Datenkompetenzen - FAIR managen für eine erfolgreiche Forschungs- und Innovationspraxis

Moderne Datenkompetenzen sind in der Zukunft für den persönlichen Erfolg im beruflichen Leben Grundvorausetzung. Der Erfolg eines Innovations- oder Forschungsprojekts hängt von einer effektiven Verwaltung Ihrer Innovations- und Forschungsdaten ab. Mit dem Beginn eines solchen Projektes sollten sie sich mit dem Thema Forschungsdatenmanagement (FDM) als Teil der Datenkompetenzen befassen. Als Einführung haben wir Ihnen hier wichtige Informationen zum Thema Datenkompentenzen/Forschungsdaten kompakt gesammelt und diese um entsprechende Lernvideos ergänzt.

Wer braucht Datenkompetenzen?

  • Studierende in verschiedenenen Projekten im Studienverlauf
  • wissenschaftliche Mitarbeiter und Doktoranden:innen in Innovations- und Forschungsprojekten
  • Professoren:innen in der Lehre und in der Forschung
  • Innovatoren:innen in Partnerunternehmen
  • Mitarbeitende im Forschungssupport

Welchen Nutzen liefern Datenkompetenzen in Projekten?

  • Forschungsdaten entstehen während jeder wissenschaftlichen Tätigkeit wie z.B. der Durchführung einer Umfrage, bei Messungen eines physikalisch-technischen Versuchs oder während des Verfassens einer wissenschaftlichen Publikation, Studienarbeit oder Bachelorarbeit. In der Durchführung der Arbeit verwenden Sie unter Umständen selbst Daten von Dritten um neue Erkenntnisse zu gewinnen.
  • Indem Sie von Anfang an systematisches Forschungsdatenmanagement betreiben, werden Sie wichtige Fähigkeiten für Ihre berufliche und akademische Laufbahn entwickeln, indem sich lernen rechtskonform bestehende Daten zu nutzen und selbst solche Daten zur Verfügung zu stellen. Die strukturierte Datenverwaltung träge dazu potenzielle Fehler zu minimieren und Forschungsergebnisse/-daten langfristig zu nutzen und zu teilen.
  • Nutzen: Ein solides FDM ermöglicht also eine reibungslose Durchführung Ihres Projekts und trägt zur Qualitätssicherung Ihrer Forschung bei. Sie verbessern Ihre Effizienz bei der Datenverarbeitung und -analyse und durch die Veröffentlichung ihrer Forschungsdaten wird Ihre Glaubwürdigkeit und Sichtbarkeit als Wissenschaftler:in innerhalb der Forschungsgemeinschaft gestärkt.
    Ein konsequentes Forschungsdatenmanagement steigert ihre Datenkompetenzen!
Video "Einführung ins Forschungsdatenmanagement"

Was bedeutet FAIR in Bezug auf Datenkompetenzen?

FAIR-Datenprinzipien helfen dabei, wissenschaftliche und geschäftliche Daten optimal nutzbar zu machen – für mehr Transparenz, Effizienz und Innovation. Sie leisten damit ein Beitrag die Reproduzierbarkeit von wissenschaftlichen Erkenntnissen zu sichern.

FAIR steht für:

  • Findable (Auffindbar): Daten sollten eindeutig identifizierbar und mit Metadaten versehen sein, damit sie leicht gefunden werden können.
  • Accessible (Zugänglich): Die Daten müssen für berechtigte Nutzer*innen zugänglich sein, idealerweise mit klaren Zugriffsrechten und standardisierten Protokollen.
  • Interoperable (Interoperabel): Daten sollten in einem Format vorliegen, das den Austausch und die Nutzung über verschiedene Systeme hinweg ermöglicht.
  • Reusable (Wiederverwendbar): Klare Lizenzen und ausführliche Dokumentation erleichtern die Nachnutzung der Daten für neue Forschungs- oder Geschäftsprojekte.
Video "FAIR data principles"

Wie organisiere ich meine Daten in Projekten?

Die erste Datenkompetenz hin zu einem systematischen Forschungsdatenmanagement ist eine gute persönliche Datenablage. Diese hat das Ziel die eigenen Daten Wiederzufinden und die jeder Zeit nutzen zu können. Dabei sind zwei Aspekte entscheidend:

  • Ordnerstruktur:Eine klare, hierarchische Struktur hilft, Daten logisch zu organisieren. Beispielsweise können Ordner nach Projekt, Thema oder Datum gegliedert werden (z. B. Forschung/2025_DHBW_ProjektXYZ/Rohdaten).
  • Dateibenennung: Einheitliche und aussagekräftige Namen verhindern Verwirrung. Empfehlenswert sind standardisierte Formate mit Datum, Version und Beschreibung (z. B. 2025-02-20_Experiment1_Ergebnisse_v1.xlsx).

Diese Prinzipien fördern Übersichtlichkeit und erleichtern das Forschungsdatenmanagement (FDM). Die Bedeutung einer nachvollziehbaren und transparenten Datenorganisation ist laut den Leitlinien der Deutscher Forschungsgemeinschaft (DFG)  etablierte gute wissenschaftliche Praxis. Eine klare Ordnerstruktur und konsistente Dateibenennung tragen dazu bei, die Integrität und Nachvollziehbarkeit wissenschaftlicher Arbeiten zu gewährleisten.

Was ist der Nutzen von veröffentlichten Daten?

Grundsätzlich gibt es keine Pflicht zur Veröffentlichung von Daten. Dennoch bringt die Veröffentlichung von Daten den folgenden Nutzen für die Gesellschaft und den Publizierer der Daten mit sich:

  • Wissenschaftlicher Fortschritt: Bereits erhobene Daten können für neue Forschungsfragen genutzt werden, was Doppelarbeit vermeidet.
  • Interdisziplinäre Zusammenarbeit: Daten können über Fachgrenzen hinweg genutzt werden, wodurch neue Erkenntnisse entstehen.
  • Transparenz und Reproduzierbarkeit: Offene Daten ermöglichen es anderen Forschenden, Ergebnisse zu überprüfen und nachzuvollziehen.
  • Zitierbarkeit und Anerkennung: Forschende, die Daten veröffentlichen, erhalten Zitationen und steigern ihre wissenschaftliche Sichtbarkeit.

Damit wird insgesamt die Innovationsfähigkeit der Gesellschaft gestärkt.

Bei der verantwortlichen Nachnutzung von Daten gilt es rechtlichen Aspekte zu berücksichtigen. Mehr Information finden Sie im folgenden Video:

Video "Forschungsdaten rechtmäßig nutzen"

Welche Anforderungen müssen nachnutzbare Daten erfüllen?

Für die Nachnutzung von Daten bzw. bei der Veröffentlichung von Daten sind folgende Aspekte zu berücksichtigen.

  • Datenqualität und Dokumentation: Unzureichende Metadaten oder fehlende Beschreibungen erschweren die Interpretation. Es sollen nur qualitativ hochwertige Daten veröffentlicht werden.
  • Kontextverständnis: Ohne Wissen über den ursprünglichen Forschungsprozess kann die korrekte Interpretation der Daten schwierig sein. Der Kontext soll durch die Verwendung domainspezifischer Vokabularien und Terminologien beschrieben werden, um die Daten machine-actionable zu gestalten. 
  • Lizenz- und Datenschutzfragen: Lizenzen können die Weiterverwendung und Nachnutzung von Daten einschränken oder auch erleichtern. Zusätzlich sind rechtliche Einschränkungen, wie personenbezogene Daten oder ethische Fragen zu berücksichtigen. 
  • Technische Barrieren: Unterschiedliche Dateiformate oder Softwareabhängigkeiten können den Zugriff und die Nutzung behindern.

Eine gute Dokumentation der Daten mit Metadaten, standardisierte Formate und klare Lizenzen helfen, diese Herausforderungen zu minimieren und den Nutzen offener Daten zu maximieren.

Wie kann ich nachnutzbare Daten FAIR veröffentlichen?

Um Daten FAIR zu veröffentlichen sind die folgenden Punkte zu beachten:

  • Auswahl einer klaren Lizenz, um die rechtlichen Rahmenbedingungen für die Nachnutzung festzulegen
  • Verwendung offener und standardisierter Dateiformate, um die Interoperabilität und langfristige Nutzbarkeit zu gewährleisten
  • Beschreibung der Daten mit umfassenden Metadaten unterteilt in allgemeine Beschreibungen, Erhebungsmethoden zum wissenschaftlichen Prozess und fachspezifischem Kontext
  • Beachtung von Datenschutz- und Ethikrichtlinien - inbesondere bei personenbezogenen oder sensiblen Daten
  • Speicherung der Daten in den Repositorien der DHBW oder in vertrauenswürdigen Repositorien von Forschungscommunities mit persistentem Zugriff und Zitierbarkeit (z. B. DOI)

Weitere Information zu den folgenden Themen finden Sie unter folgenden Verweisen: 

Video "Metadaten-Einführung"

Wie kann man Forschungsdatenmanagement effizient gestalten?

Ein effizientes Forschungsdatenmanagement (FDM) erleichtert die Organisation, Nachnutzung und Sicherung von Daten in Innovationsprojekten und ist damit ein wichtiges Feld moderener Datenkompetenzen. Die wichtigste Maßnahme ist die frühzeitige Planung der Datenerhebung und -analyse und Veröffentlichung.

  • Frühzeitige Planung: Ein Datenmanagementplan (DMP) hilft, Ziele, Speicherorte, Verantwortlichkeiten und Metadatenstandards von Beginn an festzulegen.
  • Zugriffs- und Nutzungsrechte klären: Klare Regelungen zur Datenfreigabe und Lizenzen erleichtern die Zusammenarbeit und spätere Nachnutzung.
    • die Erstellung eines Datenmanagementplans unterstützt diesen Schritt
  • Strukturierte Ablage: Einheitliche Ordnerstrukturen und standardisierte Dateinamen erleichtern den Zugriff und verhindern Datenverlust.
  • Automatisierung nutzen: Skripte und Tools für Datenerfassung, Bereinigung und Dokumentation reduzieren manuelle Fehler und sparen Zeit.
  • Sichere Speicherung und Backup-Strategien: Daten sollten regelmäßig gesichert und an mehreren Orten gespeichert werden, um Verluste zu vermeiden

Alle diese Schritte werden durch den Datenmanagementplan unterstützt. In Drittmittelprojekten ist ein Datenmanagementplan mittlerweile unerlässlich.

Wo bekomme ich Unterstützung an der DHBW?

Mit der Verabschiedung der DHBW Open Science Policy durch den zentralen Senat wurde das Forschungsdatenmanagement innerhalb der DHBW etabliert. Die Policy wurde vom Open-Science-Verbundes der DHBW erstellt. Die DHBW unterstützt Forschungs- und Innvationsprojekte im Bereich Forschungsdatenmanagement.

Informieren Sie sich über Workshops, Schulungen und Beratungsangebote, um Ihr Wissen zu erweitern und Hilfe zu erhalten. Angebote zu FDM finden Sie z.B. in dem Katalog des Dienstes "Open Educational Resources in der Hochschullehre" [Schulungsangebot]

Die Dienste Landesinitiative für Forschungsdatenmanagement in Baden-Württemberg stehen allen DHBW Mitgliedern ebenso zur Verfügung wie die Webseite forschungsdaten.info. Auf nationaler Ebene koordiniert die Nationale Forschungsdaten-Infrastruktur (NFDI e.V.) die Forschungsaktivitäten an der DHBW.

Mit diesen Schritten legen Sie von Beginn an den Grundstein für eine erfolgreiche Forschungspraxis. Ihr Engagement für eine gute Datenverwaltung unterstützt Ihre eigenen Projekte und trägt zur Weiterentwicklung der Wissenschaft bei.