Die bildgebende MALDI-Massenspektrometrie (Matrix-assisted laser desorption/ionization mass spectrometry imaging, MALDI MSI) ermöglicht die Untersuchung der räumlichen Verteilung von Biomolekülen und hat sich in den letzten Jahren zu einer weit verbreiteten Methodik mit Anwendungen in der Systembiologie, der Pharmakologie, der biomedizinischen Forschung und der klinischen Pathologie entwickelt. Neben allen Errungenschaften der MALDI MSI wird bei steigender Datenakquisition allerdings mehr und mehr deutlich, dass die erzeugten Daten einen hohen Grad an Variabilität aufweisen. Dazu gehören Intensitätsschwankungen der Signale, Massenungenauigkeiten sowie chemisch und instrumentell bedingte Hintergrundsignale. Selbst Daten, die unter standardisierten Bedingungen innerhalb eines Labors mit der gleichen Geräteausstattung erhoben wurden, können signifikante technische Variabilität aufweisen. Dementsprechend können Daten, die an verschiedenen Standorten und mit unterschiedlichen Geräten gemessen werden, nur sehr eingeschränkt miteinander verglichen werden. Da derzeit keine geeigneten Algorithmen und Software-Tools zur Detektion und Quantifizierung solcher Effekte zur Verfügung stehen, bleibt diese Variabilität häufig unbemerkt und mindert somit die Datenqualität erheblich. In MALDISTAR sollen deshalb folgende Ziele adressiert werden: 1. Entwicklung von Algorithmen zur Bewertung von Qualitätsstandards und quantitativen Metriken 2. Entwicklung von mathematischen Methoden zur Kalibrierung und Cross-Normalisierung 3. Entwicklung von Softwaremodulen zur praxisnahen Implementierung dieser Methoden Im Rahmen des Projekts wird bewusst eine offene Forschungsstrategie verfolgt, in die unser großes Netzwerk und die wissenschaftliche MALDI MSI Community einbezogen wird. Nur durch das gemeinsame Nutzen von Forschungsdaten und eine multizentrische Zusammenarbeit kann die Basis geschaffen werden, zukünftig die neu entwickelten Ansätze für Reproduzierbarkeit, Standardisierung und Normalisierung im Bereich MALDI MSI zu etablieren.