Coffee Lectures Forschungsdatenmanagement - FAIR-Prinzipien

Coffee Lectures Forschungsdatenmanagement FAIR-Prinzipien 17.12.2025 | 11:00-11:45 Uhr FAIR-Prinzipien Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien FAIR-Prinzipien Quelle: FAIR guiding principles for data resources, SangyaPundir, CC-BY-SA 4.0 International, Wikimedia Commons 3 Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Die FAIR-Prinzipien: FAIR-Prinzipien −wurden 2016 von Wilkinson et al. als The FAIR Guiding Principles for Scientific Data Management and Stewardship veröffentlicht −beziehen sich auf Daten und Metadaten −beschreiben Eigenschaften von Forschungs(meta)daten für die Verbesserung der Wiederverwendbarkeit −zielen auf die optimale Aufbereitung von Forschungs(meta)daten für Menschen und Maschinen → diese sollen auffindbar, zugänglich, interoperabel und wiederverwendbar sein −können durch die Zusammenarbeit verschiedener Akteur:innen (Forschende als Datenproduzierende und Infrastrukturanbietende, z.B. Forschungsdatenrepositorien) umgesetzt werden −werden u.a. erwähnt in den Leitlinien zur Sicherung guter wissenschaftlicher Praxis der Deutschen Forschungsgemeinschaft (DFG) (explizit in Leitlinie 13: Herstellung von öffentlichem Zugang zu Forschungsergebnissen), der Selbstund Strategiebeschreibung der Nationalen Forschungsdateninfrastruktur (NFDI), im Handbuch der European Open Science Cloud (EOSC) 4 Wie werden Forschungsdaten FAIR? Auffindbarkeit (to be findable) Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Auffindbarkeit (to be findable) Wie werden Forschungsdaten FAIR? F1. (Meta)data are assigned a globally unique and persistent identifier F2. Data are described with rich metadata (defined by R1 below) F3. Metadata clearly and explicitly include the identifier of the data they describe F4. (Meta)data are registered or indexed in a searchable resource 7 Quelle: FAIR data principles (Findable), SangyaPundir, CC-BY-SA 4.0 International, Wikimedia Commons Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Auffindbarkeit (to be findable) Wie werden Forschungsdaten FAIR? Daten und Metadaten sollten leicht von Menschen und Maschinen auffindbar sein. Grundlegende maschinenlesbare Metadaten sollten das Auffinden von geeigneten und interessanten Daten ermöglichen. −(Meta-)Daten wird ein global eindeutiger und dauerhaft persistenter Identifikator (PID) zugewiesen −z.B. ein Digital Object Identifier (DOI) −Daten werden mit umfangreichen, präzisen, maschinenlesbaren Metadaten beschrieben −u.a. mit Titel, Autor:in, Datentyp, Zugriffsrechte, Lizenzen, Methode(n) der Datengenerierung und -auswertung −Metadaten enthalten klar und eindeutig den Identifikator (PID), der die Daten referenziert −z.B. DOI −Metadaten werden in einem durchsuchbaren Verzeichnis registriert oder indiziert −z.B. in einem Forschungsdatenrepositorium, das den Forschungsdaten einen PID zuweist 8 Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Auffindbarkeit (to be findable) Wie werden Forschungsdaten FAIR? → Forschende: Wahl eines Forschungsdatenrepositoriums, das jedem publizierten Datensatz einen PID zuordnet; umfangreiche und präzise Beschreibung jedes Datensatzes mit (fach-/communityspezifischen) Metadaten → Repositorien: Vergabe von PID für jeden publizierten Datensatz; Bereitstellung von relevanten generischen und/oder fachund communityspezifischen Metadatenstandards; Unterstützung einer strukturierten Eingabe von Metadaten (z.B. über ein Formular mit Metadatenfeldern, XML-Schema) 9 Quelle: FAIR data principles (Findable), SangyaPundir, CC-BY-SA 4.0 International, Wikimedia Commons Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Interoperabilität (to be interoperable) Wie werden Forschungsdaten FAIR? Die Daten sollten ausgetauscht, interpretiert und in einer (teil-)automatisierten Weise mit anderen Daten von Menschen und Maschinen kombiniert werden können. −(Meta-)Daten nutzen eine formale, zugängliche, gemeinsam genutzte und breit anwendbare Sprache für die Wissensrepräsentation −z.B. durch die Verwendung von fach-/communityspezifischen Vokabularen und Thesauri, die Nutzung maschinenlesbarer Metadatenformate (z.B. XML) sowie offener, nicht proprietärer Datenformate (z.B. .csv) −(Meta-)Daten benutzen Vokabulare, welche den FAIR-Prinzipien folgen −d.h. die zur Beschreibung der (Meta-)Daten verwendeten Vokabulare und Thesauri sind selbst FAIR −(Meta-)Daten enthalten qualifizierte Referenzen auf andere (Meta-)Daten −z.B. wenn ein Datensatz auf einem anderen Datensatz aufbaut (is new version of), wenn für das Verständnis eines Datensatzes weitere Datensätze benötigt werden (is supplement to, relates to) 16 Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Interoperabilität (to be interoperable) Wie werden Forschungsdaten FAIR? → Forschende: Verwendung fach-/communityspezifischer Vokabulare und Thesauri für die Beschreibung von (Meta-)Daten; Nutzung von maschinenlesbaren Metadatenformaten (z.B. XML); Verwendung offener, nicht proprietärer Datenformate (z.B. .csv) → Repositorien: Strukturierung von (Meta-)Daten mithilfe von fach-/communityspezifischen Vokabeln und Thesauri; Unterstützung der Referenzierung von Datensätzen über entsprechende Metadatenfelder (z.B. relationType bei DataCite Metadata Schema) 17 Quelle: FAIR data principles (Interoperable), SangyaPundir, CC-BY-SA 4.0 International, Wikimedia Commons Wiederverwendbarkeit (to be reusable) Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Wiederverwendbarkeit (to be reusable) Wie werden Forschungsdaten FAIR? R1. (Meta)data are richly described with a plurality of accurate and relevant attributes R1.1. (Meta)data are released with a clear and accessible data usage license R1.2. (Meta)data are associated with detailed provenance R1.3. (Meta)data meet domain-relevant community standards 19 Quelle: FAIR data principles (Reusable), SangyaPundir, CC-BY-SA 4.0 International, Wikimedia Commons Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Wiederverwendbarkeit (to be reusable) Wie werden Forschungsdaten FAIR? Durch eine gute Beschreibung von Daten und Metadaten sollten die Daten für die zukünftige Forschung wiederverwendet und mit anderen, kompatiblen Daten verglichen werden können. Die Daten sollten zitiert werden können. Die Bedingungen, unter denen die Daten nachgenutzt werden können, sollten für Menschen und Maschinen verständlich dargestellt sein. −(Meta-)Daten sind detailliert beschrieben und enthalten präzise, relevante Attribute −d.h. Metadaten beschreiben u.a. den Kontext der Datengenerierung (z.B. Angabe von experimentellen Protokollen, der Hersteller von Maschinen und Sensoren, des Zwecks der Datengenerierung, der Version der verwendeten Software, der Parametereinstellungen/Kalibrierung von verwendeten Geräten, der Version des Datensatzes) −(Meta-)Daten enthalten eine eindeutige, zugängliche Angabe einer Nutzungslizenz −z.B. offene Standardlizenzen wie Creative-Commons-Lizenzen −(Meta-)Daten enthalten detaillierte Provenienz-Informationen −z.B. Angaben dazu, wie die Daten generiert und verarbeitet wurden, ob Daten anderer Forscher:innen enthalten sind, in welchen Kontexten die Daten wiederverwendet werden können −(Meta-)Daten entsprechen den fachgebietsrelevanten Community-Standards −z.B. da fachspezifische Metadatenstandard und Vokabulare verwendet werden, Daten in standardisierter Art und Weise organisiert und benannt sind, Daten in etablierten Datenformaten vorliegen 20 Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Wiederverwendbarkeit (to be reusable) Wie werden Forschungsdaten FAIR? → Forschende: Angabe möglichst detaillierter Metadaten (im Besonderen zur Provenienz der Daten); Verwendung fachund communityspezifischer Vokabulare und Thesauri für die Beschreibung von (Meta-)Daten; Angabe von Informationen über die Nachnutzungsbedingungen der Daten in den Metadaten (empfohlen werden offene Standardlizenzen wie die Creative-Commons-Lizenzen, z.B. CC BY 4.0 International) → Repositorien: Bereitstellung von relevanten generischen und/oder fachund communityspezifischen Metadatenfeldern und Standards (z.B. etablierte Datenformate sowie regelmäßige Prüfung auf deren Aktualität); Bereitstellung der Metadaten in menschenund maschinenlesbarem Format; Möglichkeit für Verweis auf Nachnutzungsbedingungen der Daten in den Metadaten 21 Quelle: FAIR data principles (Reusable), SangyaPundir, CC-BY-SA 4.0 International, Wikimedia Commons Beispiele für die Umsetzung der FAIR-Prinzipien Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien Beispiele für die Umsetzung der FAIRPrinzipien Forschende −Benchmarking of Fluorescence Lifetime Measurement using Time-Frequency Correlated Photons (Gewinner des FAIRest Dataset Award 2025 des Thüringer Kompetenzzentrum Forschungsdatenmanagement, TKFDM) −Semantically enriched statewide building dataset based on the Lower Saxony 3D Building Model for urban planning applications (Gewinner in der Kategorie Dataset des FAIR Data and Software Award Lower Saxony 2025) −Digital image correlation measurement of linear elastic steel specimen (Gewinner in der Kategorie Dataset des FAIR Data and Software Award Lower Saxony 2024) −robna/MPX_specDB: MicroPlastiX SpecDB (Gewinner des FAIR4Chem Award 2024 des NFDI4Chem) Repositorien −FAIR Principles (Zenodo) −Wie unterstützt RADAR die FAIR-Prinzipien? (RADAR) 23 FAIR Assessment Tools Coffee Lectures Forschungsdatenmanagement I 17.12.2025 I FAIR-Prinzipien FAIR Assessment Tools Wie FAIR sind Forschungsdaten? FAIR-Aware-Tool (Data Archiving and Networked Services, DANS) FAIR Data Self Assessment Tool (Australian Research Data Commons, ARDC) F-UJI –Automated FAIR Data Assessment Tool (FAIRsFAIR) FAIR Assessment Tool (Thüringer Kompetenzzentrum Forschungsdatenmanagement, TKFDM) FAIR Software (Netherlands eScience Center & Data Archiving and Networked Services, DANS) 25