Handlungsfelder und Prozesse im Forschungsdatenmanagement

Aktuelle Entwicklungen im FDM

In einer datengetriebenen Wissenschaftslandschaft sind effektive und nachhaltige Ansätze des Forschungsdatenmanagements (FDM) unerlässlich. Ein zentrales Anliegen ist die Kompetenzvermittlung im Umgang mit Forschungsdaten, um die Qualität der Daten zu sichern. Interdisziplinäre Projekte profitieren von flexiblen, technischen Lösungen verschiedenster Fachdisziplinen sowie der Nutzung internationaler Standards. Innovative Werkzeuge, wie Cloud-basierte Plattformen und automatisierte Metadaten-Generierung, erleichtern den Umgang mit Daten. Nachhaltige Infrastrukturen wie Repositorien stellen sicher, dass Daten langfristig und über die Projektlaufzeit hinaus verfügbar bleiben. Durch kontinuierliche Schulung und den Austausch von Best Practices wird FDM zu einem dynamischen System, das die Qualität und Transparenz wissenschaftlicher Arbeit steigert und die internationale Zusammenarbeit in allen Fachbereichen fördert. Angesichts der damit einhergehenden vielfältigen Herausforderungen, denen sich Forschungsinstitutionen gegenübersehen, haben sich in den letzten Jahren mehrere Initiativen und Projekte etabliert, um die strategische Entwicklung und Umsetzung von FDM voranzutreiben.

Es zeigt sich in den Projektarbeiten, dass das institutionelle FDM zwei Schwerpunkte abdeckt. Zum einen umfassen Prozesse alle Belange des Umgangs mit Forschungsdaten (s. Kapitel 4). Zum anderen beinhalten Handlungsfelder alle Arbeiten, bei denen das Forschungsdatenmanagement kontinuierlich qualitativ und strategisch weiterentwickelt wird (s. Kapitel 3). Dieses Paper stellt beides gegenüber und zeigt die komplementären Verknüpfungen auf. Um diese beiden Begriffe zu verstehen, ist es entscheidend, die organisatorischen Strukturen des institutionellen FDM zu kennen. Deshalb werden sie in Kapitel 2 dargestellt.

Beispielhaft für die Unterscheidung von Prozessen und Handlungsfeldern kann die Projektserie, bestehend aus FDMentor^[1], FDNext^[2] und FDLink^[3], genannt werden, mit der das (über-)institutionelle FDM im gemeinsamen Verbund in Berlin und Brandenburg weiterentwickelt werden sollte und soll. Ziel ist die kontinuierliche Verbesserung von FDM-Strukturen an Hochschulen und Forschungseinrichtungen. Einerseits werden Verbesserungen auf der strategischen Ebene angestrebt und anderseits wird die breite Anwendung von FDM-Methoden in verschiedenen wissenschaftlichen Disziplinen sowie in der Lehre gestärkt.

Mit einem klaren Fokus auf die Förderung von FAIR-Prinzipien^[4] (Findable, Accessible, Interoperable, Reusable) und die Integration von FDM in der Lehre, verfolgt die Projektserie das Ziel, effektive Lösungen und disziplinspezifische Strategien zu entwickeln, die nicht nur lokal, sondern auch regional und national Wirkung entfalten können. Zur Erreichung dieser Ziele werden die Projektarbeiten gezielt mit Initiativen wie der Nationalen Forschungsdateninfrastruktur (NFDI) und der European Open Science Cloud (EOSC) verknüpft.

Im Folgenden fassen wir die Arbeiten in diesen Projekten zusammen.

FDMentor, gefördert durch den BMBF, verfolgte das Ziel, allgemeingültige Strategien und Lösungen für die Herausforderungen des institutionellen FDM an deutschsprachigen Hochschulen zu entwickeln und umzusetzen. Der Verbund, bestehend aus der Humboldt-Universität zu Berlin, der Freien Universität Berlin, der Technischen Universität Berlin, der Universität Potsdam sowie der Europa-Universität Viadrina Frankfurt (Oder), erarbeitete Strategien zur Policy-Erstellung, generische Schulungsmaterialien, diverse Leitfäden und erste Empfehlungen für den Umgang mit rechtlichen Grundlagen. Zu den Forschungsergebnissen zählen Handreichungen zur Unterstützung von Hochschulen beim Einstieg in das FDM und zur dessen Weiterentwicklung^[5], Empfehlungen zu rechtlichen Aspekten der Forschungsdaten^[6], die Konzeption eines modularen Policy-Kits zur Erstellung eigener institutioneller Forschungsdaten-Policies^[7] und die Bündelung und Entwicklung von Schulungsmaterialien in Form eines „Train-the-Trainer“-Programms^[8].

Im DFG-geförderten Projekt FDNext, das konzeptionell an FDMentor anschließt, erweiterte sich der Kreis der Beteiligten um die Brandenburgische Technische Universität Cottbus-Senftenberg. Ein wesentlicher Bestandteil von FDNext war die Entwicklung strategischer sowie disziplinspezifischer Strategien und Forschungsdaten-Policies. Diese sollen die Selbstorganisation von Fachbereichen, die beratenden Stellen und die zentralen Serviceeinrichtungen unterstützen.

Die Projektergebnisse umfassen einen Leitfaden für den Fachbereich der qualitativen Bildungsforschung zur Erstellung von Methoden- und Feldberichten^[9]; das Reifegradmodell „UpdateFDM“ zur Evaluierung der technischen Services im Hinblick auf das FDM^[10],ein fachspezifisches Train-the-Trainer-Modul für die Psychologie^[11], einen FDM-Moodle-Kurs zum Kompetenzaufbau^[12] sowie rechtliche und ethische Empfehlungen^[13].

In beiden Projekten zeigte sich, dass die nachhaltige Weiterentwicklung und Integration des FDM eine enge Verzahnung von Bottom-up- und Top-down-Ansätzen sowie eine verstärkte Zusammenarbeit zwischen lokalen Institutionen und überregionalen Initiativen voraussetzt. Mit seinen Zielen und Maßnahmen setzt das aktuell laufende, dritte Projekt der Serie, FDLink, neue Maßstäbe für die Unterstützung wissenschaftlicher Dateninfrastrukturen, indem es bestehende Angebote besser vernetzt und deren Nutzung optimiert.

Organisation des FDM im Wissenschaftsbetrieb

Damit die Handlungsfelder und Prozesse des FDM in Institutionen (hier: Forschungs- und Lehrzentren wie bspw. Universitäten, Hochschulen und Museen) gleichermaßen weiterentwickelt und optimiert werden können, bedarf es unterschiedlichste Kompetenzen in Form eines ausdifferenzierten Fachpersonals, die zudem verschiedene Rollen innehaben und in institutionellen Strukturen eingebettet sind. Beispielhaft ist in den Projekten FDMentor, FDNext und FDLink zu sehen, dass die Arbeit am und im FDM in allen Strukturbereichen von wissenschaftlichen Institutionen ausgeführt wird. Das FDM kann sowohl fachspezifisch, interdisziplinär, rein institutionell, überinstitutionell, regional begrenzt oder überregional organisiert sein. Das FDM-Personal benötigt daher umfassende Kompetenzen in IT, rechtlichen Aspekten wie Datenschutz, Datenmanagement und sozialen Fähigkeiten wie Empathie und Konfliktlösung.^[14] Diese strukturelle Diversität kann durch Data Stewards mit unterschiedlich ausdifferenzierten Profilen im Sinne der Ergebnisse des DataStew-Projektes geleistet werden, die eine nachhaltige Verwaltung und damit eine effiziente (Nach-)Nutzung der Forschungsdaten fördern.^[15]

Die (1) Gruppe der Data Stewards bildet das institutionelle Rückgrat der operativen Umsetzung von FDM. Die wachsende Gruppe der Data Stewards ist begründet in der Verstetigung des FDM im Wissenschaftsbetrieb z. B. durch die Anforderungen der Fördereinrichtungen.^[16] Die Gruppe besteht in der Regel aus interdisziplinären Fachkräften, die über ihre Ausbildung hinaus in verschiedenen Bereichen wie Datenmanagement, IT, Wissenschaftskommunikation und rechtlichen Fragestellungen geschult sind. FDM-Teams bestehen in der Regel aus Data Stewards, die sich durch unterschiedliche Schwerpunktsetzung in der Bearbeitung der Aufgaben im Team ergänzen. Die Aufgaben des Teams umfassen die Beratung von Forschenden, die Unterstützung bei der Entwicklung und Implementierung von Datenmanagementplänen (DMPs), die Planung und Durchführung von Schulungen und Workshops sowie Hinweise zur Nutzung technischer Tools und Repositorien. Sie bilden damit einen Knotenpunkt im Netzwerk verschiedener forschungsunterstützender Dienste einer Institution und können gezielt Hinweise auf technische Services, spezialisierte Beratungsangebote und Best Practices geben.

Die Data Stewards sind in bestehende (2) institutionelle Strukturen und Serviceeinrichtungen integriert, um Synergien zu schaffen und den Zugang für Forschende zu erleichtern. Universitätsbibliotheken spielen eine wichtige Rolle, weil sie traditionell Expertise im Umgang mit Informationen und mit der Vermittlung von Methoden der wissenschaftlichen Arbeit haben. Rechen- und Medienzentren stellen die notwendige technische Infrastruktur für das FDM bereit, insbesondere für die Phase der Erhebung und Verwendung von Forschungsdaten. Die Anbindung der Data Stewards als Stabsstelle direkt an die Leitung betont die institutionsweite Bedeutung der FDM-Aktivitäten. An Graduiertenschulen und in Forschungszentren sorgt die Einbindung von FDM-Angeboten in das Curriculum für eine effiziente Nutzung bestehender Ressourcen. Eine Zusammenarbeit mit dem Forschungsreferat schafft gleichzeitig institutionelle Verankerung.

Innerhalb der institutionellen Einrichtungen gibt es häufig klar (3) definierte Rollen, die unterschiedliche Verantwortlichkeiten im FDM abdecken. FDM-Koordinatorinnen und -Koordinatoren übernehmen die strategische Planung und Organisation, während Datenkuratorinnen und -kuratoren Forschende bei der Aufbereitung und Dokumentation von Daten unterstützen. IT-Fachkräfte sind für die technische Infrastruktur zuständig und unterstützen die Entwicklung von Softwarelösungen. Immer dringender ist die Eingliederung von Fachleuten aus dem Rechtsbereich, die Forschende bei der Klärung von Fragen zu Datenschutz, Urheberrecht und der Auswahl geeigneter Lizenzen helfen. Weitere Expertisen sind ebenfalls möglich.

Ein weiterer institutioneller Baustein sind (4) fachlich spezialisierte Ansprechpersonen, die Forschende gezielt unterstützen. Sie helfen beispielsweise bei der Nutzung fachspezifischer Repositorien, beraten bei der Standardisierung von Metadaten, arbeiten in fachspezifischen Gremien und Verbänden mit und entwickeln Schulungsmaterialien, die auf die Bedürfnisse einzelner Disziplinen zugeschnitten sind. Durch diese Spezialisierung wird das FDM passgenauer und effizienter. Auch ist dadurch der Zugang zum FDM für Forschende leichter.

Die strategische Steuerung des FDM erfolgt durch (5) Steuerungs- und Arbeitsgruppen, die oft in regionalen Verbünden zusammenarbeiten. Die Gruppen setzen sich oft aus Data Stewards unterschiedlicher Serviceeinrichtungen und Positionen zusammen. Sie erarbeiten überinstitutionelle Zielstellungen und zeigen Stärken und Schwachstellen des FDM auf. Für eine stärkere Vernetzung und Standardisierung auf nationaler und internationaler Ebene sorgen Verbünde wie die NFDI, GO FAIR oder auch die EOSC.

Eine enge (6) Integration in den Forschungsprozess fördert die Weiterentwicklung des FDM. Die Einbindung kann zu verschiedenen Stadien des Projektes unterschiedlich gestaltet sein. Eine frühzeitige Einbindung von FDM-Expert*innen ermöglicht die strategische Planung des Datenmanagements. So erfolgt etwa bei der Erstellung von DMPs im Antragsprozess eine eher punktuelle Beratung durch institutionelle Data Stewards, aus der je nach Auftrag und Ausstattung des FDM-Teams eine dauerhafte Begleitung des Forschungsprojektes erwachsen kann.

Die Integration in den Forschungsprozess kann sich auch äußern in der Teilnahme von Data Stewards in Forschungsprojekten. Sie können das Datenmanagement über das gesamte Projekt intensiv begleiten, Mitarbeitende schulen und als niedrigschwellige Ansprechpersonen dienen. In der Regel sind sie auch gut vernetzt mit institutionellen Service- und Anlaufstellen. Die Integration des FDM in Forschungsprojekte sowie die internationale Zusammenarbeit unterstützen die Kultur einer offenen Informations- und Wissensgesellschaft.

Handlungsfelder des FDM

Die unterschiedlichen Aufgabenbereiche sind mehrdimensional, weil sie die strategische Ausrichtung auf institutioneller, regionaler und internationaler Ebene mit einbeziehen. Sowohl die Handlungsfelder als auch deren Mehrdimensionalität sind in den einzelnen disziplinären Konsortien der NFDI gut abgebildet. Die folgenden fünf Handlungsfelder finden sich in allen Konsortien, wobei sie je nach Fachbereich unterschiedlich ausgeprägt sind.^[17] Die nachfolgende Liste erhebt zwar keinen Anspruch auf Vollständigkeit, erstreckt sich aber dennoch über das gesamte Arbeitsgebiet von Data Stewards und zeichnet somit ein umfassendes Bild des FDM.

1. FDM-Beratung

An vielen Institutionen wurde eine Beratungsstelle eingerichtet, um Forschende im Antragsprozess zu unterstützen, als sich abzeichnete, dass immer mehr Drittmittelgeber Angaben zum Umgang mit Forschungsdaten oder sogar vollständige Datenmanagementpläne einforderten. Parallel verlangten wissenschaftliche Verlage zunehmend, dass neben den wissenschaftlichen Artikeln auch die zugrundeliegenden Forschungsdaten publiziert werden, um die Überprüfbarkeit der Ergebnisse zu verbessern. Dies führte zu erhöhtem Beratungsbedarf durch Forschende. Die Beratung hat neben diesen spezifischen Beratungsbedarfen auch die Aufgabe, Forschende dabei zu unterstützen, ihre Daten effizient, sicher und gemäß den Prinzipen guter wissenschaftlicher Praxis^[18] zu organisieren.

Sie umfasst verschiedene Formate, darunter Self-Service-Angebote (z. B. FAQs, Blogartikel), Beantwortung schriftlicher Anfragen, persönliche Gespräche und Workshops. Der Beratungsprozess gliedert sich in mehrere Phasen: vom Erstkontakt über die Problemanalyse bis hin zur Folgeberatung und dem Abschluss.^[19] Im Mittelpunkt der individuellen Beratungen steht die Unterstützung bei der Umsetzung von Datenmanagementpraktiken. Dazu gehört auch die rechtliche und ethische Beratung, die Forschende dabei unterstützt, ihre Arbeit im Einklang mit gesetzlichen Vorgaben, wie der Datenschutz-Grundverordnung (DSGVO) und mit der guten wissenschaftlichen Praxis, sowie ethischen Prinzipien zu gestalten.^[20] Da die Themen der FDM-Beratung so vielfältig sind, ist eine klare Kommunikation der Erwartungen und zum Umfang der Unterstützung zentral.^[21]

Zusätzlich ist die Integration von Schulungs- und Beratungskonzepten in den institutionellen Alltag entscheidend (siehe auch nächstes Teilkapitel), um nachhaltige Kompetenzen im FDM aufzubauen.^[22] Wie eine solche Konzeptionierung aussehen kann, zeigt Helbig im Praxishandbuch FDM, sowie die Handreichung für die Beratung in FDM um die Initiative GO UNITE!^[23]. Die Qualität der Beratung wird durch gezielte Dokumentation und Evaluation gesichert. Für komplexere Anliegen erfolgt die Zusammenarbeit mit internen und externen Expert*innen, um Lösungen maßgeschneidert und effektiv zu gestalten.^[24]

Die FDM-Beratung kann neben der Forschungspraxis weitere Zielgruppen bedienen. Dazu gehören alle Hierarchieebenen innerhalb von Serviceeinrichtungen wissenschaftlicher Institutionen.

1. Kompetenzaufbau und Schulungsmaßnahmen

Da sich Beratungsangebote in der Regel nicht beliebig skalieren lassen, sind weitere Maßnahmen nötig, um Informationen, Fähigkeiten und Wissen systematisch an Forschende und Mitarbeitende zu vermitteln. Die Beratung ist daher eines von zwei essentiellen Handlungsfeldern des FDM zum Aufbau von Kompetenzen und der Schärfung des Bewusstseins für die Themen und Angebote rund um Forschungsdaten. Das zweite Handlungsfeld umfasst alle Schulungsaktivitäten. Diese ermöglichen, größeren Gruppen und insbesondere auch Forschende am Anfang ihres Karriereweges zu erreichen und so Kenntnisse zum FDM so früh zu vermitteln, dass es integraler Bestandteil des Forschungsalltages werden kann. Durch umfangreiche Schulungsmaßnahmen werden Kompetenzen und Kenntnisse zu den institutionellen Tools vermittelt, so dass FDM als wertvoller Bestandteil der Forschungsarbeit erkannt wird. Damit sind sie auch ein wichtiger Baustein der Transformation zu Open Science.

Die Schulungen decken ein breites Spektrum an Themen ab, darunter die Grundlagen des FDM, einschließlich der Open Access- und FAIR-Prinzipien, die Erstellung und Nutzung von DMP sowie die Verwendung institutioneller und fachspezifischer Tools wie RDMO, ELN (Electronic Lab Notebooks) oder Repositorien. Zusätzlich werden rechtliche und ethische Aspekte des FDM behandelt, einschließlich Datenschutz, Urheberrecht und Lizenzierung. Ein weiterer Schwerpunkt liegt auf dem Umgang mit Metadaten und Standardisierungen, um Daten interoperabel und nachnutzbar zu machen.

Um möglichst viele Personen zu erreichen und unterschiedlichen Lernpräferenzen gerecht zu werden, kommen verschiedene Formate zum Einsatz: Workshops und Präsenzseminare bieten Intensivkurse, in denen praktische Übungen und Gamification-Ansätze integriert werden. Online-Schulungen, Webinare und Informationsveranstaltungen stellen flexible Angebote dar, die zeit- und ortsunabhängig genutzt werden können. Besonders hervorzuheben sind Train-the-Trainer-Programme, die darauf abzielen, Multiplikator*innen auszubilden. Diese Formate ermöglichen es, FDM-Wissen nachhaltig in den eigenen Institutionen weiterzuvermitteln und zu etablieren.

Ein zentraler Aspekt ist die Integration von FDM-Themen in die universitäre Lehre, um langfristig Kompetenzen aufzubauen. Dies kann durch verpflichtende Module für Promovierende, Gastvorträge in regulären Lehrveranstaltungen oder die Entwicklung von „Open Educational Resources“ erfolgen.

1. Entwicklung von Policies und Standards

Policies und Standards bilden das Fundament einer nachhaltigen FDM-Strategie und erleichtern in Kombination mit Best-Practices den Einstieg ins FDM. Dazu gehören die Qualitätssicherung der Forschungsdaten sowie die Evaluation der Methoden des FDM. Beides kann beispielsweise mithilfe der guten wissenschaftlichen Praxis vorangetrieben werden. Hochschulen entwickeln hierfür spezifische Strategien zur Ausrichtung des FDM, die sowohl die Forschungspraxis als auch institutionelle Anforderungen berücksichtigen und in Form von Policies in der Institution verankert werden. Regelwerke zur Einhaltung der DSGVO, Bedarfserhebungen und weitere Maßnahmen zur Förderung des FDM tragen zur institutionellen Verankerung bei.

Für die Forschungspraxis ist es entscheidend, die richtigen Services zur richtigen Zeit an der richtigen Stelle zur Verfügung zu stellen. Checklisten, wie das Policy-Kit der TU Berlin^[25], für die Einführung neuer FDM-Services können dabei unterstützen. Eine hohe Qualität der strategischen Ausrichtung des FDM zahlt sich aus, weil Fördermöglichkeiten häufig vom Detailgrad der Policies und der Aktualität von Standards abhängen.^[26]

Standards sind entscheidend, um die Qualität und Nachnutzbarkeit von Forschungsdaten sicherzustellen. Dazu zählen technische Standards wie Dateiformate (z. B. CSV, JSON), APIs und Systemintegrationen, Qualitätsstandards mit Richtlinien zur Datenqualität (z. B. Genauigkeit, Vollständigkeit und Aktualität), Sicherheitsstandards wie Protokolle für Datenschutz, Verschlüsselung und Zugriffskontrolle sowie Metadatenstandards, darunter Frameworks wie Dublin Core und Marc 21. Auch die Nutzung der FAIR-Prinzipien, von Ontologien und kontrollierten Vokabularen erleichtern den Forschungsalltag, weil der Umgang mit den Forschungsdaten standardisiert und somit vereinfacht wird.

Werkzeuge wie der Research Data Management Organiser (RDMO) unterstützen Forschende bei der Planung und Dokumentation von Datenmanagementprozessen. Die Umsetzung der FAIR-Prinzipien und die Etablierung von Metadatenstandards erleichtern die Zugänglichkeit und Interoperabilität von Daten. Die Anwendung standardisierter Prozesse und Modelle, wie in der Fachliteratur und in praxisorientierten Handbüchern gefordert^[27], fördert die Effizienz und Effektivität im Umgang mit Forschungsdaten.

1. Technische Services und deren Infrastruktur

Ein weiteres Handlungsfeld ist die Bereitstellung geeigneter technischer Services und die dafür benötigte Infrastruktur. Die technische Infrastruktur umfasst die zugrunde liegenden physischen und digitalen Systeme, wie Server, Netzwerke und Speicher. Services hingegen sind die darauf aufbauenden Dienste, etwa Repositorien, Cloud-Speicher, Datenanalyse-Tools und Forschungssoftware, PIDs oder Authentifizierungsdienste.

Das Angebot der technischen Services und der darauf aufbauenden Infrastruktur richten sich nach dem Datenlebenszyklus (s. Kapitel 4), von der Erhebung über die Verarbeitung bis zur langfristigen Archivierung von Forschungsdaten. Die einzelnen Komponenten sind nicht an eine Institution gebunden, sondern können auch dezentral bereitgestellt und breit in den Wissenschaftsbetrieb gestreut werden, so wie es Forschungs- und Arbeitsverbünde national und international bereits umsetzen.

Für eine effiziente Forschungsunterstützung sind besonders IT-Infrastrukturen relevant, die flexibel an disziplinspezifische Bedürfnisse angepasst werden können.^[28] Von besonderer Bedeutung sind dabei Services, mit denen Forschungsdaten sinnvoll strukturiert, analysiert und publiziert sowie archiviert werden können. Da es mindestens so viele unterschiedliche Services wie Fachdisziplinen gibt, empfiehlt sich ein durchdachtes Schnittstellenmanagement, durch das Interoperabilität der Systeme möglich wird.

Überinstitutionelle Schnittstellen und einheitliche Infrastrukturlösungen gestatten einen reibungslosen Austausch zwischen den Forschenden untereinander sowie zwischen den Forschenden und einer interessierten Öffentlichkeit. Die Verantwortung zur Wartung der Komponenten liegt bei den dienstleistenden Einrichtungen. Eine umfassende Infrastruktur technischer Services beinhaltet auch den technischen Support dieser Angebote. Für eine langfristige Qualitätssicherung hat sich die Anwendung von Referenz- oder Reifegradmodellen bewährt. Durch die Nutzung von z. B. UpdateFDM^[29] oder Rise-DE^[30] können Services, Infrastruktur und weitere Werkzeuge in regelmäßigen Zeitabständen überarbeitet werden.

1. Fachspezifische Ausrichtung

Die Bedeutung einer fachspezifischen Perspektive zeigt sich in zahlreichen Bedarfserhebungen^[31] sowie in der Arbeit interdisziplinärer Forschung. Unterschiedliche Disziplinen haben spezifische Anforderungen an das FDM, die durch maßgeschneiderte Lösungen und die Entwicklung geeigneter Standards adressiert werden müssen. Die Zahl fachspezifischer FDM-Beratungen und technischer Services, die oft innerhalb Institutionen entstehen und angeboten werden, ist in den letzten Jahren stark gestiegen. Häufig fördern dabei institutionelle Informations- und Rechenzentren den Austausch zwischen den Fachbereichen und damit den Auf- und Ausbau von Infrastrukturen^[32].

Fachgesellschaften spielen eine zentrale Rolle bei der Entwicklung und Verbreitung fachspezifischer Standards und Best Practices im FDM. Sie fördern den Dialog innerhalb der und zwischen den Fachdisziplinen und treiben die Entwicklung gemeinsamer Lösungen aktiv voran, wie dies z. B. in den unterschiedlichen Konsortien der NFDI^[33] deutlich wird.

Besonders in Projekten, die mehrere Disziplinen miteinander verbinden, ist der Einsatz standardisierter Prozesse und Tools unerlässlich. Diese müssen jedoch flexibel genug sein, um den unterschiedlichen Bedarfen der Fachbereiche gerecht zu werden.

Ein wichtiger Aspekt in diesem Kontext ist die Entwicklung und Nutzung von Ontologien sowie die Anpassung von Metadatenstandards an die spezifischen Anforderungen einzelner Disziplinen, denn sie leisten einen wichtigen Beitrag zur Erhöhung der Interoperabilität und Nachnutzbarkeit von Forschungsdaten.

1. Vernetzung und Zusammenarbeit

Ein integraler Bestandteil des FDM ist die Vernetzung und Zusammenarbeit auf nationaler und internationaler Ebene.^[34] Interdisziplinäre Kooperationen und der Austausch über Institutionsgrenzen hinweg, etwa über die NFDI oder einzelne Landesinitiativen, tragen dazu bei, Synergien zu nutzen und bewährte Praktiken weiterzuentwickeln. Internationale Netzwerke, wie die EOSC, ermöglichen zudem den Wissenstransfer und die Angleichung an globale Standards.

Laut dem Praxishandbuch FDM ist der Aufbau von Kollaborationen zwischen akademischen, hochschulpolitischen und technologischen Akteuren essenziell, um nachhaltige Lösungen im FDM zu schaffen.^[35] Die Vernetzung ermöglicht die Entwicklung eines Zukunftskonzepts für das FDM, indem eine gemeinsame Nutzung von Ressourcen gefördert wird. In diesem Rahmen und auch in der eigenen Institution kann damit auch die strategische Infrastrukturentwicklung vorangetrieben werden. Dafür ist es ratsam, bestehende Angebote regelmäßig zu evaluieren, die Ergebnisse breit zu kommunizieren und daraus entstehende Strategien zielgruppengerecht zu präsentieren. Zur Stärkung der Zusammenarbeit und für eine nachhaltige Vernetzung bedarf es neuer Kommunikationsmaßnahmen.

Die Erarbeitung der Strategien, Evaluierungsmethoden und Kommunikationswege kann dabei in kollaborativen, überinstitutionellen und überregionalen Forschungsprojekten angesiedelt sein.

Diese Handlungsfelder zeigen die Vielschichtigkeit der Arbeit in der FDM-Community. Data Stewards sensibilisieren Serviceeinrichtungen, Angehörige der Forschungspraxis sowie die Öffentlichkeit im Hinblick auf das FDM und befähigen Forschende, selbstständig einen nachhaltigen Umgang mit den Forschungsdaten zu pflegen. Eine umfassende und strategische Umsetzung der Handlungsfelder an Hochschulen ist essenziell, um die wachsenden Anforderungen an den Umgang mit Forschungsdaten zu bewältigen und die Grundlage für exzellente Forschung zu sichern.

Prozesse des FDM

Die Prozesse des FDM umschreiben alle Tätigkeiten, die direkt mit Forschungsdaten und der Forschungspraxis verbunden sind. Da die digitale Transformation auch in der Forschungspraxis ihre Spuren hinterlassen hat, sind die meisten Forschungsdaten heutzutage digital. Wie alle digitalen Daten durchlaufen auch Forschungsdaten einen Lebenszyklus.^[36] FDM-Prozesse sind an diesen Forschungsdatenlebenszyklus angelehnt. Ausführende dieser Prozesse sind in der Regel die Forschenden selber. Data Stewards und Mitarbeitende der Serviceeinrichtungen begleiten den Lebenszyklus, geben Kompetenzen weiter und stehen bei allen Teilprozessen beratend zur Seite.

Laut Dierkes zeichnet sich eine nachhaltige IT-Infrastruktur durch die transparente Einbettung des Forschungsdatenlebenszyklus‘ zumeist heterogener Daten aus.^[37] Diese Infrastruktur soll möglichst breit in (Forschungs-)Institutionen implementiert werden. Cox & Tam weisen zudem darauf hin, dass die Metapher des Lebenszyklus besonders hilfreich ist, wenn Forschung als zeitlich begrenzte Projekte betrachtet wird, denen immer dieselben Abläufe zugrunde liegen.^[38] Weil die Forschungspraxis keine lineare Abfolge einzelner Aufgaben darstellt, können sich die Phasen und Prozesse zeitlich überschneiden. Abbildung 1 verbindet Handlungsfelder und Prozesse des FDM.

Mit einer Analyse zahlreicher Forschungsdatenlebenszyklen konnten die sieben „Lebensphasen“ der Forschungsdatenlebenszyklen erfolgreich in vier FDM-Prozesse überführt werden.^[39] Zusätzlich zeigte sich bei der Erarbeitung von Use Cases für das Reifegradmodel UpdateFDM, dass die FDM-Beratung trotz der ubiquitären Stellung als eigenständiger Prozess im FDM betrachtet werden sollte.^[40] Insgesamt konnten somit fünf Prozesse des FDM identifiziert werden.

1. Planung und Dokumentation

Für einen nachhaltigen und FAIRen Umgang mit Forschungsdaten ist die Planung ein essenzieller Prozess, der zwei Teile umfasst.^[41] Bereits vor Beginn des Forschungsprojekts wird festgehalten, welche Daten wie verarbeitet werden. Das umfasst z. B. den Dateityp der empirischen Daten oder die Authentizität von genutzten Quellen. Ein Datenmanagementplan (DMP) kann hierbei eine wertvolle Unterstützung bieten und hat sich bei einigen Forschungsförderern bereits als Standard etabliert. Zu dieser Zeit können bereits erste Kontakte zur FDM-Beratung aufgebaut werden.

Abbildung 1:

Der Forschungsdatenlebenszyklus mit den Prozessen des FDM nach technischer Zugehörigkeit farblich gekennzeichnet als mittlerer Ring. Die Prozesse sind gerahmt von den Handlungsfeldern des FDM. Die FDM-Beratung ist wegen ihrer ubiquitären Stellung in den Mittelpunkt gestellt und berührt sowohl die Prozesse als auch alle Handlungsfelder.

Bei Bedarf können während der Forschungspraxis Dokumente und Notizen modifiziert werden. Wichtig ist hierbei eine sorgfältige Dokumentation sowie eine technische Beschreibung der Daten, um die Nachvollziehbarkeit und Wiederverwendbarkeit sicherzustellen.

Die Planung eines Forschungsprojekts kann durch die Nutzung zahlreicher Dienstleistungen der Einrichtung erheblich erleichtert werden, Viele Forschungseinrichtungen bieten immer mehr spezialisierte Tools für die Datenplanung FDM (z. B. Research Data Management Organizer (RDMO) und es arbeiten immer mehr Menschen am und mit dem FDM (s. Kapitel 2).

In jedem Fall ist es hilfreich, den Forschungsdatenlebenszyklus zu visualisieren, um die einzelnen Schritte besser zu verstehen und gezielt in die Planung des Forschungsprojekts einzubeziehen.

1. Datenerhebung und -nutzung

Die Phase der Datenerhebung und -nutzung umfasst den gesamten Prozess von der Gewinnung bis zur Auswertung von Forschungsdaten. Je nach Forschungsansatz und Disziplin werden unterschiedliche methodische Verfahren eingesetzt, wie beispielsweise quantitative oder qualitative Erhebungen, experimentelle Laborstudien, technische Simulationen, Feldforschung oder andere empirische Methoden. Die dabei erhobenen Daten werden festgehalten, bevor eine Reihe von Datenverarbeitungen stattfinden. Die Daten werden ggf. digitalisiert, beschrieben und interpretiert.

In dieser Phase wird der Grundstein für Transparenz und Datenqualität gelegt. Um die Forschungspraxis transparent zu gestalten, wird der Workflow dokumentiert und anschließend idealerweise ebenfalls veröffentlicht. Für eine höhere Datenqualität empfiehlt es sich gängige Praktiken innerhalb der Einrichtung oder des Fachbereichs zu sichten, sodass eine Harmonisierung von Qualitätskriterien erfolgen kann^[42]. Die Forschungsdaten können in diesem Prozess sowohl die Rohdaten, ein Datenmodell oder bereits visualisierte Datensätze umfassen. Typischerweise werden in dieser Phase die Dokumente zur Planung und Dokumentation der Forschungsdaten konkretisiert und finalisiert.

1. Speicherung und Archivierung

Die Prozesse „Speicherung“ und „Archivierung“ unterscheiden sich in der Arbeit mit Forschungsdaten grundlegend, werden aber oft gemeinsam in Forschungsdatenlebenszyklen erwähnt werden, weil sich die technischen Komponenten ähnlich sind.^[43]

Die Speicherung bezieht sich auf die kurzfristige Sicherung und Verwaltung von Daten während der Projektlaufzeit. Sie dient in erster Linie der internen Nutzung und stellt sicher, dass die Daten für laufende Analysen, Bearbeitungen und beteiligten Projektmitgliedern zugänglich, sicher und gut strukturiert sind. Eine erste Absicherung der Daten, etwa unmittelbar nach der Datenerhebung, ist unabdingbar. Hier bietet sich die Anwendung der 3–2–1-Regel^[44] an, um Daten auf unterschiedlichen Speichermedien und an verschiedenen Orten zu sichern. Typische Fragen in diesem Kontext betreffen die Datenmenge, die Auswahl geeigneter Speichermedien, Datensicherheit sowie die Festlegung von Zugriffsrechten.

Direkt im Anschluss an die Speicherung werden Daten ausgewählt, die für eine langfristige Archivierung infrage kommen. Bei Bedarf (z. B. Zeitnot) kann an dieser Stelle der Prozess „Publikation und Nachnutzung“ angestoßen werden, sodass beide Prozesse parallel laufen. Die Archivierung hingegen hat das Ziel, Daten langfristig zu sichern und extern verfügbar zu machen. Für eine erfolgreiche Langzeitarchivierung werden die vorher ausgewählten Daten für die technische Verarbeitung aufbereitet, eine Begleitdokumentation angefertigt und die Lizenzvergabe vorbereitet.^[45] Durch diesen Vorgang werden die Daten sicher, interpretierbar, auffindbar sowie nachvollziehbar archiviert. Dieser Prozess ist entscheidend für die nachhaltige Bereitstellung von Forschungsdaten, sei es für die wissenschaftliche Gemeinschaft, die Öffentlichkeit oder zukünftige Projekte. Dabei stehen Aspekte wie die Wahl offener und standardisierter Dateiformate, die Erstellung umfassender Metadaten sowie die Einhaltung rechtlicher und ethischer Vorgaben im Fokus. Die Archivierung stellt somit sicher, dass Daten auch über die Projektlaufzeit hinaus nutzbar bleiben und den FAIR-Prinzipien entsprechen.

Es kann sinnvoll sein, vorhandene technische Infrastrukturen zu nutzen. Einrichtungen, regionale Verbünde oder disziplinspezifische Initiativen bieten häufig Lösungen, die sowohl die sichere Speicherung als auch die nachhaltige Archivierung unterstützen.

1. Publikation und Nachnutzung

Bei einem erfolgreichen FDM entsprechen die Daten auch nach den ersten drei Prozessen „technischen, rechtlichen und ethischen Rahmenbedingungen sowie […] der intellektuellen Zugänglichkeit und Verstehbarkeit“ (S. 405, Friedrich und Recker in Neuroth). Nur so kann sichergestellt werden, dass die eigenen Forschungsdaten aber auch Ergebnisse nachhaltig publiziert und somit von Dritten effektiv nachgenutzt werden können.

Die Nutzung von Metadaten ermöglicht den Zugang zur besseren Auffindbarkeit. Obwohl es zahlreiche Methoden gibt, Forschungspublikationen dauerhaft zu identifizieren, konnte sich in den letzten Jahren besonders der DOI – der digital object identifier – auch institutions- und fachübergreifend durchsetzen. Mithilfe des DOI können zusätzlich auch Urheberrechte einer Publikation bestimmt und die Daten zielgruppengerecht geteilt werden. Die Zeit der Nachnutzung von Forschungsdaten geht in den meisten Fällen über die Dauer des Forschungsprojekts hinaus, sodass kein Ende für diesen Prozess festgelegt werden kann und entsprechende technische Services langfristig bereitgestellt werden müssen. Durch Standardisierungen werden Forschungsdaten interoperabel, d. h. digitale Daten sind mit verschiedenen Systemen kompatibel und können somit zwischen diesen ausgetauscht werden.

Je sorgfältiger die Daten für die Publikation aufbereitet wurden, desto wahrscheinlicher ist ihre wissenschaftliche Nachnutzung, sofern sie leicht auffindbar, gut zugänglich, interoperabel und wiederverwendbar sind.^[46]

1. Beratung

Für die beschriebenen vier Prozesse bedarf es zum einen das nötige Know-how und zum anderen unterschiedliche Hard- und Softwarelösungen. Beides wird in FDM-Beratungen vermittelt. Die Zielgruppe der Beratungen sind Forschende, dennoch können auch Interessierte, wie beispielsweise Studierende oder Mitarbeitende aus den technischen und administrativen Bereichen, das Angebot wahrnehmen. Das Beratungsangebot vieler Institutionen umfassen die Grundlagen des FDM und die Vermittlung geeigneter technischer Services der Zentraleinrichtungen. Darüber hinaus wird eine individuelle Beratung für spezifische, fachspezifische oder projektbezogene Herausforderungen angeboten. Das ist insbesondere wichtig für Exzellenzcluster, Sonderforschungsbereiche und EU-Projekte. Dabei werden Themen wie spezielle Anforderungen an Datenformate, der Transport sensibler Daten in Großprojekten, disziplinspezifische Standards oder internationale Kooperationen adressiert.

Weiterhin gibt es Schulungen zur Erstellung und Nutzung von DMP, den Umgang mit Metadaten und Standardisierung, die Nutzung von Softwarelösungen wie RDMO oder ELN sowie zu spezifischen Fragen des rechtlichen und ethischen Aspekts im Umgang mit Forschungsdaten.

Der technische Support, der sich auf die Nutzung institutioneller IT-Infrastrukturen wie Cloud-Dienste, Repositorien oder Speichersysteme bezieht, ist hingegen per se kein Bestandteil der FDM-Beratung. Obwohl in der Arbeitspraxis häufig Fragen zu technischen Eigenschaften der FDM-Services zu beobachten sind, liegt diese Kompetenz i. d. R. bei den dienstleistenden Einrichtungen.

Der Kontakt zur institutionellen FDM-Stelle kann über eine E-Mail, ein Telefonat, ein Benutzerticket, eine Videokonferenz oder ein persönliches Gespräch erfolgen. Zusätzlich werden Informationsveranstaltungen, offene Sprechstunden oder Online-Formulare angeboten, über die Anfragen unkompliziert gestellt werden können.^[47]

Zusammenfassung und Ausblick

Die Unterscheidung der Aufgabenbereiche des FDM in Handlungsfelder und Prozesse erwies sich als praktisch. Der Schritt ermöglicht zwei Sichtweisen auf das, was das FDM leisten muss. Themen der Handlungsfelder fördern den Wissenschaftsbetrieb, indem strategische und organisatorische Aspekte eine Rolle spielen. Die Prozesse des FDM skizzieren wiederum die Arbeit an den Forschungsdaten. Hier sind die Ziele und Herausforderungen des FDM eng verzahnt mit der Forschungspraxis.

Beide Perspektiven miteinander zu verschränken ist auch in der Forschung zu Fragen des FDM verstanden worden. Ein Beispiel ist das Berlin-Brandenburg weite Verbundprojekt FDLink.^[48] Während die meisten Handlungsfelder in den Arbeitspaketen abgebildet sind, finden sich alle Prozesse in den Meilensteinen und in den Zielstellungen des Forschungsverbunds wieder^.

Im Bereich Kompetenzaufbau und Schulungen liegt der Fokus im Projekt auf der Organisation und Moderation von Workshops und Fachforen, sowie der digitalen Verbreitung der Projektergebnisse. Beides wird durch die Maßnahmen zur Koordination und zum Community-Building unterstützt (AP7). Auch die Förderung von FDM-Prinzipien in Kommunikations- und Strategieprozessen innerhalb der Hochschulen gehört zu diesem Handlungsfeld, insbesondere durch die strategische Verankerung von FAIR- und Open-Data-Prinzipien (AP1). Für die Evaluierung technischer Services und der entsprechenden Infrastruktur wird das Reifegradmodel „UpdateFDM“ in ein Tool überführt, das die Nutzung erleichtert und damit eine überinstitutionelle Zusammenarbeit fördert (AP3). Die Entwicklung von Policies und Standards umfasst die Konzeption eines verpflichtenden Curriculums für Promovierende, das FDM-Themen in die akademische Ausbildung integriert und so den Kompetenzerwerb im Sinne einer FAIR-en Forschungspraxis fördert (AP5). Die FDM-Beratung umfasst die Erstellung einer Toolbox, die Vorlagen, Leitlinien und Best-Practices enthält, um Fakultäten und Institute bei der Implementierung von FDM-Strukturen zu unterstützen (AP2). Ergänzend dazu werden hybride Beratungs- und Trainingsformate bereitgestellt, die auf spezifische Bedarfe zugeschnitten sind und eine effektive Verbindung von Schulungen und Beratung ermöglichen (AP6). Darüber hinaus umfasst dieser Bereich die Bereitstellung digitaler Anlaufstellen und Informationsmaterialien zu ethischen Fragestellungen, um die Beratungskompetenz in FDM-Teams zu stärken (AP4).