Neues Benchmark soll maschinelle Interpretation wissenschaftlicher Abbildungen voranbringen

ALD/E-ImageMiner und ICDAR-2026-Wettbewerb angekündigt

Das ALD/E-ImageMiner-Benchmark und der ICDAR-2026-Wettbewerb sind vorgestellt worden, um die maschinelle Interpretation wissenschaftlicher Abbildungen voranzutreiben. Die Ankündigung trägt den Titel 'A Pathway to General-Purpose Scientific AI: Multimodal Comprehension of Scientific Images'. Wie aus der Ankündigung hervorgeht, adressieren die Initiatoren damit ein grundlegendes Problem: Wissenschaftliche Abbildungen und Tabellen kodieren wesentliche experimentelle Evidenz, sind für digitale Bibliotheken und multimodale KI-Systeme jedoch schwer abruf- und interpretierbar. Der ICDAR-2026-Wettbewerb ist Teil dieser Initiative.

Aufgabenfelder und langfristiges Ziel

Die Aufgaben des Benchmarks und des Wettbewerbs umfassen drei Bereiche: visuelles Lesen, Domänenlogik und evidenzbasierte Begründung. Visuelles Lesen liefert die Grundinformation, indem es Systeme befähigt, die in Abbildungen dargestellten Elemente und Strukturen korrekt zu erfassen. Domänenlogik baut darauf auf und ermöglicht das fachliche Verständnis, indem sie verlangt, fachliche Zusammenhänge einzuordnen, die über das reine Bildverstehen hinausgehen. Evidenzbasierte Begründung schließlich stellt die Nachvollziehbarkeit sicher, denn Schlussfolgerungen müssen durch die in Abbildungen und Tabellen enthaltenen Belege gestützt werden. Die drei Aufgabenfelder bauen also aufeinander auf: Ohne korrektes visuelles Lesen lassen sich Domänenlogik und Begründung nicht zuverlässig umsetzen. Damit geht der Ansatz über klassische Bilderkennung hinaus: Modelle sollen nicht nur beschreiben, was sie sehen, sondern auch fachlich argumentieren und ihre Antworten nachvollziehbar machen. Langfristig werden in der Ankündigung Ziele für eine überprüfbare multimodale wissenschaftliche KI vorgeschlagen.