Universitätskurs Data Steward - Kursbuch 2025/26

Universitätskurs Data Steward Kursbuch 2025/26 Helmut W. Klug UNIVERSITÄT GRAZ Institut für Digitale Geisteswissenschaften 2 Inhalt Zertifikatskurs Data Steward ............................................................................................................................... 3 Warum eine Ausbildung zum Data Steward? .......................................................................................... 4 Eckpunkte zur Ausbildung ................................................................................................................................ 5 Teilnahmevoraussetzungen ............................................................................................................................. 5 Aufbau und Gliederung .......................................................................................................................................... 6 Modul A: Grundlagen des Forschungsdatenmanagements ................................................................ 8 A.1 Grundlagen digitaler wissenschaftlicher Forschung, VU ...................................................... 10 A.2 Einführung in Urheberrecht, Datenschutz und Lizenzen, VU .............................................. 12 A.3 Einführung ins Forschungsdatenmanagement, VU ................................................................ 14 Modul B: ITund Programmiergrundlagen ............................................................................................. 15 B.1 IT-Grundlagen, VU ............................................................................................................................... 17 B.2 Grundlagen von Modellierund Programmiersprachen, VU ................................................ 19 Modul C: Forschungsdatenmanagement ................................................................................................. 21 C.1 Lebenszyklus von Forschungsdaten, VU .................................................................................... 23 C.2 Repositorienund Datenmanagement, VU ................................................................................ 25 C.3 Metadaten und Datenkataloge, VU ............................................................................................... 27 C.4 Forschungsdatenmanagement, VU ............................................................................................... 29 Modul D: Data Stewards in der Praxis ...................................................................................................... 31 D.1 Datengetriebene wissenschaftliche Forschung, VU ............................................................... 32 D.2 Forschungsdaten in unterschiedlichen Disziplinen, VU ......................................................... 33 Personen, Kurzbios, Kontaktinformationen .................................................................................................. 37 3 Universitätskurs Data Steward 4 Warum eine Ausbildung zum Data Steward? Data Stewards sind im Forschungsbetrieb von großer Bedeutung, da sie eine zentrale Rolle bei der Verwaltung und Organisation von Forschungsdaten (FD) spielen und mit der Unterstützung von Forschenden in allen Stadien des Forschungskreislaufes wichtige Arbeit leisten. Ihre Arbeit sichert die Qualität, Verfügbarkeit und Nachvollziehbarkeit von wissenschaftlichen Daten und unterstützt Forschende effektiv in allen Phasen des Forschungsprozesses. Durch die Förderung korrekter Datenhaltung, -dokumentation und -archivierung ermöglichen sie es Forschenden, sich auf ihre Kernforschung zu konzentrieren. Data Stewards gewährleisten auch die Einhaltung von Standards und Best Practices im Datenmanagement sowie die Beachtung von ethischen, rechtlichen und datenschutzrechtlichen Aspekten. Sie bilden sich laufend weiter, um aktuelle Entwicklungen rund um das Forschungsdatenmanagement an ihren Institutionen umzusetzen. Durch ihre Expertise tragen sie zur Effizienz, Qualitätssicherung und rechtlichen Konformität des Forschungsbetriebs bei, was letztendlich zu verlässlichen und aussagekräftigen wissenschaftlichen Erkenntnissen führt. Sie unterstützen Entscheidungsträger, strategische Entscheidungen zu treffen. Der Zertifikatskurs Data Steward, der an der Universität Graz von der Universitätsbibliothek gemeinsam mit dem Institut für Digitale Geisteswissenschaften erarbeitet wurde und in Kooperation mit Uni for Life betreut wird, bietet den Teilnehmenden kompetenzbasierte Schulungen im Management von Forschungsdaten in akademischen Kontexten. Das beinhaltet sowohl die Arbeit mit den Daten als auch die Betreuung von forschenden Personen während des gesamten Forschungsprozesses. Ziel ist, umfassendes Wissen im Forschungsdatenmanagement zu vermitteln, welches die Teilnehmenden in ihre spezifischen Arbeitskontexte integrieren und anpassen können. Der Zertifikatskurs gliedert sich in vier zentrale Module, die ein umfassendes Verständnis und praktische Fähigkeiten im Forschungsdatenmanagement vermitteln: • Modul A fokussiert auf die Grundlagen des Forschungsdatenmanagements (FDM), bietet eine Einführung in digitale Forschungsmethoden und bereitet die inhaltliche sowie terminologische Grundlage für den Kurs. Es umreißt zentrale Themen und deren Relevanz für das Forschungsdatenmanagement und behandelt rechtliche Rahmenbedingungen. • In Modul B stehen ITund Programmierkenntnisse im Mittelpunkt, die eine solide Wissensbasis für Datenmanagement und Datenverarbeitung schaffen sollen. Die Einblicke in Informationstechnologie und die Auseinandersetzung mit computational thinking sind eine gute Vorbereitung auf die Vermittlerrolle, die Data Stewards zwischen IT und Wissenschaft oft einnehmen werden. Aufgrund der Komplexität des Themas wird hier sehr viel Zeit investiert und eine intensive Betreuung angeboten. • Modul C vertieft das fachspezifische Wissen zum Forschungsdatenmanagement, die Inhalte konzentrieren sich auf den Lebenszyklus von Forschungsdaten und die unterschiedlichen Aufgaben und Arbeitsbereiche in den einzelnen Stadien sowie das Metadatenund Repositorienmanagement. 5 • In Modul D stehen die praktischen Anforderungen an Data Stewards im Mittelpunkt: Mit einer Reihe an unterschiedlichen Praxisbeispielen wird die Diversität des Berufsbildes vermittelt. Die Teilnehmer:innen werden mit spezifischen Arbeitsbereichen und allgemeinen Aufgaben des Forschungsdatenmanagements vertraut gemacht. Dabei wird datengestützte Forschung aus verschiedenen Disziplinen vorgestellt und die Rolle von Data Stewards in der Praxis verdeutlicht. In diesem Modul müssen die Teilnehmer:innen die Kursinhalte anhand eines individuell zu bestimmenden Projekts praktisch umsetzen und ihre Arbeit im Rahmen einer Abschlussveranstaltung als Poster und Vortrag präsentieren. Jedes Modul ist speziell darauf ausgelegt, den Teilnehmenden nicht nur theoretisches Wissen, sondern auch praktische Erfahrungen zu vermitteln, die sie direkt in ihren Arbeitsalltag integrieren können. Das Kernziel des Kurskonzepts ist es, die Teilnehmer:innen während des gesamten Kurses wiederholt mit den zentralen Themen des Forschungsdatenmanagements zu konfrontieren, wie z.B. dem Lebenszyklus von Forschungsdaten, Open Science und den FAIR-Prinzipien oder Datenmanagementplänen, damit sie so ein tieferes Verständnis für die komplexen Zusammenhänge dieses Themenbereiches entwickeln. Eckpunkte zur Ausbildung Der Kurs dauert zwei Semester und umfasst 16 ECTS-Punkte, wobei die Laufzeit von März bis Februar reicht. Die Veranstaltungen werden sowohl in Präsenz als auch online abgehalten. Der Kurs startet und endet mit einer Präsenzeinheit. Die Lehrveranstaltungen finden in der Regel geblockt donnerstags, freitags und samstags statt. Nach erfolgreichem Abschluss des Kurses sind die Absolvent:innen in der Lage, wissenschaftliche Forschungsdaten effektiv zu verwalten, Forschende in allen Phasen des Forschungsdatenkreislaufs zu begleiten und ihre Arbeit mit Forschungsdaten zu aktuellen und zukünftigen Entwicklungen im datengestützten Forschungsbetrieb in Bezug zu setzen. Durch eine umfassende Auseinandersetzung mit verschiedenen Forschungsmethoden, Datenarten und -verarbeitungsweisen quer durch die Disziplinen, unter stetiger Berücksichtigung der Prinzipien des Forschungsdatenmanagements, sind die Absolvent:innen hervorragend auf ein dynamisches und vielfältiges Berufsfeld vorbereitet. Teilnahmevoraussetzungen Der Universitätskurs "Data Steward" richtet sich primär an Fachleute, die in ihrer Arbeit mit digitalen Forschungsdaten konfrontiert sind oder Forschende im Bereich Datenmanagement unterstützen. Er ist ideal für diejenigen, die ihre Fachkenntnisse erweitern möchten. Die Teilnahmevoraussetzungen umfassen einen Hochschulabschluss (auf Masteroder DiplomNiveau) oder eine mindestens zweijährige Berufserfahrung im Datenmanagement oder in der Forschungsunterstützung. Bewerber:innen müssen ein Motivationsschreiben einreichen, in dem sie ihre Beweggründe für die Teilnahme erläutern und ihre persönlichen Ausbildungsziele beschreiben. 6 Aufbau und Gliederung 7 Module und Kursveranstaltungen LV-Typ ECTS KS Modul A Grundlagen des Forschungsdatenmanagements 4 2 A.1 Grundlagen digitaler wissenschaftlicher Forschung VU 1 0,5 A.2 Einführung in Urheberrecht, Datenschutz und Lizenzen VU 1 1 A.3 Einführung ins Forschungsdatenmanagement VU 2 0,5 Modul B ITund Programmiergrundlagen 4 4 B.1 IT-Grundlagen VU 2 2 B.2 Grundlagen von Modellierund Programmiersprachen VU 2 2 Modul C Forschungsdatenmanagement 4 3 C.1 Lebenszyklus von Forschungsdaten VU 1 0,5 C.2 Repositorienund Datenmanagement VU 1 0,5 C.3 Metadaten und Datenkataloge VU 1 1 C.4 Forschungsdatenmanagement VU 1 1 Modul D Data Stewards in der Praxis 4 3 D.1 Datengetriebene wissenschaftliche Forschung VU 2 1,5 D.2 Forschungsdaten in unterschiedlichen Disziplinen VU 2 1,5 Modulübersicht und Kursaufbau 8 Literatur Modul A •forschungsdaten.info: Das deutschsprachige Informationsportal zu Forschungsdatenmanagement. https://forschungsdaten.info/ •Richtlinien zur guten wissenschaftlichen Praxis der ÖAWI. https://oeawi.at/richtlinien/ • Baumann, Paul; Krahn, Philipp; Lauber-Rönsberg, Anne: Forschungsdatenmanagement und Recht: Datenschutz-, Urheberund Vertragsrecht. Neugebauer 2021. Modul A: Grundlagen des Forschungsdatenmanagements In diesem Modul werden die grundlegenden Fachbegriffe und Konzepte des Arbeitsbereichs Forschungdatenmanagement vorgestellt. Die Teilnehmer:innen beschäftigen sich mit den Konzepten digitaler Forschung und setzen diese in Beziehung mit Forschungsdaten und Forschungsdatenmanagement. Die Kursthematik wird sowohl aus europäischer, nationaler aber auch aus institutioneller Perspektive dargestellt, dabei werden u. a. die European Open Science Cloud (EOSC) sowie die FAIRund CARE-Prinzipien im Kontext digitaler Forschung diskutiert. Ein Schwerpunkt dieses Moduls liegt auf den ethischen und rechtlichen Rahmenbedingungen, die bei der Durchführung digitaler Forschung beachtet werden müssen. Teilnehmer:innen werden mit dem Kreislauf des Forschungsdatenmanagements bekannt gemacht und lernen zentrale Themen wie Datenmanagementpläne und Forschungsdatenrichtlinien kennen. Es werden die wichtigsten nationalen und internationalen Akteur:innen und Initiativen in diesem Bereich vorgestellt. Neben der Bedeutung der adäquaten Lizenzierung von Forschungsdaten wird auch das Konzept von Open Science ausführlich behandelt. Mit diesen Inhalten bietet dieses Modul einen umfassenden Einstieg in die Konzepte digitaler Forschung und die Grundlagen des Forschungsdatenmanagements und legt damit ein solides Fundament für die weiteren Kurse des Lehrgangs. 9 A.1 Grundlagen digitaler wissenschaftlicher Forschung, VU Arbeitsaufwand 1 ECTS, 0,5 KS Kurseinheiten: 7 á 45 Minuten Echtstunden: 5 Präsenz, 20 Selbststudium Termine 12.03.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 11:0015:00; Chai 25.04.2025 (Online): 13:00-15:30; Vogeler Vortragende • Sabine Chai: Gute wissenschaftliche Praxis, Wissenschaftsethik • Georg Vogeler: Digitale Wissenschaft Leistungsfeststellung • schriftliche Arbeit • Mitarbeit Factsheet A.1 Grundlagen digitaler wissenschaftlicher Forschung, VU 16 B.1 IT-Grundlagen, VU Arbeitsaufwand 2 ECTS, 2 KS Kurseinheiten: 30 á 45 Minuten Echtstunden: 22 Präsenz, 28 Selbststudium Termine 14.03.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 09:0015:00 (Lackner) 22.05.2025 (Online): 09:00-12:30 (Lackner) 23.05.2025 (Online): 09:00-15:00 (Lackner) 04.07.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 09:0015:00 (Tosques) 18.09.2025 (Online): 09:00-12:30 (Tosques) 13.11.2025 (Online) 09:00-12:30 (Tosques) Vortragende • Markus Lackner: Computerund Speichersysteme, Archivierung, Daten • Fabio Tosques: Datenbanken, Datensicherheit, Shell, Git, Regex Leistungsfeststellung • Hausübungen • Abschlusstest Factsheet B.1 IT-Grundlagen, VU 17 B.1 IT-Grundlagen, VU Inhalte • Computersysteme • Speichersysteme und -medien und deren Organisation • Archivierung und Archivierungssysteme • Datentypen, Datenformate • Datenhaltung (Benennung, Speicherung, Backup) • Datenqualität • Datenbanken / Datensicherheit • Praxis: Shell, Git, Regex Lernziele • Die Teilnehmer:innen haben grundlegende Kenntnisse von unterschiedlichen Computersystemen einschließlich Hardware, Betriebssystemen und Standardsoftware. • Die Teilnehmer:innen können unterschiedliche Speichersysteme und -medien benennen und deren Funktionsweise, u.a. die diversen Zugriffsmöglichkeiten beschreiben. Sie wissen, wie Daten effizient verspeichert werden und können dieses Wissen praktisch anwenden. • Die Teilnehmer:innen kennen und erkennen die einschlägigen Datentypen und Datenformate und können diese artgerecht einsetzen. Sie können Daten anwendungsorientiert systematisch benennen und abspeichern. Sie wissen über gängige Backupverfahren Bescheid und wenden diese in der Praxis an. • Die Teilnehmer:innen verstehen die Grundlagen von Datenbanken, einschließlich Datenbankdesign und kennen die gängigen Abfragesprachen. • Die Teilnehmer:innen verstehen die Bedeutung von Datenqualität und können Maßnahmen setzen, die zur Verbesserung der Datenqualität beitragen. • Die Teilnehmer:innen können Daten angemessen dokumentieren und beschreiben. • Die Teilnehmer:innen besitzen praktische Fertigkeiten in der Verwendung von Befehlszeilenschnittstellen (Shell), Versionskontrollsystemen (Git) und regulären Ausdrücken (Regex). Diese Lehrveranstaltung vermittelt den Teilnehmer:innen grundlegende IT-Kenntnisse und die Fähigkeit, diese in unterschiedlichen Kontexten und praktischen Anwendungen einzusetzen. 18 B.2 Grundlagen von Modellierund Programmiersprachen, VU Arbeitsaufwand 2 ECTS, 2 KS Kurseinheiten: 30 á 45 Minuten Echtstunden: 22 Präsenz, 28 Selbststudium Termine 14.03.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 15:3019:00 (Schiller-Stoff) 15.03.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 09:0015:00 (Vasold) 26.04.2025 (Online): 09:00-12:30 (Schiller-Stoff, Vasold) 04.07.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 15:3019:00 (Schiller-Stoff) 05.07.2025 (Präsenz, SR62.31, 3. OG Hauptbibliothek): 09:0015:00 (Schiller-Stoff, Vasold) 19.09.2025 (Online): 09:00-15:00 (Schiller-Stoff, Vasold) Vortragende • Sebastian Schiller-Stoff: Computational Thinking, Modellierung, XML, SQL, RDF, Machine Learning • Gunter Vasold: Python, Jupyter Notebooks, Workflows, Automatisierung, Reproduzierbarkeit Leistungsfeststellung • Hausübungen • Abschlussprojekt Factsheet B.2 Grundlagen von Modellierund Programmiersprachen, VU 19 B.2 Grundlagen von Modellierund Programmiersprachen, VU Inhalte • Computational Thinking • Modellierungsansätze und -umsetzungsmöglichkeiten • Einführung Programmieren o Python o Jupyter Notebooks • Datenmodellierung / Datenstrukturierung • Aufbau von Workflows • SQL, XML, RDF • Reproduzierbarkeit von Abläufen • Automatisierungsabläufe • Machine Learning Lernziele • Die Teilnehmer:innen besitzen Fähigkeiten des Computational Thinking, um komplexe Probleme in kleinere Teilaufgaben zu zerlegen und diese mit technischen Ansätzen zu lösen. Sie können dafür automatisierte Abläufe für wiederkehrende Aufgaben planen und umsetzen. • Die Teilnehmer:innen verstehen die grundlegenden Konzepte von Datenmodellierung und -strukturierung. Sie sind unter Anbetracht domänenspezifischer Voraussetzungen in der Lage, Daten für weitere Verarbeitungsschritte effektiv aufzubereiten. • Die Teilnehmer:innen kennen grundlegende Programmierkonzepte und können diese anhand der Programmiersprache Python mit Hilfe von z.B. Jupyter Notebooks anwenden und erklären. • Die Teilnehmer:innen haben die Fähigkeit, Datenbanken und Datensammlungen (SQL, XML) zu planen und aufzubauen. • Die Teilnehmer:innen können Datenverarbeitungsund Analyseworkflows erstellen, um damit komplexe Aufgaben zu automatisieren. • Die Teilnehmer:innen können ihre Arbeit verständlich und nachvollziehbar dokumentieren und damit Arbeitsprozesse reproduzierbar gestalten. 20 • Die Teilnehmer:innen besitzen grundlegende Datenabfrageund -manipulationsfähigkeiten in SQL sowie das Verständnis, Daten aus XMLund RDF-Dateien zu extrahieren. • Die Teilnehmer:innen sind in der Lage, einfache Datenanalysen durchzuführen, diese zu visualisieren und Erkenntnisse aus den Daten zu gewinnen. • Die Teilnehmer:innen erwerben ein grundlegendes Verständnis von Machine Learning und können die zugrundeliegenden Funktionsweisen erklären. Diese Lehrveranstaltung vermittelt Teilnehmer:innen grundlegende Fähigkeiten in Datenmodellierung, Programmierung und Datenanalyse sowie Kompetenzen, diese zu dokumentieren und sie als automatisierte Prozesse in verschiedenen Anwendungsbereichen umzusetzen. 21 Literatur Modul C •Handbuch Repositorienmanagement. Grundlagen – Anwendungsfelder – Praxisbeispiele. Hrsg. v. Susanne Blumesberger [u.a.]. Graz University Library Publishing 2024. https://doi.org/10.25364/9783903374232. •Praxishandbuch Forschungsdatenmanagement. Hrsg. v. Markus Putnings, Heike Neuroth, Janna Neumann. De Gruyter 2021. https://doi.org/10.1515/9783110657807 . •Büttner, S. [u.a.]: Lehrbuch Forschungsdatenmanagement. 2016. https://handbuch.tib.eu/w/Lehrbuch_Forschungsdatenmanagement. Modul C: Forschungsdatenmanagement In diesem Modul werden die Teilnehmer:innen auf theoretischer Ebene und mithilfe von Praxisbeispielen in die unterschiedlichen Aufgabenbereiche von Data Stewards eingeführt. Dabei lernen sie, die verschiedenen Aufgaben im Forschungsdatenmanagement zu identifizieren und im Forschungsdatenkreislauf einzuordnen. Ein vertieftes Verständnis für den gesamten Forschungsdatenkreislauf wird erarbeitet, beginnend mit der Planung datenintensiver Forschungsprojekte bis hin zur Weiterverwendung der Daten. Die Teilnehmer:innen qualifizieren sich dazu, gezielte Beratung und Unterstützung in den verschiedenen Stadien des Forschungsdatenlebenszyklus anzubieten, einschließlich Datenmanagementplanung und Datensicherungsmaßnahmen. Sie erlernen den effektiven Einsatz von Repositoriensystemen, erfassen die Bedeutung von Schnittstellen und Qualitätskriterien sowie die Rolle und den Nutzen von Persistent Identifiers. Die Teilnehmer:innen beschäftigen sich außerdem mit den technischen Aspekten der Langzeitarchivierung, den relevanten Dateiformaten sowie einschlägigen Initiativen und Projekten in diesem Bereich. Sie gewinnen ein fundiertes Verständnis für Metadaten und deren Einsatz in der Verwaltung von Forschungsdaten, lernen verschiedene Metadatenformate und - kataloge kennen und verstehen die Konzepte von Thesauri, Ontologien sowie Linked Data und dem Semantic Web. Die Teilnehmer:innen sind außerdem in der Lage, datenintensive Forschungsprojekte in Bezug auf das Datenmanagement effektiv zu planen und umzusetzen, Forschungsdaten systematisch zu speichern und zu zitieren, und sie kennen die Bedeutung von Datenmanagementplänen sowie der FAIR-Prinzipien für das Forschungsdatenmanagement. 22 C.1 Lebenszyklus von Forschungsdaten, VU Arbeitsaufwand 1 ECTS, 0,5 KS Kurseinheiten: 8 á 45 Minuten Echtstunden: 6 Präsenz, 19 Selbststudium Termine 22.05.2025 (Online): 13:30-17:00 (Roman Bleier) 14.06.2025 (Online): 09:00-12:30 (Alexander Bardel) Vortragende • Roman Bleier: allgemeine Einführung, Lebenszyklus • Alexander Bardel: Daten erheben und analysieren (Elektronische Laborbücher, Virtual Research Environment, Cyverse) Leistungsbeurteilung • schriftliche Arbeiten • Abschlusstest Factsheet C.1 Lebenszyklus von Forschungsdaten, VU 23 C.1 Lebenszyklus von Forschungsdaten, VU Inhalte • Stadien des Forschungsdatenkreislaufes • Anforderungen an Data Stewards in einzelnen Stadien • FDM-Themen in den einzelnen Stadien Lernziele • Die Teilnehmer:innen können die verschiedenen Aufgabenbereiche im Forschungsdatenmanagement identifizieren und benennen. Sie verstehen, diese in den Forschungsdatenmanagementkreislauf einzuordnen. • Die Teilnehmer:innen verstehen den gesamten Forschungsdatenkreislauf und können grundlegende Aspekte zu den einzelnen Stadien benennen. • Die Teilnehmer:innen sind in der Lage, gezielte Beratung und Unterstützung in den verschiedenen Stadien des Forschungsdaten-Lebenszyklus anzubieten, einschließlich Bedarfseinschätzung, Methodenund Toolberatung, Datenmanagementplanung, Datensicherungsmaßnahmen, Repositorienund Publikationsberatung sowie Datenrecherche. • Die Teilnehmer:innen sind sich der Rolle von Data Stewards und deren Aufgaben im Rahmen dieses Kreislaufs bewusst und können für die jeweiligen Anwendungssituationen auf ihre Heimatinstitution abgestimmte Lösungsvorschläge erarbeiten. • Die Teilnehmer:innen wissen, wie sie Forschende im Umgang mit Daten in den verschiedenen Stadien des Forschungsdatenkreislaufs unterstützen können, sowohl durch Beratung als auch durch praktische Hilfe. Die Teilnehmer:innen kennen die spezifischen Anforderungen von Fördergebern in Bezug auf Forschungsdatenmanagement und setzen dieses Wissen in den einzelnen Stadien des Forschungsdatenkreislaufs um bzw. vermitteln deren Umsetzung. Diese Lehrveranstaltung stellt sicher, dass die Teilnehmer:innen die notwendigen Fähigkeiten und Kenntnisse entwickeln, um effektiv im Bereich Forschungsdatenmanagement zu arbeiten und Forschende in ihren Projekten optimal zu unterstützen. 24 C.2 Repositorienund Datenmanagement, VU Arbeitsaufwand 1 ECTS, 0,5 KS Kurseinheiten: 8 á 45 Minuten Echtstunden: 6 Präsenz, 19 Selbststudium Termine 25.04.2025 (Online): 09:00-11:30 (Steiner) 14.06.2025 (Online): 13:30-14:30 (Bleier) 18.09.2025 (Online), 13:30-17:00 (Bleier/Schnöpf) Vortragende • Roman Bleier: PIDs, Versionierung, Datenformate, Dateiformate • Markus Schnöpf: Repositoriensysteme und Schnittstellen • Elisabeth Steiner: Langzeitarchivierung, OAIS, Zertifizierung, Qualitätskriterien Leistungsbeurteilung • Abschlussquiz • Literaturarbeit • Hausübungen Factsheet C.2 Repositorienund Datenmanagement, VU Inhalte • Unterschiedliche Repositoriensysteme, Schnittstellen von Repositoriensystemen • Zertifizierung von Repositorien, Qualitätskriterien von Repositorien • Persistent Identifiers, Versionierung • Schnittstellen • Datenformate, archivierungsfähige Dateiformate • Langzeitarchivierung (LZA, technische Aspekte und Fragestellungen) und OAIS • Initiativen und Projekte (DACH und mindestens EU-weit) • Verhältnis FDM und LZA 25 C.2 Repositorienund Datenmanagement, VU Lernziele • Die Teilnehmer:innen kennen verschiedene Arten von Repositoriensystemen. Sie sind in der Lage, diese zu unterscheiden und ihre Vorund Nachteile bzw. klassische Anwendungsszenarien zu beschreiben. • Die Teilnehmer:innen verstehen die Funktionsweise von unterschiedlichen Schnittstellen von Repositoriensystemen. Sie können diese bedienen und nutzen. • Die Teilnehmer:innen können Qualitätskriterien von Repositorien benennen und erkennen. Sie wissen um die Bedeutung der Zertifizierung von Repositorien, unterschiedliche Zertifikate und welche Themen dabei erklärt werden müssen. • Die Teilnehmer:innen verstehen, wie Persistent Identifiers funktionieren und wie sie zur dauerhaften Identifizierung von Forschungsdaten verwendet werden. Sie können die Unterschiede ausgewählter Systeme benennen und erklären. • Die Teilnehmer:innen verstehen die technischen Aspekte der Langzeitarchivierung von Forschungsdaten. Sie kennen die Vorund Nachteile von Dateiformaten in Bezug auf Langzeitarchivierung und können mit unterschiedlichen Dateiformaten umgehen. • Die Teilnehmer:innen kennen die einschlägigen Initiativen und Projekte im Bereich Repositorienund Datenmanagement. • Die Teilnehmer:innen verstehen, wie Forschungsdatenmanagement und Langzeitarchivierung von Forschungsdaten miteinander in Beziehung stehen. Diese Lehrveranstaltung vermittelt ein fundiertes Wissen über Datenmanagement in Repositorien und ein grundlegendes Verständnis von Langzeitarchivierung. Teilnehmer:innen werden befähigt, dieses Wissen in der Praxis anzuwenden. 32 D.1 Datengetriebene wissenschaftliche Forschung, VU Arbeitsaufwand 2 ECTS, 1,5 KS Kurseinheiten: 23 á 45 Minuten Echtstunden: 17 Präsenz, 33 Selbststudium Termine 03.07.2025 (Präsenz, SR 62.31, 3. OG Hauptbibliothek): 11:0012:30, Steiner 17.10.2025 (Online), 15:30-17:00, Steiner 18.10.2025 (Online), 09:00-12:30 – individuelle Arbeitszeit 13.11.2025 (Online), 13:30-15:00, Schirgi 13.11.2025 (Online), 15:30-17:00, Onea-Gaspar 05.12.2025 (Online), 09:00-10:30, Bodi 05.12.2025 (Online), 11:00-12:30, Gautschi 05.12.2025 (Online), 13:30-15:00, Truhetz 06.12.2025 (Online), 9:00-14:15 – individuelle Arbeitszeit Vortragende • Christian Steiner: Digitale Geisteswissenschaften • Otto Bodi: Sozialwissenschaften • Heimo Truhetz: Klimaforschung • Rita Gautschy: Archäologie • Victor Edgar Onea-Gaspar: Linguistik • Eva Schirgi: Data Science Projektbetreuung Roman Bleier, Hilmar Brohmer, Karl Koschutnig, Christopher Pollin, Elisabeth Steiner, Walter Scholger, Sebastian SchillerStoff, Markus Schnöpf, Fabio Tosques, Gunter Vasold Leistungsbeurteilung • Online-Test zu den Inhalten der Vorträge • Kleinprojekt (Ideenfindung, Planung, Umsetzung, Präsentation) Factsheet D.1 Datengetriebene wissenschaftliche Forschung, VU 33 D.2 Forschungsdaten in unterschiedlichen Disziplinen, VU Arbeitsaufwand 2 ECTS, 1,5 KS Kurseinheiten: 23 á 45 Minuten Echtstunden: 17 Präsenz, 33 Selbststudium Termine 03.07.2025 (Präsenz, SR 62.31, 3. OG Hauptbibliothek), 15:3017:00, Macher/Kainz 03.07.2025 (Präsenz), 17:30-19:00, Koschutnig 06.12.2025 (Präsenz), 14:45-14:30 – individuelle Arbeitszeit 05.02.2026 (Präsenz), 09:00-10:30, Jean-Quartier 05.02.2026 (Präsenz), 11:00-12:30, Brohmer 05.02.2026 (Präsenz), 13:30-15:00, Kruse 05.02.2026 (Präsenz), 15:30-17:00, Rainer 05.02.2026 (Präsenz), 17:30-19:00, Bardel 06.02.2026 (Präsenz), 09:00-17:00, Abschlusspräsentationen Vortragende • Claire Jean-Quartier: FDM TU Graz • Alexander Bardel: FDM TU Graz • Therese Macher / Gudrun Kainz: FDM Meduni Graz • Anja Kruse: Sportwissenschaften • Heimo Rainer: Citizen Science • Hilmar Brohmer: Psychologie II • Karl Koschutnig: Psychologie I Projektbetreuung Roman Bleier, Hilmar Brohmer, Karl Koschutnig, Christopher Pollin, Elisabeth Steiner, Walter Scholger, Sebastian SchillerStoff, Markus Schnöpf, Fabio Tosques, Gunter Vasold Leistungsbeurteilung • Online-Test zu den Inhalten der Vorträge • Kleinprojekt (Ideenfindung, Planung, Umsetzung, Präsentation) Factsheet D.2 Forschungsdaten in unterschiedlichen Disziplinen, VU 34 Inhalte Bei der Präsentation unterschiedlicher datenintensiver Forschungsszenarien liegt der Fokus auf disziplinenspezifischen Forschungsansätzen, Datenquellen, Repositorien und Werkzeugen, die anhand von realen Use-Cases von aktiven Forscher:innen oder Data Stewards vorgestellt werden. Die Teilnehmenden erhalten einen tieferen Einblick in die Welt der datengetriebenen Forschung und lernen dadurch, wie sie im Alltag eines Data Stewards Forschende adäquat und disziplinenorientiert unterstützen können. Als Schwerpunkte werden u.a. vorgestellt: • Sozialwissenschaften: Die Einheit gibt eine Übersicht zum Management sozialwissenschaftlicher Forschungsdaten entlang des gesamten Datenlebenszyklus (von der Generierung mittels verschiedener Erhebungsinstrumente über die Aufbereitung, Dokumentation, Analyse, Archivierung bis hin zur Nachnutzung der Daten). Die Teilnehmenden bekommen einen Einblick in den Umgang mit verschiedenen Datenarten (quantitative und qualitative Daten), lernen best-practiceBeispiele zur Erfüllung ethischer und (datenschutz-)rechtlicher Anforderungen beim Teilen von Forschungsdaten kennen (dies umfasst u.a. informierte Einwilligung, Anonymisierung, Zugriffskontrolle, Lizenzierung) und erlernen den Umgang mit disziplinspezifischen Repositorien und Datenarchiven. • Data-Science: Machine-Learning-Algorithmen sind ein wesentlicher Teil von DataSciences, Daten liegen dabei in Form von Trainings-, Testund Modelldaten vor. • Bio-Tech-Med: Teilnehmer:innen erhalten Einblicke in die datengetriebene Forschung im Bereich der Biotechnologie und Medizin. Dabei werden Themen wie die Datenerhebung mit elektronischen Laborbüchern und die darauf aufbauende Datenverarbeitung besprochen. Data Stewards der Meduni Graz berichten außerdem über die Spezifika von medizinischen bzw. molekularbiologischen Daten und die Aufgaben, die sie an ihrer Institution umsetzen: Angebot von Services und Tools, Schulungen, FDM-Infomaterial, externes FDM-Infomaterial/-quellen für Life Sciences. Es werden auch organisatorische Maßnahmen der Meduni Graz im FDM-Kontext und die Beteiligung an diversen FDM-Netzwerken und -Projekten thematisiert. • Psychologie: Hier werden einerseits bildgebende Verfahren und die Aufbereitung und Analyse der dabei entstehenden Daten vorgestellt, und andererseits der Umgang mit Forschungsdaten in der Sozialpsychologie. • Digitale Geisteswissenschaften: Anhand eines Editionsprojekts werden typische Daten, Methoden und Workflows der Digital Humanities vorgestellt. Diese werden mit den Anforderungen eines gelungenen Datenmanagements und Open ScienceBestrebungen in Verbindung gesetzt, um die Anforderungen aber auch das Potential digitaler Forschung zu veranschaulichen. • Klimaforschung: Im Fokus stehen die Erstellung, Speicherung und Nutzung von Klimaprojektionen. Der Klimawandel im Alpenraum ist geprägt von zahlreichen Rückkopplungseffekten und liegt zudem in einem Übergangsbereich zwischen Nord und Süd. Aussagen über den weiteren Verlauf des Klimawandels im Alpenraum sind 35 daher oft schwer zu treffen. In dieser Einheit werden die Österreichischen Klimaszenarien (ÖKS15) vorgestellt und auf aktuelle Fragen zu deren Speicherung und Nutzung eingegangen. • Sportwissenschaft: Vorgestellt werden die gängigen biomechanischen und bewegungswissenschaftlichen Erhebungsmethoden (z.B. Anthropometrie, Ultraschall, Dynamometrie, 3D-Motion Analysis) und die Verarbeitung der resultierenden Daten. Die Abläufe, Datenerhebung und -verarbeitung werden anhand aktueller Projekte veranschaulicht. • Archäologie: Hier sollen prototypische Workflows zur Umsetzung der zwei Haupttypen archäologischer Projekte (Ausgrabung, Lexika/Sammlung) vorgestellt werden. Bildrechte, Datenmodellierung, kontrollierte Vokabulare, Normdaten und Standards, sowie online verfügbare Referenzwerke werden ebenso im Fokus stehen wie die gängigsten regelmäßig auftretenden Probleme bei derartigen Projekten. • Citizen Science: Ein wichtiger Grundstein für erfolgreiche Citizen-Science-Projekte ist ein solides und gut durchdachtes Datenmanagement. Teilnehmer:innen lernen Methoden und Zugänge kennen, die in der Praxis bereits erfolgreich angewandt worden sind. • Linguistik: In der Sprachwissenschaft wird je nach Erkenntnisinteresse mit sehr unterschiedlichen Datentypen gearbeitet: von einfachen Fragebogendaten, personenbezogenen Daten, sogenannten Korpusdaten oder ganz diversen Verhaltensdaten. Nur ein Teil dieser Daten ist sprachlicher Natur. Im Zentrum der Veranstaltung stehen spezifische Fragestellungstypen und die dafür geeigneten Datentypen, die Methoden der Schlussfolgerung aus diversen Datentypen aber auch die typischen Methoden der Datenerhebung, Aufbereitung, Auswertung und Speicherung in der Sprachwissenschaft. Die Aufgabenstellung für die eigene praktische Arbeit umfasst die interessengeleitete Auswahl und Ausarbeitung eines individuellen, inhaltlich passenden Themas. Diese Arbeit wird am letzten Kurstag in Form eines Vortrags (15 Minuten) und eines Posters (A1, Hochformat) im Rahmen einer gemeinsamen Abschlussveranstaltung vorgestellt. Die Teilnehmer:innen werden im Zuge der Ausarbeitung betreut. 36 Lernziele • Die Teilnehmer:innen kennen unterschiedliche Forschungsansätze, -methoden und - daten aus verschiedenen Forschungsdisziplinen. • Die Teilnehmer:innen sind in der Lage, datenorientierte Forschung aus unterschiedlichen Disziplinen individuell zu unterstützen. • Die Teilnehmer:innen können die Verarbeitung von Forschungsdaten disziplinenorientiert unterstützen. • Die Teilnehmer:innen können Themen des Forschungsdatenmanagements individuell aufbereiten und präsentieren. Die Lehrveranstaltung bietet nicht nur einen breiten Überblick über datengetriebene Forschung in verschiedenen Disziplinen, sondern ermöglicht es den Teilnehmer:innen auch, anhand von praktischen Arbeiten und Projekten Erfahrungen zu sammeln und die Spezifika einzelner Disziplinen kennenzulernen. Dadurch werden die Teilnehmer:innen in der Lage sein, als Data Stewards gezieltere Beratungsund Unterstützungstätigkeiten zu leisten. 37 Personen, Kurzbios*, Kontaktinformationen (*Kurzbios erstellt mithilfe von ChatGPT, tw. überarbeitet: https://chat.openai.com/share/f51ab04b-2ed6-418e-97bd9504ece851a3) 38 Wissenschaftliche Leitung Univ.Prof. Dr.phil. Georg Vogeler, MA – [email protected] Georg Vogeler ist seit 2016 Professor für Digital Humanities am Institut für Digitale Geisteswissenschaften an der Universität Graz. Seine Forschungsschwerpunkte liegen in der Anwendung digitaler Technologien in den Sozialwissenschaften, Künsten und Geisteswissenschaften. Seine Beiträge erstrecken sich auf die Entwicklung digitaler Werkzeuge und Methoden für die historische Forschung, mit einem Schwerpunkt auf der digitalen Edition mittelalterlicher und frühneuzeitlicher Dokumente. Wissenschaftliche Leitung Stellvertretung Mag. Dr.phil. Helmut W. Klug – [email protected] Helmut Klug ist seit Herbst 2022 an der UB Graz für die Koordination Forschungsdatenmanagement verantwortlich. Er war davor in den Bereichen Kulinarhistorik und Digitale Geisteswissenschaften wissenschaftlich tätig und befasste sich schon während seines Studiums mit den Themen digitale Wissenschaft sowie Publikation und Präsentation von Forschungsdaten. Kursbetreuung Mag.rer.nat. Linda Scherf – [email protected] Linda Scherf betreut seit Februar 2024 das Weiterbildungsangebot der Universitätsbibliothek Graz. Sie ist Ansprechperson für Teilnehmer:innen sowie Vortragende in Bezug auf alle Fragen, die rund um den Universitätskurs Data Steward auftauchen. 39 Vortragende Dipl.-Ing. Bardel Alexander, BSc – alexand[email protected] Alexander Bardel ist Data Steward und RDM-Beauftragter an der TU Graz, zuständig für Datenverwaltung (Beratung, Schulung, Policy-Entwicklung usw.) und Projektmanagement im Rahmen des BMBWF Projekts Shared RDM Services & Infrastructure. Sein Fokus liegt auf der Entwicklung von Schulungsund Einführungsmaterialien zu RDM-Themen und -Werkzeugen, insbesondere dem elektronischen Laborbuch eLabFTW. Mag.phil. Roman Bleier, MA, PhD – [email protected] Roman Bleier ist Senior Researcher am Institut für Digitale Geisteswissenschaften der Universität Graz. Er studierte Geschichte und Religionswissenschaft an der Universität Graz und promovierte in Digital Arts and Humanities am Trinity College Dublin, seine Forschungsschwerpunkte sind die Methoden der Digital History und Digitalen Edition. Mag.phil. Dr.rer.soc.oec. Otto Bodi-Fernandez – [email protected] Otto Bodi-Fernandez ist als wissenschaftlicher Mitarbeiter am Institut für Soziologie der Universität Graz tätig und vertritt dort AUSSDA – The Austrian Social Science Data Archive. Seine Aufgaben umfassen die Datenarchivierung, Forschungsdatenmanagement, Methoden der empirischen Sozialforschung, soziale Ungleichheit und Kindheitsforschung. Dr.rer.nat. Hilmar Brohmer, MSc – [email protected] Hilmar Brohmer ist Postdoktorand im Bereich Sozialpsychologie an der Universität Graz und beschäftigt sich mit Open Science, sozialer Kognition, evolutionärer Psychologie und politischer Psychologie. Er ist Mitglied der Graz Open Science Initiative (GOSI) und setzt sich für offene Kommunikation, offene und FAIR Daten sowie offene Methoden ein. Mag.theol. Sabine Chai, MA, PhD - [email protected] Sabine Chai ist Geschäftsführerin der Österreichischen Agentur für wissenschaftliche Integrität (OeAWI), wo sie sich auf die Förderung der Forschungsintegrität und Ethik konzentriert. Mit einem akademischen Hintergrund in Theologie, Sinologie und Kommunikation, spezialisiert sie sich auf interkulturelle Kommunikation, Verhandlung, Überzeugung, soziale Einflussnahme und quantitative Forschungsmethoden. 40 Mag. Dr.rer.nat. Gernot Faustmann, MSc – [email protected] Gernot Faustmann beschäftigt sich im Rahmen des Forschungsmanagement und -service der Universität Graz mit Wissensund Technologietransfer und darin mit den Schwerpunkten Geistiges Eigentum, Diensterfindungen, Verwertung von Diensterfindungen, Vernetzung Wissenschaft – Wirtschaft. PD Dr. Rita Gautschy - [email protected] Rita Gautschy ist Privatdozentin für Altertumswissenschaften und Wissenschaftsgeschichte an der Universität Basel, mit Schwerpunkten in der Chronologie Ägyptens und Vorderasiens sowie in der Genauigkeit antiker astronomischer Beobachtungen. Sie ist auch als Direktorin des Data and Service Center for the Humanities (DaSCH) tätig und wurde 2012 als erste Frau mit dem Cogito-Preis ausgezeichnet, der die Verständigung zwischen Naturund Geisteswissenschaften fördert. Dipl.-Ing. Dr.techn. Ilire Hasani-Mavriki, Bakk.techn. – ilire.hasani- [email protected] Ilire Hasani-Mavriqi leitet das RDM-Team der TU Graz und ist Senior Researcher am KnowCenter. Sie promovierte in Informatik an der Technischen Universität Graz. Sie koordiniert das BMBWF-Projekt Shared RDM Services & Infrastructure und ist für gemeinsame RDM-Dienste und -Infrastruktur zuständig. Ihre Forschungsinteressen umfassen u.a. Forschungsdatenmanagement, Open Science, Web Science, Social Computing, Komplexe Netzwerke und Computational Social Science. Mag.rer.nat. Claire Jean-Cartier, MSc PhD – [email protected] Claire Jean-Quartier ist eine der Data Stewards an der TU Graz und beschäftigt sich mit Data Science in interdisziplinären Themen der biomedizinischen Forschung sowie dem Querschnittsthemen Nachhaltigkeit und Open Science. Im Rahmen von Grundlagenforschung betreut sie alle Phasen von der Datengenerierung bis zur Qualitätssicherung mit Fokus auf das Forschungsdatenmanagement. Gudrun Kainz, MSc – [email protected] Gudrun Kainz ist an der Medizinischen Universität Graz als Projektmanagerin und Data Steward im Team Forschungsdatenmanagement tätig. Mag.phil. Gerda Koch – [email protected] Gerda Koch ist Content Coordinator für Österreich von Europeana Local Austria und Mitglied verschiedener Gemeinschaften und Projekte innerhalb der Europeana-Initiative, die sich der digitalen Transformation des kulturellen Erbes widmen. 41 Mag. Dr.rer.nat. Karl Koschutnig – karl.kos[email protected] Karl Koschutnig ist ein Senior Scientist und Leiter des MRI-Labs an der Universität Graz, wo er sich mit der Erforschung der neuronalen Grundlagen menschlichen Verhaltens und Erlebens befasst. Er ist spezialisiert auf kognitive und affektive Neurowissenschaften und untersucht, wie das Gehirn Informationen verarbeitet und welche neuronalen Mechanismen dabei eine Rolle spielen. Dr.rer.nat. Annika Kruse, MA – [email protected] Annika Kruse ist Assistenzprofessorin am Institut für Bewegungswissenschaften, Sport und Gesundheit der Univeristät Graz, wo sie sich mit der Entwicklung von Bewegungsstrategien für sensible Zielgruppen beschäftigt. Ihre Forschung zielt darauf ab, Muskelveränderungen und das Risiko für Herz-Kreislauf-Erkrankungen bei jungen Menschen mit spastischer Zerebralparese zu verstehen und die Wirksamkeit von angepassten Bewegungsreizen zu untersuchen, um deren Mobilität und Lebensqualität zu verbessern. Dipl.-Ing. (FH) Markus Lackner – [email protected] Markus Lackner leitet an der Universitätsbibliothek Graz die Abteilung Informationsdienste und ist u.a. für die Implementierung und Betreuung des Bibliotheksmanagementsystems Alma an der Uni Graz verantwortlich. Therese Macher, BSc MSc – [email protected] Therese Macher ist an der Medizinischen Universität Graz als Data Steward Team Forschungsdatenmanagement tätig und betreut Forschende im Umgang mit Forschungsdaten. Sie erstellt und leitet Fortbildungsangebote im Bereich FDM. Univ.-Prof. Dr.phil. Victor Edgar Onea Gaspar – edgar.onea[email protected] Victor Edgar Onea Gaspar beschäftigt sich an der Universität Graz mit Phänomenen an der Schnittstelle zwischen Grammatik und Diskurs unter Verwendung formaler und experimenteller Methoden. Seine Forschungsinteressen umfassen u.a. Informationsstruktur, Diskursstruktur, Textstruktur, Semantik von indefiniten Determinanten und Fragen. Er kombiniert psycholinguistische experimentelle Methoden mit Korpusstudien und computergestützten Ansätzen. Christopher Pollin, BA MA MA – [email protected] Christopher Pollin war wissenschaftlicher Mitarbeiter der Universität Graz. Er forschte in den Bereichen Informationsmodellierung und Semantic Web. Er hat einen Hintergrund in Computerwissenschaften und seine Arbeit umfasst die Entwicklung und Anwendung von Technologien zur Verbesserung der Informationsverwaltung und -zugänglichkeit. Er ist Mitgründer der IT-Firma Digital Humanities Craft.