FAIR-Prinzipien
Reiter
FAIR-Prinzipien
Die 2016 veröffentlichten FAIR-Prinzipien sind eine Reihe von Richtlinien, die darauf abzielen, Daten so zu gestalten, dass sie Findable (auffindbar), Accessible (zugänglich), Interoperable (interoperabel) und Reusable (wiederverwendbar) sind.
Die FAIR-Prinzipien richten sich an alle, die mit Forschungsdaten arbeiten – von der Erhebung bis zur Publikation, sodass wissenschaftliche Ergebnisse nachhaltiger und kooperativer genutzt werden können.
Vorteile der Anwendung der FAIR-Prinzipien:
- Höhere Sichtbarkeit Ihrer Forschung und mehr Zitationen
- Höherer Impact Ihrer Forschung
- Bessere Reproduzierbarkeit und Reliabilität
- Förderung der Zusammenarbeit
- Erfüllung von Förderanforderungen
- Förderung einer nachhaltigeren und effizienteren Wissenschaft
Wie können Daten FAIR gemacht werden?
Forschende können ihre Daten FAIR machen, indem sie die Forschungsdaten mit umfangreichen Metadaten beschreiben und dafür vorhandene disziplinspezifische Metadaten verwenden. Für die Publikation der Daten sollten geeignete Repositorien gewählt werden, die persistente Identifikatoren vergeben, Metadaten indizieren sowie offene Kommunikationsprotokolle nutzen.
Die FAIR-Prinzipien: Daten für eine bessere Forschung
Findable
Die Daten sowie die Metadaten sollten von Menschen und Maschinen leicht auffindbar sein. Die Beschreibung mit umfangreichen Metadaten und die Vergabe eines persistenten Identifikators sind dabei zentrale Elemente.
Ein Beispiel für einen Persistent Identifier ist der Digital Object Identifier (DOI), der als Link aufgebaut ist und ein Objekt eindeutig identifiziert. DOIs können von Verlagen oder Repositorien für z.B. Publikationen oder Forschungsdaten vergeben werden.
Accessible
Sowohl für Menschen als auch für Maschinen sollte der Zugriff auf die Daten über Standardprotokolle (z. B. HTTPS) gewährleistet sein. Dabei kann der Zugriff auf die Daten auch beschränkt sein, solange die Metadaten offen zugänglich sind.
Um die Daten zugänglich zu machen, können sie z.B. in offenen Forschungsdatenrepositorien, wie Zenodo oder Dataverse publiziert werden.
Interoperable
Daten sind interoperabel, wenn sie von anderen geöffnet und bearbeitet sowie in (teil-)automatisierter Weise interpretiert und ausgetauscht werden können. Dafür sollten für Metadaten verbreitete Standards und für die Forschungsdaten möglichst offene und verbreitete Formate verwendet werden.
Beispiele für interoperable Datenformate sind CSV, XML oder JSON.
Reusable
Damit Daten nachvollziehbar, reproduzierbar und nachnutzbar sind, müssen sie gut beschrieben werden. Außerdem müssen die Daten mit einer Lizenz versehen werden, damit die Nutzungsbedingungen klar definiert sind.
Die Lizenz CC-BY ermöglicht maximale Nachnutzung und Verbreitung von Forschungsdaten, da sie nur die Namensnennung des Urhebers verlangt. Dadurch werden wissenschaftliche Zusammenarbeit sowie Zitationen gefördert.
FDM vs FAIR vs Open Research Data
FDM beinhaltet alle Aktivitäten, die mit der Verwaltung von Forschungsdaten zusammenhängen und auch deren Publikation ermöglichen. Ein gutes FDM ist die Grundlage für FAIRe Daten. Mit der Publikation der (Meta-)Daten können durch die Beschreibung mit Metadaten, der Zuweisung eines persistenten Identifikators und der Zugänglichmachung über ein Repositorium zentrale Punkte der FAIR-Prinzipien erfüllt werden.
Um offene, frei zugängliche Daten im Sinne von Open Science zu erhalten, müssen Nutzungseinschränkungen minimiert werden. Dies kann durch eine offene Lizenz (z.B. CC BY) und offene Formate geschehen. Da offene Daten nicht zwingend in einem durchsuchbaren Repositorium abgelegt werden müssen und einen persistenten Identifikator besitzen, sind nicht alle offenen Daten auch FAIR. Ebenso sind nicht alle FAIRen-Daten auch offen, da auch die Verfügbarkeit von Metadaten nach den FAIR-Prinzipien ausreichen.
Wie kann FAIRness der Daten überprüft werden?
Automatische Tools
F-UJI Automated Fair Data Assessment Tool
FAIR Evaluation Service
- Schnelle und konsistente Bewertung vieler Datensätze mit geringem Aufwand
- Abfrage über DOI von publizierten Daten
- Metadatenschema des Repositoriums muss im Tool hinterlegt sein
Umfragetools
ARDC FAIR Self Assessment Tool
FAIR Aware
- Beantwortung von Fragen zu den einzelnen Elementen der FAIR-Prinzipien
- Auswertung mit Feedback
Checklisten
EDUAT How fair are your data?
FAIRsFAIR Data Object Assessment Metrics
- Beantwortung von Fragen zu den einzelnen Elementen der FAIR-Prinzipien
- Anwendung als Vorabprüfung
Quellen und weiterführende Informationen
Biernacka, K., Engelhardt, C., & Heister, E. C. (2023). Train-the-Trainer-Konzept zum Thema Forschungsdatenmanagement: Erweiterungsmodul FAIR-Prinzipien. Zenodo. https://doi.org/10.5281/zenodo.10197079
Lang, K., Assmann, C., Neute, N., Gerlach, R., & Rex, J. (2023). FAIR Assessment Tools Overview (2.1). 3. Sächsische FDM-Tagung, Leipzig. Zenodo. https://doi.org/10.5281/zenodo.7701941
Bei Fragen oder für weitere Beratung zum Thema Forschungsdatenmanagement nehmen Sie gerne Kontakt mit uns auf unter fdm@hsbi.de