In mediating the continuous successful integration of research data management (RDM) practices and data publications into scientists’ occupational routine, institutions face the challenge to transfer abstract RDM concepts and practices into concrete infrastructures, processes, and support offers. As data publications are becoming increasingly relevant, institutional RDM efforts meet a growing interest to publish research data as proof of scientific merit. This work is a practice report on how TU Dortmund University established the publication process with data curation as core element for its institutional research data repository “TUDOdata”. The devised publication process is discussed with respect to the usefulness for researchers and the institutional resources required. Research data management professionals are provided with practical insights based on experiences made during conceptualization and implementation of the publication procedure in an institutionally hosted repository utilizing the software Dataverse.
Research Data Management (RDM) is a crucial component of any Collaborative Research Centre (CRC). It facilitates interdisciplinary collaboration, promotes good research practice and supports reproducibility, and adherence to the FAIR principles (Findable, Accessible, Interoperable, Reusable) (Wilkinson et al., 2016). This article presents the RDM approach of the Transregional Collaborative Research Centre SFB/TRR219 “Mechanisms of Cardiovascular Complications in Chronic Kidney Disease.” It outlines measures such as data management plans (DMPs), storage and archiving in Coscine, electronic lab notebooks (ELNs), and internal guidelines. It also discusses challenges and resulting workflows. The experience of SFB/TRR219 demonstrates how RDM can be effectively integrated into an ongoing consortium and provides a model that can be adapted and reused in similar collaborative research settings.
The National Research Data Infrastructure (NFDI) section Training & Education (EduTrain) aims to support and coordinate NFDI e.V.-wide educational activities that promote awareness of the significance of research data management (RDM), data literacy, and impart knowledge and skills in data science. One of EduTrain’s foundational projects is the Data Literacy Alliance (DALIA), which promotes the guiding principle of “data literacy from the very beginning” through a platform that enhances teaching and learning with curated educational resources. This ensures that educational materials are easy to find, readily accessible, and as interoperable and reusable as possible. The target groups of EduTrain and its aggregator platform DALIA are diverse — not only in terms of discipline, professional or educational status, but also with regard to their level of RDM competence. The development of personas is a common method for comprehensively describing representatives of user groups in order to enhance user-centered development processes. This paper presents the development process and the core personas developed. These personas serve as a framework for user-centered development within NFDI training infrastructures and provide a foundation for future persona-driven educational design.
Research data management (RDM) in the health sector is highly diverse and complex due to ethical (Viberg et al., 2022), legal (European Commission, 2016) considerations, and multiple stakeholders (Maurer et al., 2022), to name but a few. In recent years, data stewardship has emerged as a new professional field to fulfil this task. However, the exact roles and responsibilities of data stewards as well as how data stewardship is best implemented in institutions is not fully defined (Seidlmayer et al., 2023). The aim of this paper is to explain our strategy for establishing research data management for clinical and epidemiological studies within the National Research Data Infrastructure for Personal Health Data (NFDI4Health). In NFDI4Health, we conducted a pilot project to examine how library-based data stewards specialising in RDM (infrastructure-specific) and discipline-specific data stewards working in research institutions can work together to successfully implement RDM in research institutions. The pilot project was designed to run two pilots, one with epidemiological studies and one with clinical studies. The pilot identified both the infrastructure- and discipline-specific data stewards as important profiles in the spectrum of data management implementation and how their situated, collaborative learning contributed to successful outcomes. The experiences of the involved institutions are presented, and the main features of the two approaches are outlined within the NFDI4Health pilot project.
In project management of collaborative research projects, there is an increasing demand for an information and communication technology (ICT) infrastructure because people are distributed in time and space, including a safe and legal data sharing infrastructure. Data managers want to foster the production of FAIR data by implementing best research data management (RDM) practices. In practice, the use of a cloud service is the easiest to implement, but shared folders tend to become huge and unorganised, which greatly limits the findability and reuse of the shared data. In order for data managers to regularly monitor activities on the shared folder, they need a better version control system than what cloud systems provide. Here we present a strategy where the data manager uses the power of Git on a local copy of the shared folder. By spotting new and modified files, they can intervene very early and pro-actively to keep files organised, produce useful metadata, or publish data on behalf of the researchers. In particular, the data manager can move large files outside of the data synchronised on the researchers’ computers. This strategy was successfully implemented in two projects that collect relatively small datasets. Because most of the collected data is available and organised, publication and archival of the whole data can be performed by the data manager, potentially making this data FAIR during and after the project.
Die Rufe innerhalb der wissenschaftlichen Community, die Replizierbarkeit und z.T. auch Rezipierbarkeit von Forschungsdaten durch die Bewahrung des Zugriffs auf sowie der Lauffähigkeit von Forschungssoftware sicherzustellen, sind in den vergangenen Jahren spätestens mit der vielseits beklagten sogenannten ‚replicability crisis’ der Wissenschaft lauter und zahlreicher geworden. Allerdings weisen diese Appelle mehrheitlich einen blinden Fleck auf: Sie formulieren – nachvollziehbare wie unterstützenswerte – Anforderungen an den Erhalt von Zugang und Lauffähigkeit der Softwares, blenden jedoch allzu oft die technischen, organisatorischen, personellen und finanziellen Herausforderungen aus, die mit einer Nachnutzbarhaltung der Programme über einen langen, mitunter unbefristeten Zeithorizont verbunden sind. Der vorliegende Beitrag will zu einer archivfachlich fundierten, zugleich kritischen Sensibilisierung für diese Thematik beitragen, wobei der Fokus auf der Langzeitarchivierung, d.h. der dauerhaften vertrauenswürdigen Sicherung von Quellcode von Forschungsund Vermittlungssoftware liegen soll. Zunächst werden Vorzüge der Archivierung von Quellcode beschrieben, die aus dessen ‚Klartext’-Charakter resultieren, beschrieben (geringer Speicherplatzbedarf, fehlender Migrationsaufwand, Maschinen- und Menschenlesbarkeit), aber auch die intellektuellen Herausforderungen für das Archivpersonal (Stichwort ‚Coding Literacy’). In einem weiteren Schritt wird der Frage nachgegangen, welche potenziellen Probleme sich für die Sicherstellung der Lauffähigkeit langzeitarchivierter Software aus dem Textcharakter von Quellcode ergeben und inwiefern durch Quellcodearchivierung Emulationsbedarf lediglich in die Zukunft verlagert wird. Zuletzt wird auf den erhaltungsstrategischen Stellenwert von Quellcodeerhalt für die Langzeitarchivierung von Forschungs- und Vermittlungssoftware hingewiesen – sowohl als Baustein in einem ganzheitlichen Erhaltungskonzept wie auch als ‚Standalone’-Strategie.
Die Langzeitarchivierung von Forschungsdaten ist eine der Herausforderungen für den Aufbau einer Nationalen Forschungsdateninfrastruktur (NFDI) in Deutschland. Heterogene Daten aus unterschiedlichen Fachdisziplinen, verschiedene Anforderungen und ein uneinheitliches Verständnis von Archivierung (im Gegensatz zur Speicherung) erschweren diese Aufgabe. Der Beitrag trägt die bisherigen Positionierungen und Entwicklungen zur Strategien der Langzeitarchivierung aus diversen Strategiepapieren zusammen und endet mit einem Ausblick und Perspektiven für die zweite Förderphase der NFDI.
The tool landscape at universities and research institutions is ever changing. As a result, researchers and students often struggle to keep track of the tools offered. Especially as a new university member or PhD student, finding the right tool is time-consuming and complex. The templates for overviews of collaboration tools and storage options described in this work provide an easy comparison of tools while also giving a short introduction to the different tool types. The templates are licensed under CC BY and can be adapted to the offers of other universities and research institutions.
To better understand the current attitudes, motivators and barriers surrounding FAIR and open data practices in the context of the German national research data infrastructure consortium for the Earth System Sciences (NFDI4Earth), an online survey was conducted (n = 114). The survey targeted researchers in the German Earth System Sciences community. The main findings of the survey are as follows. The strongest motivators to perform FAIR and open data practices more often are better institutional support for FAIR and open data practices as well as more scientific recognition via dataset citation metrics. Only few participants think that awards for FAIR and open data practices are strong motivators. The most important drivers for data publication in particular are the perception that it improves science as a whole. This is contrasted by extrinsic drivers (such as requirements from publishers, funders, institutions), and data sharing norms, both ranking lower. The most important reasons for not sharing data is the consideration that the data are not suitable for sharing and the fear of scooping, i.e. somebody else may publish an analysis of the data earlier than the data´s originator. Recommendations for NFDI4Earth include to strengthen motivators for FAIR & open data practices in general and, in particular, for data publication, because the latter are highly important for survey participants. Barriers to data sharing should be assessed in order to identify actions to establish more incentivizing environments and structures, e.g. by forming stronger strategic partnerships with partners like academic societies. NFDI4Earth may further intensify training and education on data sharing and the use of DMPs as well as collaborate with NFDI4Earth member institutions and other partners to promote the introduction of data sharing policies and to strengthen existing services. NFDI4Earth member institutions should take advantage of NFDI4Earth-developed instruments, e. g. the Help Desk and the OneStop4All, in providing better assistance and infrastructure to their researchers. Development of open data citation metrics and improved recognition of FAIR and open data practices should be supported by NFDI4Earth to drive the much-needed cultural change towards recognition of diverse research contributions and open sharing.
In Forschungsprojekten werden häufig Forschungsdaten erhoben, deren Erhaltungswert über eine reine Speicherung (Bit Stream Preservation) hinausgeht. Forschende sind dabei auf einen Service angewiesen, der die Langzeitverfügbarkeit (LZV) von Forschungsdaten möglichst von Beginn und ohne einen Wechsel der Plattform entlang des Forschungsdatenlebenszyklus sicherstellt, indem er eine kontinuierliche und dauerhafte Interpretierbarkeit sowie vielfältige Nachnutzbarkeit gewährleistet. Die Sicherstellung dieser langfristigen Perspektive stellt eine erhebliche technische und organisatorische Herausforderung dar, für deren Erfolg die Bündelung der Kompetenzen des FDM-Projekts Coscine.nrw und des LZV-Projekts LZV.nrw unerlässlich ist. Im Artikel stellen wir das avisierte Projekt LZVxCoscine vor, in dessen Rahmen der Funktionsumfang der FDM-Plattform Coscine um erforderliche LZV-Funktionen, wie Risikomanagement, Monitoring, LZV-Metadatenprofile und Kurationsprozesse erweitert werden soll. Dadurch soll in Kooperation der RWTH Aachen University und dem Hochschulbibliothekszentrum NRW eine zukunftsorientierte kooperative und skalierbare Informationsinfrastruktur geschaffen werden, die in effizienter Weise die LZV von erhaltenswerten Forschungsdaten sichert und dadurch eine entscheidende Grundlage für innovative und nachhaltige Wissenschaft erhält.
Was ist digitale Langzeitarchivierung? Und wann findet sie statt? Zur Beantwortung dieser Fragen sowie zur Ermittlung von Möglichkeiten einer stärkeren Kooperation untersucht dieser Beitrag die Definition und Verortung von Langzeitarchivierung innerhalb der deutschsprachigen Communities anhand von zwei weit verbreiteten Werkzeugen: dem Datenlebenszyklusmodell sowie dem nestor Siegel Kriterienkatalog. Durch ein Mapping der nestor Siegel Kriterien auf Aufgaben der Lebensabschnitte wird aufgezeigt, dass Archivierung von Beginn an mitgedacht werden muss.
Jemand schickt mir ein Filmchen. Ich spiele es ab und freue mich. Aber was hat das mit unserer Forschungsdateninfrastruktur zu tun? Nun, damit aus der digitalen Bitfolge, in der Datei x34f9g.mpeg abgegrenzt, auf meinem Bildschirm ein Film mit Ton wird, braucht mein Endgerät Aufschluss darüber, wie es diese Datei darstellen soll. Die Basis hierfür ist das Dateiformat. Unsere alltägliche digitale Umwelt geht wie selbstverständlich mit Formaten um, weil die Hersteller entsprechende Vorkehrungen treffen. Doch was spielt sich genau in den Betriebssystemen ab und wie können Formate langfristig, also über die Lebensdauer von Hard- und Software hinweg, genau wiedererkannt und mit der passenden Wiedergabesoftware zusammengebracht werden? Dieser Artikel beleuchtet insbesondere, auf welchen Prozessen eine Formaterkennung beruht, was bei der langfristigen Aufbewahrung von Daten gegenüber dem Standardfall anders ist, ob die bisherigen Register für Formate unseren FAIR-Prinzipien entsprechen und schließlich, wie wir die erforderlichen Verbesserungen erreichen und damit zu einer souveränen Forschungsdateninfrastruktur beitragen.
Mit der zunehmenden Digitalisierung der Forschung und der damit verbundenen Etablierung eines nachhaltigen Forschungsdatenmanagements rücken auch die Aspekte einer digitalen Langzeitverfügbarkeit verstärkt in den Fokus. Dieser Praxisbericht erläutert verschiedene Herausforderungen, die beim Aufbau einer Infrastruktur für die Langzeitverfügbarkeit von Forschungsdaten auftreten können. Davon ausgehend werden mögliche Lösungsansätze zur Bewältigung der festgestellten Herausforderungen und der damit verbundenen dauerhaften Etablierung einer nachhaltigen Infrastruktur vorgeschlagen, die im Rahmen des bayerischen Modellprojekts „Digitale Langzeitverfügbarkeit im Bibliotheksverbund Bayern“ entwickelt wurden, um sowohl eine langfristige Erhaltung als auch zukünftige Nutzbarkeit von Forschungsdaten zu ermöglichen.
Der vorliegende Praxisbericht stellt einen Musterworkflow zur Bewertung von im wissenschaftlichen Kontext erzeugten Daten für die Langzeitarchivierung vor. Er gliedert sich in die drei Abschnitte rechtlich-organisatorische, technische sowie Kontext- und Strukturprüfung. Praktische Ablaufdiagramme und eine kompakte Checkliste können mit der Langzeitarchivierung befassten Personen in Kultureinrichtungen den mitunter ausgesprochen komplexen Bewertungs- und Übernahmeprozess erleichtern.
Das Verhältnis von Forschungsdatenmanagement und Langzeitarchivierung ist in Theorie und Praxis oft ungeklärt. Dabei sind Ähnlichkeiten zwischen beiden unmittelbar ersichtlich. Wesentliche Ziele des Forschungsdatenmanagements (FDM) sind die Nutzbarkeit von Forschungsdaten über den ursprünglichen Projektkontext hinaus sowie die Replizierbarkeit und Nachvollziehbarkeit von Forschungsergebnissen. Und in der Langzeitarchivierung (LZA) ist der langfristige Erhalt der Nutzbarkeit und Interpretierbarkeit über technischen und gesellschaftlichen Wandel hinweg das zentrale Ziel, das weit über reine Speicherkonzepte hinausgeht. Dennoch scheint es wenig gemeinsame Konzepte und Praxis zwischen den FDM- und LZA-Communities zu geben und die Langzeitarchivierung von Forschungsdaten scheint selten verfolgt zu werden. Die Beiträge dieses Hefts setzen Konzepte und Praktiken der FDM- und LZA-Communities zueinander ins Verhältnis und formulieren Fragen, Empfehlungen und Erkenntnisse für die stärkere Verzahnung beider Bereiche.
Forschungsdatenmanagement (FDM) und Langzeitarchivierung (LZA) werden häufig als separate Prozesse verstanden, obwohl sie in der Praxis eng miteinander verflochten sind. Die Forschungsdatenzentren FDZ Bildung am DIPF und FDZ am IQB als Teil des Verbund Forschungsdaten Bildung (VerbundFDB) zeigen, wie FDM und LZA in ihrer Praxis operativ zusammengedacht und umgesetzt werden können. Dabei steht die dauerhafte Interpretierbarkeit und Nachnutzbarkeit digitaler Forschungsdaten im Fokus. Der Beitrag skizziert die Prozesse vom ersten Beratungskontakt mit den Datengebenden über die Datenaufnahme bis hin zur Langzeitarchivierung und reflektiert unterschiedliche Perspektiven von FDZ und Forschenden auf FDM und LZA. Die gelebte Praxis verdeutlicht, dass ein integriertes Vorgehen erforderlich und möglich ist, bei dem Anforderungen aus FDM und LZA von Beginn an gemeinsam berücksichtigt werden. Abschließend thematisiert der Beitrag aktuelle Herausforderungen durch den stetigen Wandel am Beispiel neuer Datenarten. Er plädiert für eine enge Zusammenarbeit zwischen FDZ und datenproduzierenden Forschenden, um kooperativ entlang des gesamten Datenlebenszyklus die Voraussetzungen für langfristig nachnutzbare und interpretierbare Forschungsdaten zu schaffen.
Die langfristige Erhaltung von Forschungsdaten erfordert mehr als die Bewahrung von Bits (Bitstream-Preservation), da Forschungsdaten als komplexe digitale Artefakte einzustufen sind und ihren wissenschaftlichen Nutzen erst durch softwarebasierte Verarbeitung entfalten können. Für die langfristige Erhaltung ist daher entscheidend, ob geeignete Software für die Nutzung zur Verfügung steht und praktisch einsetzbar ist. Angesichts der Vielfalt von Datenformaten und der Heterogenität von Forschungsdatensätzen erschient eine vollständige (manuelle) Vorausausauswahl, Standardisierung der Datenformate sowie Vorkuratierung aller anfallender Datensätze weder praktikabel noch finanzierbar. Stattdessen wird eine softwarezentrierte Strategie in Kombination mit Emulation als infrastruktureller Ansatz vorgeschlagen, die disziplinübergreifend implementiert werden kann und als Absicherung in der Breite dienen soll.
Der vorliegende Beitrag präsentiert die Ergebnisse der NFDI4ING- Community-Surveys aus den Jahren 2022 bis 2024. Im Fokus stehen die Kenntnisse und Erfahrungen der Befragten hinsichtlich des gegenwärtig wahrgenommenen Ist-Zustands des Forschungsdatenmanagement (FDM) in den Ingenieurwissenschaften sowie der Reichweite der Institution NFDI4ING. Die Ergebnisse zeigen, dass grundlegende FDM-Aufgaben den Forschenden weitgehend bekannt sind und in der Praxis Anwendung finden. Zur Wissensaneignung bevorzugen sie vor allem autodidaktische Aneignungsformen, weniger werden informelle und institutionelle Lehr- und Lernangebote genutzt. Beratungs- und Unterstützungsbedarf besteht insbesondere bei der taktisch-mittelfristigen FDM-Planung sowie bei strategischen Aufgaben wie Standardisierung, Veröffentlichung und Nachnutzung von Forschungsdaten.
An Hochschulen für Angewandte Wissenschaften (HAW) steigt das Forschungsaufkommen, so dass auch der Bedarf im Forschungsdatenmanagement (FDM) wächst. FDM-Strukturen sind jedoch noch nicht in der Breite vorhanden. Besonders sinnvoll erscheint ein Erfahrungsaustausch. Wie kann an einer HAW mehr Wert aus Daten geschöpft werden? Wie können andere HAW von den Erfahrungen profitieren? Diese Fragen waren ein Ausgangspunkt, Prozesse zum Aufbau einer FDM-Servicestelle an der FH Aachen anzustoßen. Zentraler Baustein war dabei die Einführung der Speicherinfrastruktur Coscine für Forschungsdaten. Im Beitrag wird die Einführung der FDMPlattform Coscine an der FH Aachen in vier Implementierungsschritten beschrieben, von der Zielgruppen- und Anforderungsanalyse bis zum Transfer. Es werden nachnutzbare Awareness- und Schulungsmaterialien vorgestellt und Erkenntnisse aus dem Prozess skizziert.
Forschungsdatenmanagement (FDM) gewinnt zunehmend an Bedeutung für eine reproduzierbare und effiziente Forschung. Im Zuge dessen wird es für Forschende immer wichtiger, sich mit einem nachhaltigen Umgang mit Forschungsdaten, Publikationsmöglichkeiten, rechtlichen Rahmenbedingungen sowie der Vielzahl verfügbarer Software-Werkzeuge vertraut zu machen. Um Forschende verschiedener Disziplinen und Karrierestufen beim gezielten Wissensaufbau und bei der Kompetenzentwicklung zu unterstützen, wurde an der Universitätsbibliothek Duisburg-Essen von der Servicestelle Research Data Services (RDS) ein strukturiertes Schulungsprogramm entwickelt – das FDM-Curriculum. Das FDM-Curriculum ist untergliedert in ein Basis- und ein Vertiefungsmodul. Im Basismodul kann aus drei ganztägigen Grundlagenschulungen mit unterschiedlichem fachlichen Fokus gewählt werden. Das Vertiefungsmodul bietet ein breitgefächertes Angebot an zweistündigen Hands-on-Online-Workshops zu verschiedenen FDM-Werkzeugen und -Themen. Als Motivation und als Nachweis für die Teilnahme an mehreren Veranstaltungen wird das FDM-Badge vergeben. Mit dem FDM-Curriculum und dem dazugehörigen FDM-Badge wurde ein niedrigschwelliges und individuell wählbares Angebot geschaffen, das Forschenden den Zugang zu fachspezifischen und für sie relevanten FDM-Kenntnissen in Form eines Baukastensystems sowie den entsprechenden Nachweis bietet. Die Struktur des Programms erlaubt es, stetig neue Inhalte als Vertiefungsveranstaltungen zu ergänzen, und kann sukzessive um Angebote für weitere Zielgruppen erweitert werden. Das FDM-Curriculum unterstützt den Kulturwandel in der Wissenschaft hin zur Anerkennung von gutem Datenmanagement und Beiträgen zu offener, transparenter Forschung.
