Forschungsdatenmanagement verfolgt verschiedene Ziele: es soll die Forschenden selbst unterstützen (die 2 linken Quadranten) wie auch die Ansprüche der Fachcommunity resp. der Öffentlichkeit bedienen (die rechten Quadranten). Forschungsdatenmanagement dient der Forschung, indem es dazu beiträgt, dass die Daten aktiv genutzt warden können (die oberen Quadranten), wie der Qualitätssicherung durch Dokumentation des Forschungsprozesses (die unteren Quadranten). Je nach Phase im Forschungsprozess stehen unterschiedliche Ziele eher im Vordergrund.

Wir beziehen uns im Modul mehrmals auf Daten von Urs und Lydia zur Nutzung von Mobilkommunikation. Die Daten erhoben hat die Firma Publica Data AG. Urs und Lydia haben diese nachgenutzt.

Die Abbildung zeigt einen klassischen Ablauf, wie er in der Forschung häufig auftritt. Der Weg der Daten führt dabei durch drei Domains: Private Research Domain (nur für die Forschenden selbst – also in unserem Bsp: Urs und Lydia zugänglich). Die Daten liegen also auf dem eigenen Notebook, oder auf Dropbox, GoogleDocs, Trello o.ä.

Shared Reasearch Domain (nur für einen gewissen Personenkreis zugänglich, z.B. das ganze Institut, oder die Hochschule). Die Daten liegen in einem Dokumentenmanagementsystem wie z.B. BSCW, SharePoint o.ä).

Public Domain (für eine breitere Öffentlichkeit zugänglich).

Daten können sich also in einer von drei Domains befinden:

• Private Research Domain
• Shared Reasearch Domain bzw. Collaboration Domain
• Public Domain bzw. Publication Domain

Auch der Data Life Cycle kann in den 3 Domains wiedergefunden werden, allerding werden auch gewisse Unterschiede deutlich. Wird der DCC Curation Lifecycle (bzw. ein Ausschnitte davon) auf einem Zeitstrahl dargestellt, lassen sich die drei Domains auf diesem abbilden. Werden die beiden Modelle kombiniert, wird ersichtlich, in welcher Domain sich welche Lifecycle-Abschnitte abspielen.

Auf der Abbildung sind unterhalb der DDC-Lifecycle-Phasen die Schritte des Lifecycles zusätzlich in einer anderen Form zusammengefasst und mit praxisnahen (und daher geläufigeren) Bezeichnungen aufgeführt.

Es ist ausserdem zu erkennen, dass sich einige Punkte des Lifecycles in keiner Domain befinden. So sind die Punkte „Appraise & Select“, „Ingest“ und „Preservation“ des DCC Life Cycle im Continuum Modell lediglich als unscheinbare „Curation Boundary“ zusammengefasst.

Mit dem Einsatz von neueren Tools für das aktive Datenmanagement kann die Grenze zwischen der Private Research Domain und der Collaboration Domain verschwimmen. Die Daten liegen in Forschungsumgebungen, die es erlauben, aktiv mit den Daten zu arbeiten. Urs und Lydia würden in SharePoint (zusammen)-arbeiten. Daten, die dem ganzen Institut zur Verfügung gestellt werden, werden in einem ‘öffentlicheren’ Bereich abgelegt.

Die Ziele eines aktiven Datenmanagements orientieren sich v.a. an den Bedürfnissen der Forschenden. Um den Austausch innerhalb des Kreises der Forschenden zu ermöglichen, müssen die Daten so dokumentiert werden, dass sie für alle Mitglieder der Forschungsgruppe verständlich sind.

Bereits in der Phase des aktiven Forschungsdatenmanagements zeigt sich: sollen die Daten verschiedenen Forschenden dienlich sein, müssen diese möglichst strukturiert erfasst und beschrieben sein. Grosse Excel-Tabellen ohne Erläuterungen zu den erfassten Werten, dienen niemandem.
Ebenso wichtig ist, dass Entscheide zum Forschungsprozess dokumentiert sind. Sehr oft sind die Daten nur verständlich, wenn auch die Vorüberlegungen bekannt sind. Forschungsdatenmanagement kann sich also nicht auf den Erhalt der Daten selbst beschränken.

In grossen Projekten ist es ev. lohnend, einen ‘Embedded Data Manager’ zu engagieren, der die Forschenden bei der Dokumentation und Verwaltung der Daten unterstützt.

Die Tabelle soll verdeutlichen, dass Daten und Dokumente, sobald sie von mehreren Personen genutzt werden sollen, eine gewisse Aufbereitung benötigen.

Bisher haben wir herausgestrichen, dass mit dem Einsatz von neuen Forschungsumgebungsinstrumenten die beiden ersten Domänen ev. in einem System abgewickelt werden. Jetzt wollen wir uns dem Übergang von der Collaboration Domain zur Publication Domain zuwenden. Die Daten werden nun einem noch grösseren Kreis zugänglich gemacht. Urs und Lydia stellen ihre Daten weiteren Forschenden zur Verfügung. Auf diese Weise wird es möglich die Arbeit von Urs und Lydia zu überprüfen (sind die Schlussfolgerungen der beiden aufgrund der Daten plausibel?) und zudem können weitere Auswertungen auf der Basis dieser Daten gemacht werden.

Mit der Publication Domain sollen nun die Ziele der 2 rechten Quadranten anvisiert werden. Die Daten selbst sollen einem breiteren Kreis zur Nachnutzung zur Verfügung stehen. Langzeitstudien werden so ermöglicht. Im Idealfall können so erhebliche Kosten für die Datenerhebung eingespart werden.

Ebenfalls verstärkt in den Fokus gelangen nun auch die Qualitätssicherungsziele. Die Daten sollen öffentlich zur Verfügung stehen, so dass Forschungsergebnisse auch überprüft warden können. Der Dokumentation von Forschungsergebnissen durch Bereitstellung der Daten kommt eine zunehmend grössere Bedeutung zu.

In der Curation Boundary werden die Daten für die Publikation aufbereitet.

Es ist zu erkennen, dass sich einige Punkte des Lifecycles in keiner Domain befinden. So sind die Punkte „Appraise & Select“, „Ingest“ und „Preservation“ des DCC Life Cycle.

In dieser Phase, sprich während dieser drei Schritte bzw. mit dem Überschreiten der Grenze (Boundary), wird sichergestellt, dass die Daten auch für andere (Aussenstehende, am Projekt nicht Beteiligte) nachvollzierbar und langfristig zugänglich gemacht werden (mehr Details dazu sind in den Modul 2.2 und 2.3 zu finden). Dieser aufwändige Prozess kann durchaus auch als eigene Domain (Curation Domain) behandelt werden.

Discovery Infrastructure (Daten verzeichnen) vs. Storage Infrastructure (Daten speichern)

Auf den Abbildungen des Data Continuum Models sind bereits Container mit Daten und Metadaten abgebildet.

In jeder Domain befinden sich (theoretisch) eine Discovery Infrastructure sowie eine Storage Infrastructure. Während sich die physischen Daten (z.B. SPSS-File, PFD-Datei, Python-Skript etc.) in einem Container befinden, sind die Metadaten bzw. derjenige Teil der Forschungsdaten, welcher es erlaubt, die Daten zu suchen und finden in einem anderen Container. Es kann sich dabei um ein einziges System handeln, das sowohl über einen Speicher also auch eine Suchfunktion verfügt oder aber um zwei getrennte Systeme (z.B. ein Verzeichnis, das mittels Link auf die Datei verweist, welche auf einem externen Server gespeichert ist).

Achtung: Hierbei handelt es sich um eine vereinfachte Darstellung: Daten und Metadaten sind in der Regel nicht einfach auseinander zu halten bzw. klar in zwei Gruppen zu trennen.

Während der Transfer von der Private Domain in die Shared bzw. Collaboration Domain in der Regel eine einfacher Vorgang ist, ist der Transfer in die Public Domain anspruchsvoller. Die Daten müssen bzw. sollten (!) einen Migrationsprozess durchlaufen, der hier als „Curation Boundary“ dargestellt bzw. weiter oben als Curation Domain beschrieben ist. Die Daten werden hier so aufbereitet, dass sie längerfristig zugänglich und auch verständlich sind (die genauen Vorgänge werden in Modul X vorgestellt).

Ein Beispiel für ein Forschungsdatenportal ist das der noch im Aufbau befindliche Metakatalog openresearchdata.ch.

Die Daten, die in einem Katalog publiziert werden können, reichen normalerweise nicht aus, um die Daten auch nutzbar machen zu können. Es bedarf wesentlich ausführlicherer Beschreibungen. Der Katalog verweist daher oft nur auf die sog. ‘Landing Page’ – eine Website, auf der sich weitere Informationen zu einem Datenset finden. Abgebildet die Erläuterungen zu dem Dataset ‘Sicherheit 2014’ im Repositorium für sozialwissenschaftliche Forschungsdaten ‘FORS’.

In der vorliegenden Darstellung, wird davon ausgegangen, dass sämtliche Daten veröffentlicht werden können. Vielfach ist dies jedoch nicht möglich, z.B. aus Datenschutzrechtlichen Gründen. Diese Daten werden mit einem sogenannten Embargo versehen (embargoed data), welches zeitlich beschränkt sein kann, in der Regel jedoch unbefristet ist. Solche Daten werden in Data Vaults (dt. „Datenverlies“) gespeichert. Es handelt sich hierbei also um kuratierte Daten, welche der allgemeinen Öffentlichkeit nicht zugänglich gemacht werden. Verzeichnet werden diese Daten jedoch im normalen Metadatenkatalog zusammen mit den „gewöhnlichen“, öffentlichen Daten. Es wird also auf die Existenz der Daten hingewiesen, wenn auch diese nicht zugänglich sind.

Forschungsdaten und deren Metadaten können sich daher in einem von vier Quadranten befinden. Dabei kann es sich handeln um:

• Daten, die für die allgemeine Öffentlichkeit zugänglich sind (public data)
• Daten, die nicht öffentlich zugänglich sind, sondern nur für einen beschränkten Personenkreis (private data)
• Metadaten, die für die allgemeine Öffentlichkeit zugänglich sind (public metadata)
• Metadaten, die nicht öffentlich zugänglich sind, sondern nur für einen beschränkten Personenkreis (private metadata)

In-house vs. externe Speicherung und Verzeichnung

Sind die Daten einmal durch Curation Domain geschleust, stellt sich die Frage, wo die Daten gespeichert und wo diese verzeichnet werden.

Grundsätzlich zu unterscheiden sind hier:

• Interne Speicher und Kataloge, welche sich in-house, also innerhalb der eigenen Institution, befinden.
• Externe Speicher und Kataloge, welche sich in der Cloud, also bei anderen Institutionen, Organisationen oder Firmen befinden.

Anders als bei den anderen den Domains ist es in der Public Domain möglich, wenn nicht sogar üblich, Daten und Metadaten an verschiedenen Orten zu speichern. Dabei können die Metadaten (seltener auch die Daten selbst) in mehreren Verzeichnissen vorhanden sein (siehe Metakataloge für Metadaten).