020 Bibliotheks- und Informationswissenschaften
Es ist mittlerweile national und international anerkannt, dass ein professionelles Forschungsdatenmanagement die Nachvollziehbarkeit und Nachnutzbarkeit von Forschungsdaten verbessert. Während Forschende hierzu auf eine stetig wachsende Zahl an Schulungs- und Qualifizierungsangeboten zurückgreifen können, sind Angebote für Studierende immer noch rar. Auch Qualifizierungsarbeiten für Master- und auch Bachelorabschlüsse nutzen und/oder produzieren Forschungsdaten, welche einen professionellen Umgang erfordern. Daher entwickelte die Landesinitiaitive Forschungsdatenmanagement in Brandenburg (FDM-BB), ein Verbund der acht forschenden staatlichen Hochschulen Brandenburgs, im Rahmen des Projektes IN-FDM-BB ein Konzept für einen Zertifikatskurs zum Forschungsdatenmanagement für Studierende. Basierend auf diesem Konzept fand der erste Zertifikatskurs im März 2023 als einwöchige Online-Spring-School statt. Elf Dozent*innen mit unterschiedlichem beruflichem Hintergrund (Forschung und Lehre, Forschungsservice, Bibliothek) betreuten im Rahmen dieses ersten Zertifikatskurses 30 Studierende, deren Leistung, je nach Prüfungsform, mit 2, 3, oder 4 ECTS anrechenbar war. Das Poster stellt das Schulungskonzept mit den zugrunde liegenden Konzepten vor und liefert einen ersten Erfahrungsbericht aus der Spring-School 2023.
Dieser Bericht nimmt die Institutionalisierung von Forschungsdatenmanagement (FDM) an den staatlichen Hochschulen Brandenburgs in den Blick. Er soll zur Beantwortung der folgenden Fragen beitragen: Warum wird FDM dort institutionalisiert? Wie wird FDM dort institutionalisiert? Welche Herausforderungen für eine weitere Institutionalisierung bestehen und wie kann ihnen begegnet werden? Zur Erhebung des Status Quo und zur Identifikation von Anforderungen und Weiterentwicklungspotenzialen wurde deshalb eine Organisationsuntersuchung durchgeführt. Untersuchung ist neben der Einhaltung wissenschaftlicher und professioneller Standards auch dem Anwendungsbezug der Ergebnisse, deren Anwendbarkeit im Kontext und der Partizipation der Beteiligten verpflichtet. Da es sich um ein für die betrachteten Einrichtungen noch vergleichsweise neues Themengebiet handelt, wurde ein exploratives Forschungsdesign unter Einsatz qualitativer Methoden gewählt. Grundlage der Ergebnisse sind ein Auftaktworkshop unter Beteiligung der Hochschulen, eine Dokumentenanalyse und 16 leitfadengestützte Expert*innen-Interviews auf Arbeits- und Leitungsebene der brandenburgischen Hochschulen. Die Ergebnisse werden anhand von vier Handlungsbereichen strukturiert vorgestellt: Relevanz von FDM und Institutionalisierung an den Hochschulen; Technologie und Infrastruktur; Personal und Qualifizierung; Organisation, Kooperation und Finanzierung. Dabei stellt der Bericht sowohl den Status Quo als auch die Ziele der Hochschulen sowie die Wünsche an eine Landesinitiative vor.
Im Zuge der Digitalisierung werden zunehmend Objektdaten im Web publiziert. Jedoch ist unklar, ob diese von Forscher:innen genutzt werden und sie qualitativ ausreichend sind. Eine vielversprechende Lösung stellen die FAIR Data Principles dar. Seit ihrer Publikation im Jahr 2016 haben sie sich schnell innerhalb der Forschung verbreitet und sind Teil nationaler und internationaler Forschungsförderprogramme. FAIR ist ein Akronym für Findable, Acessible, Interoperable and Reusable. Ihr Ziel ist es, die Wiederverwendbarkeit von Forschungsdaten zu verbessern, indem die Daten unter anderem mit klaren und eindeutigen Nutzungsbedingungen ausgezeichnet werden. Eine Besonderheit der 15 Prinzipien ist die Fokussierung auf die Lesbarkeit der Daten, sowohl von Menschen als auch von Maschinen. In diesem Sinne ist die Anwendbarkeit von FAIR auf Museen Thema der Untersuchung.
Die Masterarbeit beschäftigt sich mit der Frage, welche Anforderungen an deutsche Forschungsmuseen bezüglich der Nutzung der Objektdaten als Forschungsdaten im Sinne der FAIR-Prinzipien gestellt und inwiefern diese Anforderungen bereits erfüllt werden.
Für die Selektion des Datenkorpus wird eine Online-Recherche, für den Kriterienkatalog eine Literaturrecherche und für die Beurteilung der FAIRness des Datenkorpus eine qualitative Bewertung durchgeführt.
Keines der untersuchten Objektdaten der sechs betrachteten Forschungsmuseen der Leibniz-Gemeinschaft ist vollständig FAIR-konform, aber mit 13 von 15 erfüllten Prinzipien ist das Deutsche Museum in München das FAIRkonformste Museum. Von allen Museen werden die Prinzipien F2, A1.1, A1.2 und I1 vollständig erfüllt, was an der Arbeitsweise in der Objektdokumentation und der Web-Publikation liegt. Das Prinzip A2 wird von keinem Museum erfüllt, wodurch Defizite in der Museumsarbeit deutlich werden. Die anderen Prinzipien werden, bis auf R1.3, unterschiedlich erfüllt.
Insgesamt bieten sich die FAIR-Prinzipien als Startpunkt für wiederverwendbarere Forschungsdaten im musealen Bereich an. Jedoch zeigen die untersuchten Museen zum Teil erhebliche Defizite auf, wie fehlende oder unklare Nutzungsbedingungen und Datenprovenienzen. Deutlich wird auch, dass die FAIRPrinzipien
nicht alle Anforderungen an Objektdaten abdecken. Dazu gehören die Langzeitarchivierung oder die Vertrauenswürdigkeit der Daten.
As You Like It?
(2024)
In den vergangenen zehn Jahren haben verschiedene deutschsprachige Hochschulen und Universitäten institutionsspezifische oder -übergreifende Bedarfserhebungen zum Forschungsdatenmanagement (FDM) durchgeführt. Seither ist eine Reihe deutschlandweiter Initiativen hinzugekommen, die sich mit der Umsetzung eines nachhaltigen FDMs auseinandersetzen. Mithilfe von Bedarfserhebungen (z. B. in Form von Online-Befragungen oder strukturierten Interviews) können die jeweiligen Einrichtungen ihre Services zum FDM bei den Forschenden (und Studierenden) evaluieren, mit dem Ziel, sie an die Bedarfe anzupassen. Vortragende und Teilnehmende hatten im Rahmen eines Workshops bei der Research Data Alliance Deutschland e.V. Tagung 2023 die Möglichkeit, die verschiedenen Ansätze einer Bedarfserhebung unter Verwendung interaktiver Tools und Leitfragen zu diskutieren. Dabei sollte insbesondere die Eignung der verschiedenen methodischen Ansätze für eine umsetzungsorientierte Auswertung in Verbundkontexten in den Blick genommen werden. Teilnehmende, die noch vor einer Bedarfserhebung stehen, konnten von den gebündelten und reflektierten Ergebnissen des Workshops profitieren.
Der vorliegende Beitrag gibt einen Überblick über Aus- und Weiterbildungsmöglichkeiten im Bereich des wissenschaftlichen Forschungsdatenmanagements (FDM) in Deutschland. Sowohl internationale als auch nationale Koordinierungsmaßnahmen für das FDM wie die European Open Science Cloud und die Nationale Forschungsdateninfrastruktur erfordern gut qualifiziertes Personal. Jedoch befinden sich sowohl Rollen- als auch Berufsbilder noch in der Entwicklung und es besteht die Herausforderung, Kompetenzbereiche entsprechend zu definieren. Grundlage für ein gutes FDM ist ein hohes Maß an Datenkompetenz (Data Literacy), die zu einem kritischen und lösungsorientierten Umgang befähigt. Hierzu werden beispielsweise vom Stifterverband Projekte für Qualifizierungsmaßnahmen gefördert. Kompetenzbereiche und entsprechende Profile werden auf internationaler Ebene ausgearbeitet - in Deutschland gibt es bislang keine klaren Bezeichnungen und Kompetenzanforderungen. Bestehende Qualifizierungsmaßnahmen lassen sich in grundständige und weiterbildende Studiengänge sowie in Fort- und Weiterbildungen wie Workshops oder Lehrgänge unterteilen. Innerhalb von Studiengängen werden bislang vorwiegend im Bereich der Informationswissenschaft Fähigkeiten vermittelt. Insbesondere für fachspezifische Qualifizierungsmaßnahmen bieten sich Fort- und Weiterbildungen an. An dieser Stelle ist die exakte Definition der Zielgruppe von Qualifizierungsansätzen sowie die daraus abgeleiteten benötigten Kenntnisse weiterhin eine große Herausforderung. Eine gemeinsame Qualifizierungsstrategie fehlt bislang in Deutschland. Zukünftig könnten neben der Ausarbeitung von Rollen- und Kompetenzbereichen sowie Berufsbezeichnungen und Karrierewegen auch gemeinsam abgestimmte Qualifizierungsangebote, beispielsweise durch Qualifizierungsallianzen dazu beitragen, das Forschungsdatenmanagement systematisch und nachhaltig im deutschen Wissenschaftsbetrieb zu verankern.
Data Stewardship wird besonders im Bezug auf die FAIR Data Principles und die Einführung der European Open Science Cloud als Begriff weitläufig verwendet, der im weitesten Sinne alle anfallenden Aktivitäten im Forschungsdatenmanagement beschreibt. Jedoch sind genaue Definitionen, Ausprägungen und konkrete Tätigkeitsbeschreibungen bislang noch nicht vollständig definiert. Forschungsdatenmanagement kann als soziotechnisches System angesehen werden, in dem unterschiedliche Akteure in Beziehung treten und zusammenwirken müssen. Die Akteure entstammen dabei unterschiedlichen Sozialen Welten, die an ihren Schwellen aufeinandertreffen und Grenzbereiche (Boundaries) bilden. Unterschiedliche Methoden der Grenzarbeit (Boundary-Work) können angewendet werden, um Kollaborationen zwischen Akteursgruppen zu ermöglichen und zu optimieren. Dabei stellt sich die Frage, inwiefern sich Data Stewardship Aktivitäten in diese Form von Zusammenarbeit einordnen lassen und welche Aufgaben Data Stewards dabei zukommen. Ziel der vorliegenden Arbeit ist die Erarbeitung eines Referenzmodells durch die Übertragung von Theorien zu Kollaborationen in soziotechnischen Systemen und des Agierens an Boundaries aus der Technik- und Wissenschaftssoziologie auf das Anwendungsfeld des Data Stewardships. Hierfür werden anhand einer Literaturanalyse begriffliche Entwicklungen und Ausprägungen des Konzeptes Data Stewardship nachvollzogen und eine Arbeitsdefinition entwickelt. Bestehende theoretische Ansätze zu Methoden und Aufgaben von Boundary-Work werden anhand einer Analyse von im EU-Projekt EOSCpilot erarbeiteten Tätigkeitsbeschreibungen auf die Domäne Data Stewardship übertragen. Der Literatur lassen sich drei begriffliche Ausprägungen entnehmen: Data Stewardship als übergreifendes Konzept und zielgerichtete Menge an Handlungen, Data Stewardship als operative Beschreibungen von Tätigkeiten, die von unterschiedlichen Akteuren im Forschungsprozess ausgeführt werden und Data Steward als neue Rollenbeschreibung für verantwortliche Personen im Forschungsdatenmanagement. Data Stewards können an (kognitiven) Boundaries zwischen unterschiedlichen Akteursgruppen wirken. Sie übernehmen dabei unterstützende, koordinierende und vermittelnde Funktionen als ,Boundary Spanner’. Für die Arbeit an Boundaries können Boundary Objects eingesetzt werden, um als gemeinsame Referenzobjekte zwischen den Akteursgruppen zu vermitteln und die Zusammenarbeit zu erleichtern. Es werden Datenmanagementpläne, Policies und die FAIR Data Prinzipien als mögliche Boundary Objects im Data Stewardship identifiziert. Diese Arbeit ermöglicht eine neue Perspektive auf Data Stewardship Aktivitäten und die Rolle von Data Stewards. Sie zeigt, dass Data Stewardship als ein Zusammenspiel unterschiedlicher Akteure eingebettet in soziale Geflechte angesehen werden kann. Data Stewards müssen dabei über infrastrukturelle oder forschungsgetriebene Zielsetzungen hinaus vermittelnd auf einer sozialen Ebene agieren und müssen dafür entsprechende Kompetenzen mitbringen.
So vielfältig die wissenschaftlichen Disziplinen sind, so divers sind die Daten, die in ihren Forschungsprozessen entstehen. Um einen angemessenen und der Guten wissenschaftlichen Praxis entsprechenden Umgang mit digitalen Forschungsdaten zu gewährleisten, wird ein verantwortungsvolles Forschungsdatenmanagement immer wichtiger. Daten sind dadurch möglichst langfristig auffindbar, in verständlicher Weise abgelegt und für Dritte nachnutzbar. Als eine Grundlage des Forschungsdatenmanagements dienen Datenmanagementpläne, da sie eine systematische Beschreibung enthalten, wie mit Forschungsdaten während des Forschungsprozesses, der Projektlaufzeit und darüber hinaus umgegangen werden soll. Solche Datenmanagementpläne werden vermehrt von Forschungsförderern und Hochschulen eingefordert.
Gerade Fachhochschulen (FHs) und Hochschulen für Angewandte Wissenschaften (HAWs) stellt jedoch die Implementierung von Forschungsdatenmanagement und Datenmanagementplänen vor große Herausforderungen, da sie – im Gegensatz zu Universitäten - bislang nur auf wenig etablierte Infrastrukturen, Standards und Best Practices aus den für sie charakteristischen praxisrelevanten Fachdisziplinen und Kooperationen zurückgreifen können.
Das Forschungsvorhaben „Sichtbarkeit, Akzeptanz und Nutzung von Datenmanagementplänen für FHs und HAWs (SAN-DMP)“ setzte es sich zum Ziel, mithilfe von qualitativen Methoden die Lücken an Fachhochschulen und Hochschulen der Angewandten Wissenschaften im Umgang mit Forschungsdatenmanagement und Datenmanagementplänen zu analysieren und Lösungen für die Bedarfe der unterschiedlichen Stakeholder zu finden. Im Rahmen des Forschungsprojekts wurden die entsprechenden Bedarfe an Hochschulen identifiziert und dargelegt, wie sie zu einem erfolgreichen Forschungsdatenmanagement beitragen können, ohne die teilweise sehr unterschiedlichen Anforderungen von Kooperationspartnern aus Industrie, Wirtschaft, Kultur, Forschung und Verwaltung außer Acht zu lassen.
Über 180 Informationsexpertinnen und Informationsexperten sind der Einladung der FH Potsdam und von FIZ Karlsruhe zu den Potsdamer Information- Science-Tagen (kurz: I-Science-Tage) gefolgt, um sich vom 23. bis 24. März 2010 über die aktuellen Entwicklungen im Forschungsdatenmanagement zu informieren. Die Teilnehmenden aus Wissenschaft, Bibliotheken, Infrastruktureinrichtungen sowie wissenschaftlicher Softwareentwicklung nutzten am ersten Tag das gemeinsame Forum mit zahlreichen Expertenvorträgen zu "eScience und Forschungsdatenmanagement" ausgiebig dazu, grundlegende Fragestellungen des Datenmanagements im Forschungsprozess zu diskutieren. Am zweiten Tag gab es zwei Workshops für speziell Interessierte: den eSciDoc-Workshop für Anwendungsentwickler zur Realisierung konkreter Lösungen auf Basis der eSciDoc-Software und einen Erfahrungsaustausch im Rahmen des Projekts "Wibaklidama" mit über 20 Einrichtungen aus dem Raum Brandenburg-Berlin, die im Rahmen der Klimaplattform miteinander vernetzt sind.