Forschungsdatenmanagement im Überblick

Was sind Forschungsdaten?

Die Vielfalt unterschiedlicher wissenschaftlicher Fachbereiche, Forschungsmethoden und Erkenntnisinteressen spiegelt sich in der Vielfalt von Forschungsdaten wider. Es kann daher nicht die EINE Definition von Forschungsdaten geben, die alle Aspekte von Forschungsdaten umfasst.

Allgemein lassen sich Forschungsdaten definieren als alle Daten, die im Laufe des wissenschaftlichen Arbeitsprozesses entstehen, bearbeitet oder genutzt werden und als Grundlage für Forschungsergebnisse dienen und/oder Forschungsergebnisse sind. Dies gilt unabhängig von der Fachdisziplin, dem Format oder der angewandten Methode.

Was ist Forschungsdatenmanagement (FDM)?

Forschungsdatenmanagement umfasst alle strukturierten Maßnahmen zur Planung, Erhebung, Verarbeitung, Analyse, Veröffentlichung, Archivierung, Nachnutzung, Dokumentation und Aufbewahrung von Forschungsdaten. Forschungsdatenmanagement sichert den Zugang, die Reproduzierbarkeit und Qualität aller Forschungsdaten und ist Bestandteil einer guten wissenschaftlichen Praxis.

Ziel des Forschungsdatenmanagements ist es, die Forschungsdaten nach den FAIR-Prinzipien langfristig und personenunabhängig auffindbar (findable), zugänglich (accessible), interoperabel (interoperable) und nachnutzbar (reuseable) zu machen und zu halten.

Warum Forschungsdatenmanagement?

Die FAIR-Prinzipien, und ein Forschungsdatenmanagement, das sich an diesen orientiert, sind wichtige Bausteine für die Umsetzung einer guten wissenschaftlichen Forschungspraxis^[1] und garantieren die Qualität, das heißt die Vollständigkeit, Richtigkeit und Reproduzierbarkeit^[2] Ihrer Forschungsdaten.

Darüber hinaus kann ein verantwortungsvoller und transparenter Umgang mit Forschungsdaten

• Ihre eigene und die kollaborative Forschungsarbeit erleichtern, da Forschungsdaten leichter aufzufinden sind und Sie dem Verlust von Forschungsdaten vorbeugen,
• die Sichtbarkeit der von Ihnen generierten Forschungsdaten und der zugehörigen Forschung(-seinrichtung) erhöhen,
• die Nachvollziehbarkeit, Reproduzierbarkeit und Referenzierbarkeit Ihrer Forschungsdaten gewährleisten, und so auch die Analyse Ihrer Forschungsdaten durch Sie selbst oder durch andere Forschende erleichtern und die (Nach-)Nutzung Ihrer Forschungsdaten durch Sie selbst oder durch andere Forschende erhöhen,
• die (interdisziplinäre) Zusammenarbeit zwischen Ihnen und anderen Forschenden verbessern,
• Rechtssicherheit schaffen,
• von gesamtgesellschaftlichem Nutzen sein (im Besonderen, wenn Sie Ihre Forschungsdaten frei und offen zugänglich veröffentlichen).

Vorgaben der Forschungsförderer und Drittmittelgeber

Zunehmend formulieren auch Forschungsförderer und Drittmittelgeber Leitlinien für den Umgang mit Forschungsdaten und integrieren Vorgaben für das Forschungsdatenmanagement in ihre Förderrichtlinien, zum Beispiel die Erstellung eines Datenmanagementplans.

Die DFG beispielsweise hat eine Checkliste sowie Leitlinien und fachspezifische Empfehlungen zum Umgang mit Forschungsdaten veröffentlicht. Für die Antragstellung sind darüber hinaus die Leitfaden für die Antragstellung (siehe insbesondere Sachbeihilfen), die Informationen zu beantragbaren Mitteln, die Informationen zu Forschungsdaten in den Förderprogrammen sowie die Leitlinien zur Sicherung guter wissenschaftlicher Praxis (hier können Sie sich zu den einzelnen Leitlinien fachspezifische Kommentare anzeigen lassen) zu berücksichtigen.

Für eine Antragstellung bei der Europäischen Kommission (HORIZON Europe, RIA/IA) sind folgende Dokumente relevant: Programme Guide 4.0, Data Management Plan, Annotated Grant Agreement (AGA) 1.0, Standard Application Form 7.0.

Durch einen verantwortungsvollen und transparenten Umgang mit Forschungsdaten können Sie die Umsetzung dieser Vorgaben sowie von Richtlinien von Verlagen, von fachspezifischen Standards und von forschungsethischen und -rechtlichen Leitlinien von Forschungsbeginn an gewährleisten.

---

[1] Deutsche Forschungsgemeinschaft (o.D.). Kodex. Leitlinien zur Sicherung guter wissenschaftlicher Praxis (hier im Besonderen die Leitlinie 13: Herstellung von öffentlichem Zugang zu Forschungsergebnissen). https://wissenschaftliche-integritaet.de/kodex/.

[2] Datenqualität umfasst im FDM im Besonderen die Bereiche der Datenformate sowie der Datenvollständigkeit und -richtigkeit, siehe: https://forschungsdaten.info/themen/finden-und-nachnutzen/forschungsdaten-finden/. Es ist darauf hinzuweisen, dass die Qualität der Forschungsdaten abhängig von dem Kontext ist, in dem die Forschungsdaten wiederverwendet werden sollen; einen allen Disziplinen gerecht werdenden Qualitätsmaßstab für Forschungsdaten gibt es nicht. Forschungsdaten, die den FAIR-Prinzipien folgen, sind für Mensch und Maschine (nach-)nutzbar (fit for use) und somit auch qualitativ hochwertiger als Forschungsdaten, die nicht dauerhaft auffindbar oder zugänglich oder nicht interoperabel sind. FAIRe Forschungsdaten geben jedoch keine Auskunft darüber, ob sie für die wissenschaftliche Beantwortung einer Fragestellung nützlich bzw. von hinreichend guter Qualität sind (fit for purpose) (Ariza, Angela et al. (2023). Train-the-Trainer-Konzept zum Thema Forschungsdatenmanagement: Erweiterungsmodul Nachnutzung. Version 1.0. https://doi.org/10.5281/zenodo.10160865). Nachnutzbare Forschungsdaten sind FAIR, darüber hinaus jedoch auch gut dokumentiert und von guter inhaltlicher Qualität. (Ariza, Angela (2023, 05. February). Data fitness. https://doi.org/10.6084/m9.figshare.21944477.v1. https://figshare.com/articles/figure/Data_fitness/21944477)