Forschungsdatenmanagement als Arbeitsschwerpunkt für Informationswissenschaftler/innen

Literaturanalyse

Um die vorliegende Arbeit in den Kontext des aktuellen Fachdiskurses zu stellen, erfolgt eine umfangreiche Recherche der Fachliteratur allgemein zu Forschungsdaten(-management). Der Fokus liegt auf aktuellen Entwicklungen. Für die Literaturanalyse wurde in der deutsch- und englischsprachigen Fachliteratur recherchiert, speziell zu Aufgaben für Informationswissenschaftler/innen, benötigten Kompetenzen, Anforderungen und Arbeitsschwerpunkten. Ziel ist es, sowohl einen Längsschnitt als auch einen (eingeschränkten) Querschnitt der geforderten FDM-Tätigkeiten abzubilden. Als Längsschnitt wird hierbei die Abbildung von Blickwinkeln hierarchisch unterschiedlicher Stakeholder verstanden (Frameworks, Praxisberichte verschiedener Institutionen, Individualbericht). Den Querschnitt bildet die Einbeziehung mehrerer Frameworks und Praxisberichte. Im Sinne der Vergleichbarkeit mit der Stellenanzeigenanalyse liegt der Fokus bei der Sichtung der Praxisberichte auf möglichst aktuellen Berichten aus Institutionen, vorrangig Bibliotheken, des deutschsprachigen Raums.

Nur am Rande werden Perspektiven einzelner Berufsbilder (Data Librarian, Data Curator usw.) betrachtet (z. B. Tammaro et al., 2019). Zur Gewährleistung der Vergleichbarkeit der identifizierten Tätigkeits- und Arbeitsschwerpunkte mit den Stellenanzeigen findet eine Verortung in einem Forschungsdatenlebenszyklus statt, der unten vorgestellt wird.

Stellenanzeigenanalyse mittels Matrix

Um Aussagen über die Arbeitsschwerpunkte für Informationswissenschaftler/innen treffen zu können, braucht es einen Einblick in die Anforderungen des Arbeitsmarktes und somit auch in die gesuchten Kompetenzen. Daher wurde parallel zur Literaturanalyse eine quantitative und qualitative Analyse der Stellenanzeigen durchgeführt. Die Ermittlung präziser Anforderungsprofile und Qualifikationsbedarfe verschiedener Berufs- und Tätigkeitsfelder stand im Vordergrund. In Ergänzung zur Abbildung des stateof-the-art der Literaturanalyse bot der Untersuchungsgegenstand „Stellenanzeige” maßgeblichen prognostischen Wert, da diese sowohl aktuelle als auch prospektive Anforderungen seitens der Arbeitgeber abbilden (Mehra und Dietz, 2015, S. 2).

Methodisch birgt die Analyse von Stellenanzeigen einige Vor- und Nachteile. Die benötigten Daten müssen in der Regel nicht erhoben, sondern lediglich gesammelt beziehungsweise zusammengestellt werden. Von Nachteil ist jedoch der erhebliche Aufwand bei der Aufbereitung und Auswertung der Daten. Zudem kann die Auswahl der Quellen, aus der die Stellenanzeigen stammen, bereits vor der eigentlichen Analyse Einfluss auf das Ergebnis nehmen.

Bei der ausgewerteten Stichprobe handelt es sich um eine Stellenanzeigensammlung, die im Kontext des Projekts „Forschungsdatenmanagement in Brandenburg: Technologien, Kompetenzen, Rahmenbedingungen“ (FDM-BB) entstanden ist. Gefördert vom Ministerium für Wissenschaft, Forschung und Kultur des Landes Brandenburg (MWFK) sollen in dem Projekt, unter der Beteiligung der Universität Potsdam und der Fachhochschule Potsdam, Handlungsempfehlungen erarbeitet werden, die das MWFK bei der Konkretisierung einer Landesstrategie zu Forschungsdaten unterstützen.

Ergänzend zu einer Umfeldanalyse (Wuttke et al., 2021) entstand eine Zotero-Bibliothek mit 162 Stellenanzeigen, deren Fokus auf den Arbeitsschwerpunkt Forschungsdatenmanagement liegt. Ausgewählt wurden dafür nur Stellenanzeigen, in denen der Begriff „Forschungsdatenmanagement” genannt wurde. Entnommen wurden die Anzeigen zwei unterschiedlichen Quellen: der Plattform OpenBiblioJobs und einer Mailingliste des Deutschen Forschungsnetzes (DFN). Genaue Details zur Datenerhebung der Rohdaten sind im dazugehörigen Datenmanagementplan des Projekts FDM-BB zu finden (Zeunert und Schneemann, 2021a). Für die Analyse des zur Verfügung gestellten Stellenkorpus wurde eine Matrix als begleitendes Analyseinstrument erstellt (Zeunert und Schneemann, 2021).

Eine Codierung der Anforderungsbezeichnungen fügte zwischen den Roh- bzw. Primärdaten eine weitere Analyseebene ein. Für diese Codierung konnte durch einen iterativen Prozess anhand der vorliegenden Datensätze ein Codebuch erstellt werden. Für die spätere individuelle und gemeinsame Analyse wurden die im Codebuch unter den Bereichen Hard Skill und Soft Skill abgebildeten Anforderungsbezeichnungen, übereinstimmend zu den Ergebnissen der Literaturanalyse, den Stationen des Datenlebenszyklus zugeordnet.

Vergleichbarkeit von Matrix- und Literaturanalyse

Zur Gewährleistung der Vergleichbarkeit der beiden Informationsquellen, der gesichteten Literatur einerseits und den Stellenanzeigen andererseits, erfolgte eine Zuordnung der Aufgaben zu den einzelnen Stationen eines Forschungsdatenlebenszyklus.

Hierfür wurde die Darstellung von forschungsdaten.info (Wandt, 2020) verwendet und um die zwei Teilaspekte „übergreifende Querschnittsthemen” (nach Ludwig und Enke, 2013, S. 16) und „allgemeine Kern- und Schlüsselkompetenzen“ erweitert (s. Abb. 1).

Abbildung 1

Erweiterter Forschungsdatenlebenszyklus nach forschungsdaten.info. (Bildnachweis: Wandt, 2020, lizensiert unter CC0 1.0)

Literaturanalyse

„Data literacy is the ability to collect, manage, evaluate, and apply data, in a critical manner.” (Ridsdale et al., 2015, S. 2). Danach lässt sich auch (Forschungs-)Datenmanagement als Teilkompetenz von Data Literacy beschreiben (vgl. Heinricht et al., 2018, S. 23). Diese beschreibt als übergeordnetes Konzept die Fähigkeiten und Kompetenzen für einen mündigen Umgang mit Daten. Speziell für den Umgang mit Forschungsdaten gibt es verschiedene Ansätze, die sich mit den Rollen und benötigten Kompetenzen beschäftigen. Betrachtet wurden bei der Untersuchung u. a. Frameworks, Praxisberichte sowie die selbsterstellte Tätigkeitserfassung eines Forschungsdatenmanagers.

Die einbezogenen Frameworks sind auf internationaler Ebene das EU-Projekt EOSCpilot, auf nationaler Ebene die Empfehlung „Digitale Kompetenzen – dringend gesucht! Empfehlungen zu Berufs- und Ausbildungsperspektiven für den Arbeitsmarkt Wissenschaft” (RfII, 2019) des Rats für Informationsinfrastrukturen (RfII) und auf institutioneller Ebene die FDM-Kompetenzmatrix (Blask et al., 2018) des Forschungsprojektes PODMAN.

Auf internationaler Ebene hat das EU-Projekt EOSCpilot verschiedene Rollen- und Kompetenzprofile in und um das Forschungsdatenmanagement erarbeitet. Das Projekt definiert dafür 59 Fähigkeiten. Diese werden auf neun Kompetenzbereiche verteilt. Davon sind sechs am Datenlebenszyklus orientiert und drei projektübergreifende Daueraufgaben. Jedem dieser Kompetenzbereiche wird eine Schlüsselkompetenz (Key Skill) zugeordnet.

Auf nationaler Ebene hat der RfII mit seiner oben genannten Empfehlung das Thema FDM in den öffentlichen Fokus gerückt (vgl. RfII, 2020, S. 8). Der RfII definiert drei Aufgabenbereiche im FDM, bei der die Unterscheidung in wissenschaftliches und nicht-wissenschaftliches Personal vermieden wird: Administration [A], Infrastruktur [B] und Forschung [C]. Für den Bereich [B] wird eine dramatische Veränderung durch eine zunehmende „Verwissenschaftlichung” betont. Dadurch entstehen Herausforderungen aber auch Chancen. Infrastrukturfachleute unterstützen durch ihr bereichsspezifisches Wissen Forschende aktiv und können somit in den Forschungsprozess eingebunden werden.

Auch auf Institutsebene gibt es Auseinandersetzungen um Kompetenzen, Fähigkeiten und Tätigkeiten zum FDM. Im Rahmen des vom BMBF geförderten Forschungsprojektes „Prozessorientierte Entwicklung von Managementinstrumenten für Forschungsdaten im Lebenszyklus“ (PODMAN) erfolgte unter anderem die Entwicklung einer generalisierbaren, forschungsspezifischen FDM-Kompetenzmatrix (Blask et al., 2018). Diese definiert erstens „die zur Implementierung eines umfassenden institutionellen FDM-Konzeptes notwendigen Aufgaben und zweitens die damit verbundenen Kompetenzen der ausführenden Akteure.” (ebenda, S. 1).

Praxisberichte aus Einrichtungen der Informationsinfrastruktur, vorrangig der Instituts- und Hochschulbibliotheken, bilden eine starke Heterogenität ab, die durch die großen Unterschiede in der wissenschaftlichen Bibliothekslandschaft begründet ist.

Allen gemeinsam ist die hohe Bedeutung der konsultierenden Forschungsdatenservices und weniger des technischen Supports, der, wenn vorhanden, meist durch die Rechenzentren abgedeckt wird (Tenopir et al., 2017). Das Angebot von Schulungen, Beratungen und anderen Arten der Informationsvermittlung zum Thema FDM findet sich in zahlreichen Berichten. Die Themenvielfalt der Beratungs- und Schulungsangebote ist immens und reicht von allgemeinen FDM-Infoveranstaltungen bis zu einem hochschulzentralen FDM-Team mit wissenschaftsnahen Data Stewards. Absicht ist immer die Sensibilisierung der Zielgruppe (meist der Forschenden) für FDM sowie eine Beratungstätigkeit zu allen Aspekten des Forschungsdatenlebenszyklus (z. B. Lindstädt und Schmitz, 2019, S. 45).

Einen individuellen Einblick in die Tätigkeiten eines Forschungsdatenmanagers bot Cord Wiljes, indem er seine beruflichen Tätigkeiten über einen Zeitraum von vier Wochen durch Zeiterfassung erhob und prozentual ausgewertete. Auffallend war der hohe Anteil an Vernetzungstätigkeiten. Fachlich nimmt die (individuelle) Beratung mit einem Fünftel der Arbeitszeit die Spitzenposition ein, gefolgt von Schulungen, Website, Metadaten und Programmierung (Wiljes, 2020, S. 7).

Stellenanzeigen

Zur Analyse der Anforderungen aus den Stellenanzeigen wurden diese den Stationen des erweiterten Forschungsdatenlebenszyklus zugeordnet. Dabei konnte ein Großteil der Kompetenzen den Teilaspekten „Kern- und Schlüsselkompetenzen“ und „übergreifende Querschnittsthemen“ zugeordnet werden (119 von 156). Dies liegt überwiegend an den verallgemeinerten Formulierungen, die aus der Codierung der Matrixinhalte hervorgingen und an der Tatsache, dass viele Kompetenzen mehreren Stationen des Forschungsdatenlebenszyklus zugeordnet oder als Vorkenntnis vorausgesetzt werden. Für Informationswissenschaftler/innen erweist sich das Forschungsdatenmanagement als heterogener Arbeitsbereich mit einerseits spezialisierten Anforderungen und andererseits recht allgemeinen Kompetenzen. Die Bedarfe an Know-how erstrecken sich demnach sowohl in die Breite als auch in die Tiefe.

Literatur

Allen Teilaspekten des Forschungsdatenlebenszyklus wurden durch die Literaturanalyse identifizierte Tätigkeiten zugeordnet. Die Gesamtverteilung zwischen den acht Teilaspekten ist sehr unterschiedlich. Während sich die in den Frameworks genannten Tätigkeiten noch recht gleichmäßig zwischen den Stationen des Forschungsdatenlebenszyklus verteilen, verschiebt sich die Gewichtung in den Praxisberichten deutlich zu den „übergreifenden Querschnittsthemen” und den „allgemeinen Kern- und Schlüsselkompetenzen”, um sich im Individualbericht nur noch in diesen beiden Teilaspekten zu finden. Verschiedene Fokusse, Betrachtungsweisen und Zielgruppen der ausgewerteten Literatur sowie besonders die unterschiedliche Granularität der Aufgabenbeschreibungen erschweren einen direkten Vergleich der FDM-Tätigkeiten und Aufgaben.

Bemerkenswert ist die Verortung einer Anzahl an Tätigkeiten bei der Station „Daten erheben”. Dies suggeriert eine Mitarbeit der Infrastrukturanbietenden (Informationswissenschaftler/innen) am eigentlich fachspezifischen Forschungsprozess (vgl. Büttner et al., 2011 b, S. 22). Hier ist eventuell ein nötiges Aufweichen alter Grenzen zwischen Forschenden und Infrastrukturanbietenden zu erkennen (vgl. RfII, 2019, S. 10 ff.). Idealerweise liegt die Last dieser vielen, breit gefächerten Anforderungen und Aufgaben nicht auf den Schultern einer Person, sondern verteilt sich auf viele. Die Verantwortung für das Gelingen von FDM teilen sich Forschende und Infrastrukturanbietende (vgl. Whyte et al., 2018, S. 11). Informationswissenschaftler/innen können hierbei viele Arbeitsschwerpunkte übernehmen und ihre Fähigkeiten und Kompetenzen nutzbringend und zielführend einsetzen.

Synthese

Durch die Zusammenführung der Ergebnisse der Literaturanalyse mit dem ausgewerteten Stellenkorpus wird eine Verbindung zwischen Theorie und aktueller Praxis hergestellt sowie erstens eine Einschätzung des Praxisbezugs der Literatur, zweitens eine Taxierung der aktuellen und zukünftigen Entwicklung von FDM an deutschen Institutionen durch die gegenwärtige Stellenlage und drittens eine Verortung von Arbeitsschwerpunkten im FDM für Informationswissenschaftler/innen ermöglicht (s. Abb. 2).

Abbildung 3

Zusammenfassung der Verortung aus Literatur- und Stellenanzeigenanalyse. (Bildnachweis: eigene Darstellung. Zu den hier abgekürzten Kompetenzen s. Zeunert und Schneemann, 2021b, S. 92 ff.)

Anforderungen an Informationswissenschaftler/innen verorten sich im gesamten Forschungsdatenlebenszyklus, allerdings mit stark unterschiedlicher Gewichtung. So sind in den „übergreifenden Querschnittsthemen” mit deutlichem Abstand die meisten Anforderungen verortet, gefolgt von den „allgemeinen Kern- und Schlüsselkompetenzen”. Deutlich weniger Kompetenzen ließen sich explizit den individuellen Teilaspekten des Forschungsdatenlebenszyklus zuordnen. Besonders die Station „Daten nachnutzen” sticht hervor, der mit lediglich sieben die wenigsten Anforderungen zugeordnet werden konnten. Diese stammen sämtlich aus der Literaturanalyse, was eine Ausnahme darstellt, da ansonsten in den anderen Teilaspekten des Forschungsdatenlebenszyklus eine recht homogene Verteilung zwischen den aus der Literaturanalyse hergeleiteten Tätigkeiten und den aus den Stellenanzeigen stammenden Anforderungen zu erkennen ist. Aus dieser weitgehend gleichmäßigen Verteilung lässt sich auf eine hohe Konvergenz zwischen der ausgewerteten Literatur und der durch die Stellenanzeigen repräsentierten (Berufs-) Praxis schließen (s. Abb. 3). Dies unterstreicht die Praxisnähe der Literatur und bestätigt die aktuelle, im gegenwärtigen Diskurs verankerte Zukunftsplanung der stellenausschreibenden Institutionen.

Die Verortung einer Vielzahl von FDM-Aufgaben als „übergreifende Querschnittsthemen” zeigt, dass viele FDM-Kompetenzen in verschiedenen Stationen des Forschungsdatenlebenszyklus benötigt werden. Diese vielfältige Anwendbarkeit steigert die Bedeutung dieser Kompetenzen für das gesamte FDM und schafft somit potenzielle Arbeitsschwerpunkte. Nach den „übergreifenden Querschnittsthemen” sind die „allgemeinen Kern- und Schlüsselkompetenzen” der Teilaspekt des Forschungsdatenlebenszyklus mit den meisten verorteten Aufgaben und hierfür benötigten Kompetenzen.

Informationswissenschaftler/innen können die für das FDM benötigten Spezialexpertisen (z. B. Recht, Softwareentwicklung, etc.) nur basal abdecken. An dieser Stelle braucht es Fachleute aus den jeweiligen Disziplinen (z. B. Jurist/innen, Softwareingenieur/innen). So entsteht ein

Abbildung 3

Netzdiagramm mit Abbildung des Grads der Kongruenz der Ergebnisse aus Literatur- und Stellenanzeigenanalyse. (Bildnachweis: eigene Darstellung)

hoher Arbeitsaufwand für die benötigte Vernetzung. Diese bedarf verschiedener (Soft) Skills, welche die FDM-verantwortliche Infrastruktureinrichtung und besonders die hier angesiedelten Informationswissenschaftler/innen abzudecken haben.