Das Projekt „Extension of the Risk Assessment Knowledge Integration Platform RAKIP-Web“ wurde als
EFSAkurz fürEuropean Food Safety Authority (Europäische Behörde für Lebensmittelsicherheit) Tailor-made Activity im Bereich „Data“ durchgeführt. Ausgangspunkt war das folgende praktische Problem im Bereich der Risikobewertung: Daten, Modelle und Modellcode entstehen häufig in einzelnen Projekten, werden aber nicht so dokumentiert und bereitgestellt, dass sie später von anderen Fachleuten nachvollzogen, erneut ausgeführt oder in anderen Kontexten genutzt werden können. Dies betrifft insbesondere quantitative Bewertungsmodelle aus dem Bereich der Lebensmittelsicherheit und im One-Health Kontext, etwa mikrobiologische Risikobewertungen, Dosis-Wirkungs-Beziehungen, Risiko-Nutzen-Abwägungen, prädiktive Mikrobiologie oder epidemiologische Modelle. Das von der RAKIP-Initiative entwickelte FSKX-Format adressiert dieses Problem, indem es Modellcode, Eingabedaten, Ausführungsszenarien und Metadaten in einem standardisierten Format zusammenführt. Mit dem Webportal RAKIP-Web stellt das
BfRkurz fürBundesinstitut für Risikobewertung in Zusammenarbeit mit den Mitgliedern der RAKIP-Initiative eine webbasierte Umgebung bereit, in der solche FSKX-Modelle abgelegt, kuratiert, gefunden und teilweise direkt online ausgeführt werden können. Ziel des RAKIP-Web Projekts war es daher, die Nutzung von FSKX und RAKIP-Web zu erleichtern, die technische Infrastruktur zu modernisieren, neue Modelle in das RAKIP-Web Modell-Repository einzubringen und eine belastbare Grundlage für die zukünftige Entwicklung zu schaffen. Die vier Projekt-Deliverables entsprachen diesen Zielbereichen: Entwicklung eines Online-Kurses mit Video-Tutorials und Webinaren, Erweiterung relevanter Softwarewerkzeuge, Aufnahme zusätzlicher Risikobewertungsmodelle sowie Erstellung einer Roadmap für zukünftige Wartung und Weiterentwicklung. Flankierend sollte ein Netzwerk von FSKX-Stewards aufgebaut bzw. gestärkt werden, also von Personen, die Modellautorinnen und -autoren bei der Erstellung, Dokumentation und Kuratierung von FSKX-Dateien unterstützen. Ein zentraler Projektbaustein war der Kompetenzaufbau. Der entwickelte Online-Kurs richtet sich an Risikobewertende, Modellierende sowie Fachleute aus Behörden, Forschungseinrichtungen und
EFSAkurz fürEuropean Food Safety Authority (Europäische Behörde für Lebensmittelsicherheit)-Gremien. Die Schulungsmaterialien erläutern zunächst die Grundidee von RAKIP-Web und demonstrieren, wie vorhandene Modelle im Repository gefunden, inspiziert und ausgeführt werden können. Anschließend wird anhand eines einfachen Beispiels gezeigt, wie ein Python-Modell in das FSKX-Format überführt wird: Modellparameter werden identifiziert, Metadaten aus einer Publikation abgeleitet und die Modellbeschreibung so ergänzt, dass eine spätere Wiederverwendung möglich wird. Weitere Module behandeln die automatische Validierung einer FSKX-Datei, einschließlich einer Standardsimulation, sowie den Kurationsprozess und die dabei geprüften Qualitätsaspekte. Damit werden sowohl die technische Nutzung der Plattform als auch die inhaltlichen Anforderungen an nachvollziehbare Modelle vermittelt. Ergänzend wurden drei Webinare zu RAKIP-Web, FSKX Cloud Platform und Modellkuratierung durchgeführt. Die Rückmeldungen dazu flossen in die Kursstruktur ein. Der Kurs ist für die Bereitstellung über die EU Academy vorbereitet und kann künftig systematisch für das Onboarding neuer FSKX-Stewards genutzt werden. Die technische Weiterentwicklungen konzentrierten sich auf drei Bereiche: die Unterstützung von FSKX in der Programmiersprache "R", die semantische Beschreibung von Modellen und die webbasierte Ausführung komplexerer Modelltypen. Im Rahmen des Projekts wurde die R-Bibliothek "FSK2R" auf Version 0.2 aktualisiert und an das aktuelle FSKX-Metadatenschema angepasst. Dadurch können neuere FSKX-Modelle, beispielsweise aus RAKIP-Web oder EFSA’s Knowledge Junction, in R gelesen, bearbeitet, ausgeführt und wieder exportiert werden. Verbesserungen umfassen die Erkennung von Skriptnamen aus den Metadaten, ein robusteres Handling von Arbeitsverzeichnissen und referenzierten Dateien sowie eine plattformübergreifend konsistente Behandlung von Text- und Skriptdateien. Dies senkt Einstiegshürden für Modellierende und unterstützt reproduzierbare Analysen. Im zweiten Arbeitsbereich dieses Arbeitspakets wurde für eine bessere Interoperabilität der Modelle eine FSKX-Ontologie (FSKXO) entwickelt. Ontologien beschreiben Fachbegriffe und ihre Beziehungen zueinander in einer maschinenlesbaren Form und ermöglicht damit, Metadaten einheitlich zu interpretieren. Im Projekt wurden alle 174 Felder des FSKX-Metadatenschemas auf bestehende öffentliche Ontologien abgebildet (gemappt) oder, falls keine passende Entsprechung verfügbar war, als FSKX-spezifische Eigenschaften aufgenommen. Zusätzlich wurden 49 kontrollierte Vokabulare integriert und mit standardisierten Mapping-Informationen dokumentiert. Darauf aufbauend wurde eine ETL-Pipeline aufgebaut, die bestehende metadata.json-Dateien in JSON-LD überführt. JSON-LD ist ein Linked-Data-Format, mit dem Metadaten sowohl von Menschen als auch von Software besser interpretiert und später in Wissensgraphen genutzt werden können. Damit wurde die Grundlage für eine semantische Suche und für einen zukünftigen RAKIP Knowledge Graph gelegt, in dem Modellparameter und -beziehungen graphbasiert abgefragt werden können. Der dritte technische Schwerpunkt war die Ausführung von Modellen in der Cloud. In der im KIDA-Projekt als Prototyp entwickelten FSKX-Web-Plattform können für einzelne Modelle spezifische Container bereitgestellt werden, die die jeweils benötigte Software enthalten. Diese Container werden bei Bedarf in einer Kubernetes-Umgebung gestartet, was eine skalierbare und reproduzierbare Ausführung ermöglicht. Dadurch lassen sich Modelle ausführen, die zusätzliche Software wie JAGS, Stan oder BUGS benötigen, wie sie häufig bei Bayes’schen Monte-Carlo-Modellen eingesetzt wird. Die Funktion wurde anhand mehrerer Beispielmodelle von den Projektpartnern erprobt und getestet, darunter am Modellen zur Modellierung von Mischungsverteilungen, Populationsgrößen, Zero-inflated-Modellen, Zeitreihenmodelle und Dosis-Wirkungsmodelle. Der FSKX-Web Ansatz reduziert Abhängigkeiten von lokalen Installationen und unterstützt nachvollziehbare Ausführungsszenarien über verschiedene Institutionen hinweg. Das auf der Plattform etablierte RAKIP-Web Modell-Repository wurde im Projekt zudem um eine Reihe unterschiedlicher Modelltypen erweitert. Die ursprüngliche Mindestanforderung im Projekt war die Aufnahme von mindestens drei Risikobewertungsmodellen; tatsächlich wurden deutlich mehr Modelle von den Projektpartnern und vom
BfRkurz fürBundesinstitut für Risikobewertung in das neue RAKIP-Web Modell-Repository integriert. Dazu zählen das probabilistische sQMRA-Modell für schnelle mikrobiologische Risikobewertungen, Komponenten aus dem TOXOSOURCES-Modell zu
Toxoplasma gondii, eine dänische Toxoplasma-QMRA, ein von AirCoV abgeleitetes Modell zur luftgetragenen Virusübertragung in Innenräumen, ein Risiko-Nutzen-Modell zur Substitution von Fleisch durch Hülsenfrüchte, Modelle zu TBEV-Infektionen durch Zeckenstiche, ein Beta-Poisson-Dosis-Wirkungsmodell für
Mycobacterium bovis, ein Zeitreihenmodell zur Histaminüberwachung sowie ein FSKX-Modul zum
EFSAkurz fürEuropean Food Safety Authority (Europäische Behörde für Lebensmittelsicherheit)-Modell zur Persistenz von
Listeria monocytogenes in Verarbeitungsumgebungen. Aus MicroHibro wurden zwölf Modelle unterschiedlicher Typen in FSKX überführt, darunter Wachstums-, Inaktivierungs-, Wachstumsgrenzen- und Dosis-Wirkungsmodelle, die nun in standardisierter Form visualisiert und ausgeführt werden können. Eine besondere Rolle nahm die Integration von openFSMR ein, einem umfangreichen Verzeichnis prädiktiver mikrobiologischer Modelle. Das openFSMR Verzeichnis wurde zunächst kuratiert, aktualisiert und von veralteten Einträgen bereinigt. Anschließend wurden die Spalten des openFSMR-Datenbestands auf FSKX-Metadatenkonzepte abgebildet. Eine automatische Pipeline erzeugte aus den Informationen modellbezogene FSKX-Metadaten im JSON-LD-Format, ergänzte fehlende Pflichtangaben, testete die MIRARAM-Konformität und bündelte die Ergebnisse in modellbezogene FSKX-Dateien. Diese wurden in einem eigenen openFSMR-Modell-Repository auf der FSKX-Web Plattform bereitgestellt. Zusätzlich wurde ein KI-unterstützter Mapping-Ansatz erprobt, um Begriffe aus openFSMR mit öffentlichen Ontologien und Thesauri, etwa Taxonomien für Mikroorganismen, zu verbinden; die fachliche Überprüfung ergab eine Gesamtleistung von 88 %. Die Ergebnisse zeigen, dass große Modellinventare technisch in das FSKX-Ökosystem überführt werden können, auch wenn hierfür weiterhin Qualitätssicherung und fachliche Prüfung erforderlich bleiben. Die Arbeiten aus den Deliverables tragen gemeinsam zur FAIRness der Modellressourcen bei. Modelle werden besser auffindbar, weil strukturierte Metadaten, kontrollierte Vokabulare und perspektivisch semantische Suchfunktionen genutzt werden können. Sie werden zugänglicher, weil RAKIP-Web,
EFSAkurz fürEuropean Food Safety Authority (Europäische Behörde für Lebensmittelsicherheit) Knowledge Junction, Zenodo und webbasierte Dienste als Verteil- und Zugriffspunkte dienen. Die Interoperabilität wird durch FSKX, FSKXO, JSON-LD, FoodEx2-Bezüge und Ontologie-Mappings verbessert. Für den One-Health-Bereich ist besonders relevant, dass das Repository nicht nur klassische lebensmittelbezogene Modelle umfasst, sondern auch Modelle zu Vektorübertragung, Innenraumexposition, epidemiologischen Zeitreihen, Umweltpersistenz und ernährungsbezogenen Risiko-Nutzen-Fragen. Gleichzeitig zeigte das Projekt mehrere Grenzen. Das FSKX-Metadatenschema ist umfangreich und kann für Modellautoren einen hohen Dokumentationsaufwand verursachen. Bei komplexen Modellen ist die vollständige Überführung in ein einzelnes ausführbares FSKX-Paket nicht immer sofort möglich; so konnte das vollständige TOXOSOURCES-Hauptmodell aufgrund seiner Abhängigkeit von mehreren Submodellen nicht integriert werden, stattdessen wurden einzelne Komponenten und ein alternatives Toxoplasma-Modell bereitgestellt. Beim AirCoV-basierten Modell wurde die Grundfunktionalität in R umgesetzt, während bestimmte probabilistische Szenarien der ursprünglichen Mathematica-Version zunächst nicht übernommen wurden.Im vierten Arbeitspaket wurden Analysen und Konzepte zur Verstetigung der RAKIP-Web Ressourcen durchgeführt und erstellt. Die im Arbeitspaket erstellte Roadmap greift die zur Verstetigung relevanten Aspekte auf und macht konkrete Vorschläge zur Umsetzung in der Zeit von 2025 bis 2027. So soll das FSKX-Format vereinfacht und um ein klar getrenntes Ausführungsprofil ergänzt werden, um Laufzeitinformationen (inklusive Container) strukturierter zu erfassen. Linked Data, JSON-LD und Ontologieanbindung sollen in der Softwarelandschaft weiter verankert werden, damit ein RAKIP Knowledge Graph aufgebaut und für erweiterte Such- und Vergleichsfunktionen genutzt werden kann. KI-unterstützte Funktionen sollen erprobt und validiert werden, etwa für die Erstellung von FSKX-Dateien, die Extraktion von Informationen aus Literatur und Gutachten, die Unterstützung der Kuratierung, die Prüfung der MIRARAM-Konformität, die Suche nach Modellen und die Interpretation von Simulationsergebnissen; hierbei sollen IT-Sicherheit und Anforderungen des EU AI Act von Beginn an berücksichtigt werden. Parallel soll die Zusammenarbeit mit Standardisierungsinitiativen und Projekten wie FoodGuard, Ambrosia und MicRISK2030 ausgebaut und die Steward-Community durch Trainingsmaterialien, Veranstaltungen und einen vereinfachten rechtlichen Rahmen gestärkt werden. Insgesamt wurden alle der im Projektantrag definierten Deliverables erfüllt. Der Online-Kurs und die Webinare unterstützen die Nutzung von RAKIP-Web und FSKX und tragen zum Aufbau einer Steward-Community bei. Die Softwarearbeiten verbesserten die praktische Erstellung, Bearbeitung, semantische Beschreibung und Cloud-Ausführung von FSKX-Modellen. Der Modellbestand wurde weit über die Mindestanforderung hinaus erweitert und deckt mehrere Risikobewertungsdomänen entlang der One-Health-Kette ab. Die Roadmap beschreibt konkrete nächste Schritte für Wartung, Standardisierung, KI-Unterstützung, Community-Aufbau und Governance. Der langfristige Nutzen des Projekts liegt in der Kombination aus Standardformat, Repository, Ausführungsumgebung, Kuratierung und Schulung. Diese Kombination kann dazu beitragen, dass Risikobewertungsmodelle künftig transparenter dokumentiert, leichter geprüft, interoperabler vernetzt und besser wiederverwendet werden können.