Plattformüberblick · Datenblatt

Von der Literatur zu prüfbaren Reaktorschätzungen.

MESSAI macht aus einem kuratierten Korpus der Forschung zur mikrobiellen Elektrochemie ein funktionierendes Modell des Fachgebiets – semantische Erschließung der Publikationen, eine kausale Karte der Parameter und ein Modellierungs-Stack, der die Leistungsfähigkeit von Reaktoren mit angegebener Unsicherheit und nachvollziehbaren Quellen schätzt und keine Schätzung abgibt, wenn die Evidenz dünn ist.

Fachgebiet
MFC · MEC · MDC · MES
Zielgruppe
Akademische MES-Forschende
Stand
06.07.2026
Architektur
Webplattform · Postgres mit Vektorsuche

Was es ist

Eine Forschungsplattform für bioelektrochemische Reaktoren

Mikrobielle elektrochemische Systeme sind Reaktoren, in denen Bakterien organische Substanz oxidieren und Elektronen an eine Elektrode abgeben – und so Strom (MFC), Wasserstoff (MEC), Entsalzung (MDC) oder gezielte Synthesen (MES) ermöglichen. Das Fachgebiet ist datenreich, aber über Zehntausende Publikationen mit uneinheitlichen Einheiten und Berichtsweisen zersplittert. MESSAI führt diese Literatur in einem abfragbaren, modellgestützten System zusammen, sodass Forschende fragen können, was bekannt ist, einen Reaktor entwerfen und eine belastbare Leistungsschätzung erhalten – ohne die Oberfläche zu wechseln.

Das Fundament

Der Korpus in Zahlen

Live, wo eine einfache Zählung genügt; dokumentiert und datiert, wo eine Zahl von der Harmonisierung abhängt. Prüfen Sie die Zahlen vor einer externen Zitierung erneut gegen die Produktionsdaten.

19.415PublikationenDie Literatur, auf der alles aufbaut● live · Prisma
10.995Volltext-PDFsInhaltsadressierter Speicher, ~20 GB● live · Prisma
219.622Extrahierte MesswerteJeweils mit DOI; etwa die Hälfte mit Textauszug● live · Prisma
~25.700Modellierbare Zeilenapplicable_to_modeling = true○ gemessen am 06.07.2026
835ParameterdefinitionenKanonische Variablendefinitionen● live · Prisma
2.812Kausale DAG-KantenMechanistische + angepasste Abhängigkeiten● live · Prisma

Hinweis zur wissenschaftlichen Integrität. Die Extraktion ist unvollkommen und die Abdeckung ungleichmäßig – für rund 40 % der Publikationen fehlen noch Parameterextraktionen (die Erfassung lief der Extraktion voraus), und die Streuung ist enorm (Variationskoeffizient der Leistungsdichte ≈ 1.285 %). Punktschätzungen sind ohne ihren Kontext bedeutungslos; deshalb ist jede Zahl auf der Plattform darauf ausgelegt, mit n, Einheiten, Wertebereich und einer Konfidenzangabe ausgegeben zu werden. Der begrenzende Faktor für die Modellierbarkeit sind Harmonisierung und Verifikation, nicht das reine Extraktionsvolumen.

Was Forschende hier tun können

Eine Plattform – von der Publikation bis zur überprüfbaren Schätzung

Jeder Bereich stützt sich auf denselben kuratierten Korpus und denselben Prior-Stack – so führt alles, was Sie entdecken, analysieren und abschätzen, auf seine Quelle zurück.

01Erkunden

Ein Reaktordesign, methodisch sauber neu aufgebaut

Steuern Sie eine interaktive mikrobielle Brennstoffzelle in 3D, öffnen Sie zu jeder Schicht ein quellenbelegtes Dossier – Material, Funktion und die literaturbelegte Korrektur aus einer strengen Prüfung – und vergleichen Sie sie dann mit Referenzdesigns.

Fallstudie ansehen →
02Analysieren

Parameter mit echten Verteilungen

Durchsuchen Sie kanonische Parameter mit Literaturverteilungen je System, hierarchischen Priors (A-priori-Verteilungen) und Konfidenzangaben – keine Einzelwert-Folklore.

Katalog öffnen →
03Kausalität abbilden

Ein Wissensgraph der kausalen Struktur

Sehen Sie in einem kräftebasierten Wissensgraphen, wie Parameter voneinander abhängen – kausale Struktur aus Fachkonsens, mit markierter gemeinsamer Beobachtung im Korpus, und Datenherkunft in einer interaktiven Ansicht.

Graph erkunden →
04Modellieren

Einen Reaktor in 3D entwerfen

Bauen Sie im 3D-Labor einen bioelektrochemischen Reaktor und erhalten Sie Live-Schätzungen seiner Leistungsfähigkeit mit dem Intervall, das der Prior stützt, einem ausdrücklichen Hinweis, wo keines existiert, und mechanistischer Verlustaufschlüsselung.

Labor öffnen →
05Optimieren

Bedingungen variieren, Sensitivität erkennen

Legen Sie Ihre Betriebsbedingungen fest, variieren Sie eine Variable und verfolgen Sie, wie sich die Schätzwerte gegenüber der empirischen Verteilung aus dem Korpus verschieben.

Parameterstudie starten →
06Lücken finden

Aufdecken, was der Literatur entgangen ist

Eine Scan-Ansicht der Forschung: physikalisch unmögliche Ergebnisse, statistische Auffälligkeiten und bayessche Ausreißer, die einen genaueren Blick lohnen.

Hunter öffnen →

So funktioniert es

Vom rohen PDF zur Schätzung mit gemessener Intervallabdeckung

Dieselbe Pipeline speist jeden Bereich. Jede Stufe ist prüfbar – Sie können jede Zahl auf der Plattform über Kalibrierung, Kanonisierung und Extraktion bis zu der Publikation nachvollziehen, aus der sie stammt.

  1. 1

    Korpus

    19.000+ MES-Publikationen im Korpus – die Volltext-PDFs inhaltsadressiert und für die semantische Suche eingebettet.

  2. 2

    Extraktion

    Eine zweistufige LLM-Extraktion liest Messwerte samt ihren Bedingungen aus – jeder Wert behält seine DOI, etwa die Hälfte zusätzlich einen Textauszug aus der Quelle.

  3. 3

    Kanonisierung

    Rohwerte werden in SI-Einheiten umgerechnet und kanonischen Parametern zugeordnet, sodass Zahlen aus verschiedenen Publikationen vergleichbar werden.

  4. 4

    Priors & Kalibrierung

    Hierarchische bayessche Priors (PyMC, lognormal) je Systemklasse, eingefasst in Conformal-Intervalle mit gemessener Abdeckung.

  5. 5

    Vorhersage

    Vorhersagemodelle je Physikfamilie liefern jede Ausgabe als {value, unit, ci_low, ci_high, confidence, source}. Die Intervallfelder sind gefüllt, wo ein kalibriertes Intervall existiert.

  6. 6

    3D-Labor

    Entwerfen Sie einen Reaktor und sehen Sie die Vorhersage, die empirische Evidenz dahinter und die mechanistische Verlustzerlegung nebeneinander.

Der Vorhersagevertrag

Vorhersagen tragen ein Intervall, wo eines kalibriert ist

Vorhersagen sind nie einzelne Zahlen. Jeder Wert wird mit Grenzen, einer Konfidenz und einer Quelle ausgeliefert und nach Physikfamilie geleitet, statt in ein Enum mit drei Typen gezwängt zu werden.

// every numeric output
{
  value:      0.42,
  unit:       "W/m^2",
  ci_low:     0.19,
  ci_high:    0.71,
  confidence: "medium",
  source:     "hierarchical_prior + conformal"
}

// interval coverage at the 95% target (priors v2, 2026-10-28)
coverage: 96.1%   (5,269 values, 339 papers)
anodic_oxidationMFC · MES-Anode
cathodic_reductionMEC · MBES
ion_transportMDC · MNRC
selective_reductionMERC · MEFS
sensorMBES (diskrete Ausgaben)

Systemtaxonomie

17 primäre Typen, nicht drei

Der Korpus ist nach einer kanonischen Taxonomie mit siebzehn primären Systemtypen klassifiziert (dazu mehrachsige Subtypen und Kombinationstypen). Eine Beschränkung auf MFC/MEC/MDC würde den Rest stillschweigend in die falsche Form zwingen.

MFCMECMESMDCMSCMEFSMESNORKMERCMNRCMMRCMRBMBESMRECMCDIREVIEWFUNDAMENTALOTHER

Eine ehrliche Bestandsaufnahme

Was angebunden ist – und was im Dunkeln liegt

Offenheit über den Reifegrad ist ein Grundsatz der Plattform. Hier stehen ausgelieferte, für Nutzende sichtbare Oberflächen den Funktionen gegenüber, die im Code existieren, aber noch keine live geschaltete Oberfläche haben.

Live & angebunden

  • Forschungssuche + quellengestützter Chat – Retrieval über pgvector, ~25 Korpus- und ML-Werkzeuge
  • Parameter – Katalog, kausaler DAG, Wissensgraph, Parameterstudie
  • 3D-Labor + ML-Vorhersagen – Intervalle bei ausgelieferten Vorhersagen, wo eines kalibriert ist
  • Hunter – physikalisch unmögliche Werte, Anomalien, Ausreißer
  • Verwaltung – Korpusstatistik, Extraktionsverarbeitung

Im Dunkeln (gebaut, ohne Oberfläche)

  • Engine für die Manuskriptprüfung – Werkzeuge zum Quellenabgleich fertig, keine Oberfläche
  • Abbildungsdigitalisierung auf Abruf – läuft nächtlich, nicht interaktiv
  • Live-Designempfehlungen aus dem bayesschen Netz – vorberechnet, kein Endpunkt für individuelle Anfragen
  • Orchestrator für Forschungsagenten – synchroner Einmal-Koordinator; kein dauerhafter Workflow

Grundsätzlich offen

Neun offene Pakete (eines noch im Aufbau)

Die Daten und Werkzeuge, auf denen MESSAI beruht, werden als eigenständige, zitierfähige Pakete veröffentlicht – jedes mit einem Schema, einer Lizenz und einer Datei CITATION.cff. Nutzen Sie sie in Ihren eigenen Analysen; sie hängen nicht von der Plattform ab.

Die Pakete sind neu für Sie? Beginnen Sie mit dem Handbuch oder lesen Sie, wie nachgelagerte Anwendungen das Parameterpaket nutzen.

Unter der Haube

Vier Zonen, ein Repository

Ein Nx-Monorepo wird als vier unabhängige Zonen hinter einer einzigen URL ausgeliefert. Schreibzugriffe laufen ausschließlich über die API-Zone; die übrigen Zonen lesen aus dem gemeinsamen Speicher aus Postgres + pgvector, ergänzt um Python-ML-Dienste für Embeddings, OCR und Gauß-Prozess-Inferenz.

apps/webNext.js · webpack

Forschung, Parameter, Hunter, Verwaltung und die Startseite.

apps/labNext.js · R3F

Der 3D-Reaktorsimulator und der Modellkatalog.

apps/apiNext.js · Turbopack

Alle API-Routen; die einzige Zone, die in die Datenbank schreibt.

apps/siteAstro 5

Marketing-, Lern- und Referenzinhalte.

Jetzt starten

Kommen Sie mit einer Forschungsfrage.
Gehen Sie mit der Evidenz, ihren Bedingungen und, wo belegt, einem kalibrierten Bereich.

Durchsuchen Sie den Korpus, entwerfen Sie einen Reaktor und lesen Sie literaturbasierte Bereiche, die ihre Quellen und Bedingungen nennen und ausweisen, wo kein kalibrierter Bereich existiert.