Die Forschung in den Wirtschafts- und Sozialwissenschaften befasst sich mit den Beziehungen zwischen Individuen und Organisationen in einer Gesellschaft. Um diese komplexen Systeme zu verstehen, wenden diese Disziplinen seit Langem empirische Methoden auf strukturierte Daten an. Zunehmend gewinnen jedoch unstrukturierte Daten aus nicht-standardisierten Quellen an Relevanz, z.B. Bilder, Texte oder Videos aus Sozialen Medien. Die Erzeugung stetiger Datenströme in Gesellschaft und Wirtschaft (datafication) verstärkt diesen Trend: Schätzungen zufolge werden bis 2025 80% der in der Wirtschaft verarbeiteten Daten unstrukturierter Natur sein.

Aufgrund des enormen Umfangs, aber vor allem wegen der fehlenden Struktur und der Heterogenität der Rohdaten benötigt die BERD@NFDI-Community innovative, nachnutzbare Methoden, insbesondere aus den Bereichen Künstliche Intelligenz und maschinelles Lernen, sowie eine geeignete Speicher- und Rechenumgebung, um die Daten aufbereiten und so für die wissenschaftliche Analyse nutzbar machen zu können. Die Algorithmen zur Aufbereitung und Analyse der Daten werden daher zu einem integralen Bestandteil des Lebenszyklus von Forschungsdaten und müssen folglich genauso administriert werden wie die Daten selbst. Die Mission von BERD@NFDI ist es, für seine Fach-Community eine zukunftsorientierte und leistungsfähige Forschungsdateninfrastruktur für das integrierte Management unstrukturierter Daten und wissenschaftlicher Software zu entwickeln, die sich strikt an den Bedürfnissen der wissenschaftlichen Community orientiert.

Schwerpunkte von GESIS in BERD@NFDI sind die Entwicklung von innovativen Methoden für die Extraktion von Metadaten und relevanten Entitäten aus unstrukturierten Quellen, die Entwicklung einer Suchinfrastruktur sowie die Verbesserung der Findability von Daten und Ressourcen im Web.