Handbuch Forschungsdaten, Einzelbeiträge
Filtern
Erscheinungsjahr
- 2011 (16)
Dokumenttyp
Sprache
- Deutsch (16)
Volltext vorhanden
- ja (16)
Gehört zur Bibliographie
- nein (16)
Schlagworte
- Forschung (13)
- Daten (11)
- Folgenutzung (5)
- Bewertung (4)
- Datenmanagement (4)
- Langzeitarchivierung (4)
- Datenauswertung (3)
- Metadaten (3)
- Rechtsfrage (3)
- Speicherorganisation (3)
Institut
- Extern (12)
- FB5 Informationswissenschaften (3)
Die Heterogenität der Daten- und Dateiformate, der Größe und Menge der Daten, die Vielzahl der unterschiedlichen intendierten Anwendungsfälle eines DMS, die Verschiedenheit der disziplinspezifischen Anforderungen machen es unmöglich, eine übergreifende Architektur zu beschrieben. Neue Technologien wie z. B. NoSQL-Datenbanken erweitern die möglichen Komponenten einer DMS-Architektur. Insofern werden Mischformen zunehmend an Bedeutung gewinnen, in denen unterschiedliche technische Lösungen für die verschiedenen Datentypen und Anforderungen kombiniert und zu einem System zusammengefasst werden – hoffentlich transparent für Wissenschaftler, der seine Daten möglichst einfach verwalten, archivieren, publizieren und mit Mitarbeitern und Kollegen austauschen möchte.
Forschungsdaten liegen in Abhängigkeit der Disziplinen in vielfältigen Formen und Formaten vor. Sie sind in allen Disziplinen Teil des wissenschaftlichen Erkenntnisprozesses. Als digitales Informationsobjekt sind sie komplex und bislang wenig studiert. Mit den Möglichkeiten neuer Informationstechnologien wurden in den letzten Jahren neue Wege in der Publikation von Forschungsdaten beschritten. Mit Fokus auf die Naturwissenschaften werden im Folgenden drei Publikationsmodelle beschrieben: Die Veröffentlichung von Forschungsdaten als eigenständiges Objekt in einem Forschungsdatenrepositorium, die Veröffentlichung von Forschungsdaten mit textueller Dokumentation und die Veröffentlichung von Forschungsdaten als Anreicherung einer interpretativen Text-Publikation.
In diesem Kapitel soll im Gesamtkontext des Forschungsdatenmanagements die Frage diskutiert werden, welche Bedeutung den aktuellen Entwicklungen im Bereich des sog. „Semantic Web“ als Komponente innerhalb einer zukünftigen Forschungsdateninfrastruktur zukommt, welche Anwendungsbereiche sinnvoll erscheinen und welche übergreifenden infrastrukturellen Maßnahmen hierzu als notwendig erachtet werden. Neben einer kurzen Einführung in die grundlegenden Konzepte und technologischen Bausteine des Semantic Web, sowie einer Darstellung des wichtigen Aspekts der Ontologieentwicklung, wird auf das sich aktuell sehr stark entwickelnde Gebiet der Linked Open Data näher eingegangen, Das Potential für den Bereich der Forschungsdaten wird erläutert und spezifische für den Wissenschaftsbereich notwendige Anforderungen definiert. Abschließend wird ein grobes Vorgehensmodell für die Transformation von Datenbeständen und Datenmodellen in die Semantic Web-Infrastruktur skizziert und abgerundet durch eine kurze Übersicht zu Entwicklungswerkzeugen und Middleware. Als roter Faden werden die Darstellungen zur besseren Illustration durchgängig durch ein Projektbeispiel aus dem Bereich der Geoforschungsdaten begleitet.
Research Data Management
(2011)
Forschungsdaten haben durch die Entwicklung von Computern und Speichermedien in einem so großen Umfang zugenommen, dass schon vor Jahren von der „Datenflut“ gesprochen wurde. Automatische Messungen erzeugen neue Datensätze im Sekundentakt, elektronische Speicherung und Verknüpfung von Forschungsdaten ermöglichen, immer größere Datenmengen mit statistischen Verfahren und Visualisierungswerkzeugen auszuwerten. Bislang analoge Medien wie Texte und Fotografien werden in digitale Daten umgewandelt und automatisch verarbeitet. Es entsteht damit ein wachsender Fundus an Daten, der mit herkömmlichen wissenschaftlichen Verfahren nicht mehr erschöpfend genutzt werden kann. Die globale und interdisziplinäre Verknüpfung und Auswertung dieser Datenmengen eröffnet völlig neue Dimensionen wissenschaftlicher Erkenntnis. Damit das in den Daten implizit enthaltene Wissen zu Tage gefördert werden kann, müssen neue Verfahren und Instrumente entwickelt werden.
Neben der Langzeitarchivierung von Büchern und Zeitschriften gewinnt die Langzeitarchivierung von Forschungsdaten (sog. Rohdaten) in jüngster Zeit eine immer bedeutendere Rolle, da immer mehr Hochschulen und Forschungseinrichtungen dazu übergehen, die von ihnen gewonnenen Daten zu archivieren. Sollen die Daten in den meisten Fällen nicht nur archiviert, sondern auch Dritten, wie beispielsweise anderen Forschungseinrichtungen oder einzelnen Fremdforschern zur Verfügung gestellt werden. Aus rechtlicher Sicht ist dabei vor allem entscheidend, ob die Archivierung dieser Daten eine urheberrechtliche Relevanz aufweist, die Daten also urheberrechtlich geschützt sind und, sofern dies zutrifft, wer Inhaber der erforderlichen Nutzungsrechte ist. Hinsichtlich der Archivierung personenbezogener Daten können sich darüber hinaus datenschutzrechtliche Probleme stellen, was vor allem für Universitätskliniken relevant ist.
Metadaten und Standards
(2011)
Standardisierte Metadaten sind eine notwendige Voraussetzung für die Dokumentation und dauerhafte Sicherung von Forschungsdaten. Als Werkzeug fördern sie nachhaltig die Erschließung und Nutzung datenbasierter Forschungsergebnisse. Metadaten sind Daten oder Informationen, die in strukturierter Form analoge oder digitale Forschungsdaten (Objekte) dokumentieren. Sie beschreiben, erklären, verorten oder definieren Objekte, Ressourcen und Informationsquellen für die Wissenschaft. Hierdurch helfen sie, Forschungsdaten zu managen, zu erschließen, zu verstehen und zu benutzen.
Umfangreiche Vorarbeiten der vergangenen Jahre haben dazu geführt, dass uns eine ganze Reihe von Werkzeugen für die Langzeiterhaltung von Forschungsdaten zur Verfügung steht. Diese Werkzeuge sind jedoch noch unzureichend in die wissenschaftlichen Arbeitsabläufe integriert, die daraus entstehenden Medienbrüche verursachen immer noch einen Mehraufwand, der selten geleistet wird. In einzelnen Fachgebieten gibt es jedoch bereits vorbildliche Lösungen, die sich auch auf andere Fachgebiete übertragen lassen. Um das Ziel einer nachhaltigen digitalen Langzeitarchivierung von Forschungsdaten zu erreichen, muss eine Strategie verfolgt werden, die Langzeitarchivierung von Daten zu einem anerkannten Beitrag zur wissenschaftlichen Kultur macht und in den institutionellen Arbeitsabläufen verankert. Diese organisatorische Strategie muss gleichzeitig von einer technischen Strategie unterstützt werden, die den Akteuren für die digitale Langzeitarchivierung von wissenschaftlichen Forschungsdaten geeignete Werkzeuge in die Hand gibt. Wissenschaft und Wissenschaftsorganisationen haben dies erkannt, so dass in den nächsten Jahren mit erheblichen Fortschritten gerechnet werden darf.
Zentrale Forderung in der Langzeitarchivierung ist die Sicherstellung der Datenintegrität. Im Zeitalter der elektronischen Speicherung von Daten ist das ein aktiver Prozess, der kontinuierliche Pflege der archivierten Daten erfordert. Wesentliche Bestandteile der Integritätssicherung elektronischer Daten sind: - Sicherstellung der Unversehrtheit (Bit-stream Preservation),- Sicherstellung der Lesbarkeit, - Sicherstellung der Interpretierbarkeit. Für eine Wiederverwendung wissenschaftlicher Daten müssen diese identisch zum Original sein, aus dem Bit-stream müssen Informationen (z. B. Ziffern und Buchstaben) auslesbar sein und diese Ziffern und Buchstaben müssen interpretiert werden können, um die ursprünglichen Informationen wieder zu gewinnen. „Data Curation Services“ unterstützen die Integritätssicherung elektronischer Daten. Sicherstellung der Les- und Interpretierbarkeit elektronischer Daten ist eine Voraussetzung für eine zukünftige Überprüfung wissenschaftlicher Ergebnisse.
Seit den ersten nationalen, strategischen Papieren zu Datenmanagement-Fragen in der Wissenschaft in den USA (NSF, 2005), Großbritannien (Lyon, 2007; Swan & Brown, 2008), der EU (Atkinson et al. 2008; OGF22-ET CG, 2008) und vor allem seit den Guidelines der OECD (2007) wird international intensiv über die Erfordernisse der Ausbildung von „Datenspezialisten“ diskutiert. Grundlegende Überlegungen, die einen gewissen internationalen Konsens gefunden haben, wurden im Auftrag von JISC von Swan und Brown (2008, S. 1) entwickelt (vgl. Hank & Davidson, 2009). Sie schlagen vier Rollen im Forschungsdatenmanagement vor. Neben dem Data Creator (datenproduzierender Forscher), dem Data Scientist (Wissenschaftler der bspw. bei der Datenanalyse unterstützt) und dem Data Manager (verantwortlich für alle technischen Aspekte: Lagerung, Zugriff, Aufbewahrung) wurde auch der Data Librarian benannt. Im Weiteren wird, auch unter Beachtung der Tätigkeiten die im Data Curation Lifecycle Model (s. Beitrag von Rümpel. Kap. 1.2) aufgeführt sind, neben dem Data Manager und dem Data Curator insbesondere auf den Data Librarian eingegangen.
Forschungsdaten-Repositorien
(2011)
Insgesamt kann festgehalten werden, dass sich bei dem Thema Forschungsdaten-Repositorien in Deutschland in den letzten Jahren viel bewegt hat, auf fachwissenschaftlicher, technologischer und politischer Ebene. Dabei hat sich auch gezeigt, dass die Technologie nur eine Seite der Herausforderungen darstellt. Die andere Seite besteht darin, sowohl die politischen als auch strukturellen Rahmenbedingungen für den Aufbau und den dauerhaften Betrieb von fachwissenschaftlichen Forschungsdaten-Repositorien zu schaffen, als auch die Fachwissenschaftler sowie die weiteren Akteure (Infrastruktureinrichtungen wie Rechenzentren und Bibliotheken) in einem organisatorischen Gesamtkonzept sinnvoll einzubeziehen. Es bleibt abzuwarten, wie die Öffentlichkeit und die Politik auf den Gesamtbericht der KII reagieren und welche konkreten Maßnahmen in Deutschland ergriffen und umgesetzt werden.