Die durch künstliche Intelligenz unterstützte Materialentwicklung treibt die Forschung an organischen Polymermaterialien vom erfahrungsbasierten hin zum datengetriebenen Ansatz voran, wobei die Anwendung auf hochwertige, rückverfolgbare und forschungszielgerechte Datenressourcen angewiesen ist. Organische Polymermaterialien weisen eine komplexe Zusammensetzungsstruktur und vielfältige Forschungsszenarien auf, wobei Daten in den Bereichen Zusammensetzung, Herstellung, Charakterisierung, Prüfung und Leistung verstreut sind. Feste Felder oder geschlossene Datensätze können unterschiedlichen Zielanforderungen nur schwer gerecht werden. Zur Lösung dieses Problems stellt diese Arbeit eine Methode zur strukturierten Datenauswertung organischer Polymermaterialien mit kundenspezifischen Forschungszielen sowie ein Open-Source-Werkzeug vor. Die Methode richtet sich an Forscher organischer Polymermaterialien, vereinheitlicht heterogene Mehrquelleninformationen zu verarbeitbaren Korpora und bietet ein anpassbares Feldsystem und Extraktionsverfahren, sodass Zielleistungen, Feldinhalte und Datenverarbeitungsweisen je nach spezifischen Forschungszielen definiert werden können, um eine bedarfsgerechte strukturierte Informationsauswertung zu ermöglichen. Zur Validierung der Methodenanwendbarkeit wurde diese Arbeit anhand von 11 häufigen Leistungskategorien organischer Polymermaterialien als Beispiel konfiguriert und in über zehntausend Dokumenten Daten extrahiert, wodurch fast fünfzigtausend strukturierte Leistungsdatensätze gewonnen wurden. Die Leistungsverteilung und Kopplungsbeziehungen zeigen, dass die Extraktionsergebnisse dem üblichen Leistungsspektrum und den Erfahrungsregeln organischer Polymermaterialien entsprechen; beispielhaft erreicht die Erkennung der Glastemperatur (T_g) Präzision, Recall und F1-Score von 0,83, 0,89 bzw. 0,86, während der F1-Score für die Zuordnung von Probenname und T_g-Wert bei 0,78 liegt. Die Methode ist unabhängig von annotierten Datensätzen und Modell-Feinabstimmungen; ihr Kernmerkmal liegt darin, dass Feldsystem, Zielleistungen und Prompt-Wörter von Forschern je nach eigenem Materialsystem und Forschungsziel selbst definiert werden können, wodurch ein offener und wiederverwendbarer technischer Pfad für den Aufbau kundenspezifischer Datenbanken und die Entwicklung zielgerichteter Datenressourcen in der organischen Polymermaterialforschung geboten wird.

Polymermaterialien; große Sprachmodelle; Datenauswertung; anpassbares Feldsystem