Forschungsdatenmanagement und FAIR DATA
Was versteht man unter Forschungsdatenmanagement?
Der Begriff Forschungsdatenmanagement bezeichnet alle Maßnahmen im Umgang mit Daten, die im Zuge von Forschungsprozessen generiert werden, mit dem Ziel, die Qualität und langfristige Nachnutzbarkeit dieser Daten zu verbessern. Strukturiertes Forschungsdatenmanagement ist damit Bestandteil guter wissenschaftlicher Praxis und bringt Vorteile für alle Stakeholder im wissenschaftlichen Prozess.
- Aus Sicht der Forschungsfördergeber sind Transparenz und Reproduzierbarkeit von Forschungsergebnissen sowie Vermeidung von Doppelarbeit durch Sicherstellung der Nachnutzbarkeit von Daten relevante Faktoren.
- Aus Sicht der Forschenden erhöht das Teilen von Forschungsdaten Sichtbarkeit, Impact und langfristige Sicherung des Wertes der eigenen Forschung.
- Aus Sicht der Forschungseinrichtungen bewirkt gezieltes Datenmanagement Kostenersparnis durch effizientere Datenhaltung und eine Leistungssteigerung in den Forschungsprojekten.
Die FAIR Prinzipien
Zur Beschreibung guten Forschungsdatenmanagements haben sich die FAIR Prinzipien etabliert. Das Akronym steht für Findable, Accessible, Interoperable, Reusable und beschreibt die Eigenschaften, die Forschungsdaten idealerweise haben sollten.
Konkret bedeutet das:
- Findable – Registrierung der Datensätze in entsprechenden Datenbanken und Erschließung mittels etabliertem Metadatenstandard
- Accessible – Archivierung der Daten in einem Forschungsdatenrepositorium (wenn nötig mit Zugriffsbeschränkung)
- Interoperable – Verwendung von persistenten Identifikatoren (mindestens DOI und ORCID)
- Reusable – Vergabe von möglichst freien Nutzungslizenzen
Der Forschungsdatenlebenszyklus
Der Forschungsdatenlebenszyklus, also alle Phasen, die im Rahmen eines Forschungsprojektes durchlaufen werden, dient als Grundlage für eine strukturierte Planung des Datenmanagements.
Eine Einteilung der einzelnen Phasen finden Sie etwa bei forschungsdaten.info. In jeder Phase sollte der Umgang mit Daten bewusst geplant werden. Beispiele für die einzelnen Schritte sind:
- Planung des Forschungsvorhabens
- Datenerhebung
- Datenaufbereitung – und Analyse
- Publikation der Daten
- Archivierung
- Nachnutzung
