{"id":7292,"date":"2025-10-14T16:15:00","date_gmt":"2025-10-14T14:15:00","guid":{"rendered":"https:\/\/aitrendscenter.eu\/bridging-biology-and-data-how-watershed-bio-empowers-scientists-without-code\/"},"modified":"2025-10-14T16:15:00","modified_gmt":"2025-10-14T14:15:00","slug":"bruckenschlag-zwischen-biologie-und-daten-wie-watershed-bio-wissenschaftler-ohne-code-befahigt","status":"publish","type":"post","link":"https:\/\/aitrendscenter.eu\/de\/bridging-biology-and-data-how-watershed-bio-empowers-scientists-without-code\/","title":{"rendered":"Br\u00fcckenschlag zwischen Biologie und Daten: Wie Watershed Bio Wissenschaftler ohne Code bef\u00e4higt"},"content":{"rendered":"<h5>Wissenschaftler durch innovative No-Code-Tools unterst\u00fctzen<\/h5>\n<p>Die Fortschritte in den Diagnose- und Sequenzierungstechnologien der letzten Jahre waren geradezu revolution\u00e4r. Diese Entwicklungen haben den Forschern den Weg geebnet, eine wahre Fundgrube an biologischen Daten anzuh\u00e4ufen. Um diese Daten jedoch in umsetzbare Erkenntnisse oder medizinische Durchbr\u00fcche zu verwandeln, bedarf es oft mehr als nur Fachwissen \u2013 es sind fundierte computergest\u00fctzte Kompetenzen erforderlich. Hier kommt die bahnbrechende Arbeit von Watershed Bio ins Spiel.<\/p>\n<p>Die innovative, cloudbasierte Plattform von Watershed Bio erm\u00f6glicht es Wissenschaftlern und Bioinformatikern, komplexe Experimente durchzuf\u00fchren und riesige Datens\u00e4tze zu analysieren, ohne dass daf\u00fcr Programmierkenntnisse erforderlich sind. M\u00f6glich wird dies durch anpassbare Benutzeroberfl\u00e4chen und Workflow-Vorlagen, die eine Vielzahl unterschiedlicher Datentypen verarbeiten k\u00f6nnen, darunter unter anderem Gesamtgenomsequenzierung, Transkriptomik, Proteomik, Metabolomik, High-Content-Imaging und Proteinfaltung.<\/p>\n<p>\u201cWissenschaftler sind zwar sehr daran interessiert, sich mit den Aspekten ihrer Fachgebiete im Bereich Software und Datenwissenschaft auseinanderzusetzen, wollen aber nicht unbedingt Softwareentwickler werden, nur um ihre Daten auszuwerten\u201d, sagt Jonathan Wang \u201913, SM \u201915, Mitbegr\u00fcnder und CEO von Watershed Bio. \u201cWir haben Watershed so konzipiert, dass sie das nicht tun m\u00fcssen.\u201d<\/p>\n<h5>Der Weg: Vom MIT an die Spitze der Biotechnologiebranche<\/h5>\n<p>Wangs Weg begann am MIT, wo er urspr\u00fcnglich Biologie studieren wollte, sich jedoch bald von der Skalierbarkeit und den unmittelbaren R\u00fcckkopplungsschleifen der Informatik angezogen f\u00fchlte. Er schloss sein Studium am Fachbereich Elektrotechnik und Informatik (EECS) sowohl mit einem Bachelor- als auch mit einem Master-Abschluss ab. Wangs Erfahrungen w\u00e4hrend eines Praktikums in einem Biologielabor machten ihm den krassen Gegensatz zwischen den dynamischen R\u00fcckkopplungsumgebungen in der Informatik und den langsamen, manuellen Experimenten in der Biologie deutlich.<\/p>\n<p>Vor der Gr\u00fcndung von Watershed hatte Wang gemeinsam mit einem Team von Kommilitonen vom MIT ein Unternehmen f\u00fcr Hochfrequenzhandel gegr\u00fcndet. W\u00e4hrend dieser Zeit erkannte er ein immer wiederkehrendes Problem: Forscher waren zwar hervorragend darin, Prototypen zu entwickeln, hatten jedoch Schwierigkeiten, diese in serienreife Modelle umzusetzen \u2013 eine Aufgabe, die den Ingenieuren zufiel, denen es oft an einem umfassenden Verst\u00e4ndnis des Forschungsprozesses mangelte, was die Innovation bremste.<\/p>\n<p>Um dem entgegenzuwirken, entwickelten sie eine Software-Schicht, die die Bereitstellung produktionsreifer Modelle vereinfachte und dabei die Einfachheit der Prototypenerstellung widerspiegelte. Jahre sp\u00e4ter erkannte Wang, dass sich in der Biologie ein \u00e4hnlicher Engpass abzeichnete. Die Kosten f\u00fcr die Sequenzierung waren deutlich gesunken, was zu einer Flut biologischer Daten f\u00fchrte. Die Rechenwerkzeuge zur Verarbeitung dieser Daten hinkten jedoch hinterher, sodass Biologen auf Ingenieure oder Datenwissenschaftler angewiesen waren, die den biologischen Kontext nicht immer verstanden.<\/p>\n<h5>Die Entstehung von \u201eWatershed\u201c und seine Auswirkungen<\/h5>\n<p>Als Wang diese Gemeinsamkeiten erkannte, gr\u00fcndete er 2019 gemeinsam mit dem Arzt und MIT-Absolventen Mark Kalinich (Jahrgang 2013) das Unternehmen Watershed. Das Unternehmen hat sich gezielt darum bem\u00fcht, diese L\u00fccke zu schlie\u00dfen, und ist seitdem gewachsen, wobei es akademische Labore und Biotech-Unternehmen unterschiedlicher Gr\u00f6\u00dfe bedient.<\/p>\n<p>Die bahnbrechende Plattform von Watershed wurde entwickelt, um ihren Nutzern den Zugriff auf hochentwickelte Tools wie AlphaFold und Geneformer zu erm\u00f6glichen, ohne dass Server eingerichtet oder Programmcode geschrieben werden m\u00fcssen. Sie bietet vorgefertigte Vorlagen f\u00fcr die g\u00e4ngigsten Datentypen, die M\u00f6glichkeit, gro\u00df angelegte Analysen in der Cloud durchzuf\u00fchren, sowie den Komfort, Arbeitsabl\u00e4ufe und Ergebnisse m\u00fchelos mit Kooperationspartnern zu teilen.<\/p>\n<p>Wang ist der \u00dcberzeugung, dass eine Beschleunigung des Forschungsprozesses \u2013 selbst um den Faktor 10 oder 20 \u2013 einen entscheidenden Wendepunkt darstellen k\u00f6nnte, um den wissenschaftlichen Fortschritt voranzutreiben. Die Plattform von Watershed wird bereits von Pharmaunternehmen genutzt, um strategische Entscheidungen \u00fcber Experimente und Wirkstoffkandidaten zu treffen, sowie von akademischen Forschern, die komplexe Datens\u00e4tze relativ einfach auswerten m\u00f6chten.<\/p>\n<p>Angesichts des Erfolgs der Plattform in diesen verschiedenen Bereichen stellt Wang fest, dass der rote Faden darin besteht, Forschung zu verstehen \u2013 auch ohne fundierte Kenntnisse in Informatik oder Softwareentwicklung \u2013 sowie der Wunsch, neue Erkenntnisse schneller zu gewinnen. \u201cEs ist spannend, die Entwicklung dieser Branche mitzuerleben. F\u00fcr mich ist es gro\u00dfartig, vom MIT zu kommen und nun wieder in Kendall Square zu sein, wo Watershed seinen Sitz hat. Hier finden so viele bahnbrechende Fortschritte statt. Wir versuchen, unseren Teil dazu beizutragen, die Zukunft der Biologie zu erm\u00f6glichen.\u201d<\/p>\n<p>Den Originalartikel finden Sie unter <a href=\"https:\/\/news.mit.edu\/2025\/helping-scientists-run-complex-data-analyses-without-writing-code-1014\" target=\"_blank\" rel=\"noopener\">MIT-Nachrichten<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"<p>Empowering Scientists Through Innovative No-Code Tools The advancements in diagnostic and sequencing technologies in recent years have been nothing short of revolutionary. These developments have paved the way for researchers to amass a treasure trove of biological data. However, translating this data into actionable insights or medical breakthroughs often requires something more than simple domain knowledge \u2014 it necessitates wieldy computational skills. This is where the groundbreaking work of Watershed Bio comes into play. Watershed Bio&#8217;s innovative, cloud-based platform empowers scientists and bioinformaticians to run complex experiments and analyze massive datasets without the need for coding. This is made possible [&hellip;]<\/p>\n","protected":false},"author":4,"featured_media":7293,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[47,52],"tags":[],"class_list":["post-7292","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","category-ai-productivity","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7292","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=7292"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7292\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/7293"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=7292"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=7292"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=7292"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}