzeug, die Definitions-Route, die Ressource und der Prompt aus dem MCP-Abschnitt, nach docs/mcp.md. Abhängig von der Alias-Route und für die Versionszeichenkette von der Veröffentlichung.

  8. Registrieren und beschreiben

    ~1 WocheVorgeschlagen

    Nach dem Obigen: ein kurzer Data Descriptor oder Preprint zur Ontologie und eine Eintragung in einem Vokabularregister wie FAIRsharing. Nicht bevor es außenstehende Prüfende zu benennen und eine Veröffentlichung gibt, auf die man verweisen kann.

Zeitplan

Mit „Roadmap“ markierte Termine stehen in docs/roadmap/2026-09-roadmap.md. Mit „vorgeschlagen“ markierte Termine sind unsere eigenen und nicht auf der Roadmap.

  1. 9. Okt. 2026 · Roadmap D1-M1Partnerschaftsvorschlag für ISMET mit der Bitte, eine Ontologie-Kategorie zu übernehmen

    D1-M1. Die Bitte, die diese Seite ausführt: ISMET-Mitglieder übernehmen die Verantwortung für eine Kategorie.

  2. 10. Okt. 2026 · Roadmap B3-M1Checkliste für Mindestangaben, Version 1

    B3-M1. Mit den Slugs der Ontologie als Feldnamen geschrieben, sodass beide von Anfang an ein Vokabular teilen.

  3. 15. Okt. 2026 · Roadmap D1-M2Treffen mit ISMET

    D1-M2. Die Bitte dort ist eine benannte Ansprechperson und ein Platz in einem Newsletter oder Webinar; die Ontologie ist eines der Dinge, die eine Ansprechperson weiterleiten würde.

  4. Ende Okt. 2026 · vorgeschlagenRelease-Kandidat mit abgeglichenen Zahlen

    Das To-do zur Veröffentlichung. Eine Zahl für den Umfang der Ontologie, ein Changelog und die undefinierten Begriffe offen aufgelistet, falls sie noch nicht geschlossen sind.

  5. 14. Nov. 2026 · Roadmap D3-M2mess-parameters-Veröffentlichung mit dem Schema der Checkliste

    D3-M2. Die erste Veröffentlichung, die ein Außenstehender zitieren kann und die beide Vokabulare enthält.

  6. Ende Nov. 2026 · vorgeschlagenBericht zu Zuordnung und Übereinstimmung

    Abdeckung der externen Zuordnung je Ebene und das Ergebnis der Übereinstimmung zwischen zwei Annotierenden, wie auch immer es ausfällt.

  7. bis 19. Dez. 2026 · vorgeschlagenresolve_term und das Definitions-Werkzeug live

    Geprüft durch das Live-MCP-Smoke-Skript und aufgeführt auf /mcp und /api-docs.

  8. Phase P1 · Roadmap D1-M5Von den Verfassenden geprüfte Publikationen

    D1-M5. Das eigene Ziel der Roadmap beträgt mindestens 5.

  9. Phase P2 · Roadmap D1-M6Checkliste von ISMET unterstützt oder gemeinsam veröffentlicht

    D1-M6. Der Punkt, an dem das Vokabular nicht mehr nur unseres ist.

Was wir von Partnern erbitten

  • Eine Kategorie übernehmen. Übernehmen Sie die Verantwortung für eine der 15 genutzten Kategorien: Lesen Sie ihre Definitionen, markieren Sie die falschen und werden Sie die benannte prüfende Person für Änderungen daran. Das ist die Bitte um Übernahme einer Ontologie-Kategorie in D1-M1.
  • Schicken Sie uns Ihre Spaltenüberschriften. Eine Liste der Überschriften einer typischen Labortabelle (ohne Daten) ist der beste Test für den Resolver, den wir haben. Wir berichten, wie viele sich zuordnen lassen, wie viele wir abgelehnt haben und wie viele wir falsch zugeordnet haben.
  • Prüfen Sie Ihre eigenen Publikationen. Sehen Sie sich die Parameter an, die wir aus einer Publikation extrahiert haben, die Sie geschrieben haben, und sagen Sie uns, welche falsch sind. Jede Korrektur ist zugleich eine Behebung und ein Validierungsdatenpunkt.
  • Sagen Sie uns, was Sie bereits verwenden. Wenn Ihre Gruppe, Ihr Gerätehersteller oder ein Repositorium, in das Sie hinterlegen, ein Vokabular für Einheiten, Materialien oder Methoden verwendet, sagen Sie uns welches, damit wir darauf abbilden statt daneben.
  • Probieren Sie es über Ihren Assistenten aus. Verbinden Sie den MCP-Server, fragen Sie in Ihren eigenen Worten nach einem Parameter und sagen Sie uns, wo er zu kurz greift.

Woran wir erkennen, dass es funktioniert hat

Die Roadmap setzt vier Ziele, die hierauf einzahlen. Die übrigen sind Dinge, die wir messen sollten, für die wir aber kein Ziel gesetzt haben; die Seite erfindet keines.

  • Von den Verfassenden geprüfte PublikationenRoadmap-Ziel

    Mindestens 5, in Phase P1 (D1-M5).

  • ISMET-MitgliedskontenRoadmap-Ziel

    Mindestens 20, in Phase P1 (D1-M5).

  • Externe Mitwirkende oder Issues zu den öffentlichen PaketenRoadmap-Ziel

    Mindestens 3, in Phase P1 (D3-M3).

  • Checkliste von ISMET unterstützt oder gemeinsam veröffentlichtRoadmap-Ziel

    In Phase P2 (D1-M6).

  • Anteil der realen Spaltenüberschriften, die der Resolver korrekt zuordnetUnseres · kein Ziel gesetzt

    Gemessen an Überschriften, die uns Partner schicken, berichtet mit der Anzahl der abgelehnten und der falsch zugeordneten.

  • Anteil der Begriffe, die auf ein externes Vokabular abgebildet sindUnseres · kein Ziel gesetzt

    Je Ebene berichtet, einschließlich der Begriffe ohne Gegenstück.

  • Übereinstimmung zwischen Annotierenden und mit der PipelineUnseres · kein Ziel gesetzt

    Bei denselben Rohnamen, mit Angabe der Anzahl der Namen und Annotierenden.

  • Verschiedene Aufrufende der Ontologie-WerkzeugeUnseres · kein Ziel gesetzt

    Aus der Nutzungszeile pro Aufruf, die der Server bereits protokolliert und die nur einen gehashten Aufrufschlüssel behält.

Woher die Zahlen stammen

Jede Zahl auf dieser Seite stammt aus einer der folgenden Quellen. Die Zahlen der Ebenen stammen aus einem datierten Audit; Zahlen mit späterem Datum wurden an diesem Datum gemessen. Die letzte Spalte sagt, wie sich jede prüfen lässt.

ZahlWoher sie stammtWie man sie prüft
Zahlen der EbenenGrößen der Ebenen sowie Slug- und Zeilenzahlen: das Staging-Audit in docs/onboarding/categorization-and-ontology.md (§5), datiert unter „Was heute vorhanden ist“.Vor jedem Zitieren auf dem Staging neu messen. Die Spalte „Lives in“ des Audits nennt die Tabelle oder Datei hinter jeder Ebene.
Zahl der DefinitionenDie 704, 825 und 835 Definitionen: das öffentliche Paket @messai-io/mess-parameters (704), die festgelegte Datei parameter-definitions-rich.json (825) und die Definitionstabelle auf dem Staging (835).Jede der drei zählen. Dass sie sich unterscheiden, ist der erste Punkt unter „Was fehlt“.
Das Schema und die beiden verfolgten NamenKennungen und Zahlen aus dem Repository: normalize-to-si.py, parameter-definitions-rich.json, die Testfälle der Namensabgleiche, die Klassifikation aus run-01 und parameter-dag-edges-named-only.json. Staging-Zahlen (13. Okt. 2026): Q14–Q16 in docs/collab/2026-10-12-staging-measurements.sql.Ein Test leitet jeden Wert aus dem Repository aus diesen Dateien neu ab und prüft die Zahlen des Diagramms gegen die Tabelle oben. Für die Staging-Zahlen Q14–Q16 erneut ausführen.
MCP-AbdeckungDie 15 Werkzeuge und was jede Ebene erreicht: apps/api/src/lib/mcp/tools.ts und apps/api/src/lib/mcp/resources.ts.Ein Test liest apps/api/src/lib/mcp/tools.ts und schlägt fehl, wenn ein hier als vorgeschlagen bezeichnetes Werkzeug dort registriert ist; die Seite kann also kein ausgeliefertes Werkzeug als vorgeschlagen führen. scripts/routines/mcp-smoke.py prüft, gegen den laufenden Server ausgeführt, die Werkzeuge dort.
Roadmap-DatenDaten und Kennungen mit „Roadmap“: docs/roadmap/2026-09-roadmap.md.Ein Test vergleicht jedes Roadmap-Datum und jede Meilenstein-Kennung dieser Seite mit dieser Datei.
SchätzungenAufwandsschätzungen in Arbeitstagen und als „vorgeschlagen“ markierte Daten: von uns. Nichts davon ist eingeplant, und nichts steht in der Roadmap.Es gibt nichts zu prüfen: Es sind Vorschläge, die durch Termine ersetzt werden, sobald die Arbeit geplant ist.

Offene Fragen

  1. Welches Vokabular soll der primäre externe Anker für jede Ebene sein, und von welchem, den wir noch nicht genannt haben, hängen Sie bereits ab?
  2. Soll der Namensraum auf messai.io liegen oder an einer neutralen Stelle wie einer ISMET-Domain, damit die Ontologie das Unternehmen überdauert?
  3. Ist CC-BY-4.0, die Lizenz des öffentlichen Pakets, die richtige Lizenz für die Ontologie selbst?
  4. Es gibt vier Rollenvokabulare. Welche Unterscheidung ist für ein Labor, das Ergebnisse berichtet, am wichtigsten: Ergebnis gegen Bedingung oder Treiber gegen Zwischenprodukt?
  5. Wer darf einen Begriff in einer Kategorie freigeben: nur die dafür Verantwortlichen oder die Verantwortlichen zusammen mit einer prüfenden Person aus einer anderen Gruppe?
  6. Reicht ein MCP-Werkzeug zum Auflösen von Begriffen, oder sollte es einen Schreibweg für Vorschläge geben, wenn der Server absichtlich nur lesend ist?

Quellen: docs/onboarding/categorization-and-ontology.md (Zahlen, §5–6); docs/roadmap/2026-09-roadmap.md (D1, D3, B3); docs/mcp.md und apps/api/src/lib/mcp (MCP-Oberfläche); open-source/mess-parameters (Paket, Lizenz).