Forschungsdatenmanagement

Was sind Forschungsdaten?

Forschungsdaten entstehen während des Forschungsprozesses und variieren je nach Disziplin. Die Deutsche Forschungsgemeinschaft bietet folgende Definition:

„Forschungsdaten sind eine wesentliche Grundlage für das wissenschaftliche Arbeiten. Die Vielfalt solcher Daten entspricht der Vielfalt unterschiedlicher wissenschaftlicher Disziplinen, Erkenntnisinteressen und Forschungsverfahren. Zu Forschungsdaten zählen u.a. Messdaten, Laborwerte, audiovisuelle Informationen, Texte, Surveydaten, Objekte aus Sammlungen oder Proben, die in der wissenschaftlichen Arbeit entstehen, entwickelt oder ausgewertet werden. Methodische Testverfahren, wie Fragebögen, Software und Simulationen können ebenfalls zentrale Ergebnisse wissenschaftlicher Forschung darstellen und sollten daher ebenfalls unter den Begriff Forschungsdaten gefasst werden.“ 

Quelle: DFG (2015) Leitlinien zum Umgang mit Forschungsdaten

Forschungsdatenmanagement

Das Management von Forschungsdaten bedeutet einen strukturierten und standardisierten Umgang mit den Daten, die bei der Durchführung eines Forschungsprojektes entstehen. Der Forschungsdaten-Lebenszyklus stellt den gesamten Prozess dar, den die Daten durchlaufen, von der Planung und Generierung bis zur Veröffentlichung und Nachnutzung. Jede Phase stellt unterschiedliche Anforderungen an den Umgang mit Forschungsdaten.

Die Erhebung von Forschungsdaten ist zeit- und kostenintensiv. Das macht sie nicht nur für die Überprüfung von Forschungsergebnissen wertvoll, sondern auch für die Nachnutzung für weitere Forschungsfragen. Ziel ist es, Wissensverluste zu vermeiden und nachvollziehbare und nachhaltige Forschungsdaten im Sinne der FAIR-Prinzipien zu erzeugen. FAIR steht für Findable (auffindbar), Accessible (zugänglich), Interoperable (kompatibel) und Reusable (wiederverwendbar). Dementsprechend aufbereitete Daten erlauben ihre Nachnutzung für andere Fragestellungen, erhöhen die Sichtbarkeit und die Transparenz der Datenerzeugung und -erhebung und damit auch die Qualität der Forschungsarbeit sowie die wissenschaftliche Reputation.

• Förderung: Fördereinrichtungen verlangen teilweise bereits bei der Antragsstellung ein Konzept für das Datenmanagement. Damit soll sichergestellt werden, dass Wissenschaft und Gesellschaft von den eingesetzten öffentlichen Mitteln optimal profitieren und Zugang zu den gewonnenen Daten und Ergebnissen erhalten.
• Integrität:  FDM-Maßnahmen tragen zur Einhaltung der Anforderungen der guten wissenschaftlichen Praxisbei und stärken damit eine vertrauenswürdige Wissenschaft.
• Sichtbarkeit: Durch die Veröffentlichung der Daten kann die Sichtbarkeit der eigenen Forschung erhöht werden. Eine aussagekräftige Beschreibung durch Metadaten und nachnutzbare Dateiformate erleichtern die Auffindbarkeit und Weiterverwendung der Forschungsdaten.
• Sicherheit:  Das Risiko des Datenverlustes wird durch sorgfältige Dokumentation und systematische Datensicherung und -archivierung minimiert. Damit kann die Integrität und langfristige Verfügbarkeit der Daten erreicht werden.
• Nachnutzung: Die veröffentlichten Daten können das Generieren neuer Erkenntnisse fördern und damit Grundlage einer darauf aufbauenden Forschung sein und auch Kooperationen anstoßen.

Forschungsförderer, wie die DFG, das BMBF und die EU legen zunehmend Augenmerk auf die Forschungsdaten und haben entsprechende Vorgaben formuliert. Die Anforderungen variieren je nach Förderer und Programmlinie oder Fachdisziplin. Teilweise werden bereits bei der Antragsstellung detaillierte Angaben zum Umgang mit den Daten gefordert bzw. vollständige Datenmanagementpläne erwartet.

Deutsche Forschungsgemeinschaft (DFG)  

• Für DFG-Projekte gilt, dass der Umgang mit Forschungsdaten sowie mit Objekten, die diesen zugrunde liegen, sorgfältig geplant, dokumentiert und beschrieben wird. Außerdem sollten sie so zeitnah wie möglich veröffentlicht werden, soweit es Datenschutz, Urheberrecht usw. zulassen. Es empfiehlt sich, einen Datenmanagementplan vorzulegen. Bei bestimmten Programmen besteht sogar eine Verpflichtung dazu.
• Eine Checkliste unterstützt dabei, den Umgang mit Forschungsdaten im DFG-Projekt möglichst vollständig zu beschreiben sowie die Rahmenbedingungen zu erläutern.
• Kosten, die für die Aufbereitung und die Zugänglichmachung der Forschungsdaten anfallen, können als projektspezifische Kosten beantragt und bewilligt werden. Quelle: DFG (Stand: 24. Januar 2022): Informationen zu beantragbaren Mitteln
• Ergänzend stellt die DFG fachspezifische Stellungnahmen zum Umgang mit Forschungsdaten zur Verfügung.

Bundesministerium für Bildung und Forschung (BMBF)

• Das BMBF hat einen Aktionsplan aufgestellt, mit dem es die Datenkultur in Bildung, Wissenschaft und Forschung stärken und die Einhaltung der FAIR-Prinzipien bei der Datenerhebung, -sammlung, -nutzung und -aufbewahrung fördern will.
• Konkrete Anforderungen, die in Bezug auf das Forschungsdatenmanagement zu erfüllen sind, werden in den jeweiligen Ausschreibungen bekannt gegeben. Dort wird auch darüber informiert, inwieweit die Kosten für FDM förderfähig sind.

EU-Kommission / Programm Horizon Europe

• Die EU-Kommission hat in ihrem Programm Horizon Europe (2021-2027) festgelegt, dass für alle EU-Projekte, die Daten erzeugen oder wiederverwenden, die Erstellung eines Datenmanagementplans verpflichtend ist. Bereits mit der Antragsstellung ist eine kurze Information über das methodische Vorgehen im Umgang mit den Daten einzureichen.
• Spätestens sechs Monate nach der Genehmigung des Projektes muss eine erste Version des DMP eingereicht und fortan regelmäßig aktualisiert werden.
• Gefordert wird die Open-Access-Veröffentlichung der Forschungsdaten und der Informationen, die für ihre Wiederverwendung oder Validierung erforderlich sind, in einem vertrauenswürdigen Repositorium („as open as possible, as closed as necessary“).
• Der HE Programme Guide erläutert im Kapitel 16 Open Science die Ziele des Programms in Bezug auf offene und nachhaltige Wissenschaftspraktiken und gibt Handlungsempfehlungen dazu. Es wird eine Vorlage für einen DMP zur Verfügung gestellt, deren Verwendung empfohlen wird.
• Kosten, die für die offene Bereitstellung der Forschungsdaten entstehen und während der Projektlaufzeit anfallen, können als förderfähige Kosten geltend gemacht werden.

Der Datenmanagementplan wird in der Planungsphase des Projektes erstellt und beschreibt den vorgesehenen Umgang mit den Forschungsdaten während und nach Abschluss des Projektes. Er sorgt dafür, dass sich Forschende möglichst früh mit den technischen, organisatorischen und rechtlichen Fragen auseinandersetzen. Als „living document“ begleitet er die Stationen des Datenlebenszyklus und wird fortlaufend an Änderungen angepasst. Er legt dar, welche Forschungsdaten im Rahmen eines Forschungsprojektes produziert und wie diese dokumentiert, veröffentlicht und archiviert werden sollen. Die Klärung dieser Aspekte gewährleistet, dass die Daten im Sinne einer guten wissenschaftlichen Praxis durch Qualitätssicherungsmaßnahmen publikationsfähig und nachnutzbar sind und rechtliche Aspekte, wie z.B. der Umgang mit persönlichen Daten oder rechtliche Verpflichtungen, die die Veröffentlichung einschränken, reflektiert wurden.

Die Ausgestaltung des DMP orientiert sich an den disziplinspezifischen Besonderheiten. Bei vielen deutschen und europäischen Förderprogrammen sind vergleichbare detaillierte Angaben nach Abschluss des Projektes verpflichtend. Damit der Plan gut strukturiert und vollständig ist, empfiehlt es sich, Vorlagen in Form von Fragenkatalogen zu verwenden. Sie sollten sich inhaltlich möglichst an den spezifischen Anforderungen im Projekt orientieren.

Kostenlose Online Tools für die Erstellung eines DMPs:

• Resesarch Data Management Organizer (RDMO)
  Der RDMO wurde im Rahmen eines DFG-Projektes (2015-2020) entwickelt. Es ist eine Software, mit der Forschende mit Hilfe von Fragenkatalogen das Forschungsdatenmanagement ihrer Projekte über den gesamten Datenlebenszyklus strukturieren, planen und durchführen können.
  Als Open-Source-Software kann der RDMO als lokale Webanwendung bereitgestellt und an die lokalen Bedürfnisse der Forschenden angepasst werden. So können verschiedene Fragenkataloge hinterlegt und damit die Vorgaben von Fördereinrichtungen oder fachspezifische Besonderheiten sehr gut berücksichtigt werden. Der RDMO erlaubt das Anlegen mehrerer getrennter Projekte und das kollaborative Arbeiten mit Projektpartnern. Die Hoheit über die abgelegten Daten bzw. Antworten liegt jeweils bei der Einrichtung, die die Software bei sich einrichtet. Zahlreiche deutsche Institutionen nutzen das Tool und es hat sich eine Community gebildet, die als RDMO-Arbeitsgemeinschaft die Anwendung seit dem Ende des DFG-Projektes kontinuierlich weiterentwickelt.
• Argos
  Argos wird von den beiden europäischen Infrastruktureinrichtungen OpenAIRE und EUDAT als frei verfügbarer Dienst für die Erstellung von Datenmanagementplänen bereitgestellt. Die Anwendung wird durch zusätzliche Services wie die Zuweisung von DOIs und Lizenzen ergänzt und eignet sich v.a. für die Beantragung von EU-Fördermitteln. Sie basiert auf der Open-Source-Software OpenDMP, die nachgenutzt werden kann.
• DMPonline
  DMPonline ist eine webbasierte Anwendung, mit der Datenmanagementpläne erstellt werden können. Sie wird vom britischen Digital Curation Center (DCC) bereitgestellt und ist auf die Situation des United Kingdom ausgerichtet. Es werden Vorlagen der EU und v.a. britischer Fördereinrichtungen angeboten sowie eine Sammlung von Muster-Datenmanagementplänen, die mit DMPonline erstellt wurden. Das Tool wird im Auftrag des DCC bei der University of Edinburgh gehostet.
• DMPTool
  DMPTool berücksichtigt v.a. die Fördereinrichtungen in den USA und wurde vom University of California Digital Curation Centre und der California Digital Library (CDL) entwickelt und dort gehostet. Es bietet Templates US-amerikanischer Fördereinrichtungen an und Muster-Datenmanagementpläne, die mit dem DMPTool erarbeitet wurden.

DMP Beispiele und Muster

• Muster-Datenmanagementpläne für Projektanträge bei unterschiedlichen Forschungsförderern (HU Berlin)
  • DFG: PDF , Fragenkatalog
  • BMBF: PDF, RTF
  • Horizon 2020 Version 3.0: PDF , RTF
  • VolkswagenStiftung: PDF, RTF, XLSX

• Datenmanagementpläne auf Zenodo
• DMP Collection Overview (Horizon 2020, Universität WIen)

Die Speicherung und Sicherung der während des Projektes gewonnenen Daten und ggf. auch der eingesetzten Softwareanwendungen muss ausreichend geplant werden, um die Daten vor Verlust durch menschliche oder technische Fehler, vor Manipulation und unberechtigtem Zugriff zu schützen. Es gibt verschiedene Speicherorte und Medien, wie Laufwerke, mobile Speicher, institutionelle und externe Clouds, die dafür zur Verfügung stehen können und in Bezug auf ihre Eignung geprüft werden sollten. Außerdem sind regelmäßige Backups wichtig und die Backup-Dateien sollten auf einem anderen Medium und getrennt von den Originaldaten aufbewahrt werden. Eine wichtige Vorarbeit besteht darin, ein Schema für die Dateibenennung zu entwickeln und eine nachvollziehbare Ordnerstruktur anzulegen.

Empfehlungen und Hinweise:

• Bei sensiblen und/oder personenbezogenen Daten muss die Frage der Pseudonymisierung beziehungsweise Anonymisierung geklärt werden.
• Darüber hinaus ist es wichtig, die Dateien und Ordner mit einem Passwortschutz zu sichern und ggf. ein Rechtemanagement zu nutzen, mit dem die spezifischen Zugriffsrechte zugeteilt werden können.
• Für das Löschen von Daten reicht das Verschieben in den Papierkorb nicht aus. Damit die Daten tatsächlich vernichtet werden, müssen sie überschrieben oder der Datenträger zerstört werden. Das Bundesamt für Sicherheit in der Informationstechnik informiert, wie Daten auf Festplatten und Smartphones endgültig gelöscht werden können.
• Für Backups gibt die 3-2-1-Regel eine hilfreiche Orientierung. Sie besagt, dass alle Dateien in dreifacher Form auf mindestens zwei verschiedenen Medien gesichert sein sollten, wobei eine dieser Kopien ausgelagert werden sollte. Die Backup-Strategie sollte auch regeln, welche Daten gesichert werden sollen, wie oft ein Backup erfolgen soll und wie lange die Kopien aufbewahrt werden sollen.
• Die DFG-Richtlinien Gute wissenschaftliche Praxis sehen eine langfristige Verfügbarkeit der Forschungsdaten für einen Zeitraum von zehn Jahren vor. Für die Einhaltung dieser Vorgabe ist es wichtig, die Haltbarkeit von Datenträgern zu bedenken, geeignete Datenformate zu wählen und eine ausreichende Dokumentation beizufügen.
• Cloud-Dienste kommerzieller Anbieter sind kritisch zu prüfen in Bezug auf Datensicherheit, Datenschutz, Vertraulichkeit und Integrität. Institutionelle Cloud-Dienste sind im Allgemeinen zu bevorzugen.

Dokumentation

Eine ausführliche Beschreibung der Forschungsdaten dient deren Auffindbarkeit, erhöht ihre Verständlichkeit und Interpretierbarkeit und fördert damit die Reproduzierbarkeit von Forschung. Auch für die Datenerzeugenden ist sie für die spätere Nachvollziehbarkeit wichtig. Je nach Forschungsprojekt kann die Dokumentation in unterschiedlichem Umfang erfolgen. Dabei sind möglichst auch standardisierte und maschinenlesbare Metadatenschemata zu verwenden und es ist auf die eindeutige Zuordnung der Metadaten zum Objekt zu achten.

Die Dokumentation kann in Form von strukturierten Metadaten erfolgen oder in einem elektronischen Laborbuch, aber auch als ReadMe-Datei oder als projektinternes Wiki. Orientiert am Forschungsdaten-Lebenszyklus sollten folgende Aspekte berücksichtigt werden:

• Informationen zum Forschungsvorhaben (Projekttitel, Projektziele und Hypothesen)
• Informationen zur Erhebung der Daten (z.B. Erhebungszweck. Erhebungsmethode, Zeitraum und Ort der Erhebung, verwendete Technik/Instrumente, Datenquellen)
• Maßnahmen zur Datenaufbereitung und -analyse (z.B. Bereinigung, Anonymisierung/Pseudonymisierung)
• Struktur des Datensatzes (Benennungen, Datenversionen und enthaltende Änderungen)
• Zugangsbedingungen

Metadaten

Metadaten sind strukturierte  Informationen über Daten, sogenannte „Daten über Daten“. Sie dienen der Beschreibung von Ressourcen und erfüllen mehrere Funktionen: die Verwaltung der Objekte zu erleichtern, deren Auffindbarkeit sicherzustellen, Informationen über die beschriebenen Objekte zu liefern und die Nachnutzung der Daten zu gewährleisten.

Metadaten lassen sich in folgende Kategorien einteilen:

• bibliografische Metadaten: Sie umfassen Angaben wie Titel der Datenpublikation, Autorinnen und Autoren, Institution, Projekt, Entstehungsjahr und Schlagworte. Sie ermöglichen die Zitation von Daten und erleichtern deren Auffindbarkeit.
• administrative Metadaten: Sie geben Auskunft über Dateitypen, Standorte, Zugriffsrechte und Lizenzen und helfen bei der Verwaltung und langfristigen Erhaltung der Daten.
• inhaltsbeschreibende bzw. deskriptive Metadaten: Sie liefern Informationen zu Inhalt und Entstehungskontext der Daten und können je nach Fachdisziplin unterschiedlich aufgebaut sein. Für Forschungsdaten ist diese Art von Metadaten besonders wichtig für deren Auffindbarkeit und Nachvollziehbarkeit. Daher existieren unterschiedliche fachspezifische Metadatenstandards. Der Metadata Standards Catalog (Research Data Alliance) und die Übersicht Disciplinary Metadata (Digital Curation Centre) verzeichnen Metadatenschemata für Daten aus unterschiedlichen Fachdisziplinen.

Im Interesse der Einheitlichkeit und Interoperabilität wird empfohlen, standardisierte Metadatenschemata zu verwenden, bei denen ein bestimmtes Set von Beschreibungsmerkmalen festgelegt ist und die einzelnen Merkmale klar definiert sind.

Das DataCite-Metadatenschema stellt einen weit verbreiteten generischen Standard für die Beschreibung von Datensätzen dar. Es enthält obligatorische Felder (z. B. Autor und Titel), empfohlene Felder (z. B. Fachbereich und Beschreibung) und optionale Felder (z. B. Finanzierung und Nutzungsrechte). Als Anleitung steht ein DataCite-Best-Practice-Guide (pdf githubBegleitdokument) zur Verfügung, der allgemeine Hinweise sowie Empfehlungen zu den einzelnen Feldern anbietet. Ergänzend wurde mit dem DataCite Metadaten Generator(github) ein Online-Tool entwickelt, das eine Eingabemaske bereitstellt und auf die Erläuterungen des Best-Practice-Guide verlinkt. Als Ergebnis wird eine DataCite-XML-Datei mit den erfassten Daten ausgegeben, die für die Bereitstellung der Metadaten in einem Repositorium genutzt werden kann. Das Tool steht auf den Seiten der LMU zur Verfügung, kann aber auch von Github heruntergeladen und im Browser geöffnet werden.

 

 

Die für die Veröffentlichung ausgewählten Forschungsdatensätze können als Datensupplement zu einer Textpublikation oder eigenständig in einem Datenrepositorium veröffentlicht werden.

Datenrepositorien sind Speicherorte, um digitale Forschungsdaten längerfristig zu archivieren und i.d.R. auch zu publizieren. Sie lassen sich auf Grundlage ihrer fachlichen Ausrichtung und ihres Betreibers in drei Varianten unterteilen. Es stehen generische Repositorien (z.B. Zenodo), fachspezifische Repositorien und institutionelle Repositorien zur Verfügung, in denen die Datensätze einschließlich der Metadaten für eine gewisse Speicherfrist (i.d.R. 10 Jahre) abgelegt werden können. Ein zertifiziertes und vertrauenswürdiges Repositorium ist der ideale Speicherort.

Verschiedene Suchsysteme unterstützen bei der Recherche nach geeigneten Repositorien für die Speicherung und Veröffentlichung der Daten bzw. sind auch Fundorte für nachnutzbare Datensätze:

• Registry of Research Data Repositories (re3data)
  re3data ist ein von der Deutschen Forschungsgemeinschaft (DFG) gefördertes Projekt, das weltweit Fachrepositorien für viele Disziplinen nachweist. Es wird ein eigenes Metadatenschema für die Beschreibung der Repositorien verwendet, das vielfältige Filtermöglichkeiten erlaubt, z.B. nach Fach, Inhaltstyp oder Land. Die Nutzung von re3data wird von verschiedenen Fördereinrichtungen wie der EU empfohlen.
• Directory of Open Access Repositories (OpenDOAR)
  Das OpenDOAR ist ein qualitätsgeprüftes globales Verzeichnis, in dem wissenschaftliche Open-Access-Repositorien verzeichnet werden, u.a. auch für den Inhaltstyp Forschungsdaten.
• RIsource (DFG-Plattform)
  MIt RIsources bietet die Deutsche Forschungsgemeinschaft DFG ein Informationsportal für deutsche Forschungsinfrastrukturen für die Planung und Durchführung von Forschungsvorhaben bereit. Darunter sind auch knapp 100 Forschungsdaten-Repositorien.

Vor der Veröffentlichung der Daten müssen alle erforderlichen Einwilligungen in Bezug auf die Nutzung von Materialien Dritter und schützenswerter Informationen eingeholt und dokumentiert werden. Vertrauliche und sensible Daten, die nicht frei verfügbar gemacht werden können oder erst nach einer Sperrfrist zugänglich gemacht werden dürfen, müssen mit einer ensprechenden Zugriffsbeschränkung versehen werden. Es können dann beispielsweise nur die Metadaten sichtbar gemacht werden, um darüber zu informieren.

Eine zuverlässige und dauerhafte Auffindbarkeit und Zitierbarkeit der Forschungsdaten wird durch einen persistenten Identifikator (wie z.B. dem DOI - Digital Object Identifier) gewährleistet. Persistente Identifikatoren verweisen auf ein digitales Objekt selbst, so dass sie unabhängig von URL-Änderungen gültig bleiben. Viele Repositorien bieten eine automatische Vergabe als Dienstleistung an. Eine eindeutige Identifikation für wissenschaftliche Autorinnen und Autoren bietet der Dienst Open Researcher and Contributor ID (ORCID) sowie für Institutionen das Research Organization Registry (ROR). Die OTH Regensburg ist bereits bei ROR registriert: https://ror.org/04b9vrm74

Der urheberrechtliche Schutz der Forschungsdaten entsteht oft erst durch Verfahren der Auswertung, Einordnung oder Anordnung (z.B. Auswertungsskript, Beschreibungstext, Modell o.ä.). Die Primärdaten oder Rohdaten wie z.B. reine Messdaten weisen in der Regel nicht die erforderliche Schöpfungshöhe auf. Durch die Vergabe von Lizenzen kann die erlaubte Nachnutzung durch Dritte jenseits des Grenzen des Urheberrechts klar erkennbar festgelegt werden. Die CC-Lizenzen stellen Nutzungsverträge dar und sind im Bereich Open Access mittlerweile weit verbreitet. Die sechs verschiedenen Lizenztypen decken die häufigsten Nutzungsszenarien ab und die Rechteinhaber können damit kennzeichnen, welche Formen der Nachnutzung sie erlauben.

Spätestens gegen Ende des Forschungsprojektes sollte festgelegt werden, welche der gewonnenen Daten nur kurzfristig aufbewahrt werden sollen (zum Beispiel nur für die Dauer des Forschungsprojektes) und bei welchen es sinnvoll ist, eine langfristige Archivierung zu sichern, sodass die Daten auch nach Abschluss des Forschungsprojektes auffindbar sind. Der DFG-Kodex zur Sicherstellung der guten wissenschaftlichen Praxis empfiehlt, Forschungsdaten „für einen angemessenen Zeitraum“ von i.d.R. zehn Jahren aufzubewahren. In diesem Zusammenhang muss auch bestimmt werden, welche Datenarchive oder Repositorien für die festgelegte Art der Archivierung geeignet sind.

Daten, die für die Nachvollziehbarkeit des Forschungsergebnisses relevant sind, sollten in einem Speichermedium archiviert werden, das die Speicherdauer, die Revisionssicherheit, die Identifizierbarkeit und Auffindbarkeit sicherstellt. Von besonderer Bedeutung ist auch, dass die Dateibenennung Aufschluss über den Inhalt gibt und einheitlich und konsistent erfolgt sowie die Verwendung geeigneter Dateiformate.

Sofern nicht bereits offene und standardisierte Dateiformate genutzt wurden, sollten die Daten in entsprechende Formate konvertiert werden.

Besonders geeignete Formate für die Archivierung:

• „Office“-Dokumente: PDF/A A (Portable Documents Format)
• Text (unstrukturiert):  TXT
• Tabellen (strukturierte Text-Daten): csv (Comma Separated Values) , tsv (Tab Separated Values)
• Relationale Datenbanken: SIARD (Software Independent Archival of Relational Databases)
• Grafik: TIFF (Tagged Image File Format)
• Audiodateien: WAV
• Videodateien: MPEG-4
• Strukturierte Daten: XML, JSON