Pflanzenwissenschaften leisten einen wesentlichen Beitrag zum Erhalt der Sortenvielfalt sowie zur nachhaltigen und effizienten Produktion von Nahrungsmittel, Energie und Rohstoffen. Dies ist aber nur möglich, wenn wir das Erbgut von Nutzpflanzen wie Weizen, Gerste und Raps entschlüsseln und Daten über den gesamten Lebenszyklus zusammen tragen - vom Samen bis zur erntereifen Pflanze. 

Diese Daten helfen uns zu bestimmen, wofür jedes einzelne Gen im Erbgut verantwortlich ist und wie Gene interagieren. Dieses Wissen ermöglicht es uns zu verstehen, wie sich Veränderungen in der Umwelt und Klima oder im Erbgut auf die Merkmale einer Pflanze auswirken. Dazu gehören Ertrag, Widerstandsfähigkeit gegenüber Schädlingen, aber auch gegenüber Hitze und Trockenheit.

Datenwissenschaften und computergestützte Werkzeuge sind unverzichtbar Schlüsseltechnologien, um Informationen aus den Unmengen an Daten zu gewinnen. Nur durch deren Einsatz wird es möglich sein, Innovationen in der Pflanzenzüchtung als Antwort auf drängende Fragen zur Welternährung sowie zur Rohstoff- und Energieversorgung zu entwickeln.

Die Perspektivgruppe IMM nutzt mathematische Modelle und computergestützter Biologie zur Entschlüsselung molekularer Mechanismen, die an Wachstums- und Entwicklungsprozessen der Pflanze beteiligt sind und den Stoffwechsel regulieren. Aufgrund der Komplexität dieser Prozesse und der Vielzahl und Vielfalt von Daten sind integrative Ansätze notwendig, die Daten in ihrem Zusammenhang beschreiben und untersuchen. Im Zentrum dieser integrativen Ansätze stehen sogenannte Stoffwechsel-Netzwerke. Der Stoffwechsel spiegelt die Ausprägung der Erbinformationen wider und beeinflusst auf direkten Weg die Merkmale einer Pflanze. Neben Methoden zur Analyse metabolischer Modelle, kommen eine Reihe Rechner-basierter und mathematischer Werkzeuge zum Einsatz. Dazu gehören Graphentheorie, statistische Verfahren, maschinelles Lernen, Konzepte aus der Systemtheorie und Regelungstechnik, sowie stochastische und deterministische Modellierungsansätze.

Ziel des integrativen Ansatzes ist es nicht nur Wachstums- und Entwicklungsprozesse zu entschlüsseln und zu verstehen, sondern auch Modelle zu entwickeln die es ermöglichen die Leistungsfähigkeit einer Pflanze in verschieden Umwelten vorherzusagen. Diese Daten- und Mechanismen-basierte Vorhersagemodelle sind in der Pflanzenzüchtung essentiell um möglichst schnell und effizient auf neue klimatische Bedingungen im Zuge des Klimawandels zu reagieren.