Das Dokument beschreibt Erfahrungen, die im Rahmen von Beratungsgesprächen mit Forschergruppen an der TU Dresden zum Thema Forschungsdatenmanagement (FDM) gemacht worden sind. Im Zentrum der Beratungsleistung steht dabei zunächst die Erfassung des FDM-Ist-Zustands einer Forschergruppe. Dazu wird gemeinsam ein Datenflussdiagramm erstellt, das die folgende Frage beantwortet: Welche Daten werden wie, von wem und zu welchem Zweck erhoben? Auf Basis dieses Datenflussdiagramms werden anschließend in einem mehrstufigen Beratungs- und Implementierungsprozess Lösungen für den FDM-Soll-Zustand angeboten.

Die Debatte um „Forschungsdatenmanagement“ (FDM) hat in den vergangenen Jahren in der akademischen Welt stetig an Bedeutung gewonnen. Geldgebende Institutionen knüpfen ihre Förderbewilligungen zunehmend an die Bedingung einer langfristigen Sicherung und – wo möglich – auch Verfügbarmachung von Forschungsdaten. Förderer und Wissenschaftseinrichtungen haben mehrheitlich Leitlinien verfasst, welche Grundsätze im Umgang mit Forschungsdaten festlegen. Der grundlegende Tenor dieser Papiere und die darin enthaltenen Elemente und Argumente sind meist ähnlich und werden im Folgenden kurz erläutert.

Der Entscheidungsbaum soll einen Überblick über Fragen der Zuordnung von Forschungsdaten geben, die sich bei der Veröffentlichung stellen. Dieser Entscheidungsbaum erhebt keinen Anspruch auf Vollständigkeit. Die gegebenen Informationen stellen Grundsätze dar. Eine Einzelfallprüfung kann daher nicht gewährleistet werden. Aus dem Einzelfall oder aus Landesgesetzen können sich Besonderheiten ergeben, die hier nicht berücksichtigt werden konnten.

Auf dem Poster erfolgt die Vorstellung des vom BMBF geförderten Projektes „Vernetztes Forschungsdatenmanagement an Hochschulen für angewandte Wissenschaften am Beispiel der HTW Dresden – FoDaMa HTWD“. Der dem Projekt zugrundeliegende Vernetzungsgedanke ist der Idee geschuldet, dass nicht jede Institution (unabhängig von fachlicher Ausrichtung, Größe, Struktur und verfügbaren Personalressourcen) die gleichen Services aufbauen kann und muss. Zur Verdeutlichung wird der von OCLC in der Reportserie „The Realities of Research Data Management“ vorgestellte Handlungsrahmen und dessen einzelne Komponenten zur Etablierung von FDM-Services an Hochschulen mithilfe des BOB-Servicepakets für FDM auf die HTW Dresden übertragen und Hintergründe und Anwendungsempfehlungen für Hochschulen aufgezeigt. Über die drei Hauptkomponenten im Servicepaket „Bildung – Organisation - Beratung“ bietet sich für Hochschulen ein Handlungsrahmen zum Aufbau von FDM-Services, der sich individuell an die Möglichkeiten und Bedarfe der eigenen Institution anpassen lässt.

Hintergrund: Am Helmholtz-Zentrum für Umweltforschung - UFZ arbeiten Forschende an Fragestellungen, die sich u.a. mit den aktuellen Veränderungen des Klimas und dessen Auswirkungen auf die Landnutzung beschäftigen. Dazu werden an verschiedenen Orten eine Vielzahl unterschiedlichster Umweltparameter mit Sensoren erfasst. Diese Daten werden kontinuierlich erhoben, um die Veränderungen möglichst in Echtzeit zu beobachten (Monitoring). Teilweise kommen pro Beobachtungsort mehrere Hunderte solcher Sensoren zum Einsatz. Die dafür eingesetzten Sensoren erfassen z.B. Bodenfeuchte, Niederschlagsmenge, Strahlungen und andere abiotische Kenngrößen. Damit die Daten (nach)nutzbar sind, müssen sie so aufbereitet und beschrieben werden, dass sie für nachfolgende Prozesse maschinen-lesbar bearbeitet werden können und in einer Form vorliegen, die eine Veröffentlichung nach den FAIR-Prinzipien ermöglicht. Herausforderung: Die erhobenen Messdaten müssen nicht nur gesichert werden, sondern auch auf Plausibilität geprüft, prozessiert und mit hinreichender Detailtiefe beschrieben werden, damit sie nachfolgend den Forschenden für die Beantwortung ihrer Forschungsfragen als Grundlage zur Verfügung stehen. Eine Herausforderung dabei ist, dass die Daten kontinuierlich als Datenstrom anfallen. Folglich müssen Prozesse wie die strukturierte Ablage, die Anreicherung mit Metadaten sowie Prüfung auf Fehlmessungen (sog. Qualitätssicherung) automatisiert werden. Aufgrund der Heterogenität der Sensoren (unterschiedliche Hersteller stellen Daten in unterschiedlichen Formaten zur Verfügung) muss bei diesen Prozessen auch eine Formatumwandlung erfolgen. Darüber hinaus sind je nach Messgröße und -verfahren verschiedene Methoden zur Plausibiläts- und Qualitätsprüfung anzuwenden. Lösungsansatz: Das Research Data Management Team des UFZ hat gemeinsam mit der IT-Abteilung einen Daten-Workflow entwickelt, der die unterschiedlichen Daten automatisch zusammenführt, sichert und nach einem vordefinierten Schema mit Metadaten anreichert. Der Einsatz des Workflows wird exemplarisch anhand von aktuellen Forschungsprojekten vorgestellt und die darin enthaltenen Schritte detailliert beschrieben, wobei auch auf die technische Umsetzung eingegangen wird. Insbesondere werden die Komponenten zur Datenstrukturierung und semiautomatischen Qualitätssicherung vorgestellt, bei denen auch Methoden des Machine Mearning zum Einsatz kommen. Innerhalb des Workflows können die prozessierten Daten nach verschieden Verfahren aggregiert und weiterverarbeitet werden. Das geschieht u.a. über definierte Schnittstellen zu internen und externen Services (z.B. durch Bereitstellung als Sensor Observation Service (SOS) oder mittels einer API). Fazit: Die im Rahmen des hier vorgestellten Workflows entwickelten Prozesse und Komponenten zum automatisierten Management von Forschungsdaten bilden eine wichtige Grundlage für das Forschungsdatenmanagement am UFZ. Durch die modulare Ausgestaltung können die Komponenten an den Bedarf der Forschenden angepasst werden und sind auch für Szenarien geeignet, in denen die Messdaten nicht als Datenstrom anfallen. Mit diesem Workflow ist die Voraussetzung geschaffen, die am UFZ erhobene Daten auch als Linked Data der wissenschaftlichen Community und anderen Stakeholdern zur Verfügung zu stellen.

Der Datenmanagementplan (DMP) ist die derzeit vielleicht bekannteste Manifestation des Forschungsdatenmanagements – von manchen als Segen begrüßt und von anderen als unnötige Mehrbelastung geschmäht. Der Vortrag geht kurz darauf ein, was ein DMP ist. Vor allem aber werden wir uns ansehen, wie ein DMP Forschenden die Arbeit erleichtern, die Qualität der Forschung erhöhen und das Risiko von reputationsschädigenden Datenpannen verringern kann – und warum die EU bei ihren Forschungsprojektanträgen deshalb die Erstellung eines DMP einfordert. An einigen praktischen Beispielen werden wir nachvollziehen, welche teils gravierenden Datenpannen durch einen DMP abgewendet werden können. Dazu geben wir Tipps, auf welche Intention die Fragen eines DMP, beispielsweise von der EU, abzielen. Durch den ganzen Vortrag wird sich die These ziehen, dass mehr Forschende in ihren Projekten mit einem DMP arbeiten sollten – und zwar nicht OBWOHL, sondern WEIL ihr Arbeitsalltag sich mit immer mehr administrativen Aufgaben zu füllen scheint. Der Beitrag zur Datenmanagementplanung greift die Themen aus den vorangegangenen Präsentationen auf und schlägt die Brücke zur nachfolgenden Poster-Session und den Diskussionen an den Thementischen des World-Cafés. Als „Anschauungsobjekt“ dient dabei der Datenmanagementplan (DMP).

Auf dem Poster wird das koordinierte Forschungsdatenmanagement (FDM), welches sich am GWZO im Aufbau befindet, sowie das von der DFG geförderte Verbundprojekt „OstData. Forschungsdatendienst für die Ost- Ostmittel- und Südosteuropaforschung“, an dem das Institut beteiligt ist, vorgestellt. Dafür wird in zwei Abschnitten der multidisziplinäre, epochenübergreifende und geographische Ansatz des Instituts und seine bundesweite Vernetzung im Hinblick auf FDM dargestellt. Anhand eines Zeitstrahls werden die Meilensteine seit 2017, weiteren Planungen zum FDM sowie die Verortung von 'OstData' im GWZO visualisiert. Ein umfangreicher 'Meilenstein-Kasten' gibt grundlegende Informationen zu 'OstData' und erläutert die Ziele des Verbundprojekts.

Im Oktober 2020 hat die erste Förderphase zum Aufbau einer Nationalen Forschungsdateninfrastruktur (NFDI) für das deutsche Wissenschaftssystem begonnen. Innerhalb der NFDI haben sich die Gesellschaft für Musikforschung und zahlreiche musikwissenschaftliche Forschungsinstitutionen gemeinsam mit Vertretern der Fachbereiche Architektur, Kunstgeschichte, Theater-, Film- und Medienwissenschaft zum Konsortium NFDI4Culture zusammengeschlossen, um Strategien und Werkzeuge für ein fachspezifisches Forschungsdatenmanagement für materielle und immaterielle Kulturgüter zu entwickeln. Für das Fach Musikwissenschaft erfahren die Grundsätze zum Umgang mit Forschungsdaten der Allianz der deutschen Wissenschaftsorganisationen aus dem Jahr 2010 und die Leitlinien zum Umgang mit Forschungsdaten der Deutschen Forschungsgemeinschaft aus dem Jahr 2015 hier zum ersten Mal eine systematische Anwendung. Die vorliegende Arbeit wurde am 9. Mai 2017 an der Humboldt-Universität zu Berlin als Masterarbeit eingereicht und am 18. September 2017 erfolgreich verteidigt. Aufgrund der vorstehend beschriebenen Entwicklungen haben die hier veröffentlichten Untersuchungsergebnisse und Beobachtungen bis heute grundsätzlich nichts an ihrer Gültigkeit verloren, gleichwohl es mit der NFDI nun aber eine konkrete Perspektive für den Aufbau eines fachspezifischen Forschungsdatenmanagements für das Fach Musikwissenschaft gibt. Ich bin daher gerne der Einladung gefolgt, die Arbeit auch knapp vier Jahre nach ihrer Entstehung auf musiconn.publish zu veröffentlichen. Der Text spiegelt den Sach- und Wissensstand vom Zeitpunkt seiner Einreichung wieder und wurde für die vorliegende Publikation nur marginal überarbeitet.

Data life cycle and research data managemet plans are just two of many key-terms used in the present discussion about digital research data. But what do they mean - on the one hand for an individual scholar and on the other hand for a digital infrastructure like IANUS? The presentation will try to explain some of the terms and will show how IANUS is dealing with them in order to enhance the reusability of unique data. The presentation starts with an overview of the different disciplines, research methods and types of data, which together characterise modern research on ancient cultures. Nearly in all scientific processes digital data is produced and has gained a dominant role as the stakeholder-analysis and the evaluation of test data collections done by IANUS in 2013 clearly demonstrate. Nevertheless, inspite of their high relevance digital files and folders are in danger with regard to their accessability and reusability in the near and far future. Not only the storage devices, software applications and file formates become slowly but steadily obsolete, but also the relevant information (i.e. the metadata) to understand all the produced bits and bytes intellectually will get lost over the years. Therefore, urging questions concern the challenges how we can prevent – or at least reduce – a forseeable loss of digital information and what we will do with all the results, which do not find their way into publications? Being a disipline’s specific national center for research data of archaeology and ancient studies, IANUS tries to answer these questions and to establish different services in this context. The slides give an overview of the centre structure, its state of development and its planned targets. The primary service (scheduled for autumn 2016) will be the long-term preservation, curation and publication of digital research data to ensure its reusability and will be open for any person and institution. One already existing offer are the “IT-Empfehlungen für den nachhaltigen Umgang mit digitalen Daten in den Altertumswissenschaften“ which provide information and advice about data management, file formats and project documentation. Furthermore, it offers instructions on how to deposit data collections for archiving and disseminating. Here, external experts are cordially invited to contribute and write missing recommendations as new authors.

Die sog. FAIR-Prinzipien haben sich mittlerweile als Standard-Anforderung im Forschungsdatenmanagement etabliert. In Förderanträgen und -berichten müssen Wissenschaftler:innen darlegen, wie sie Forschungsdaten gemäß den FAIR-Prinzipien verwalten und veröffentlichen. Auch immer mehr Fachzeitschriften bzw. Verlage fordern von ihren Autor:innen, dass sie ihre Forschungsdaten gemäß den FAIR-Prinzipien teilen, um die Reproduzierbarkeit und Überprüfbarkeit ihrer Ergebnisse zu gewährleisten. Was das Akronym FAIR eigentlich bedeutet und worauf Forschende in diesem Zusammenhang achten sollten, fasst dieser Beitrag kurz zusammen.