MyCoRe macht Forschungsdaten FAIR

1 MyCoRe trifft auf Forschungsdaten

Forschungsdaten^[1] bilden einen Grundpfeiler wissenschaftlicher Erkenntnis und sind die Basis für weitere Forschung. Eine transparente Dokumentation der Forschungsdaten, ein verantwortungsvolles Forschungsdatenmanagement (FDM) einschließlich qualitätsgesicherter Archivierung und/oder Veröffentlichung sorgen für die Nachvollziehbarkeit und Reproduzierbarkeit von Forschungsprozessen und deren Ergebnissen und ermöglichen eine vielfältige Nachnutzung.

MyCoRe^[2] ['maikɔːr] ist ein Open-Source-Framework zur Erfassung, Verwaltung und Präsentation digitaler Objekte^[3] und deren Metadaten. Die bis heute mehr als 70 realisierten Anwendungen (z. B. institutionelle Repositorien, Archive und Online-Lexika) enthalten auch verschiedene Forschungsdaten. Von der zitierfähigen Ablage einzelner Forschungsdaten auf Publikationsservern bis zu fachspezifischen Datenbanken und Portalen, zeigt sich dabei ein breites Spektrum.

MyCoRe wird seit 2001 von einer bundesweiten Gemeinschaft an Universitätsbibliotheken, universitären Rechenzentren und an der Verbundzentrale des GBV (VZG) kontinuierlich weiterentwickelt. Dabei standen schon immer Prinzipien im Mittelpunkt, die wir heute unter anderem als FAIR-Leitprinzipien^[4] kennen: Daten und Metadaten sollten in MyCoRe-Webanwendungen im Rahmen einer entsprechenden Infrastruktur auffindbar (Findable), zugänglich (Accessible), interoperabel (Interoperable) und wiederverwendbar (Reusable) sein. Dafür stellt das MyCoRe-Framework Schnittstellen und Funktionen bereit, die zum Verwalten, Speichern, Präsentieren und Austauschen von Metadaten und den digitalen Ressourcen benötigt werden.

2 Offenen Zugang zu Daten FAIR gestalten

Die FAIR-Prinzipien, die für Menschen und Maschinen gleichermaßen gelten sollen,^[5] haben die Wiederverwendung von Forschungsdaten als übergeordnetes Ziel. Sie werden heute oft im Zusammenhang mit der Forderung nach offenem Zugang zu Forschungsdaten proklamiert, wobei „offen“ in erster Linie verlangt, dass klar beschrieben ist, wo die Daten liegen. Mit dem expliziten Bezug auf die FAIR-Prinzipien beim geforderten Datenmanagementplan im aktuellen Horizon 2020 Förderprogramm^[6] werden sie zu einem Grundstein des Forschungsdatenmanagements.^[7] Eine wesentliche Rolle in den Prinzipien spielt die Zitierung von Forschungsdaten und Metadaten. Daher verfeinern Empfehlungen^[8] zur Zitierung von Forschungsdaten einzelne FAIR-Kriterien. In Tab. 1 sind beide Kriterienkataloge zusammengefasst.

Die Umsetzung der sich daraus ergebenden Anforderungen stellen datenerzeugende Forschungseinrichtungen vor enorme Herausforderungen. Es ist eine Infrastruktur zu schaffen, die die anfallenden spezifischen Forschungsdaten und Metadaten bestmöglich erfasst, dokumentiert, analysiert, publiziert, archiviert und gleichzeitig den FAIR-Prinzipien genügt. Dadurch wächst die Notwendigkeit bestehende Software zu evaluieren, ob und wie sie den FAIR-Prinzipien genügt^[9] und deren FAIRness^[10] transparent zu messen.

Wir zeigen hier, inwieweit das MyCoRe-Framework selbst, sowie die folgenden drei MyCoRe-Anwendungen, die alle frei zugängliche Forschungsdaten enthalten, die FAIR-Prinzipien und die Empfehlungen zur Zitierung für Datenrepositorien vollständig und optimal (++), vollständig mit Potential (+), teilweise (?) oder nicht (–) erfüllen. Dabei vergeben wir vollständig und optimal (++) nur dann, wenn eine technische Möglichkeit vollständig implementiert und auch konsequent in der Anwendung umgesetzt ist. MyCoRe kann somit bestenfalls nur vollständig mit Potential (+) bewertet werden. Die untersuchten Anwendungen sind:

1. OpenAgrar,^[11] der Publikationsserver der Bibliotheken der Ressortforschungseinrichtungen des Bundesministerium für Ernährung und Landwirtschaft (BMEL-Forschung),

2. der Catalogus Professorum Rostochiensium,^[12] ein Personenlexikon über alle an der Universität Rostock tätigen Professoren seit ihrer Gründung (kurz: Rostocker Professorenkatalog) und

3. der Corpus Musicae Ottomanicae^[13] (CMO) Musik-Editionen- und -Quellen-Katalog des gleichnamigen Gemeinschaftsprojektes des Institutes für Musikwissenschaft der Westfälischen Wilhelms-Universität Münster, der Max-Weber-Stiftung und des Orient-Institutes Istanbul.

3 MyCoRe und die FAIR-Prinzipien

4 OpenAgrar – ein Repositorium auch für Agrardaten

OpenAgrar ist das gemeinsame Repositorium von Einrichtungen im Geschäftsbereich des Bundesministeriums für Ernährung und Landwirtschaft (BMEL). Es dient einerseits dazu die Veröffentlichungen der Forschenden aus diesen Einrichtungen zu erfassen, zu archivieren und der Öffentlichkeit zugänglich zu machen und andererseits, um erzeugte Dokumente aber auch Forschungsdaten dieser Einrichtungen zu veröffentlichen und entsprechend nachnutzbar zu machen. Es werden alle Datenformate unterstützt – Bilder, Tabellen oder ganze Datenbanken können über eine Weboberfläche hochgeladen und entsprechend mit Metadaten angereichert werden.

Für alle erstpublizierten Datenobjekte im OpenAgrar können DOIs^[16] aus dem System heraus vergeben und über DataCite registriert werden. Sie sind über einen HTTP-Resolver auflösbar (G1: ++) und ihre Langlebigkeit ist durch eine entsprechende Policy der DOI-Registrierungsagentur^[17] garantiert (F1: ++). Außerdem kann ein Embargo auf das Datenobjekt selbst vergeben werden, sodass nur die Metadaten selbst sichtbar sind. Veröffentlichte Datenobjekte können gesperrt, aber nicht undokumentiert gelöscht werden, wobei die Metadaten in allen Fällen erhalten bleiben. Das verwendete MODS-Metadaten-Schema in OpenAgrar wurde dafür auf das DataCite-Schema 4.1^[18] abgebildet.

Eine strukturierte granulare Vergabe von DOIs für einzelne Datenobjekte, die zu einer Datensammlung oder Teilen davon bzw. verschiedenen Versionen gehören, ist nur teilweise möglich (G2: ?). Die Datenobjekte können derzeit nur über die Beziehungstypen „Version von“, „anderes Format zu“, „Original zu“, „verbunden mit“ entsprechend verlinkt werden (I3: +). Registrierte DOIs lösen immer auf eine Landing Page (LP) auf, wo neben dem DOI selbst u. a. Kontaktinformationen, bibliografische und datenbeschreibende Metadaten, Verlinkungen, Lizenzen und Zitierweisen stehen (G3, G5, G6: ++). All diese Metadaten sind von Menschen als auch Maschinen lesbar, wobei die Maschinenlesbarkeit durch schema.org-Auszeichnung im JSON-LD Format und/oder verschiedenen HTML-Meta-Tags (z.B. DublinCore, HighWirePress) realisiert ist (F2, F3, G4, G7, G8: ++).

Für jedes Datenobjekt ist es möglich, sowohl die für die DOI-Registrierung nötigen fünf obligatorischen als auch alle weiteren sechs empfohlenen Metadaten des DataCite-Schemas 4.1 zu erfassen, womit die Zitierung garantiert ist und die Auffindbarkeit gewährleistet wird. OpenAgrar ermöglicht die beidseitige Verlinkung zwischen erstpubliziertem Datenobjekt und dem erfassten dazugehörigen wissenschaftlichen Artikel über den Bezug „ist referenziert in“ bzw. „referenziert“ und erhöht somit die Auffindbarkeit im OpenAgrar selbst als auch über externe Data Literature Interlinking Services wie ScholeXplorer.^[19] Zusätzlich können Metadaten wie „Rechteinhaber“, „Beschreibung der Datenstruktur“ wie z. B. Parameter oder Messgrößen aber auch „Umfang/Größe“ des Datenobjektes, „Version“ und „Sprache“ erfasst werden (R1: +). Um Informationen über die Entstehung und Herkunft des Datenobjektes zu bekommen, erlaubt OpenAgrar das Erfassen von verschiedenen Beitragenden wie z. B. „Laborleitung“ oder „Projektleitung“ ebenso wie von verschiedenen zeitlichen Angaben wie „erstellt am“, „überprüft am“, „geändert am“, „aufgenommen am“ (R1.2: +). Das Metadatum „Rechte/Lizenz“ ist obligatorisch und erlaubt die Auswahl aus einer Liste mit verschiedenen Lizenzen (R1.1: ++). Die zur Zitierung nötigen Metadaten sind in einem extra Feld „Zitierform“ ersichtlich und in verschiedenen Formaten wie z. B. BibTeX, RIS und ISI exportierbar (G9: ++). OpenAgrar erlaubt die Eingabe von IDs für Personen und Schlagwörtern (ORCID, GND etc.) und ermöglicht somit eine eindeutige Zuordnung von Autoren bzw. zu Themengebieten. Das Datenobjekt selber muss obligatorisch einer Sachgruppe der Deutschen Nationalbibliothek zugeordnet werden. Alle diese, nach extern referenzierten Metadaten, lösen über eine entsprechende URL auf und sind auffindbar und dokumentiert (I2: +). Außerdem bietet OpenAgrar den Export im MODS und Dublin-Core-Schema an (I1: ++).

Die Daten und Metadaten sind über verschiedene Sucheinstiege im OpenAgrar recherchierbar. Da Volltexte ebenfalls indiziert sind, kann sowohl das Datenobjekt selbst besser gefunden werden, als auch mitveröffentlichte Methodenbeschreibungen oder datenbeschreibende Dateien. Diese zusätzlichen Informationen geben dem Datennachnutzenden Auskunft über die Herkunft, den Prozessierungsgrad, oder über die Erzeugungsmethode des Datenobjektes. Durch beschränkte Zugriffsrechte kann der Zugang zum Datenobjekt selbst eingeschränkt bzw. gesteuert werden, dem Datennutzenden wird dies auf der LP angezeigt, dabei bleiben die Metadaten immer zugänglich. In OpenAgrar können über ein Rollen- und Rechtemanagement entsprechend verschiedene Lese-/Schreibrechte für Autoren, Administratoren oder Bearbeiter zugewiesen werden (A1.2: ++). Datennutzende haben freien Zugang, wohingegen datenpublizierende Autoren sich z. B. via SHIBBOLETH oder LDAP authentifizieren und registrieren müssen.

Über die OAI-PMH-Schnittstelle werden Metadaten ausgegeben und können von Suchmaschinen gesammelt und indiziert (z. B. von Bielefeld Academic Research Engine – BASE^[20]), über die REST-API exploriert und exportiert bzw. über die OpenAIRE-Schnittstelle entsprechend Projekten zugeordnet werden (F4: ++). Ebenso ist OpenAgrar in re3data.org,^[21] einem Katalog für Datenrepositorien, registriert. Die Datenobjekte und ihre Metadaten sind über HTTPS zugänglich (A1: ++) – einem offenen und universellen Format (A1.1: ++).

Im Falle der Beendigung des Betriebs von OpenAgrar sind die Betreiber für den (Meta-)Datenerhalt verantwortlich und müssen dies entsprechend in ihrer Policy verankern (A2: ?), vertraglich ist momentan eine Datensicherung für 10 Jahre garantiert.

OpenAgrar ist ein Datenrepositorium für den Agrarbereich, aber nicht spezialisiert auf einen bestimmten Datentyp wie z. B. Gensequenzdaten, Geodaten oder Charakterisierungsdaten pflanzengenetischer Ressourcen, die jeweils eigene Metadatenstandards haben, es kann somit nur generelle Metadaten verpflichtend erheben und indizieren (R1.3: +).

5 Rostocker Professorenkatalog

Der Rostocker Professorenkatalog ist ein biografisches Online-Lexikon, in dem alle Rostocker Professoren seit Gründung der Universität 1419 bis heute erfasst und mit ihren biografischen Informationen dargestellt werden. Die Einträge werden mit Bildern und historischen Quelldokumenten angereichert und mit weiteren digitalen Ressourcen verknüpft.

In dieser Anwendung findet man die biografischen Informationen (Daten) nicht in Dateien, die in ein Repository hochgeladen und mit Metadaten beschrieben werden, sondern sie werden über Webformulare erfasst und direkt in den MyCoRe-Metadatenobjekten als XML gespeichert. Die Repository-Funktionalität von MyCoRe wird genutzt, um zusätzliches Bild- und Quellenmaterial für einen Datensatz zu veröffentlichen. Im Folgenden untersuchen wir, ob auch für diesen Spezialfall die FAIR-Prinzipien und die Kriterien zur Zitierung von Datensätzen erfüllt werden können.

Für jeden Datensatz wird auf dem PURL-Server der Universitätsbibliothek Rostock ein PID erzeugt. Sollte in Zukunft eine Migration oder Integration in eine andere Anwendung unter einer neuen Webadresse notwendig werden, bleibt die zitierfähige PURL konstant. In diesem Fall wird lediglich eine neue Resolving-URL auf dem PURL-Server registriert (F1, G1: ++). In einer Empfehlung fassen wir die für das Zitieren eines Datensatzes notwendigen Informationen (u. a. Titel, PID und Abrufdatum) zusammen (F3: ++). Durch die Registrierung der Datensätze in Suchmaschinen (u. a. durch Implementierung des Google-Sitemap-Protokolls) werden diese weltweit sichtbar (F4: +).

Die Daten werden über das HTTP-Protokoll in Form von Webseiten für den menschlichen Leser und über die MyCoRe-REST-API maschinenlesbar im XML-Format bereitgestellt (A1: ++, A1.1: ++). Sämtliche Daten stehen ohne Zugriffsbeschränkung zur Verfügung. Somit besteht keine Notwendigkeit, die in MyCoRe enthaltenen Funktionen des Rollen- und Rechte-Managements für den Zugriff auf die Webseiten und die REST-API zu verwenden (A1.2: +). Da sich Daten und Metadaten nicht trennen lassen, bzw. die Metadaten aus den Datensätzen abgeleitet werden, ist eine Bereitstellung der Metadaten unabhängig von den Primärdaten nicht vorgesehen (A2: –). Dieses Kriterium könnte erfüllt werden, wenn Metadaten im Rahmen der Registrierung eines PIDs erzeugt werden, wie es z. B. von MyCoRe bei der Registrierung von DOIs unterstützt wird. Die Speicherung der Daten im XML-Format und die Bereitstellung über die REST-API ermöglichen den Datenaustausch. Durch die Verwendung der GND-Nummer^[22] der beschriebenen Personen, wird eine eindeutige Zuordnung der Person und Verknüpfung mit anderen Datenquellen, beispielsweise über den GND-Beacon-Service,^[23] möglich. Die Verknüpfung weiterer Aspekte (z. B. Ortsnamen^[24]) ist im Datenmodell vorgesehen, wurde allerdings bislang nicht explizit erfasst (I3: +).

Die Beschreibung der Datenerhebung und des Datenumfangs lässt sich aus der Projektbeschreibung der Webseite entnehmen. Diese Daten sind aber nicht formalisiert oder maschinenlesbar (R1: ?). Die Notwendigkeit der Angabe einer Lizenz für die Nachnutzung der Daten wurde erkannt und wird diskutiert (R1.1: –). Durch die Anzeige des Zitierhinweises sowie Angaben zum Erfasser und letzten Bearbeiter eines Datensatzes sind grundlegende Angaben zur Provenienz möglich (R1.2: ?). Die Identifizierung einzelner Datensatzbestandteile oder verschiedener Versionsstände eines Objektes sind derzeit nicht vorgesehen (G2: ?). MyCoRe bietet jedoch die Möglichkeit mehrere Versionsstände für einen Datensatz zu speichern. Die persistenten URLs verweisen auf eine individuelle Webseite für jeden Datensatz mit Hinweisen zur gewünschten Zitierform (G3: ++, G5: +). Weder eine maschinenlesbare Codierung (mittels JSON-LD bzw. HTML-Metatags) noch eine Bereitstellung in einem Zitierformat (BibTeX, RIS) wurde bislang umgesetzt (G4: -, G6: ?, G7: -, G8: -, G9: -), ließe sich aber durch die von MyCoRe bereitgestellten XML-Funktionen (z. B. XSLT) einfach implementieren.

6 CMO-Editionen- und Quellen-Katalog

Die abschließend vorgestellte Anwendung Corpus Musicae Ottomanicae (CMO) ist eine Mischung aus Publikationsserver und Quellen-Katalog und Teil des auf 12 Jahre angelegten, gleichnamigen Projektes CMO. Dieses beschäftigt sich mit der Aufarbeitung von Musikhandschriften aus dem Nahen Osten, die sich auf Manuskripte osmanischer Musik aus dem 19. Jahrhundert konzentrieren. Es wird eine umfassende Onlinedatenbank aufgebaut, die Drucke, Manuskripte, zugehörige Online-Quellen und Beschreibungen der beteiligten Personen enthält. Ein weiterer wesentlicher Bestandteil des Projektes ist die Transkription und Edition der Quellen. Die so entstehenden kritischen Berichte, Musik- und Texteditionen werden ebenfalls auf der Online-Plattform veröffentlicht und mit dem zugehörigen Quellmaterial verknüpft.^[25]

Früh stand fest, dass für die Quellenbeschreibung der Metadatenstandard MEI (Music Encoding Initiative),^[26] ein XML-basiertes Dokumentenformat für die Kodierung, den Austausch und die Archivierung von Musik verwendet werden soll^[27] (I1: ++, R1.3: ++). Eine weitere Anforderung war es, keine reine Webpräsentation der Daten zu schaffen, sondern gleichzeitig ein Werkzeug mit dem die Informationen direkt erfasst, analysiert und erweitert werden können. Nach der Analyse verschiedener Lösungsmöglichkeiten fiel die Wahl unter anderem aus den folgenden drei Gründen auf MyCoRe:

1. Das Framework bietet die Möglichkeit XML-basierte Metadatenmodelle frei zu modellieren – also auch das hier geforderte MEI und dessen Relationen nach dem FRBR-Modell.^[28]

2. Der Einsatz eines Open-Source-Frameworks mit aktiver Community und Entwicklung sowie Betrieb bei der Verbundzentrale des GBV (VZG) gewährleisten eine nachhaltige Softwarelösung (A2: +).

3. Die ebenfalls in diesem Kontext angesiedelte MyCoRe-Anwendung Bach digital^[29] ist seit 2010 online und belegt nochmals Umsetzbarkeit und Nachhaltigkeit (A2: +, R1.3: ++).

Seit Mai 2018 ist die Online-Plattform von CMO über HTTPS erreichbar (A1, A1.1, A1.2: ++) und der Bestand wächst seither stetig. Im Vordergrund des Projektes steht nachhaltiges Forschungsdatenmanagement. So sind neben den aktuellen Forschungsarbeiten auch für die internationale akademische Welt und Künstlergemeinschaft neue Einblicke und weitere Forschungen möglich, da diesen die Quellen zugänglich gemacht werden. Ein weiteres langfristiges Ziel ist es, die Datenbank für weitere Quellen zu öffnen, um zukünftig eine breitere Datenbasis für die Musikforschung bereitzustellen.

Durch die Verwendung der Metadatenstandards MODS und MEI sind sowohl Quell- als auch Publikations-(Meta-)Daten umfangreich (F2:++), nachhaltig und maschinenlesbar (F4: +) beschrieben. Innerhalb der Metadaten wird auf standardisiertes Vokabular gesetzt: Standard List of Musical Terms (Makâm, Usûl, Tempo, Genre)^[30] (I1: ++, R1.3: ++). In den Bereichen, in denen die derzeitigen Standards nicht ausreichen, wird im CMO-Projekt an einer entsprechenden Erweiterung des Standards gearbeitet.

Die Umsetzung der Relationen nach dem FRBR-Modell ist wie in der MEI-Spezifikation beschrieben implementiert. Dadurch ist es möglich die z. T. komplexen Zusammenhänge der Daten auch anwendungsunabhängig, also nativ auf der Platte nachzuvollziehen. Einen leicht verständlichen Zugang zu den Daten wie er in Cremer et al. (2018) gefordert wird, der auch ohne Webanwendung mit deren Suche, sowie Filtern funktioniert, kann jedoch derzeit nicht geboten werden.^[31]

Eine langfristige Verfügbarkeit der Quelldaten, um u. a. auch spätere Forschung unter neuen Aspekten zu ermöglichen ist dadurch realisiert, dass die Anwendung nach Projektlaufzeit als Standarddienst bei der VZG weiter gewartet und gehostet wird. Ein entsprechender Vertrag, der auch die Bereitstellung der Daten nach Vertragskündigung gewährleistet, ist bereits abgeschlossen.

7 Zusammenfassung

Wir haben gezeigt, dass die untersuchten FAIR-Prinzipien und die Zitierempfehlungen von MyCoRe bis auf die beiden optionalen Richtlinien G10 und G11 technisch sehr gut realisiert sind und somit entsprechende Anforderungen an das Forschungsdatenmanagement umgesetzt werden können. Trotzdem verdeutlicht die Übersicht in Tabelle 2, dass die vorgestellten MyCoRe-Anwendungen einige Prinzipien noch nicht vollständig und optimal umsetzen. Folgende Gründe können genannt werden:

Im OpenAgrar sind einige Prinzipien (siehe + in Tab. 2) noch nicht für alle Datensätzen konsequent angewendet worden. Dies liegt zum überwiegenden Anteil in der Verantwortung der Betreiber, z. B. fehlende Verträge mit DOI-Registrierungsagenturen (F1) oder fehlende Policies, die obligatorische und freiwillige Metadatenfelder festlegen können (R1, R.1.2, I3).

Im Professorenkatalog werden die intern als XML vorliegenden Daten in Form eines Webportals publiziert. Dadurch wird eine klare Abgrenzung von Daten und Metadaten erschwert und es besteht die Gefahr, dass die genannten Prinzipien nicht ausreichend Beachtung finden. Viele der zur Erfüllung der Kriterien notwendigen Informationen sind in den Daten enthalten und müssen lediglich in Form von zusätzlichen Angaben auf der Webseite oder die Aufbereitung in maschinenlesbarer Form explizit gemacht werden. Für die Umsetzung stellt MyCoRe die notwendige Funktionalität bereit. Aus unserer Sicht ist auch eine stärkere Sensibilisierung der Fachwissenschaftler für dieses doch eher technische Thema notwendig.

Der CMO-Editionen- und Quellen-Katalog ist die jüngste der hier vorgestellten Anwendungen und sowohl inhaltlich als auch funktional noch im Aufbau befindlich. Auch wenn MyCoRe aus technischer Sicht alles mitbringt, was für die Umsetzung der hier evaluierten Kriterien notwendig ist, sind einige Funktionen nur teilweise oder gar nicht umgesetzt.

Abschließend können wir sagen, dass Forschungsdaten und Metadaten in MyCoRe-Repositorien potentiell FAIR sind. Es kommt aber darauf an, dass in den Projekten, die den Aufbau eines Repositoriums planen und realisieren, kontinuierlich an der Einhaltung der Prinzipien mitgewirkt wird. Dies setzt eine stärkere Sensibilisierung der Fachwissenschaftler bzw. Repository-Betreiber für die FAIR-Prinzipien voraus. Notwendig ist auch eine kontinuierliche Weiterentwicklung der Software, wie dies in der MyCoRe-Entwicklergemeinschaft gepflegt wird. Da die grundlegenden Prinzipien der Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit von (Meta-)Daten in Repositorien schon bei der Entwicklung von MyCoRe eine wichtige Rolle gespielt haben, sind viele technische Möglichkeiten schon lange verfügbar und bei entsprechenden institutionellen Publikationsservern mit diversen digitalen Objekten umgesetzt. Mit MyCoRe-Anwendungen kann so ein Beitrag zum Aufbau einer langfristig stabilen, vertrauenswürdigen und verlässlichen Forschungsdateninfrastruktur geleistet werden.