Forschungsdatenmanagement

Definition Forschungsdaten

Forschungsdaten sind Daten, die während eines wissenschaftlichen Vorhabens generiert und analysiert werden, um zu wissenschaftlichen Erkenntnissen zu gelangen und diese zu begründen.

Forschungsdaten können beispielsweise sein:

• Mess-, Beobachtungsdaten: Ergebnisse von Laborexperimenten, Feldstudien oder klinischen Tests

• Befragungsdaten: Antworten auf Fragebögen oder Interviews

• Methodische Testverfahren: Fragebögen, Software und Simulationen

• Bild-, Audio- und Videomaterial: Fotografien, Mikroskopiebilder, Röntgenaufnahmen, Audiodateien, Videos oder andere visuelle Aufzeichnungen

• Textdaten: Dokumente, Textkorpora, Berichte, Artikel, Manuskripte und andere schriftliche Informationen

• Digitale Repräsentationen von analogen Daten: Endprodukt der Digitalisierung von Texten, Bildern und/oder Artefakten

• Finanz- und Wirtschaftsdaten: Statistiken, Finanzberichte, Handelsdaten und andere wirtschaftliche Informationen

Definition Forschungsdatenmanagement (FDM)

Ziel guter wissenschaftlicher Praxis ist es, die langfristige Integrität, Qualität und Zugänglichkeit der generierten bzw. erhobenen Daten sicherzustellen. Das Forschungsdatenmanagement (FDM) bezieht sich auf den gesamten Prozess der Verwaltung von Forschungsdaten während ihres Lebenszyklus. Ein Datenmanagementplan (DMP) unterstützt Sie bei einem strukturierten Vorgehen (s. unten). 

Phasen des Datenlebenszyklus:

• Planung: Festlegung der Anforderungen für die Datenerfassung, einschließlich des Datenformats, der Datenerfassungsmethoden, des Speicherortes, der Größe des benötigen Speichervolumens, sowie die Lokalisierung bereits vorhandener Daten.

• Erzeugung: Datenerfassung inklusive des Einholens der Datennutzungserlaubnis.

• Auswahl: Bewertung der gesammelten Daten, um sicherzustellen, dass sie den wissenschaftlichen Standards entsprechen.

• Auswertung: Analyse und Interpretation der Daten, um Erkenntnisse zu gewinnen und Forschungsfragen zu beantworten.

• Veröffentlichung: Speicherung und Zugänglichkeit der ausgewerteten Daten für Dritte. Dies kann an verschiedenen Speicher- und Ablageorten erfolgen.

• Aufbereitung für die Nachnutzung: Bereitstellung von Metadaten, Auswahl geeigneter Zugangsrichtlinien und Anpassung der Daten für die Wiederverwendung.

• Ziel ist die Sicherung der guten wissenschaftlichen Praxis, wie sie in der entsprechenden Ordnung zur Sicherung guten wissenschaftlichen Praxis der KU verankert ist. Leitmotiv ist die Nachvollziehbarkeit der Forschungsergebnisse, die eine Reproduzierbarkeit erlaubt. Dies gewährleistet die Glaubwürdigkeit der eigenen Forschung gegenüber Dritten. Durch die Möglichkeit, die Ergebnisse zu verifizieren bzw. reproduzieren, wird das Vertrauen in die wissenschaftliche Arbeit gestärkt. Ein Aspekt, der im Zusammenhang mit der sogenannten Replikationskrise, besonders präsent geworden ist.
• Erfüllung der Vorgaben von Forschungsförderern und Verlagen (für weitere Details s. unten): Diese fordern die Einhaltung von Richtlinien bezüglich der Dokumentation, Archivierung und Zugänglichkeit der erzeugten bzw. genutzten Forschungsdaten. Dies dient nicht nur als Anreiz, sondern ist vielfach auch zwingend erforderlich – die Transparenz der Daten erfolgt selbstverständlich unter Berücksichtigung weiterer Aspekte wie etwa dem Datenschutz.
• Minimierung des Risikos von Datenverlusten: Eine sorgfältige Datensicherung und -archivierung ist unerlässlich, um die Integrität und Verfügbarkeit der Daten langfristig zu gewährleisten. Dies schützt nicht nur vor unvorhergesehenen Ereignissen, sondern trägt auch zur Vermeidung von Informationsverlusten bei.
• Steigerung der Sichtbarkeit und Reputation: Eine verbesserte Zugänglichkeit Ihrer (Meta-)Daten erhöht die Zitationsraten, stärkt Ihre wissenschaftliche Sichtbarkeit und Reputation innerhalb der wissenschaftlichen Gemeinschaft.
• Nachnutzung: Nicht zuletzt ermöglicht die Nachnutzung von Datensätzen das Generieren neuer Erkenntnisse sowohl im eigenen als auch in anderen Fachbereichen.
• Schließlich leisten Sie durch das FDM ihren Beitrag zu Open Science.

Verlage

Das Thema Forschungsdaten nimmt in den Richtlinien von Fachzeitschriften rasant zu. Einerseits unterstützen die Forschungsdaten das Reviewverfahren, andererseits sollen auch Leser/-innen auf die Daten zugreifen können:

• Elsevier
• Springer Nature
• Taylor & Francis
• Wiley
• Sage
• American Economic Association

Zu beachten ist, dass Verlage mit den Datensammlungen auch kommerzielle Interessen vertreten. Dessen sollten sich Autor/-innen bewusst sein und als Urheber/-innen darauf achten, keine exklusiven Verwertungsrechte zu erteilen.

Ein Datenmanagementplan (DMP) ist ein Instrument, das die Verwaltung des Forschungsdatenzyklus unterstützt. Er beschreibt, wie wissenschaftliche Daten während ihres gesamten Lebenszyklus gesammelt, gespeichert, verwaltet, analysiert, archiviert und geteilt werden sollen. Der Umfang dieses Dokuments kann je nach den Vorgaben der Fördergeber, dem Typ der Daten, der Größe des Projekts und der Zusammensetzung des Teams variieren, und reicht von einigen Absätzen bis hin zu mehreren Seiten. Das entscheidende Element bleibt jedoch, dass der DMP die geforderten Informationen zum Umgang mit Forschungsdaten gemäß den Richtlinien der Drittmittelgeber bereitstellt.

Ein DMP enthält in der Regel Informationen über:

• Datenerfassung und -erzeugung: Beschreibung der Art der Daten, die generiert bzw. erhoben werden, sowie der Methoden und Werkzeuge, die für die Datenerfassung verwendet werden.

• Datenspeicherung und -sicherung: Informationen darüber, wo und wie die Daten gespeichert werden, um ihre Integrität und Sicherheit zu gewährleisten.

• Datenaufbewahrungsfristen: Festlegung, wie lange die Daten aufbewahrt werden müssen, um den rechtlichen und ethischen Anforderungen zu entsprechen.

• Datennutzung und -weitergabe: Klärung, wer Zugriff auf die Daten hat, unter welchen Bedingungen und wie sie geteilt werden können.

• Datenmanagement während der Forschung: Beschreibung, wie Daten während des Forschungsprozesses organisiert, dokumentiert und analysiert werden.

• Metadaten und Dokumentation: Festlegung, wie die Daten dokumentiert werden, einschließlich der Erstellung von Metadaten, um anderen die Interpretation und Verwendung der Daten zu erleichtern.

• Rechte und Lizenzen: Klärung der rechtlichen Aspekte, wie etwa Urheberrechte, Lizenzen und Datenschutzbestimmungen, die auf die Daten anwendbar sind.

• Langfristige Archivierung und Veröffentlichung: Planung, wie die Daten langfristig gesichert und archiviert werden, sowie Möglichkeiten der Veröffentlichung und Zugänglichkeit für die wissenschaftliche Gemeinschaft.

Weitere Informationen finden Sie beispielsweise hier:

• DMP-Vorlage, Checkliste und Beispiele:
  • DMP-Checkliste: DFG (Stand: 2021), Verbund Forschungsdaten Bildung (Stand: 2015)
  • Allgemeine Leitlinien: FAIRmat (Stand: 2023)
  • Horizon Europe Data Management Plan Template (Stand: 2021)
  • VW-Stiftung
  • DMP-Beispiele auf: Zenodo, DMPOnline
• Kostenlose Online Tools für die Erstellung eines DMPs:
  • RDMO (KU-Testinstanz) 
  • DMPTool
  • DMPOnline
  • Argos

Metadaten dienen der Beschreibung von Ressourcen, um ihre Auffindbarkeit zu erleichtern. Zu den enthaltenen Informationen gehören beispielhaft:

• Titel
• Autor/-innen
• zugehörige Institution
• eindeutige Kennungen (wie z.B. DOI)
• Veröffentlichungsjahr
• Thema
• Nutzungsrechte
• Dateinamen
• Formate

Aufgrund der essenziellen Rolle dieser Informationen für die Datensuche wird empfohlen, standardisierte Metadatenschemata zu verwenden, um eine möglichst einheitliche und nachvollziehbare Beschreibung zu gewährleisten. Ein allgemein anerkannter Standard zur bibliographischen Beschreibung von Forschungsdaten ist das Metadatenschema von DataCite. Dieses legt verbindlich fest, welche Informationen für einen Datensatz obligatorisch anzugeben sind (z. B. Autor und Titel), welche Angaben empfohlen werden (z. B. Fachbereich und Beschreibung) und welche optional sind (z. B. Finanzierung und Nutzungsrechte). Um Forschungsdaten möglichst interoperabel zu beschreiben, stehen mit dem DataCite-Metadatengenerator und dem DataCite-Best-Practice-Guide ein Online-Werkzeug und eine konzise Handreichung zur Verfügung.

Bevor Daten veröffentlicht werden, müssen alle notwendigen Einwilligungen eingeholt und dokumentiert werden, insbesondere in Bezug auf die Nutzung von Materialien Dritter und schützenswerter Informationen. Darüber hinaus soll eine Lizenz für die Nachnutzung der Forschungsdaten durch Dritte vergeben werden. Eine Lizenz stellt eine vertragliche Vereinbarung dar, mittels derer Nutzungsrechte eingeräumt werden.  Sie erlaubt verschiedene Nutzungsarten wie das Kopieren, Speichern, Verlinken und Veröffentlichen von Daten, insbesondere im Zusammenhang mit urheberrechtlich geschützten Werken.

Es wird empfohlen, freie Lizenzen zu verwenden (CC-0, CC-BY), die die kostenlose Nutzung des Werkes erlauben und somit die uneingeschränkte Zugänglichkeit Ihrer Forschungsergebnisse gewährleisten. Für Datensätze, die aus Gründen des Persönlichkeitsschutzes nicht frei verfügbar gemacht werden können, bieten i.d.R. Speicherorte ein gestaffeltes System für Rechte und Zugriff. Es besteht außerdem die Möglichkeit, die Veröffentlichung der Datensätze zu einem späteren Zeitpunkt durch Sperrfristen zu planen (Embargo). In beiden Fällen werden auf Repositorien nur die Metadaten abgelegt und sichtbar sein, um Dritte über Ihr Vorhaben zu informieren. Hier finden Sie eine Übersicht über Creative Commons Lizenzen sowie ein Unterstützungstool für die Suche nach der passenden Lizenz. 

Beispielhaft sind gängige Ablageorte aufgeführt, die Sie frei auswählen können. Wir unterstützen Sie gerne dabei, das für Ihre Datensätze passende Repositorium zu finden.

• Generische Repositorien

  • Zenodo (Betreiber: CERN, Schweiz) 
  • OSF-Open Science Framework (Betreiber: Center for Open Science, USA)
  • Dataverse (Betreiber: Harvard University, USA)
  • EUDAT – B2SHARE (Betreiber: EUDAT, Finnland)
  • FigShare (Betreiber: FigShare, Großbritannien)
  • RADAR4Culture (Betreiber: FIZ Karlsruhe, Deutschland

• Fachspezifische Repositorien
  • Geistes- und Kulturwissenschaften:

    • DARIAH-DE: Digitale Forschungsinfrastruktur für die Geistes- und Kulturwissenschaften

    • IANUS und Propylaeum: Repositorium für Archäologie und Altertumswissenschaften

    • TextGrid: Repositorium für geisteswissenschaftliche Forschungsdaten

    • Arthistoricum.net: Repositorium für Kunsthistoriker/-innen

    • Laudatio: Repositorium für historische Korpora

    • FID Romanistik: Repositorium für den Bereich Philologie

    • OST-Data: Repositorium für interdisziplinäre Ost-, Ostmittel- und Südosteuropaforschung

    • MENAdoc: Repositorium für interdisziplinäre Nahost-, Nordafrika- und Islamforschung
    • NFDI4Culture-Überblick über Repositorien für die 4Culture-Community

  • Sozial- und Wirtschaftswissenschaften: 

    • SowiDataNet|datorium (GESIS): Repositorium für quantitative Daten 

    • Forschungsdatenzentrum (ZPID): Repositorium für psychologische Forschungsdaten

    • Qualiservice: Repositorium für qualitative Daten 

    • FDZ des Verbund Forschungsdaten Bildung (VerbundFDB): Repositorium für empirische Daten aus der Bildungsforschung

  • Naturwissenschaften:

    • Pangaea: Repositorium für georeferenzierte Daten aus der Erdsystemforschung
    • FID Geo: Repositorium für die Geowissenschaften und benachbarte Disziplinen