Forschungsdatenmanagement (FDM) One-Stop-Shop. Eine zentrale FDM-Informationsplattform (PDF-Version)

4. Tools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 5. Schulungsmaterial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 6. FAQs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 3.1 Repositorien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 3.2 Datenjournale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 3.3 Datenauswahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 3.4 Lizenzierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 3.5 Langzeitarchivierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 3. Publikation - Archivierung - Nachnutzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 2.1 Datenumgang: Benennungen - Ablage - Sicherung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.2 Dateiformate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 2.3 NFDI-Konsortien: Fachspezifische externe Serviceund Beratungsstellen . . . . . . . . . . . . . . 42 2.4 Metadaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 1.5 Ressourcenplanung - Kosten, Zeit, Personal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2. Datenerhebung - Analyse - Aufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 1.2 Vorgaben & Policies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.3 Recht und Datenschutz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 1.4 Ethik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 1.1 Datenmanagementplan (DMP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Einstieg FDM One-Stop-Shop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1. Projektplan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Forschungsdatenmanagement (FDM) One-Stop-Shop Beitragende Rolle nach CRediT‐Schema ‐ Deutsch v 1.0.0 Esther Schneidenbach (Lead) Autorin und Herausgeberin ORCiD: 0000‐0002‐8651‐03 13 Konzeptualisierung; Schreiben ‐ Originalentwurf & Überprüfung u nd Überarbeitung sowie Finalisierung; Visualisierung; Validierung Paulina Dąbrowska (Support) Eske Heister (Support) Alexandra Löwe (Support) Unterstützend: Schreiben ‐ Originalentwurf: FAQ Unterstützend: Schreiben ‐ Überprüfung Unterstützend: Schreiben ‐ Originalentwurf: Kapitel Metadaten; Überprüfung (Durchsicht) Empfohlene Zitierweise: Schneidenbach, Esther (2025). Forschungsdatenmanagement (FDM) One‐Stop‐Shop. Version 1. Zenodo. DOI: 10.5281/zenodo.17232256. Inhaltsverzeichnis Vorwort: Bei dem vorliegenden PDF handelt es sich um einen Export der internen Confluence-Instanz der HTW Berlin zum FDM One-Stop-Shop. Dieser liegt als zentrale Informationsplattform vor im Intranet der HTW Berlin auf einer Confluence-Wiki-Instanz. Alle ursprünglichen Verlinkungen auf Unterseiten innerhalb des Confluence-Wikis wurden für den Export so angepasst, dass sie nun als interne Verweise innerhalb des PDFs funktionieren. Gegenüber der Online-Fassung wurden Struktur und Layout gezielt überarbeitet, um die Lesbarkeit sowie Nutzbarkeit als Handbuch und modulare Verwendung der Kapitel zu erhöhen (z. B. beginnen alle Kapitel auf einer neuen Seite und können daher auch einzeln verwendet werden – bitte beachten: ggf. bestehen Querverlinkungen zu weiteren Kapiteln). Die Entwicklung und Bereitstellung der zentralen Informationsplattform an der HTW B erlin erfolgte im Rahmen des Projektes FitForFDM (Förderkennzeichen: 16FDFH114). Dieses wurde BMFTR- (ehemals BMBF) gefördert und durch EU NextGeneration finanziert. Lizenz: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.de). Ausgenommen jegliche Bilder und Grafiken anderer Urheber. Stand: Der Export umfasst den Stand des FDM One-Stop-Shops vom 24.11.2025. FDM One-Stop-Shop Forschungsdatenmanagement One-Stop-Shop Forschungsdatenmanagement an der HTW Berlin Kontakt: [email protected] FDM-Beauftragte: Constance Holman Auf den folgenden Seiten finden Sie umfassende Informationen zum Forschungsdatenmanagement (FDM) – sowohl allgemein als auch fachspezifisch. Neben den Serviceangeboten der HTW Berlin zum FDM sind auch hilfreiche Angebote und Informationsstellen externer Anbieter für Sie zusammengestellt. 2 Unterstützungsmaterial Eine Exportund Implementierungsversion des FDM One-Stop-Shops der HTW ist auf Zenodo publiziert (Stand November 2025): HTW Berlin Mitarbeitende finden den FDM One-Stop-Shop im Intranet. FDM-Handlungsempfehlungen zum Umgang mit digitalen Forschungsdaten: Schneidenbach, Esther (2025). FDM-Handlungsempfehlung en zum Umgang mit digitalen Forschungsdaten nach den FAIR-Prinzipien für Forschende an der HTW Berlin. Zenodo. https://doi.org/10.52 81/zenodo.17552057. Was ist Forschungsdatenmanagement (FDM) und warum ist es notwendig? Was und warum FDM? Es ist ein Bestandteil des Forschungsprozesses von der Projektidee und die Antragsstellung über die Datengenerierung, -sicherung, -auswertung bis zur Publikation und Archivierung. Es gewährleistet, den Auflagen der Forschungsförderer zum Umgang mit (etwa den FAIR-Prinzipien zu folgen – F-A-I-R steht Forschungsdaten nachzukommen hierbei für findable, accessible, interoperable, reusable). Es gehört zur . guten wissenschaftlichen Praxis Es dient der Ihrer Forschung durch ein strukturiertes und Nachvollziehbarkeit standardisiertes Vorgehen. Es mit Forschungsdaten etwa durch klare Dokumentation und erleichtert den Umgang Ablagestrukturen. Es ermöglicht eine zu schaffen und erhöht dieTransparenz im Forschungsprozess von Forschungsdaten und Forschungsergebnissen.Möglichkeit der Replizierbarkeit Was sind Forschungsdaten? [1] DFG: Leitlinien zum Umgang mit Forschungsdaten. www.dfg.de/download/pdf/foerderung/antragstellung/forschungsdaten/richtlinien_forschungsdaten.pdf [8.4.2020]. Die DFG zählt zu Forschungsdaten: " u. a. Messdaten, Laborwerte, audiovisuelle Informationen, Texte, Surveydaten, Objekte aus Sammlungen oder Proben, die in der wissenschaftlichen Arbeit entstehen, entwickelt oder ausgewertet werden. Methodische Testverfahren, wie Fragebögen, Software und Simulationen können ebenfalls zentrale Ergebnisse wissenschaftlicher Forschung darstellen und sollten daher ebenfalls unter den Begriff Forschungsdaten gefasst werden." [1] Bisher gibt es keine einheitliche Definition zu Forschungsdaten, da die Forschungsdaten von Fach zu Fach unterschiedlich definiert werden. Allgemein sind Forschungsdaten jedoch (digitale) Daten, die während einer wissenschaftlichen Tätigkeit entstehen. Sie bilden die Grundlage für wissenschaftliche Arbeit und dokumentieren deren Ergebnisse. Quelle und weitere Definitionen: https://forschungsdaten.info/themen/informieren-und-planen/was-sind-forschungsdaten/ Kontakt Weiterführende Informationsseiten One-Stop-Shop FDM Internet: https://www.htw-berlin.de /datenschutz/ Verwaltungswiki: "Forschung und Datenschutz" https://wiki.rz.htw-berlin.de/confluence/x /dArQDg Datenschutzbeauftragte: Franziska Hofmann [email protected] FDM-Beauftragte: Constance Holman (ab Dezember 2025 [email protected] Datenschutz FDM-Beratung Thema Wo finde ich Unterstützung an der HTW Berlin zum FDM? Serviceangebote der HTW zum FDM 3 IT-Strukturen (Server, VDIAdministration, VM-HostingAdministration etc.) HRZ oder Fachbereiche (FDM-Beauftragte kann durch Vorgespräch gezielt vernetzen) HRZ HelpDesk: +49 30 5019-2525 HRZ: https://rz.htw-berlin.de/portfolio/it-support/ https://rz.htw-berlin.de/anleitungen/ support/ Fachbereich 1: [email protected] Fachbereich 2: HelpDesk FB2: https://helpdesk. f2.htw-berlin.de/ Fachbereich 3: [email protected] / Ticketsystem: [email protected] (Betr eff: IT-Betreuung Labore) Fachbereich 4: - Angewandte Informatik: Andreas Schultze, Axel Wagner - Internationale Medieninformatik: Sebastian Richter - Wirtschaftsinformatik: IT-Service FB3 WI, Frank Strahlhoff, Jörg Lehmann - Wirtschaftsingenieurwesen: Michael Baltsch - Wirtschaftskommunikation: Andreas Kettenhofen Fachbereich 5: Laboringeni eure - BTK: Thekla Schläwicke - GD: Sebastian Plesch - ID/MD: Rachel Bringmann - KD/SD: Thomas Kemnitz - KRG/KR/LA: Prof. Dr. Thomas Schenk - ML/MMK: Thomas Kämpfe FB1: https://www.f1.htw-berlin.de /technisches-serviceportal /ansprechpartner/ FB2: https://www.f2.htw-berlin.de /service/it-service-fb2/ FB3: https://www.f3.htw-berlin.de /kontakt/technisches-serciveportal/ FB4: Keine allgemeinen ITServiceinformationen eingerichtet FB5: Keine allgemeinen ITServiceinformationen eingerichtet 4 Open Access und Forschungsdaten publizieren Bibliothek Kontakt zu OA: [email protected] Informationsvermittlung, Open Access: Informationen zu Open Access - z. https: B. Lizenzen, Beratungsangebote: //bibliothek.htw-berlin.de/publizierenopen-access/open-access/ Alessandro D'Arcangeli: [email protected] +49 30 5019-2955 FDM, Open Science/Open Data: Eske Heister: [email protected] +49 30 5019-2229 Open Access Beauftragte*r Prof. Dr.-Ing. Horst Schulte +49 30 5019-3301 [email protected] Campus Wilhelminenhof WH Gebäude G, Raum 611 Wilhelminenhofstraße 75 A 12459 Berlin Gute wissenschaftliche Praxis (keine Rechtsberatung) Ombudspersonen Prof. Dr.-Ing. Joachim Twele: [email protected] Prof. Dr.-Ing. Anja Pfennig: [email protected] https://www.htw-berlin.de/einrichtungen /vertretungen-beauftragte /ombudspersonen/ Projektplanung Datenmanagementplan (DMP) Vorgaben und Policies Recht und Datenschutz Ethik Ressourcenplanung - Kosten, Zeit, Personal Datenerhebung - Analyse - Aufbereitung Publikation - Archivierung - Nachnutzung 5 Datenumgang (Strukturierung, Benennung, Speicherung) Dateiformate Datenbeschreibung (Metadaten) Toolhinweise NFDI-Konsortien: Fachspezifische externe Serviceund Beratungsstellen Repositorien Datenjournale Datenauswahl Lizenzierung Langzeitarchivierung SCHULUNGSMATERIAL FAQs Seitenimpressum CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Paulina Dabrowska (1. Fassung: Metadaten); Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) Bilderund Iconnachweis - nicht unter CC BY 4.0: Eingangsgrafik FDM One-Stop-Shop: HTW Berlin/IStock Icons von Flaticon Nachnutzung mit Angabe des Designers: Icon-Projektplanung: schreiben.png Bildung Icons erstellt von Freepik - Flaticon Icon-Datenerhebung, Analyse...: web-management.png Laptop Icons erstellt von Freepik - Flaticon Icon-Publikation...: mappe.png Datenund Ordner Icons erstellt von Freepik - Flaticon Projektplanung Projektplanung - Von der Idee bis zum Antrag Bereits bei der Suche nach einer Projektidee oder wenn Sie prüfen möchten, ob es bereits veröffentlichte Forschungsdaten zu Ihrem Thema gibt, finden Sie hier wertvolle Informationen zu möglichen Recherchequellen. Spätestens beim Projektantrag werden Sie sich Gedanken zum spezifischen Umgang mit den Forschungsdaten aus Ihrem Projekt machen. Wir möchten Ihnen hier einige hilfreiche Hinweise geben und weitere Anlaufstellen der HTW Berlin und externe Angebote für Ihre spezifischen Fragen aufzeigen. Wo kann man Forschungsdaten finden? Wo finde ich Unterstützung für meinen Antrag? Welche Richtlininien gibt es an der HTW Berlin? Was fordern die Fördermittelgeber? Was ist ein Datenmanagementplan und wie erstellt man den? Was muss ich beachten, wenn ich ein Projekt plane, bei dem Menschen oder Tiere involviert sind? Zu all diesen Themen bieten wir Ihnen sowohl auf dieser Seite Informationen an als auch die Möglichkeit zu uns in die Beratung zu kommen. Kontaktieren Sie uns gerne zu jeglichen Fragen: [email protected] Unterstützung beim Antrag FDM-Beauftragte Intranetlink (Verwaltungs-Wiki - VPN Verbindung notwendig): https://wiki. rz.htw-berlin.de/confluence/pages /viewpage.action?pageId=34112565 FDM Beratung Constance Holman [email protected] Nationale Förderung und Auftragsforschung sowie Forschungskooperationsverträge Julia Brandt +49 30 5019-3847 [email protected] Campus Treskowallee TA Gebäude C, 224 Treskowallee 8 10318 Berlin EU-Forschungsförderung sowie Patentund Lizenzberatung Anke Engel +49 30 5019-2316 [email protected] Campus Treskowallee TA Gebäude C, 225 Treskowallee 8 10318 Berlin Datenschutz Datenschutzbeauftragte Franziska Hofmann +49 30 5019-2791 [email protected] Campus Treskowallee TA Gebäude C, 231 Treskowallee 8 10318 Berlin Datenmanagementplan (DMP) Vorgaben & Policies Recht und Datenschutz Ethik Ressourcenplanung - Kosten, Zeit, Personal 6 SCF: Service-Center Forschung Recherche FDM Planung FDM im Antrag Wo nach Forschungsdaten recherchieren? Wir können natürlich keine vollständige Liste anbieten aber hier finden Sie eine Auswahl an Anlaufstellen: data.europe.eu: Europäisches Open Data Portal von internationalen EU, nationalen, regionalen, lokalen und Geodatenportalen (Zusammführung des ehemaligen EU Open Data Portals und dem European Data Portal) EOSC - Resource Hub: European Open Science Cloud Ressourcensammlung inkl. Daten - neue Version Herbst 2024 erwartet (vorerst nicht mehr aktiv: )EOSC - European Open Science Cloud - Marketplace BASE - Bielefeld Acadamic Search Engine OSF - Open Science Framework Re3Data - Registry of Research Data Repositories (über die Suche nach spezifischen Repositorien ggf. dortige Datensammlungen recherchierbar) Datenbanken für quantitative Daten (Lehre-Wiki der HTW Berlin: für Wirtschaftswissenschaften und Ökonomie) FdB - Forschungsdaten Bildung - Daten aus und für die empirische Bildungsforschung finden GESIS Datenportal - Sozialwissenschaftliche Forschungsdaten Repositorien nach Fachgebieten der HTW Berlin (eine Auswahl) Planung In der Planungsphase Ihres Projektes gibt es bereits Dinge, die Sie beachten sollten. Hierzu gehören: Rechtliche Aspekte (z. B. Urheberrechte bei nachgenutzten Daten, Datenschutz bei Projekten mit personenbezogenen Daten) Ressourcenplanung ggf. Absprache bereits mit dem Hochschulrechenzentrum z. B. für Speicherund Rechenkapazitäten, Freigabemöglichkeiten und gemeinsame Arbeitsumgebungen etwa bei Kooperationsprojekten Vorgaben der HTW Berlin und Fördermittelgebenden (spätestens beim Antrag relevant) 7 Schnellauswahl 1. 2. Hinweis für Projekte mit Audio-/Videoaufzeichnung Hinweis für Projekte mit Audio-/Videoaufzeichnung Bei der Planung von Projekten, die eine Aufzeichnung von Gesprächen, Interviews etc. beinhalten, müssen Datenschutzanforderungen bedacht werden (z. B. informierte Einwilligungserklärung, Umgang mit Transkripten und personenbezogenen Daten: Anonymisierung, Pseudonymisierung, getrennte Ablage, Nutzung DSGVO konformer Services). Sollten keine manuellen digitalen Aufzeichnungsgeräte verwendet werden und ein Mitschnitt unter Verwendung von ZOOM oder Big Blue Button (BBB) erwägt werden: Verwendung von BBB ist zu bevorzugen, da es auf einem Server der Hochschule gehostet wird und somit keine Daten weitergegeben werden ZOOM der HTW ist in Absprache mit der Datenschutzstelle konfiguriert. Der Serverstandort ist in Deutschland. Für die Einwilligungserklärung und im FDM-Abschnitt/ Methodenabschnitt des Antrages kann folgendes formuliert werden: "Das Video-Konferenz-Tool Big Blue Button (BBB) läuft an der HTW Berlin lokal auf dem Server der Hochschule, sodass keine Weitergabe an den Videokonferenzanbieter stattfindet. Ggf. kommt es auch zum Einsatz von Zoom der Zoom Video Communications Inc., 55 Almaden Blvd, Suite 600, San Jose, CA 95113, USA. .Mit diesem Dienstleister haben wir zum Schutz Ihrer Daten einen Auftragsverarbeitungsvertrag gemäß Art. 28 DSGVO geschlossen Wir haben mit diesem Anbieter einen Serverstandort in Deutschland vereinbart. Die Datenschutzhinweise von Zoom finden Sie hier: . https://explore.zoom.us/de/privacy/ Informationen zu ZOOM an der HTW Berlin hier: . "https://datenschutz.htw-berlin.de/verfahren/zoom/datenschutz-und-sicherheit-bei-zoom/ FDM im Antrag Kontaktstellen: Bei allgemeinen Fragen zu Förderprogrammen und Antragshilfe können Sie sich an die Kolleginnen und Kollegen beim Service-Center Forschung (SCF) wenden. Bei Fragen zu Ausführungen im Antrag zum Forschungsdatenmanagement oder zu einem Datenmanagementplan (DMP) können Sie sich an die FDM-Beauftragte wenden: [email protected] Fast alle Fördermittelgebenden verlangen mittlerweile Ausführungen zum Umgang mit den Forschungsdaten im Projekt und über die Projektlaufzeit hinaus. Bei einigen Förderprogrammen wird auch ein Datenemanagementplan (DMP) oder Forschungsdatenmanagementplan (FDMP) gefordert. Wir haben Ihnen hierzu Informationen zusammengestellt. Fördermittel Es ist sinnvoll, Kosten für das Forschungsdatenmanagement im Antrag anzugeben. Von der Möglichkeit Fördermittel für das FDM zu beantragen, sollte Gebrauch gemacht werden (z. B. DFG, Volkswagenstiftung). Vorgaben und Fördermittel der Forschungsförderer Datenmanagementplan Repositorienauswahl Für die Veröffentlichung und Archivierung. Verlinkt sind Informationen und eine Sammlung von Vorschlägen nach Fächersystematik der HTWBerlin. 8 1. 2. 3. 4. 5. FAQs Welche Informationen zum Datenmanagement müssen in Fördermittelanträgen angegeben werden? Bezüglich des Datenmanagement muss im Antrag der Umgang mit den Forschungsdaten innerhalb des Projekts beschrieben werden. Idealerweise indem ein Entwurf zum konkreten Vorgehen vorgestellt wird. Dazu gehören Beschreibungen zu: Wer ist für was verantwortlich innerhalb des Projekts und welche Ressourcen stehen zur Verfügung? Welche Daten sind oder werden im Projekt vorhanden sein/ genutzt (Art, Format und Umfang der Daten; Nachnutzung(?))? Wie wird im Projekt dokumentiert? Wie und wo werden die Daten gespeichert, publiziert & archiviert? Welche Sicherungsmaßnahmen werden ergriffen (Back-up; Datenschutz)? Werden Daten ausgetauscht und wenn ja wie? Welche rechtlichen Aspekte sind zu berücksichtigen bei der Nachnutzung/ Bereitstellung (Urheberrecht, Datenschutz, Lizenzierung, Vereinbar ungen (zu Vertraulichkeit) Hinweise: Die „ “ (AM 14/22) geht im Kapitel 9 „Dokumentation und Archivierung Satzung zur Sicherung guter wissenschaftlicher Praxis […] an der HTW Berlin von Forschungsdaten und -ergebnissen“ ausführlich auf die Dokumentation ein. Die DFG stellt hierfür eine Checkliste zu den zu beschreibenden Themen zur Verfügung. Welche Kosten entstehen für Forschungsdatenmanagement? Für das Forschungsmanagement entstehen Sachund Personalkosten. Es ist ratsam, sie im Projektantrag mit einzukalkulieren und entsprechende Mittel zu berücksichtigen. Mögliche Kostenpunkte können entstehen bei: Der Verwendung existierender Daten (Zugriff), Speichern und Backup von Daten (Hardware) Digitalisierung von Objekten/Unterlagen/Manuskripten Datenpublikation Datenarchivierung Personalkosten für wissenschaftliches Personal/Hilfskräfte (z.B. Formatieren/Organisieren/ Dokumentieren von Daten, Erstellen von Metadaten) Personalkosten für Datenmanager*innen Es gibt Werkzeuge, die helfen die Kosten für das Datenmanagement in Ihrem Projekt zu kalkulieren, z. B. das kostenfreie OpenAIRE Können Kosten für das Forschungsdatenmanagement bei Projekten mit beantragt werden? Ja, es können Mittel für die Umsetzung von Forschungsdatenmanagement im Projektantrag beantragt werden. Diese sollten Sie als benötigte Ergänzungsausstattung kommunizieren, da oftmals keine Grundausstattung gefördert wird. Kostenübernahmen, die als Ergänzungsausstattung beantragt werden können: Personalkosten (wiss. Personal/Hilfskräfte (z.B. Formatieren/Organisieren/ Dokumentieren von Daten, Erstellen von Metadaten) Hardund Software, die speziell für das Projekt angeschafft wird Nutzungsgebühren (z.B. Infrastrukturen, Sekundärdaten: für Speicherung und Backup) Kosten für die Aufbereitung von Daten für die Anschlussnutzung Kosten für die Überführung in bestehende Infrastrukturen (z.B. Archivierung, Publikation) Wo bekomme ich Unterstützung und Beratung? Wenn Sie ein persönliche Beratung zum Forschungsdatenmanagement benötigen, wenden Sie sich bitte an [email protected] Seitenimpressum Titellogo: Bildung Icons erstellt von Freepik - Flaticonschreiben.png Icon-Lupe: Lupe Icons erstellt von Freepik - Flaticon Aufgabenliste (fahigkeiten.png): Planung Icons erstellt von Freepik - Flaticon Antrag: Kontakt formular Icons erstellt von Freepik - Flaticon 9 CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) FDM in Fördermittelanträgen nach Förderer FDM-Vorgaben der Fördermittelgebenden Abhängig von den Förderinstitutionen und Förderprogrammen sind während der Antragsphase und über die Projektlaufzeit FDM-Überlegungen und Maßnahmen notwendig. Einige Fördermittelgeber erwarten von Projekten verpflichtende Angaben zur Verwertung der Daten nach Abschluss des Projektes und ggf. zum Umgang mit den Forschungsdaten (DFG) – bereits im Projektantrag! Dies betrifft auch Förderungen auf europäischer Ebene. Siehe hierzu auch oder .Bekanntmachungen des BMBF DFG 16 BUND (BMFTR (BMBF), BLE) Bund: Bundesministerien & Bundesanstalten Keine einheitlichen Vorgaben Noch viele Ausschreibungen ohne detaillierte Anforderungen zum FDM (bisher) Abhängig vom Förderprogramm (Ausschreibungstext beachten!): Verwertungsplan mit FDM-Angaben DMP / FDMP (Forschungsdatenmanagementplan) ALLGEMEIN GILT: FDM soll betrieben werden, aber ohne Vorschrift wie Man soll mgl. einem folgenfachspezifischen Standard Daten sollen mgl. gemacht werden FAIR-nachnutzbar (soll zukünftig in Standard des BMBFs aufgenommen werden) Wichtig – Auffindbarkeit & Nachnutzbarkeit: DOI, Repositorium, Dokumentation (s. BLE) ENTWICKLUNG DER VORGABEN ORIENTIERT SICH AN NFDI s. Aktionsplan BMBF BMFT (BMBF) Die Anforderungen an das FDM sind abhängig vom jeweiligen Rahmenprogramm. Das BMBF verweist jedoch als Maßstab und Orientierung bezüglich des Forschungsdatenmanagements auf die Vorgaben im EBF- (s. u.).Rahmenprogramm für empirische Bildungsforschung Es ist davon auszugehen, dass zukünftig die FDM-Anforderungen auch in anderen Rahmenprogrammen an dieses Vorbild angepasst werden. EBF-Rahmenprogramm Im Projekt gewonnene Daten zur Sekundärnutzung Dritten zur Verfügung stellen Nach Projektabschluss einem Archiv bereitstellen FDM-Mittel können beantragt werden Datenmanagementplan (DMP) in Antragsphase und in Projektphase begutachtet! DMP muss über Projektlaufzeit fortgeschrieben werden - auf Anfrage vorzulegen! Stellungnahme zur Erhebung neuer Daten Einrichung Datenmanagementplan (DMP) in Skizzenphase (erste Antragsphase) - max. 6000 Zeichen inkl. Lehrzeichen. DMP muss Informationen enthalten zu: Datenerhebung Datenspeicherung Datendokumentation Datenarchivierung (frühzeitig mit Repositorium/ Archiv abzustimmen; in Skizze z. B. geplantes fachspezifisches Repositorium/ Archiv benennen oder mehrere zur Auswahl listen) vorraussichtlicher Nutzen für sekundäranalytische Zwecke Rechtskonformität der Datennutzung (Einhaltung Datenschutzund Ethikbestimmungen, Persönlichkeitsrechte, Urheberrecht) ausführlicher DMP nach internationalen Standards einzureichen weiterentwickelter DMP mit bereits erfolgten Umsetzungsmaßnahmen (z. B. Benennug des Archivs/Repositoriums falls noch nicht erfolgt, Benennung von konkreten Personen für Zuständigkeiten falls noch nicht möglich zuvor etc.) Küsten-, Meeresund Polarforschung FDM im Verwertungsplan Qualität des DMs für Bewertung Projektskizze relevant Bekanntmachungen des BMBF BLE: Bundesanstalt für Landwirtschaft und Ernährung Das BLE verlangt einen vorläufigen Forschungsdatenmanagementplan in der ersten Antragsphase bzw. Skizzenphase (Formularvordruck vorgegeben). Für die zweite Antragsphase/ Projektphase wird ein finaler und dann im Projektverlauf stetig zu aktualisierender Forschungsdatenmanagementplan benötigt (Formularvordruck vorgegeben). FDMP für Projektskizze mit Ausfüllhinweisen (Stand 07-2023) FDMP für Projektantrag (Stand 07-2023) Merkblatt FDM (Stand 07-2023) DFG Bei der DFG sind sowohl bereits bei der Planung des Projektantrages (s. Checkliste für einen angemessenen Umgang mit Forschungsdaten in DFG-Projekten (= )) als auch beim Abschluss des Projektes eine Dokumentation und Beschreibung der Forschungsdaten verpflichtend.Checkliste DFG DFG-Empfehlung: In Planungsphase bereits Kontakt zu Repositorium aufnehmen. Kosten mit beantragen! DFG: https://www.dfg.de/foerderung/grundlagen_rahmenbedingungen/forschungsdaten/index.html Fördermittel Bei der DFG können Sie projektspezifische Mittel zur Realisierung des Forschungsdatenmanagementes beantragen. Institutionelle werden. Basisdienste/- angebote können jedoch nicht finanziell erstattet Daher muss der Verwendungszweck (projektspezifisch oder sonstige) und die Abgrenzung von der Grundausstattung im Antrag deutlich gemacht werden! Unten haben wir in einer Tabelle die Informationen der DFG diesbezüglich zusammengefasst (s. Informationen der DFG: https://www.dfg.de/de )/grundlagen-themen/grundlagen-und-prinzipien-der-foerderung/forschungsdaten/beantragbare-mittel Beantragbare Mittel - projektspezifische Kosten bzw sonstige Kosten! Nichtbeantragbare Mittel Projektspezifisch: Kosten um Zugang zu Forschungsdaten zu erlangen Kosten für die Aufbereitung der entstandenen Forschungsdaten, um die Nachnutzung durch andere zu ermöglichen Kosten für die Überführung der Daten in ein öffentliches Repositorium: bspw. personelle Aufwände für die Aufbereitung oder den Transfer von Daten in existierende Repositorien Softund Hardware zur Realisierung Sonstige unter Rubrik "Sonstige Kosten" Nutzungsgebühren (Vorraussetzung: Vorhandensein eines öffentlich einsehbaren transparenten Kosten-Leistungskatalogs des Repositorium) Mitgliedsbeiträge bzw. Kosten für die Nutzung etablierter Infrastrukturen Grundausstattung lokale Datensicherung und Archivierung ( zum Zweck der Nachprüfbarkeit in Fehlverhaltensfällen ) IT-Infrastruktur und Basisdienste, z. B. lokale Speicherung und Dokumentation von Forschungsdaten 17 Die Volkswagenstiftung stellt einen mit 7 Fragen zur Verfügung, der bei Anträgen mit eingereicht werden muss.Basis-DMP Informationen zusammengefasst: Datenmanagementplan (DMP) erforderlich bei datenintensiven Forschungsanträgen (Basis-DMP Benennung der Vorgaben inkl. ggf. mit des Zielrepositoriums) Skizze des Datenmanagements im Antrag ist grundsätzlich sinnvoll, auch wenn kein DMP explizit im Förderprogramm erwähnt wird! Hinweise zum DMP – erwünscht ist: Beachtung FAIR-Prinzipien & Community-spezifische Standards Vergabe von persistenten Identifikatoren (z. B. DOI) Lizenzvergabe (während und nach Projekt) Repositoriumsüberlegung/-auswahl Materialien der Volkswagenstiftung Basis-DMP FAQs für Antragsstellende Fördermittel Förderprogramm: Data-Reuse Bis 6 Monate nach Projektende können ehemalige Projekte gefördert durch die VolkswagenStiftung Mittel für die Aufbereitung und Verfügbarmachung von Forschungsdaten zur langfristigen Bereitstellung der Daten beantragen. EU 18 FDM in Antrag: Projektantrag: Stellungnahme zum FDM (max. 1 Seite) 1. DMP-Version innerhalb von 6 Monaten nach Projektstart 2. DMP-Version - Projektmitte: Aktualisierung 3. DMP-Version - Projektabschluss: Finalisierung Allgemein gültige Vorgaben: FAIR-Prinzipien beachten Forschungsdaten in Repositorien zugänglich machen Nachnutzung ermöglichen: Lizenzierung: mgl. CC-BY oder "Public Domain" CC0 Ausführliche Dokumentation (Daten, Erhebungsmethoden, Werkzeuge bzw. Instrumente) inkl. Softwarecode, Algorithmen oder Analyseprotokolle und deren Bereitstellung Materialsammlung: Europäische Kommission - Horizon Europe - Science Europe Informationen allgemein (OpenAIRE)Informationen und Inhalte für die Antragsstellung Informationen zu FDM allgemein für Horizon Europe (OpenAIRE) Horizon Europe Programm Guide (PDF) DMP-Template (RDM-Template) (PDF) Hilfsmaterial DMP-Template & Guide (Englisch): se-rdm-template-3-researcher-guidance-for-data-management-plans.doc DMP-Online-Werkzeug: https://argos.openaire.eu/login Links https://www.scienceeurope.org/our-priorities/research-data/research-data-management/ Vorhandene FDM-Hilfen zu EU-Anträgen an der HTW Kapitel aus EU-Antragshilfe: Ausführliche Informationen zum Forschungsdatenmanagement (FDM) Autorin: Julia Brandt, erstellt im Projekt EU-fit Quelle: https://moodle.htw-berlin.de/mod/book/view.php? id=992897 Stand 12.09.2024 VolkswagenStiftung Der nennt als Orientierung zum Forschungsdatenmanagement folgende Punkte:Bundesverband der deutschen Industrie (BDI) FAIR-Prinzipien Vorgaben der NFDI (Nationale Forschungsdateninfrastruktur. Informationen hierzu finden Sie hier im One-Stop-Shop: NFDI-Konsortien: )Fachspezifische externe Serviceund Beratungsstellen Allgemein: Datenstrukturierung und Nutzung von Standards Es gibt keine konkreten Vorgaben zum Forschungsdatenmanagement für die Wissenschaft aus der Industrie, wie spezifische Metadatenstandards. Sofern sich an die Standards aus der jeweiligen Fachdisziplin bzw. Forschungsrichtung gehalten wird, ist dies auch für Industriepartner hilfreich. Daher wird auch auf die NFDI-Konsortien verwiesen. Eine Zuordnung der Fachdisziplinen an der HTW Berlin zu ggf. relevanten NFDI-Konsortien finden sie hier: .NFDI-Konsortien: Fachspezifische externe Serviceund Beratungsstellen Informationen zu Science to Business und Business to Science s. u. a. beim Stifterverband: .https://www.stifterverband.org/datagroup Weitere Informationen zu Forschungsdaten in der Wirtschaft sind zu finden auf der Seite des BDI: https://bdi.eu/publikation/news/forschungsdatendatennutzung-digitalisierung-innovation Sammlung von Informationsmaterialien nach Fachbereich sortiert Förderinstitution Für welche FBs Was / von Wem / Link DFG Alle Checkliste der DFG zum FDM für Antragsstellung relevant Link zu PDF: https://www.dfg.de/resource/blob/174732/3c6343eed2054edc0d184edff9786044/forschungsdatencheckliste-de-data.pdf Alle Kodex der DFG "Leitlinien zur Sicherung guter wissenschaftlicher Praxis" Link: https://www.dfg.de/de/grundlagen-themen/grundlagen-und-prinzipien-der-foerderung /gwp GWP - alle Versionen: https://doi.org/10.5281/zenodo.3923601 Deutsche Forschungsgemeinschaft. (2025). Guidelines for Safeguarding Good Research Practice. Code of Conduct. DOI: https://doi.org/10.5281/zenodo.14281892 Alle Online Portal zum "Kodex Guter Wissenschaflicher Praxis" der DFG https://wissenschaftliche-integritaet.de/kodex/ !Mit Stellungnahmen und Kommentare aus den unterschiedlichen Wissenschaftsbereichen! Alle Sammlung der DFG zu fachspezifischer Vorgaben zu Forschungsdaten https://www.dfg.de/foerderung/grundlagen_rahmenbedingungen/forschungsdaten/empfehlungen/index.html (Auswahl s. unten) FB 1 & 2 Ingenieurwissenschaften Link: Fachkollegien „Materialwissenschaft“ und „Werkstofftechnik“ zum Umgang mit Forschungsdaten (2023) Link: Fachkollegien "Physik" zum Umgang mit Forschungsdaten im Fachbereich Physik (2023) Link: Fachkollegien "Chemie" zum Umgang mit Forschungsdaten im Fachbereich Chemie (2021) Link: Fachkollegium "Mathematik" - Handreichung zum Umgang mit Forschungsdaten (2023) FB 3 Wirtschaftswissenschaften Link: Fachkollegium Wirtschaftswissenschaften zum Umgang mit Forschungsdaten (2025) (nur in Englisch) PDF: fachkollegium112-forschungsdatenmanagement-en-data.pdf 19 Industrie FB 4 Sozialwissenschaften Link: Fachkollegium „Sozialwissenschaften“ zum Umgang mit Forschungsdaten in der Soziologie, der Politikwissenschaft und der Kommunikationswissenschaft (2020) PDF: fachkollegium111-forschungsdatenmanagement-data.pd Zusätzlich EU-Vorlage: Data Management Expert Guide von CESSDA (Consortium of European Social Science Data Archives) Naturwissenschaften : Fachkollegien „Physik“ zum Umgang mit Forschungsdaten im Fachbereich Physik Link auf PDF-Datei (2023) PDF: handreichung-forschungsdaten-physik-data.pdf FB 5 Link: Fachkollegium „Sozialund Kulturanthropologie, Außereuropäische Kulturen, Judaistik und Religionswissenschaft“ zum Umgang mit Forschungsdaten (2019) PDF: handreichung-fachkollegium-106-forschungsdaten-data(1).pdf Link: Fachkollegium "Alte Kulturen" zum Umgang mit Forschungsdaten (2020) Volkswagenstiftung Alle Basis-DMP der Volkswagenstiftung mit 7 Fragen (Stand 2025) Link: https://www.volkswagenstiftung.de/sites/default/files/documents/Basis-Datenmanagementplan.docx Dokument: Basis-Datenmanagementplan.docx Data-Reuse-Förderung Zusätzliche Mittel für die Aufbereitung von Forschungsdaten Das Förderangebot richtet sich an bereits durch die Stiftung geförderte Wissenschaftler:innen, eine Antragstellung ist grundsätzlich bis 6 Monate nach Projektende möglich Link: https://www.volkswagenstiftung.de/de/foerderung/foerderangebot/data-reuse-zusaetzliche-mittel-fuer-dieaufbereitung-von-forschungsdaten Bundesprogramme FB 2 (Umweltin formatik) Bundesprogramm Ökologischer Landbau (BÖL) Bundeseinrichtung: Bundesamt für Landwirtschaft und Ernährung (BLE) Forschungsdatenmanagementplan (FDMP) nach den FAIR Data Prinzipien (FAIR – Findable, Accessible, Interoperable und Reusable) Im Rahmen der Skizzeneinreichung ist ein FDMP als Teil der Projektbeschreibung vorzulegen. Bei Verbundprojekten ist der FDMP in der Skizzenphase für den Verbund einzureichen. Zur Erstellung des FDMP ist die Vorlage zu verwenden. Hier finden Sie ein . (s. FDMP_Skizzenphase Merkblatt zur Erstellung des FDMP h ttps://www.bundesprogramm.de/was-wir-tun/projekte-foerdern/foerderung-von-forschungs-und- )entwicklungsvorhaben/projektskizzen-und-berichte FDMP_Skizzenphase_20230803.docx Merkblatt_FDMP__neu_.pdf Science Europe Alle Science Europe. (2021). Practical Guide to the International Alignment of Research Data Management - Extended Edition. DOI: https://doi.org/10.5281/zenodo.4915862 Weitere Links zu diesem Thema https://forschungsdaten.info/themen/informieren-und-planen/foerderrichtlinien/ FAQ Einige Förderinstitutionen besitzen mittlerweile offizielle Vorgaben zur Erstellung von Datenmanagementplänen. Sie stellen hierfür Mustervorlagen zur Verfügung, die verwendet werden sollen. Grundsätzlich ähneln sich die Mustervorlagen. Alle verlangen die Dokumentation der Planungen zum Umgang mit Forschungsdaten, worin beschrieben wird, wie mit den Daten während der Laufzeit und nach Projektende umgegangen werden soll. 20 Einen Überblick zu den FDM und DMP Vorgaben der unterschiedlichen Förderer finden Sie hier im One-Stop-Shop: Vorgaben & Policies Musterpläne von unterschiedlichen Forschungsförderern - bereitgestellt und kommentiert von der HU Berlin: Muster-DMP DFG (PDF, 136 KB oder ODT, 11 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines DFG-Antrags (Quelle: HU-Berlin) Muster-DMP BMBF (PDF, 80 KB oder RTF, 66 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines BMBF-Antrags (Quelle: HU-Berlin) Muster-DMP Volkswagenstiftung (PDF, 127 KB, RTF, 120 KB oder XLSX, 19 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines BMBF-Antrags (Quelle: HU-Berlin) Zur Erstellung eines DMP können frei verfügbare Online-Tools genutzt werden: DMP-Formular (Moodle der HTW Berlin): https://moodle.htw-berlin.de/course/view.php?id=49655 RDMO freies DMP-Tool für die institutionelle Nutzung mit eigenen Instanzen DMPonline freies, englischsprachiges Online-Tool für die Erstellung von Datenmanagementplänen des Digital Curation Centre (DCC) Weitere Informationen zum Thema DMP finden Sie hier: https://forschungsdaten.info/themen/informieren-und-planen/datenmanagementplan/ Ja. In den der DFG befassen sich sechs der 19 Leitlinien mit Regelungen für das "Leitlinien zur Sicherung guter wissenschaftlicher Praxis" (Kodex) Forschungsdatenmanagement. Erwähnenswert ist, dass auch Software aus Forschungsprojekten zu Forschungsdaten gezählt wird. Seitenimpressum Grafiknachweis: Designer: Jørgen StampCC-BY 2.5 http://digitalbevaring.dk 21 CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) Recht und Datenschutz Kontakt und Informationen zu Datenschutzbelangen Kontaktadressen HTW-Datenschutzbeauftragte: Franziska Hofmann +49 30 5019-2791 [email protected] Campus Treskowallee TA Gebäude C, 231 Treskowallee 8 10318 Berlin Datenschutzbeauftragte - Berlin: https://www.datenschutz-berlin.de/ [ ] [ ] [ ] [ ] [ Kontakt und Informationen zu Datenschutzbelangen Datenschutzbelange Interne und externe Ressourcen Hilfsmittel Einwilligungserklärun ] [ ] [ ]g / Datenschutz Urheberrecht FAQ Datenschutzbelange Interne und externe Ressourcen Informationsseiten - Intranet der HTW Datenschutz bei Forschungsvorhaben: https://wiki.rz.htw-berlin.de/confluence/display/htwdatenschutz/.Schlagwortkatalog https://www.htw-berlin.de/datenschutz/ https://wiki.rz.htw-berlin.de/confluence/display/htwdatenschutz/Datenschutz+bei+Forschungsvorhaben https://wiki.rz.htw-berlin.de/confluence/display/htwdatenschutz/Forschung+und+Datenschutz Verwaltungs-Wiki - VPN Verbindung notwendig Informationsseiten - extern Zu Datenschutz und Methoden in den Sozialwissenschaften und der Bildungsforschung z. B. für Interviews und Umfragen: Verbund Forschunsdaten Bildung: https://www.forschungsdaten-bildung.de/ Gesis - quantitative Daten: QualiService - qualitative Daten: https://www.qualiservice.org/de/datenschutz.html Recht und Datenschutz Es gibt unterschiedliche rechtliche Aspekte zu beachten bei Forschungsprojekten. Dazu können zählen: Urheberrechte Dritter, Datenschutz bei personenbezogenen Daten sowie Verwertungsrechte an Daten und Forschungsergebnissen. Überprüfen Sie deshalb die rechtlichen Rahmenbedingungen und Vorgaben für den Umgang mit diesen Forschungsdaten schon in der Planungsphase. Hilfsmaterial Informationsmaterial Schneidenbach, E. (2025). FDM-Materialien für die Forschungsberatung: Thema Datenschutz. Zenodo. https://doi.org/10.5281/zenodo.17588178 22 Einverständniserklärung und Datenschutzerklärung für Forschungsvorhaben - Überblick Handout Einverständniserklärung und Datenschutzerklärung für Forschungsvorhaben - Checkliste Handout Verbund Forschungsdaten Bildung (Verbund FDB) https://www. forschungsdaten-bildung.de /einwilligung Vom Bund empfohlene Seite zu Informationen rund um das Thema Einwilligungserklärung / Datenschutz. Schlagworte: Einverständniserklärung, Datenschutz, europäische Einverständniserklärungen (informed consent), Checklisten und Formulierungsbeispiele, Surveys, Interviews Checkliste zur Erstellung rechtskonformer Einwilligungserklärungen https://www.pedocs.de /frontdoor.php? source_opus=22297 URN: urn:nbn:de:0111pedocs-222973 DOI: 10.25656/01:22297 Titel Checkliste zur Erstellung rechtskonformer Einwilligungserklärungen mit besonderer Berücksichtigung von Erhebungen an Schulen Urheber (Inst.) Verbund Forschungsdaten Bildung Originalveröffentlichung Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2019, 7 S. - (fdb info; 1) Auflage Version 2.0 Lizenz des Dokumentes Formulierungsbeispiele für „informierte Einwilligungen“ https://www.pedocs.de /frontdoor.php? source_opus=22301 URN: urn:nbn:de:0111pedocs-223018 DOI: 10.25656/01:22301 Titel Formulierungsbeispiele für „informierte Einwilligungen“. Version 2.1 Urheber (Inst.) Verbund Forschungsdaten Bildung Originalveröffentlichung Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2018, 8 S. - (fdb info; 4) Lizenz des Dokumentes Formulierungsbeispiele für „informierte Einwilligungen“ https://www.pedocs.de /frontdoor.php? source_opus=22302 URN: urn:nbn:de:0111pedocs-223024 DOI: 10.25656/01:22302 Titel Formulierungsbeispiele für „informierte Einwilligungen“ in leichter Sprache Urheber (Inst.) Verbund Forschungsdaten Bildung Originalveröffentlichung Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2018, 9 S. - (fdb info; 5) Auflage Version 1.1 Lizenz des Dokumentes 23 Hilfsmittel Einwilligungserklärung / Datenschutz Informationsseite-/ material Material / Link Kommentar Informierte Einwilligung in Forschungsprojekten in europäischen Ländern (engl.) Quelle: CESSDA - Data Management Expert Guide https://dmeg.cessda.eu /Data-Management-ExpertGuide/5.-Protect/Informedconsent Information zu informierter Einwilligung in Forschungsprojekten in europäischen Ländern. Inkl. Liste der Rechtsvorschriften in den jeweiligen europäischen Ländern. Lizenz der Quellinhalte: The Data Management Expert Guide by CESSDA ERIC is licensed under a Creative . All material under this Commons Attribution-ShareAlike 4.0 International License licence can be freely used, as long as CESSDA ERIC is credited as the author. Urheberrecht Thema Link Beschreibung Urheberrecht in der Forschung Nutzung für Forschung https://www.uni-bremen.de/urheberrecht /leitfragen/7-nutzung-fuer-forschung Beurteilung und rechtssichere Nutzungsmöglichkeiten anhand vorgegebener Szenarien und Fragen Wem "gehören" Forschungsd aten? https://doi.org/10.5281/zenodo.11077412 Hübner, A. (2024). Wem "gehören" Forschungsdaten?. Zenodo. https://doi.org/10. 5281/zenodo.11077412 Englische Version: Hübner, A. (2024). Who "owns" research data?. Zenodo. https ://doi.org/10.5281/zenodo.11059315 Urheberrecht in der Wissenschaft Quelle: https://www.bmbf.de/SharedDocs /Publikationen/de/bmbf/1 /31518_Urheberrecht_in_der_Wissenschaft. html Ein Überblick für Forschung, Lehre und Bibliotheken Datum 07/2023 "Die aktualisierte und vollständig überarbeitete Handreichung "Urheberrecht in der Wissenschaft" beantwortet praxisnah und verständlich typische Fragen zum Urheberrecht für Lehre und Forschung. Diese umfassen etwa die Verwendung von Materialien Dritter oder die Erstellung und Veröffentlichung eigener urheberrechtlich geschützter Werke." FAQ Es gibt unterschiedliche rechtliche Aspekte zu beachten. Dazu zählen die Urheberrechte Dritter, der Datenschutz von personenbezogenen Daten sowie die Verwertungsrechte an den Daten und Forschungsergebnissen. Überprüfen Sie deshalb die rechtlichen Rahmenbedingungen und Vorgaben für den Umgang mit diesen Forschungsdaten schon in der Planungsphase. Urheberrechte Dritter Wollen Sie Daten verarbeiten, die bereits von anderen Personen oder Institutionen zur Verfügung gestellt wurden, überprüfen Sie im Vorfeld, unter welchen Bedingungen Sie diese nutzen dürfen. Teilweise greift hier das . Eine besondere Rolle kommt den Daten zu, die über indigene Urheberrecht Bevölkerungsgruppen und ihr Teritorium sowie ihrer geistigen Wertschöpfungen erstellt wurden bzw. erstellt werden sollen. Hier sind bspw. die CAREzu beachten.Prinzipien Personenbezogene Daten Handelt es sich um personenbezogene Daten, unterliegen Sie der Datenschutzgrundverordnung (DSGV). Informationen und Beratung zur DSGV finden Sie auf der der HTW Berlin.Website der Datenschutzbeauftragten Verwertungsrechte Finden Sie außerdem bei Ihrem Arbeitgeber heraus, welche Verwertungsrechte Sie an den von Ihnen erhobenen Daten haben. Erzeugen Sie gemeinsam mit anderen Daten, treffen Sie am besten vorab gemeinsam schriftliche Vereinbarungen dazu, wer welche Daten in welcher Form nutzen darf. 24 Weiterführende Links Informationen auf forschungsdaten.info Infoseite zum Urheberrecht in Forschungs und Lehre des BMBF Infos zu rechtlichen Rahmenbedingungen des Forschungsdatenmanagements des DataJus-Projekts (TU Dresden) Leitfaden "Rechtsfragen bei Open Science" der Uni Hamburg Seitenimpressum Grafiknachweis: Designer: Jørgen StampCC-BY 2.5 digitalbevaring.dk CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) 1. 2. 3. 4. 5. Ethik Ethik in der Forschung Ethik in der Forschung bezieht sich auf die Prinzipien und Standards, die das Verhalten von Forschenden leiten, um Verantwortung, Integrität und Respekt gegenüber den beteiligten Personen und der Gesellschaft zu gewährleisten. Sie ist zentral für die gute wissenschaftliche Praxis und trägt dazu bei, das Vertrauen in wissenschaftliche Erkenntnisse zu stärken. Forschende sind angehalten, sich mit den ethischen Implikationen ihrer Arbeit auseinanderzusetzen und sicherzustellen, dass ihre Praxis den höchsten ethischen und wissenschaftlichen Standards entspricht. Dies schützt nicht nur die Teilnehmer und die Öffentlichkeit, sondern stärkt auch das Vertrauen in die wissenschaftliche Forschung an sich. Kontakt und Informationen Kontaktadressen Externe Informationsseiten RatSWD bietet Beratung und Empfehlungen zu Fragen des Datenschutzes und der Forschungsethik, insbesondere im Bereich der Sozialund Wirtschaftswissenschaften aber auch darüber hinaus: https://www.konsortswd.de/themen /forschungsethik/ Ethik-Kommission des Landes - Arzneimittelund Berlin medizinische Forschung: https://www.berlin.de/lageso /gesundheit/ethik-kommission/ [ ] [ ] [ ] [ Ethik in der Forschung Kontakt und Informationen Relevante Anwendungsfälle für ethische Überlegungen in der Forschung Rechtliche ] [ ] [ ] [ ]Grundlagen und Vorgaben Angebote und Services - Ethikberatung und -votum Tool Hinweise Relevante Anwendungsfälle für ethische Überlegungen in der Forschung Forschung mit menschlichen Teilnehmenden: Bei klinischen Studien sind ethische Fragen von zentraler Bedeutung. So müssen Teilnehmende umfassend über Risiken und Ziele informiert werden und freiwillig schriftlich zustimmen. Umgang mit personenbezogenen Daten: Bei sozialwissenschaftlichen Umfragen ist der Schutz persönlicher Informationen entscheidend. Die Anonymität der Teilnehmer muss gewährleistet werden, und die Datennutzung muss im Einklang mit der DSGVO stehen. Tierversuche: Diese erfordern eine ethische Abwägung zwischen wissenschaftlichem Nutzen und dem Wohl der Tiere. Es ist notwendig, Schmerz und Leid zu minimieren und alternative Methoden in Betracht zu ziehen. Umweltauswirkungen in der Forschung: Bei Projekten, die die Umwelt beeinflussen könnten, sind potenzielle Schäden abzuwägen, und es sind Maßnahmen zu ergreifen, um negative Auswirkungen zu minimieren. Vermeidung von Interessenskonflikten: Forschende müssen persönliche oder finanzielle Interessenskonflikte offenlegen, um die Integrität der Forschung sicherzustellen. 25 Datenumgang: Benennungen - Ablage - Sicherung Kontakt und Informationen Kontaktadressen FDM-Beratung Inhalt [ ] [ ] [ ] [ ] [ Ordnung und Struktur Dateibenennung Metadaten Dateiablage Versionierung Speicherung und Sicherung Datenumgang Erstellen Sie am besten einen . In diesem legen Sie fest, wie im Projekt mit den Daten umgegangen werden soll. Verweise Datenmanagementplan auf Vorlagen für einen Datenmanagementplan finden Sie auf der verlinkten Seite. Sie sollten Regelungen und Vorgaben treffen zu folgenden Punkten: Festlegung von Zuständigkeiten, Dateibenennungen, Regelungen zur Speicherablage (welcher Speicher, Ordnerstrukturen), notwendige Dokumentationsangaben (Metadaten), Dateiformaten/-typen Ordnung und Struktur Beim Umgang mit digitalen Forschungsdaten sollten Maßnahmen festgelegt und ergriffen werden, die für Ordnung und Struktur sorgen. Eine Orientierung liefert die sogenannte 5S-Methode. 5S-Data Sort Ordner und nicht benötigte Dateien überprüfen entfernen Set in order Ordner und Dateibenennungs entwerfenstrukturen konventionen Shine Regelmäßige etablieren, Vorgänge Routinen dokumentieren und kontrollieren Standardize Best Practices, Leitlinien und Regeln dokumentieren, gemeinsame Standards mit Kolleg*innen entwickeln, Verantwortlichkeiten klären Sustain System aufrechterhalten und an deine Kolleg*innen weitergeben 32 FDM-Beauftragte Constance Holman [email protected] ] [ ] Dateibenennung Bsp.: JJJJ-MM-DD_Titel_[Entwurf/Final]_Version_KuerzelPerson.docx Benennungsbeispiel: 2023-12-26_intervBP01_v01_PD.docx 2023-02-12_berichtBP01_Entwurf_v03_ES_PD.docx 2023-03-21_handlungsempfehlung_final_PFD-A.pdf oder Vortrag_E-Science2024_2024-11-31.docx Hinweise: Möglichst eindeutige Namen verwenden, um Verwechselungen zu vermeiden. Namen nicht zu lang (Windowspfadlänge 255 Zeichen! Pfadnamen beachten: verschachtelte Ordnerstruktur zählt bei Zeichenanzahl mit!) Datumsangabe JJJJ-MM-DD am Anfang oder am Ende des Dateinamens Die Trennung der Angaben erfolgt mit Bindestrichen Kürzel des letzten Bearbeitenden/Verfassenden am Ende bzw. wenn Datumsangabe am Ende steht, dann davor. Hinweis bei PDF-Dateien, dass sie im PFD-A Format (zu empfehlen!) gesichert wurden, in die README aufnehmen. Dos & Don‘ts Zeichen xLeer- (!) und Sonderzeichen (& * % $ £ ] { ! @) oUnterstrich und Bindestrich xUmlaute 33 Dateiablage / Ordnerstruktur Best-Practices Legen Sie Daten in Ordnern ab. Benennen Sie die Ordner systematisch, inhaltsbezogen. Legen Sie mgl. nicht mehr als drei Unterordner-Ebenen an. Legen Sie Verantwortlichkeiten fest: Wer darf Ordner erstellen und löschen; Zugriff regeln (insb. bei großen Projekten)? Sorgen Sie für Datenund Strukturhygiene: Prüfen Sie nach Projektende, was gelöscht werden kann (z. B. alte Versionsordner). Dokumentieren Sie: Legen Sie zum Beispiel README-Dateien an, in denen Sie die Ordnerstruktur erklären und definieren Sie im DMP Vorgaben für das Projekt Versionierung Best-Practice Versionierungsmethode und Benennungsregeln: Geben Sie die Version der Datei im Dateinamen an, um Bearbeitungsstände deutlich zu machen. Verwendung sequenzieller Nummern (Nicht final, final2 etc.). Für die Angabe der Version nutzen Sie "v" oder "V" und mindestens zweistellige Zahlenangaben (z. B. v02). Die Voranstellung der 0 ist wichtig für die Sortierungsreihenfolge. Für die Unterscheidung von Meilensteinversionen zu kleineren Änderungen nutzen Sie mindestens vierstellige Angaben: v02-03 (Keine Trennung durch Punkte!) im Dateinamen. Die Erweiterung dient der Angabe von kleineren Änderungen. Geben Sie in der README-Datei Auskunft zur Dateibenennung (z. B. Abkürzungen) und Informationen zu den jeweiligen Versionsständen. Im Datenmanagementplan halten Sie die allgemeine Versionierungsstrategie und -methode fest. Beispielbenennungsregel: Arbeitspaket 01 (AP), Forschungsdaten-Policy (FP), 01.02.2025, Version 2 mit kleineren Änderungen: AP01_FP_2 025-02-01_v02-03 Umgang: Meilensteinversionen speichern. Veraltete Versionen sollten getrennt gespeichert, verworfen oder gelöscht werden. Die originale Kopie sollte stets erhalten bleiben. Ggf. Nutzung einer Versionskontrolltabelle oder bei großen Datenmengen von Versionsverwaltungssoftware (z. B. GitLab) Metadaten sind ein wichtiger Bestandteil der Dokumentation und sind möglichst zu jeder Datei hinzuzufügen. Sie sind auf alle Fälle verpflichtend für die finalen Versionen! Die anzugebenden Metadaten sind abhängig von den Anforderungen des ausgewählten und der Fach-Community (z. B. Repositoriums Informationen hierzu können über die eingeholt werden oder den Metadata Standards Catalogue siehe Tabelle unten).NFDI-Konsortien WIE README-Datei: Grundsätzlich sollten sogenannte README-Dateien angelegt werder, in denen Sie die wichtigsten Informationen zu den D atensatz festhalten. Diese sollten – abhängig von der Ordnerstruktur – zumindest auf Ordnerebene etwa zusammenfassend für Datensätze e rstellt werden. Genauere Informationen auf der Unterseite: Metadaten Dokumenteneigenschaften: Bei Windows (etwa in Word-Dateien oder Excel-Dateien) können beschreibende Metadaten über die Dokumenteneigenschaften eingetragen werden – sie sind jedoch nicht immer sichtbar bzw. ausreichend. Deckblatt: Es kann auch, wenn nicht anders machbar, ein Deckblatt erstellt werden mit den notwendigen Angaben. 34 Metadaten Ausführliche Informationen zu Metadaten, Metadatenstandards, Best Practices und Dokumentation von Metadaten z. B. in einer README sowie Tool-Hinweise finden Sie auf der Unterseite: Metadaten Methode zur Datensicherung: Die 3-2-1 Regel Die 3-2-1-Regel stellt eine bewährte Methode zur Datensicherung dar. Sie ist ein etabliertes und praktisches Prinzip, das eine robuste Sicherung von Daten gewährleistet. Diese Regel bietet ein einfach umzusetzendes Schema, das die Redundanz und Zugänglichkeit von Backups sicherstellt, sodass Daten auch im Falle unvorhergesehener Vorfälle geschützt bleiben. Sie empfiehlt, drei Kopien der Daten zu erstellen, auf zwei verschiedenen Speichermedien zu sichern und mindestens eine Kopie an einem externen Ort zu lagern. Dieses einfache Prinzip gewährleistet, dass Daten auch bei technischem Versagen oder unerwarteten Ereignissen zuverlässig geschützt und wiederherstellbar bleiben. 1. Drei Kopien der Daten: Halten Sie mindestens drei Kopien Ihrer Daten vor. Dazu gehören das Original und mindestens zwei Backups. Der Gedanke dahinter ist, dass selbst wenn eine Kopie beschädigt oder verloren geht, es immer noch zwei weitere gibt. 2. Auf zwei verschiedenen Medien: Speichern Sie diese Kopien auf zwei unterschiedlichen Arten von Speicherlösungen. Beispielsweise könnte eine Kopie auf einer externen Festplatte gespeichert sein und eine andere auf einem Netzwerkspeicher (NAS). Die Vielfalt der Speicherarten schützt gegen spezifische Risiken, die eine bestimmte Art von Medienspeicher betreffen könnten. 3. Eine Kopie extern lagern: Bewahren Sie mindestens eine der drei Kopien an einem externen Ort auf. Dies sollte ein physisch anderer Standort sein; es kann aber auch ein Cloud-Speicherdienst genutzt werden sofern dieser sicher ist und den Anforderungen an die Datensicherheit entspricht. Diese Maßnahme schützt Ihre Daten im Falle von physischen Schäden am ursprünglichen Standort durch Ereignisse wie Feuer oder Überschwemmung. Durch die Implementierung der 3-2-1-Regel können digitale Daten gegen eine Vielzahl von potenziellen Verlustszenarien abgesichert werden und es wird sichergestellt, dass im Falle eines Datenverlustes die Daten schnell wiederhergestellt werden können. Speicherund Sicherungsorte an der HTW Berlin Keine Sicherung in der HTW-Cloud! (Diese dient nur dem Austausch und der Kollaboration) - Kurzzeitspeicherung Mögliche Speicherund Sicherungsorte während der Projektlaufzeit: HTW-Space/ HTW-ServernetzwerkspeicherGit Lab Textbeispiel bei einem Antrag: "Die Speicherung und das Backup werden während der Projektlaufzeit durch die Datenmanager*in in Zusammenarbeit mit Administratoren des jeweiligen Fachbereichs der GitLab-Instanz der HTW Berlin sichergestellt. Die Arbeitsorganisation findet über das Issueund Board-System von GitLab statt. Die dabei anfallenden Daten sind in Standardtextformaten exportierbar und fallen unter das reguläre Backup des GitLab-Systems. Zugriff haben allein autorisierte Mitarbeiterinnen und Mitarbeiter. Ein Backup der Daten erfolgt einmal täglich. Eine Versionskontrolle erfolgt automatisiert. Die Dateibenennung erfolgt nach folgenden Standards: [Fachbereichsprojekt]_[Dokumentationstyp]. [csv/md/tex] ; [Operativeebene]_[Dokumentationstyp]. [csv/md/tex] Unbedingt Verantwortlichkeiten sowie Sicherungsstrategie und Speicherstrategie im Datenmanagementplan festlegen: Datenmanager*in: [Name, Kontakt], Aufgaben Kontaktperson Administrator*in von GitLab: [Name, Kontakt] Speicherstrategie & Sicherungsstrategie 35 Speicherung und Sicherung FAQs Welche rechtlichen Aspekte sind zu beachten? Es gibt unterschiedliche rechtliche Aspekte zu beachten. Dazu zählen die Urheberrechte Dritter, der Datenschutz von personenbezogenen Daten sowie die Verwertungsrechte an den Daten und Forschungsergebnissen. Überprüfen Sie deshalb die rechtlichen Rahmenbedingungen und Vorgaben für den Umgang mit diesen Forschungsdaten schon in der Planungsphase. Urheberrechte Dritter Wollen Sie Daten verarbeiten, die bereits von anderen Personen oder Institutionen zur Verfügung gestellt wurden, überprüfen Sie im Vorfeld, unter welchen Bedingungen Sie diese nutzen dürfen. Teilweise greift hier das Urheberrecht. Eine besondere Rolle kommt den Daten zu, die über indigene Bevölkerungsgruppen und ihr Territorium sowie ihrer geistigen Wertschöpfungen erstellt wurden bzw. erstellt werden sollen. Hier sind bspw. die CARE -Prinzipien zu beachten. Personenbezogene Daten Handelt es sich um personenbezogene Daten, unterliegen Sie der Datenschutzgrundverordnung (DSGV). Informationen und Beratung zur DSGV finden Sie auf der Website der Datenschutzbeauftragten der HTW Berlin. Verwertungsrechte Finden Sie außerdem bei Ihrem Arbeitgeber heraus, welche Verwertungsrechte Sie an den von Ihnen erhobenen Daten haben. Erzeugen Sie gemeinsam mit anderen Daten, treffen Sie am besten vorab gemeinsam schriftliche Vereinbarungen dazu, wer welche Daten in welcher Form nutzen darf. Weiterführende Links Informationen auf forschungsdaten.info Infoseite zum Urheberrecht in Forschung und Lehre des BMBF Infos zu rechtlichen Rahmenbedingungen des Forschungsdatenmanagements des DataJus-Projekts (TU Dresden) Leitfaden "Rechtsfragen bei Open Science" der Uni Hamburg Was muss beim Umgang mit personenbezogenen Daten beachtet werden? Personenbezogene Daten sind besonders schützenswert, sowohl aus rechtlicher als auch aus forschungsethischer Sicht. Handelt es sich um personenbezogene Forschungsdaten muss die (DSGVO) beachtet und angewendet werden. Forschungsdaten sind Datenschutzgrundverordnung personenbezogene Daten, wenn sie über mindestens eine identifizierte oder identifizierbare natürliche Person ( https://dsgvo-gesetz.de/art-4-dsgvo/) handeln. Grundsätzlich muss darauf geachtet werden, dass personenbezogene Daten anonymisiert werden, so dass die Zuordnung nur mit erschwertem Aufwand möglich ist. Beispiele für personenbezogene Forschungsdaten: Name von Probanden E-Mail-Adresse Anschrift oder Telefonnummer Genetische oder biometrische Daten Gesundheitsdaten Matrikelnummer von Studierenden Usernamen auf Onlineplattformen oder andere Online-Kennungen Beispiele für Forschungsdaten ohne Personenbezug: Messdaten aus den Ingenieurwissenschaften (z.B. Geooder Materialwissenschaften) Genom von Pflanzen oder Tieren haben keine Personenbezug Weitere Informationen finden sie hier: Anwendung von Datenschutzrecht: https://forschungsdaten.info/themen/rechte-und-pflichten/datenschutzrecht/ Praxisleitfaden und Grundsatzregeln für die Anonymisierung personenbezogener Daten: https://stiftungdatenschutz.org/praxisthemen /anonymisierung Was ist bei der Wahl der Speichermedien für Forschungsdaten zu beachten? Speichermedien unterscheiden sich in ihrer Lebensdauer, Kompatibilität sowie Widerstandsfähigkeit gegen Umwelteinflüsse. Forschungsdateninfo.org gibt eine . Es wird empfohlen, Hardware alle 5 Jahre auszutauschen und in der Zwischenzeit Übersicht zu den unterschiedlichen Speichermedien regelmäßig zu nutzen. Server und Cloud-Speicher müssen so gesichert sein, dass sie gegenüber unbefugtem Zugriff geschützt sind. Demgegenüber muss bei mobilen Datenträgern, wie Laptops oder USB-Sticks/Festplatten darauf geachtet werden, dass diese nicht verloren gehen oder gestohlen werden können. Angebote des HRZ (Zentral organisiert) Übersicht Speicherplätzen des HRZ Website des HRZ Angebote der Fachbereiche (Dezentral organisiert) Angebote bitte direkt bei den jeweiligen den Laboringenieur*innen ihres Fachbereichs erfragen, da diese pro Fachbereich und teilweise pro Studiengang variieren: FB1 https://www.f1.htw-berlin.de/forschen/kooperationen/labore/ 36 FB1 https://www.f1.htw-berlin.de/it-serviceportal/netzwerkressourcen/ FB2 https://www.f2.htw-berlin.de/kontakt/labore/ FB2 https://www.f2.htw-berlin.de/service/it-service/ FB3 https://www.f3.htw-berlin.de/service/labore/ FB4 https://www.f4.htw-berlin.de/labore/ FB5 https://btk-master.htw-berlin.de/studium/labore/ Weiterführende Links Tipps zu Datensicherheit und Backup von forschungsdaten.info Wie speichere ich zugriffsbeschränkte Daten? Bei zugriffsbeschränkten Daten ist es wichtig, einen Speicherort auszuwählen, der die entsprechenden Zugriffsrechte gewährleisten kann (z. B. über Gruppenrichtlinien auf Dateisystem-Ebene). Legen Sie zudem Leseund Schreibberechtigungen zu den Daten fest und dokumentieren Sie sie (z. B. in einem Datenmanagementplan). Darüber hinaus können Sie ihre Daten auch verschlüsseln. Hierzu ist allerdings wichtig, dass Sie das gut dokumentieren, damit Sie und ihr Team die Daten auch wieder entschlüsseln können. Personenbezogene Daten Ansprechpersonen: Datenschutzbeauftragte der HTW Berlin Fragen zu Ihre technischen und organisatorischen Sicherheitsmaßnahmen Informationssicherheitsmanagementteam der HTW Welche Möglichkeiten für das kollaborative Arbeiten gibt es? Das Hochschulrechenzentrum bietet die HTW-Cloud an, in der kollaborativ gearbeitet werden kann. In ihr wird Ihnen das Office-Tool LibreOffice zur Verfügung gestellt, in dem Sie Textdokumente, Tabellen oder Präsentationen erstellen können, bzw. vorhandene Dokumente im Webbrowser mit anderen HTW-Cloud-Nutzenden bearbeiten können. Wollen Sie Angebote von Drittanbietern (z. B. Dropbox, GoogleDocs) nutzen informieren Sie sich vorab, ob die Vereinbarungen sowie Policies zum Forschungsprojekt dies zulassen. Beispielsweise werden teilweise Daten bei Angeboten von Drittanbietern außerhalb der Europäischen Union gespeichert, wodurch abweichende rechtliche Regelungen gelten können (z. B. zum Datenschutz). Seitenimpressumg Grafiknachweis: Designer: Jørgen StampCC-BY 2.5 digitalbevaring.dk 37 CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) 1. 2. Dateiformate Nicht alle Dateiformate sind gleichermaßen geeignet für die Verarbeitung, Weiternutzung und eine längere Aufbewahrung. Wir haben Ihnen daher unten eine Liste verschieden er Formate und ihre Eignung zusammengestellt gegliedert nach Typen (Bild, Audio, Text etc.). Sollten Sie zu Ihren spezifischen Forschungsdaten Angaben vermissen oder andere Fragen haben, richten Sie sich bitte an uns. Wir beraten Sie gern: [email protected]. Kontakt und Informationen Kontaktadressen FDM-Beratung [ ] [ ] [ ] [ ] [ ]HINWEIS ERKLÄRUNG Dateispeicherformate Weiterführende Informationen FAQs HINWEIS Archive/ Repositorien haben Vorgaben, welche Dateispeicherformate Sie annehmen. Um spätere zusätzliche Konvertierungsmaßnahmen (Umwandlung in andere Dateispeicherformate) soweit wie möglich zu vermeiden, sollten Sie: So früh wie möglich die Vorgaben Ihres ausgewählten Repositoriums/ Archivs prüfen Daraufhin entsprechende im Projekt festlegen.Speicherregelungen zu Dateiformaten über einen Datenmanagementplan Wir empfehlen die Nutzung von fachspezifischen Forschungsdatenrepositorien. Fachspezifische Forschungsdatenrepositorien orientieren sich an den Standards aus dem jeweiligen Fachbzw. Forschungsgebiet, sodass auch ggf. sonst weniger häufige oder proprietäre Dateiformate akzeptiert werden. Eine Auswahl an fachspezifischen Repositorien finden Sie unter Publikation - Archivierung - Nachnutzung auf der Unterseite .Repositorien Eine Auswahl an Formaten, die im Erhebungsund Verarbeitungsprozess zum Speichern genutzt werden können, finden Sie unten unter Dateispeicherformate als knappe Empfehlung zusammengestellt. 38 ERKLÄRUNG Es gibt sehr unterschiedliche Möglichkeiten, die verschiedenen Datentypen zu speichern. Die vorhandenen oder genutzten Dateispeicherformate können z. B. vom jeweiligen Betriebssystem, verwendeten Programmen und Geräten abhängig sein. Unten aufgeführt haben wir Empfehlungen zu , also Formate in denen die Daten möglichst gleich bei der Erhebung gespeichert werden sollten, damit bei einer späteren Dateispeicherformaten Übergabe an ein Repositorien weniger Aufwand und Zeit in eine Dateiformatkonvertierung (Überführung in ein anderes Dateiformat) investiert werden muss. Es handelt sich bei den aufgeführten Dateiformaten nicht unbedingt um Formate, die von einem Archiv oder Repositorium mit Archivierungsfunktion zur Archivierung genutzt werden, sondern um eine Auswahl an sehr wahrscheinlich akzeptieren Dateispeicherformaten. Die Auswahl und Verwendung des richtigen Dateiformates oder die Überführung (Konvertierung) ist ein wesentlicher Bestandteil des Forschungsdatenmanagementes und sollte frühzeitig festgelegt, in einem Datenmanagementplan festgehalten und ggf. notwendige Arbeitsprozesse eingeplant werden. So gibt es zum Beispiel , etwa durch Kompressionsverfahren, wie beim Bildformat JPEG (*.jpg), bei dem verlustbehaftet Dateiformate Bildinformationen verloren gehen. Oder , deren Nutzung abhängig von einer bestimmten Firma und deren Fortbestehen sind. Sie können proprietäre Dateiformate Lizenzbestimmungen unterliegen und sind abhängig von der Fortführung des Formats. Hierzu gehören etwa DOC-Datein - .doc (Word) oder FMP-Datein (FileMaker). Auf die Nutzung solcher Dateiformate sollte verzichtet werden bzw. eine Konvertierung (Überführung) in ein anderes Format eingeplant werden, wenn eine mitteloder langfristige Archivierung oder Bereitstellung angestrebt wird. Proprietäre Open XML-basierte Formate (z. B. .docx, .xlsx) stellen hier in gewisser Weise eine Grauzone dar und werden aufgrund ihrer starken Verbreitung von allen Archiven bisher zur Übergabe akzeptiert. In manchen Forschungsfeldern werden jedoch verwendet und deren Nutzung ist unumgänglich. standardmäßig proprietäre Formate Hier muss geprüft werden, ob ein Repositorium oder Archiv diese Dateiformate aufnimmt und oftmals sind dann fachspezifische Einrichtungen für die Datenaufbewahrung in diesen Fällen zu bevorzugen. Hauptsächliche Quellen für die unten aufgeführten Zusammenstellungen der jeweilig nutzbaren Dateiformate sind: https://kost-ceco.ch/cms/kad_main_de.html - KOST: die schweizer Koordinationsstelle für die dauerhafte Archivierung digitaler Unterlagen https://ianus-fdz.de/it-empfehlungen/dateiformate/ - Die IT-Empfehlungen von IANUS - Forschungsdatenzentrum Archäologie und Altertumswissenschaften (Teil von NFDI4Objetcs) https://forschungsdaten.info/themen/veroeffentlichen-und-archivieren/formate-erhalten/ FDM-Beauftragte Constance Holman [email protected] 1. 2. Text .txt – (UTF-8 codiert ohne BOM) .odt – Fonts einbetten (zu .docx und .odt Kompatibiliät und Einbettungs-/Konvertierungsproblemen s. Informationen von Microsoft: (Stand Dez. 2024))hier. .docx – Fonts einbetten (nicht .doc!) PDF/A – Wenn auch das Layout erhalten bleiben soll. Für die Langzeitarchivierung final zu bevorzugen! (spezifisch PDF/A-1 oder PDF/A-2) .md – Markdown-Format Detaillierte Informationen: https://ianus-fdz.de/it-empfehlungen/dateiformate /textdokumente https://kost-ceco.ch/cms/odf.html Bild .tiff – kompresssionsfreies Dateispeicherformat für Rasterbilder (Fotos) .svg – für Vektorgrafiken .pdf (PDF/A-2) – für Retrodigitalisate von Unterlagen/ Dokumenten .jp2 (JPEG2000) – Fotographien (nicht .jpg! Weniger Speicherbedarf als .tiff, dabei kaum Qualitätsverlust, nicht von jedem Repositorium standarsmäßig akzeptiert) .png – für Webinhalte und dortige Grafiken Detaillierte Informationen: https://kost-ceco.ch/cms/kad_image_de. html Audio .flac .wav .mp3 (komprimierendes Format jedoch häufig und wenn so aufgenommen, dann auch beibehalten, wenn möglich gleich anderes Format wählen) Beurteilung anderer Formate siehe u. a. hier: https://ianus-fdz.de/itempfehlungen/dateiformate/audio https://kost-ceco.ch/cms/kad_audio_de.html Video Hier wird in zwei Kategorien aufgeteilt, da Videodateien sehr viel Speicherplatz benötigen. Zur Archivierung sollte ein kompressionsfreies Format gewählt werden und zur Verbreitung ein komprimiertes Format. Archivierung – kompressionsfrei MKV Videocodec: FFV1 (FFmpeg Videocodec 1) Audiocodec: FLAC Distribution – komprimierend MKV Videocodec: HEVC, AVC, AV1 Audiocodec: AAC, MP3 MP4 Videocodec: HEVC, AVC Audiocodec: AAC, MP3 Detaillierte Informationen: https://kost-ceco.ch/cms/videoformateeinleitung.html Tabellen Strukturierte Daten allgemein: – zu bevorzugen statt .csv.xml .csv Tabellenkalkulationen: .xlsx – nicht ideal aber gängig und bisher keine archivtauglichere Alternative .ods Detaillierte Informationen: https://kost-ceco.ch/cms /kad_spreadsheet_de.html Für Hinweise zum Umgang mit Tabellen zum Informationsund Funktionalitätserhalt und die Dokumentation s.: https://ianus-fdz.de/itempfehlungen/dateiformate/tabellen/ 3D X3D COLLADA OBJ DXF – nur für CAD-Softwareinhalte geeignet und zu nutzen Detaillierte Informationen: https://ianus-fdz.de/it-empfehlungen /dateiformate/3d 39 Datei formatespeicher Weiterführende Informationen Dateiformate & Handlungsempfehlungen für FAIRes Datenmanagement Tool/ Zusammenstellung Beschreibung Ein Auswahltool zu den unterschiedlichen Datenformate und Beurteilung der den Dateispeicherformate: https://www.lzv.nrw/dateiformate/ CC BY lzv.nrw Andres Quast, Kayhan Ogan Landesinitiative Langzeitarchivierung Eine zu archivtauglichen Formaten (in der untersten Zeile Bewertungsmatrix grün markiert) und nicht archivtauglichen Formaten (rot markiert). Etliche Formate können nur als bedingt archivtauglich gelten (orange markiert). Migration solcher Formate in ein archivtaugliches Format muss aber nicht zwingend bei der Übernahme erfolgen. Die Matrix wurde von der schweizerischen Koordinatiosstelle für die dauerhafte Archivierung elektronischer Unterlagen (kurz. Kost) erstellt: https://kost-ceco.ch/cms /bewertung.html Siehe auch ausführliche Zusammenstellung: https://kost-ceco.ch/cms /kad_main_de.html FDM-Empfehlungen (ursprünglich früher IT-Empfehlungen genannt) FDM-Empfehlungen im Kapitel "Dateiformate" des Forschungsdatenzentrums IANUS https://ianus-fdz.de/it-empfehlungen/dateiformate/index FAQs Was sind Forschungsdaten? Bisher gibt es keine einheitliche Definition zu Forschungsdaten, da die Forschungsdaten von Fach zu Fach unterschiedlich definiert werden. Allgemein sind Forschungsdaten jedoch (digitale) Daten die während einer wissenschaftlichen Tätigkeit entstehen. Sie bilden die Grundlage für wissenschaftliche Arbeit und dokumentieren deren Ergebnisse. Die DFG zählt zu Forschungsdaten u.a. Messdaten, Laborwerte, audiovisuelle Informationen, Texte, Surveydaten, Objekte aus Sammlungen oder Proben, die in der wissenschaftlichen Arbeit entstehen, entwickelt oder ausgewertet werden. Methodische Testverfahren, wie Fragebögen, Software und Simulationen können ebenfalls zentrale Ergebnisse wissenschaftlicher Forschung darstellen und sollten daher ebenfalls unter den Begriff Forschungsdaten gefasst werden." [1] Quelle: https://forschungsdaten.info/themen/informieren-und-planen/was-sind-forschungsdaten/ Was sind Metadaten? Metadaten sind alle Beschreibungen, z.B. Kontextund Eigenschaftsinformationen, zu einer Datenbasis. Sie liegen meist in strukturierter Form vor und dienen zur Dokumentation von Daten. Grundlegende deskriptive Metadaten sind: Eindeutiger Identifier (z.B. ein doi), Titel, Ersteller (hauptverantwortlich Forschende), Erhebungsdatum (auch Versionen), Format (ggf. benötigte Software), Fachgebiet, Beschreibung der Daten / Abstract, Erfassung der Daten (räumlich / zeitlich), Organisation, Rechte / Lizenzbestimmungen, Beziehung zu anderen Objekten (Daten, Texte...) Duch den Einsatz von Metadaten können Daten besser auffindbar (auch maschinell, z.B. durch Suchmaschinen), nachnutzbar sowie zitierfähig und damit der datenerstellenden Person zuordbar gemacht werden. Metadaten können auf unterschiedliche Weise gesammelt werden, z.B. in ReadmeDateien (Text, PDF), in einer strukturierten XML-Datei, integriert in den Daten-Dateien (z.B. im Fileheader), in Tabellen (z.B. Excel) oder in einer Datenbank (z.B. Laborbuch) Weiterführende Links https://forschungsdaten.info/themen/beschreiben-und-dokumentieren/metadaten-und-metadatenstandards/ 40 Achten Sie bei der Wahl des Dateiformats, die Daten in ein offenes Format abzuspeichern oder zu konvertieren, um einen Datenaustausch zu erleichtern. Viele Anwendungsprogramme oder manche Geräte speichern Daten in einem Hersteller-spezifischen Format, das von anderen Softwareprodukten nicht lesbar ist. Empfehlungen zu Dateiformaten finden Sie hier im One-Stop-Shop kurzgefasst: Dateiformate Weiterführende Informationen und eine Bewertung von archivtauglichen Dateiformaten unter: https://kost-ceco.ch/cms/kad_main_de.html Wie sieht eine gute Dateibenennung und Ordnerstruktur aus? Ordnerund Dateinamen sollten so definiert werden, dass schnell darauf schließen lässt, um welchen Inhalt es sich bei ihnen handelt. Verwenden Sie deshalb möglichst: eindeutige Namen, um Verwechslungen zu vermeiden. Den Namen nicht zu lang werden lassen (Windowspfadlänge 255 Zeichen!). Die Datumsangabe: JJJJ-MM-DD (mit Bindestrichen!) am Anfang oder Ende des Dateinamens setzen - z. B. anhängig von Ihren Ordnerinhalten und daraus resultierender sinnvoller Sortierungsausgabe. Setzen Sie die Kürzel des letzten Bearbeitenden/Verfassenden am Ende des Dateioder Ordnernamens. Verwenden Sie keine Umlaute, Leerzeichen oder Sonderzeichen, denn viele Programme erkennen diese Zeichen nicht als Teil des Dateinamens oder stellen sie nicht korrekt dar. Seitenimpressum Grafiknachweis: Designer: Jørgen StampCC-BY 2.5 digitalbevaring.dk 41 Welche Dateiformate sollten genutzt werden? CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) WELCHE METADATEN? Für Forschungsdaten sollten im Kern folgende Fragen beantwortet werden: Wer? Was und Womit? Wann? Wo? Wie? und Warum? In der Praxis müssen diese Fragen Informationen zu verschiedenen Kategorien bereitstellen und kommen somit mehrfach zur Anwendung. Die Kategorien umfassen: administrative, beschreibende, strukturelle, technische, rechtliche und Prozesssowie Provenienzangaben. Strukturelle, technische und Prozessmetadaten können separat oder zu beschreibenden Metadaten gezählt werden. Sie haben jedoch ihren eigenen Fokus. Unten aufgeführt sind jeweils zugehörige Angaben zu den jeweiligen Kategorien. Die Kategorien müssen nicht in dieser Reihenfolge erscheinen. Strukturelle Metadaten (Wo/ Wie? - strukturell) Zeigen, wie Teile zusammenhängen und in welcher Ordnung sie genutzt werden. Z. B.: *Ordner-/Dateihierarchie Ablageorte/URIs *Dateibenennungskonventionen *Abkürzungsverzeichnis *Serien/Teil-zu-Ganzes-Beziehungen (z. B. „Part 1/5“) *Verknüpfungen/ Verbindung zwischen Dateien Verknüpfung z. B. zwischen Code und Daten, Dokumentation und Abbildungen ggf. Angabe von Sequenzen /Reihenfolgen. Provenienz- & Prozessmetadaten (provenance/process) - (WOHER/ Was ist passiert mit den Daten?) Machen Herkunft, Methoden und Verarbeitungs-/Messschritte transparent. Hier können auch besondere Merkmale beschrieben werden, z. B.: Was für Unterschiede im Vergleich zu anderen Messungen/Dateien/Datensätzen anfallen (z. B. veränderte Messgerätparameter). Z. B.: Herkunft bei Nachnutzung (Hinweise zu Nachnutzungsrechten und Ursprungsquelle nennen!) Erhebungsprotokolle/ Dokumentation Stichprobenziehung Vorverarbeitungsschritte Bereinigungmaßnahmen (z. B. Anonymisierungsmethode) Analysepipeline/Workflow (mit Tool-/ Script-Referenzen) Versionskontroll-Hashes: Wer-WannWas geändert hat Qualitätskontrollmaßnahmen (QC) und deren Ergebnisse. Beschreibende Metadaten (descriptive) - (WAS/ WOZU/ WER/ WANN/ WO/ WOZUGEHÖRIG?- allgemein) Beschreiben Inhalt und Kontext der Ressource, damit sie gefunden und verstanden wird. Z. B.: *Dateiname /*Titel (kann in mehreren Sprachen vorhanden sein) *Identifikatoren (ISBN, ISSN, DOI - falls bereits vorhanden/ vergeben) *Kurzbeschreibung/ Abstract (z. B. Erhebungsmethode, Zusammenhang/ Kontext, Beziehungen) *Urheber*innen/ zuständige Person mit Rolle (Erhebung, Analyse etc.) *räumliche Lokalisierung (geographische Lokalisation z. B. durch Koordinaten) *zeitliche Angaben (Messzeiträume, Datumsangaben etc. ( s. "Standard für zeitliche Angaben")) *Medien-Typ (Text, Audio, Software…) *Format/e (s. Dateispeicherformate) Sprache (de = Deutsch) Schlagwörter/ Keywords (u. a. Forschungs-/Fachgebiet nach HTW-Fächersystematik) Einordnung: z. B. Zielpopulation *Referenzen auf zugehörige Publikationen/Software/Datasets (z. B. „isSupplementTo“, „isDerivedFrom“) sowie dauerhafte Identifikatoren wie DOI. Administrative Metadaten - (WER/ WAS/ WANN?) Ermöglichen Verwaltung und Nachweisführung über Lebenszyklus und Verantwortlichkeiten. Z. B.: Beispielmetadaten: *Name: Nachname, Vorname Zugehörigkeit: notwendig wenn unterschiedlich für unterschiedliche Personen Rolle: z. B. nach der Contributor Role Taxonomy (siehe unten); mehrere Beiträge pro Person möglich *ORCiD: Persistent Identifikator für Forschende *Institution: *Name: kann in mehreren Sprachen vorhanden sein *ROR: Persistenter Identifikator für Einrichtungen; ROR der HTW Berlin: https://ror. org/01xzwj424 *Titel/ Bezeichnung ggf. Arbeitspaket *Arbeitsstand (Entwurf, Ergebnis, WIP (Work-In-Progress)/ Version/ Release) Erstellungsund Änderungsdatum *verantwortliche Kontaktperson mit ORCiD und Zugehörigkeiten (mit ROR) (Sollte eine permanente Position besetzen, um auch nach Ablauf des Projektes erreichbar zu sein!) Projekt (Förderkenzeichen) Förderer & Grant-ID Zuständigkeiten im Team 48 Standard für zeitliche Angaben: z. B.: Erstellungsdatum, Dauer, Gültigkeitsperiode, *Veröffentlichungsdatum Gute Praxis: Verwendung dies ISO 8601 Standards für Datumsund Zeitangaben (https://de.wikipedia.org/wiki/ISO_8601#Darstellung) Beispiel: Zeitangabe IS0 8601 Standard Datumsangabe JJJJ-MM-TT (Jahr - MonatTag) 2025-10-23 Zeitangabe (Time = T) hh:mm:ss (Stunde:Minute:Sekunde) 18:45:03Z Rechte- & Zugriffsbedingungsmetadaten (rights /access) (WIE/ WAS/ WOMIT? - rechtlich) Regeln Nutzung, Weitergabe und Schutz. Z. B.: *Lizenz (z. B. CC BY 4.0) Urheberrecht *Nutzungsbedingungen *Embargozeiträume (Sperrfristen) *Zugriffsstatus (offen, eingeschränkt, geschlossen, Embargo) *Datenschutzund Ethikauflagen (alle zu gehörigen Maßnahmen genau dokumentieren und auf zugehörige Doku mente verweisen) *ggf. Einwilligungen *ggf. Anonymisierungsstatus Technische Metadaten (WOMIT/ WAS? - technisch) Beschreiben technische Eigenschaften, damit Daten korrekt geöffnet, verarbeitet und geprüft werden können. (Messtechnik, Messgerät, Messparameter, Software einschließlich Versionen) Z. B.: *Medien Typ (Z. B. Video, Bild, Text, Audio, Messdaten) *Dateiformate und Versionen *Kodierungen (z. B. UTF-8) - wird in betreuten Repositorien oft automatisch ermittelt aus den Daten Dateigrößen - wird in betreuten Repositorien oft automatisch ermittelt Auflösung/Bit-Tiefe *Messgeräte und Firmware *verwendete Software/ LibraryVersionen *Parameterdateien Checksummen (z. B. SHA-256) ggf. Qualitätsmetriken Datum und Zeit JJJJ-MM-TTThh:mm:ss 2025-10-23T18:45:03Z 2025-10-23T18: 45:03 UTC+02:00(Zeitangabe entspricht der Mitteleuropäischen Sommerzeit in Deutschland) Zeitinterval / 2025-12-14T13:30/15:30 (Uhrzeitinterval) 2025-12-14/18 (Taginterval: 14. - 18.12.2025) (Coordinated Universal Time) ohne Verschiebung entspricht: 2024-10-23T18:45:03Z. Verschiebungen von dieser Zeitzone aufgrund der geographischen Lage werden durch einen Abstand und die Angabe UTC+-hh:mm angegeben. UTC+02:00 = Entspricht der Zeitangabe ausgehend von einem Standort in Deutschland Mitteleuropäische Sommerzeit. UTC+01:00 = Deutschland Mitteleuropäische Winterzeit. Z oder die Verschiebung der Zeitzone können weggelassen werden, sofern eine lokale Zuweisung anderenorts erfolgt. Ist jedoch ungenauer und kann zu Fehlinterpretationen führen. Bindestriche und Doppelpunkte können nach dem Basis-Format des ISO-Standards auch weggelassen werden. Sind aber für das Verständnis der Angabe sinnvoll. Z = Zone. Wenn die Zeit UTC 49 README README-Datei: Grundsätzlich sollten sogenannte README-Dateien angelegt werder, in denen Sie die wichtigsten Informationen zu den Datensatz festhalten. Diese sollten – abhängig von der Ordnerstruktur – zumindest auf Ordnerebene etwa zusammenfassend für Datensätze erstellt werden. Eine README ist eine Textdatei (idealerweise im Markdown-Format als .md-Datei oder aber .txt-Datei), die wichtige Informationen über eine Ressource vorstellt. Sie kann sich auf einen einen Datenordner, einzelne Datei oder ein Softwarepaket beziehen. Eine README sollte als erstes gelesen werden, um die Informationen zu der Ressource zu erhalten. Sie ist im Wurzelverzeichnis (also an oberster Stelle) eines Datenoder Softwareprojekts anbzw. abzulgen. Sie dient als erster Einstieg für andere aber auch für das spätere Ich. Sie erklärt knapp, , worum es geht für die Materialien gedacht sind und sie erstellt wurden, genutzt bzw. reproduziert werden können und dürfen.wen wie Eine README ist ein : Sie wird zu Projektbeginn angelegt, bei Änderungen kurz aktualisiert (mit Datumsangabe bzw. Verweis lebendes Dokument auf ein Changelog) und zu Releases mitgepflegt. So unterstützt sie FAIR-Prinzipien, erleichtert das Onboarding neuer Teammitglieder, reduziert Rückfragen und erhöht die Sichtbarkeit und Nachnutzbarkeit der Forschung. Hinweis: Datendokumentations-Tool der HTW Berlin (README-Formular-Tool) Tool der HTW Berlin zur Erstellung einer Datendokumentation/ README: README-Formular-Tool im HTW-Moodle: https://moodle.htw-berlin.de/mod/hvp/view.php?id=1733261 Auf Moodle steht Ihnen ein Datendokumentationstool zur Verfügung. Es soll Ihnen behilflich sein, eine README-Datei für die Datenbeschreibung anzulegen. Über die Formulareingabe könne Sie schrittweise die wichtigsten Angaben zur Datenbeschreibung in das Formular eintragen und sich am Ende einen "Report" ausgeben lassen und bei sich speichern. Da das Ausgabeformat des Moodle-Moduls ein Word-Dokument ist, sollten Sie dieses später in eine .txt-Datei über Ihr Textverarbeitungsprogramm oder in eine .md-Datei umwandeln und als README-Datei bei Ihren Daten ablegen. Ablage: Es ist Ihnen überlassen, auf welcher Ebene Sie eine solche Beschreibung zu Ihren Daten hinzufügen (z. B. für jeden Datensatz oder auf einer übergeordneten Ordnerstrukturebene etc.). Da es oftmals kaum möglich ist, für jeden Datensatz einzeln eine neue Beschreibung anzulegen – außer diese wird automatisch erzeugt – , empfehlen wir, möglichst für zusammengehörige Daten eine README-Datei anzulgen auf Ordnerebene. Inhalt: Für Forschungsdaten beschreibt die README: Zweck und Umfang des Datensatzes Versionsstand/ Änderungsdatum Vorgehen und Methode: in welchen Schritten Analysen ausgeführt oder Ergebnisse erzeugt werden Qualitätsmerkmale (ggf. Maßnahmen zur Qualitätskontrolle) Struktur der Ordner und Dateien Benennungenkonventionen und Abkürzungsauflösungen Verwendete Formate Welche Software und Versionen benötigt werden Nachnutzung / Einschränkungen: Lizenz und Einschränkungen (z. B. Datenschutz, Lizenzen nachgenutzter Daten, Verträgsbestimmungen etc.) Empfohlene Zitierweise samt dauerhaftem Identifikator (z. B. DOI), welcher in der Regel erst im Publikationsbzw. Archivierungsprozess vergeben wird! Beziehung zu weiterführenden Unterlagen wie Datenwörterbuch/Codebook, Methodenprotokollen oder Publikationen. Kontaktangaben: Person - möglicht unter der Angabe der ORCID zu eindeutigen Identifizierung) Ggf. der Institutszugehörigkeit - mit ROR (Resreach Organization Registry), z. B. HTW Berlin: https://ror.org/01xzwj424 Projekt - Förderkennzeichen Wenn sensible Inhalte, Embargos oder ethische/Datenschutzauflagen relevant sind, wird dies mit Verweis auf die entsprechenden Dokumente benannt. Weiter Metadatendokumentationsmöglichkeiten Dokumenteneigenschaften: Bei Windows (etwa in Word-Dateien oder Excel-Dateien) können beschreibende Metadaten über die Dokumenteneigenschaften eingetragen werden – sie sind jedoch nicht immer sichtbar bzw. ausreichend. Deckblatt: Es kann auch, wenn nicht anders machbar, ein Deckblatt erstellt werden mit den notwendigen Angaben. Wie Metadaten dokumentieren? 50 Metadaten-Tools Tool Link DataCite Generator https://dhvlab.gwi.uni-muenchen.de/datacite-generator/ Dublin Core Generator https://nsteffel.github.io/dublin_core_generator/generator_nq.html Codemeta generator (für Softwarecode-Metadaten) https://codemeta.github.io/codemeta-generator/ CESSDA (DDI) Metadate Validator https://cmv.cessda.eu/#!validation Validierung von Metadaten aus den Sozialwissenschaften Liste der allgemein relevanten Standards Standard Beschreibung Websites Permanente Identifikatoren ORCiD (Open Researcher and Contributor ID) https://orcid.org/ ROR (Research Organization Registry) https://ror.org/ CRediT (Contributor Role Taxonomy) Um Rollen in einem Projekt einheitlich und standardisiert anzugeben. https://credit.niso.org/ (Englisch) https://contributorshipcollaboration. github.io/projects/translation /translations/de/ (Deutsch) ISO Standards Für Sprachen ISO 369-1 oder 369-3: z. B.: für Deutsch: de oder deu; für Englisch: en oder eng https://en.wikipedia.org/wiki /List_of_ISO_639_language_codes#Ta ble (Spalten 'Set 1' und 'Set 3') Für Datum und Zeit ISO 8601 https://de.wikipedia.org/wiki /ISO_8601#Darstellung geografische Lokalisation GeoNames (gegebene geografische Breite und Länge sind WGS84-konform) https://www.geonames.org/ HTWFächersystem atik https://www.htw-berlin.de/forschung /online-forschungskatalog /wissenschaftsgebiete Formate, Media Arten Empfehlung nach DataCite Metadata Schema: Entweder die Dateinamenserweiterung (PDF, TIFF, DOCX) oder MIME Type - also Typ und Format, z. B. Bild/jpeg; Text/docx s. a. https://mimetype.io/all-types https://datacite-metadata-schema. readthedocs.io/en/4.6/properties/format /#format Weiterführende externe Informationen Bezeichnung Link Beschreibung NFDI4Objects: IT-Empfehlungen Forschungsdaten -zentrum IANUS Objektwissensc haften, Archäologie, Kulturgeschichte, https://ianus-fdz.de/it-empfehlungen/ Best-Practice-Guide: Umfangreicher Leitfaden zum Umgang mit Forschungsdaten in den objektbezogenen Kulturwissenschaften https://ianus-fdz.de/it-empfehlungen/dateiformate/textdokumente Metadaten für Textdokumente Kunstgeschichte etc. https://ianus-fdz.de/it-empfehlungen/projektphasen/dokumentation /metadaten-in-der-anwendung/ Projektmetdaten, Dateimetadaten, Methodenmetadaten 51 NDFI4Ing: Metadata4Ing Workgroup (RWTH Aachen) https://w3id.org/nfdi4ing/metadata4ing/ Metadata4Ing: Eine Onthologie für die Ingenieurwissenschaften Iglezakis, D., Lanza, G., Arndt, S., Fuhrmans, M., Terzijska, D., Leimer, S., Theissen-Lipp, J., Hachinger, S., Munke, J., Farnbacher, B., Sdralia, V., & Wellmann, A. (2025). Metadata4Ing: An ontology for describing the generation of research data within a scientific activity. (1.3.1). Zenodo. https://doi.org/10.5281/zenodo.14982558 RADAR, Metadatensche ma https://radar.products.fiz-karlsruhe.de/en/radarfeatures/radarmetadatenschema#radar+metadata+schema+v9.1 Ein Metadatenschema genutzt von RADAR (keine Empfehlung bzw. Beurteilung, sondern Quelle für Information) - RADAR (Research Data Repository); i disziplinübergreifend z. b. RADAR4Chem für den Bereich ; für Fachcommunitys im Bereich Chemie RADAR4Culture des Kulturellen Erbes (Architektur-, Kunst-, Musik-, Theater- , Tanz-, Filmund Medienwissenschaften). (Stand Juni 2023) Guidelines for recommended metadata standard for research software within EOSC Gruenpeter, M., Granger, S., Monteil, A., Chue Hong, N., Breitmoser, E., Antonioletti, M., Garijo, D., González Guardia, E., Gonzalez Beltran, A., Goble, C., Soiland-Reyes, S., Juty, N., & Mejias, G. (2023). D4.4 - Guidelines for recommended metadata standard for research software within EOSC (V1.0 DRAFT NOT YET APPROVED BY EUROPEAN COMMISSION). Zenodo. https:/ /doi.org/10.5281/zenodo.8097537 Die FAIR-IMPACT-Leitlinien (RSMD): ein flexibles, fachübergreifendes Metadatenschema für Forschungssoftware für die EOSC (European Open Science Cloud) sie richten sich praktisch an Endnutzer: innen wie Entwickler:innen und Kurator:innen. Software Heritage https://archive.softwareheritage.org/ Archiv für Softwarecode (NICHT nur Forschungssoftware!), Sitz in Frankreich, FAQs Was sind persistente Identifikatoren? Zu permanenten Identifikatoren zählen ISBN für Bücher, ISSN für Schriftenreihen, DOI für unterschiedliche digitale Objekte, ORCID für Personen, ROR für Einrichtungen und andere. Sie sind eine besondere Art von Metadaten, die die Identifikation von der indizierten Entität eindeutig ermöglicht, listet PIDs für Forschungsdaten, Instrumente, Physische Objekte, kulturelle Objekte, auch ohne weiteren Metadaten. PID Network Deutschland Textpublikationen, Software, Personen, Organisationen, Konferenzen und Repositorien & FIS. Mit angepassten PIDs können alle Produkte des wissenschaftlichen Vorgehens zuverlässig referenziert werden. Seitenimpressum Grafiknachweis: Designer: Jørgen StampCC-BY 2.5 digitalbevaring.dk 52 CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Paulina Dabrowska (1. Fassung: Metadaten); Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) Publikation - Archivierung - Nachnutzung Publikation - Archivierung - Nachnutzung Hier erfahren Sie, wie Sie Ihre Forschungsdaten effektiv veröffentlichen, sicher archivieren und für die zukünftige Nachnutzung bereitstellen können. Die Veröffentlichung und Archivierung von Forschungsdaten sind entscheidende Schritte, um die Sichtbarkeit und den wissenschaftlichen Wert Ihrer Forschung zu maximieren. Zudem fördern sie die Transparenz, Reproduzierbarkeit und den Austausch in der wissenschaftlichen Gemeinschaft. Nach den Vorgaben der Satzung zur guten wissenschaftlichen Praxis der HTW Berlin sollen Forschungsdaten in der Regel 10 Jahre aufbewahrt werden. Des Weiteren werden immer häufiger in Antragsverfahren von Fördermittelgebenden Angaben zur Verwertbarkeit und Maßnahmen zur Sicherung der Daten eingefordert. Gliederung Auf den Unterseiten dieses Bereiches finden Sie Informationen und Zusammenstellungen zu folgenden Themen: : Eine Auswahl des passenden Repositoriums/Archives zur Datenveröffentlichung und Repositorien Archivierung. Eine Auswahl an Datenjournals zur Veröffentlichung von digitalen Datensätzen.Datenjournale: : Warum? Wer? Was?Datenauswahl : Welche Lizenzen für die Lizenzierung von digitalen Daten und Forschungssoftware Lizenzierung genutzt werden können und Best Practices. : Was versteht man darunter?Langzeitarchivierung Kontakt und Informationen Externe Informationen Bitte beachten Sie die Empfehlungen der DFGFachkollegien und die Services der forschungsspezifischen NFDIKonsortien! DFG-Fachkollegien: https://www.dfg. de/de/grundlagen-themen /grundlagen-und-prinzipien-derfoerderung/forschungsdaten /empfehlungen NFDI-Konsortien: Liste der relevanten NFDI-Konsortien nach Fachgebiet Kontaktadressen FDM Beratung Open Access – Bibliothek Alessandro D'Arcangeli +49 30 5019-2955 [email protected] Alessandro.DArcangeli@HTW-Berlin. de Campus Treskowallee TA Gebäude B , 105 Treskowallee 8 10318 Berlin Eske Heister +49 30 5019-2229 [email protected] [email protected] Campus Wilhelminenhof Gebäude G, 109 Wilhelminenhofstraße 75A 12459 Berlin Open Access Beauftragte*r Prof. Dr.-Ing. Horst Schulte +49 30 5019-3301 [email protected] Campus Wilhelminenhof WH Gebäude G, Raum 611 Wilhelminenhofstraße 75A 12459 Berlin 53 FDM-Beauftragte Constance Holman [email protected] Entscheidungshilfe, ob Daten veröffentlichbar sind Schleußinger, M. und Rex, J. (2019), Forschungsdaten veröffentlichen?. Zenodo. doi: . 10.5281/zenodo.3368293 Lizenez CC0 Bei der Entscheidung zur Datenveröffentlichung sollten Forschende sowohl die Vorteile als auch die Herausforderungen sorgfältig abwägen. Zu den vorrangig zu bedenkenden Aspekten zählt der Datenschutz sowie ethische Bedenken, da personenbezogene Daten geschützt und gesetzliche Datenschutzvorgaben strikt eingehalten werden müssen. Darüber hinaus müssen Rechteund Lizenzierungsfragen geklärt werden, die eventuelle Partner oder Dritte haben könnten. Aber auch wenn hier keine Einschränkungen vorliegen, sollten die Rechte für die Nachnutzung der Daten eindeutig definiert werden. Hierfür empfiehlt sich die Verwendung geeigneter Lizenzen, wie beispielsweise Creative Commons, um die Nachnutzung zu regeln (s. hier im One-Stop-Shop s. v. Lizenzierung). Eine sinnvolle Datenpublikation zeichnet sich aus durch qualitativ hochwertige Daten. Dies kann gewärleistet werden durch gute Datendokumentation und Datenumgang sowie -aufbereitung. Informationen hierzu finden Sie unter: Datenumgang: Benennungen - Ablage - Sicherung. Publikationswege Publikationswege für digitale Forschungsdaten bieten Forschenden vielfältige Möglichkeiten, ihre Daten für die wissenschaftliche Gemeinschaft und darüber hinaus zugänglich zu machen. Diese Publikationswege spielen eine entscheidende Rolle bei der Förderung von Transparenz, Reproduzierbarkeit und Innovation in der Forschung. Folgende Möglichkeiten gibt es, wo digitale Forschungsdaten publiziert werden können: 54 Weiterführende Informationen : Eine Auswahl des Unterseite Repositorien passenden Repositoriums/Archives zur Datenveröffentlichung und Archivierung. Unterseite Datenjournale/ Data Journals: Eine Zusammenstellung fachspezifischer Datenjournale Informationen hierzu erhalten Sie bei der Bibliothek. Unterseite Fachspezifische externe Serviceund Beratungsstellen - die NFDI-Konsortien/ Nationale Forschungsdateninfrastrukur: Hier finden Sie nach der Fächersystematik der HTW Berlin zugeordnete relevante NFDI-Konsortien . Manche (Nationale Forschungsdateninfrastrukur) NFDI-Konsortien bieten bereits Lösung und Plattformen zur Datennachnutzung und Publikation. Erklärung Publikationswege für digitale Forschungsdaten bieten Forschenden vielfältige Möglichkeiten, ihre Daten für die wissenschaftliche Gemeinschaft und darüber hinaus zugänglich zu machen. Diese Publikationswege spielen eine entscheidende Rolle bei der Förderung von Transparenz, Reproduzierbarkeit und Innovation in der Forschung. Folgende Möglichkeiten gibt es, wo digitale Forschungsdaten publiziert werden können: 1. : Spezialisierte Plattformen, auf denen Forschungsdaten-Repositorien Forschende ihre Datensätze archivieren und der Öffentlichkeit zugänglich machen können. Bekannte Repositorien sind z. B. Zenodo, Dryad oder das PANGAEA. Diese Repositorien bieten in der Regel dauerhafte Identifikatoren (wie DOIs) für die Zitierfähigkeit der Daten. 2. : Diese Fachzeitschriften fokussieren sich auf die Publikation von Datenjournale Datensätzen und beschreibenden Artikeln, die den Kontext und die Methodik der Datenerhebung erläutern. Beispiele dafür sind das „Scientific Data“ oder das „Journal of Open Research Software“. 3. : Einige traditionelle Fachzeitschriften mit Datenveröffentlichung wissenschaftliche Zeitschriften bieten die Möglichkeit, Datensätze als ergänzende Materialien zu veröffentlichen, die mit dem Manuskript verknüpft sind. 4. : Innerhalb bestimmter Disziplinen existieren Fach-Communities und Netzwerke Netzwerke, die Plattformen für den Austausch von Daten unter Forschenden anbieten. Diese sind oft spezialisiert und unterstützen spezifische Forschungsfelder. Die Wahl des geeigneten Publikationswegs hängt von verschiedenen Faktoren ab, einschließlich der Art der Daten, den Anforderungen des Forschungsfelds, den Richtlinien von Förderinstitutionen und der gewünschten Reichweite und Sichtbarkeit. Unabhängig vom gewählten Weg ist es wichtig, dass die veröffentlichten Daten gut dokumentiert und die Metadaten vollständig sind, um eine breite Nachnutzung zu erleichtern. (5. Institutionelle Repositorien - nicht an der HTW Berlin vorhanden bisher : Hochschulen und Forschungseinrichtungen bieten oft eigene (Stand 2025) Repositorien an, um die Forschungsdaten ihrer Mitglieder zu hosten und langfristig zu sichern. Dies stärkt die Sichtbarkeit institutioneller Forschung. An der HTW Berlin gibt es eine solche Möglichkeit nicht. Jedoch könnten eventuell Strukturen von Verbundpartnern in Forschungsprojekten genutzt werden. Informieren Sie sich hier am besten über die Vorgaben der Verbundpartner. Ansonsten raten wir zur Nutzung eines (fachspezifischen) Repositorium stattdessen.) Datenveröffentlichen 1. 2. 3. 4. 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. Ist die Veröffentlichung des Datenmanagementplans Teil der Förderungsanforderung muss der Datenmanagementplan öffentlich gestellt werden. Grundsätzlich erhöht die Veröffentlichung aber auch die Transparenz der wissenschaftlichen Vorgehensweise. Jedoch ist auch eine vertrauliche Behandlung des DMPs möglich, wenn entsprechende Gründe dafür vorliegen. Welche Daten sollen publiziert werden? Die meisten Fördermittelgebenden (z. B. Horizon, DFG, BMBF) schreiben in ihren Förderanforderungen, welche Daten wie publiziert werden sollen. Die Deutsche Forschungsgemeinschaft empfiehlt im Sinne der (Findable, Accessible, Interoperable, Re-Usable), alle einer FAIR-Prinzipien Publikation zugrunde liegenden Forschungsdaten in anerkannten Repositorien zu veröffentlichen. Wo können Forschungsdaten publiziert werden? Forschungsdaten können auf verschiedene Art publiziert werden: Publizieren im Anhang an Publikationen ohne eigene DOI Peer-Review-Verfahren (Begutachtung) vorhanden meist ohne Metadatenbeschreibung für die Daten, Zugangsbeschränkung, wenn Journal nicht Open Access verfügbar Hinweis: Die Hochschulbibliothek berät zum Publizieren hier https://bibliothek.htw-berlin.de/publizieren-open-access/ Publizieren von Forschungsdaten als eigenständige Publikation in einem Datenjournal Eigne DOI Peer-Review-Verfahren (Begutachtung) vorhanden Datensatz mit Hintergrundinformationen und Metadaten angereichert Einhaltung der FAIR (Findable, Accessible, Interoperable, Reusable) Prinzipien mglw. verpflichtend Zugangsbeschränkung, wenn nicht Open Access verfügbar Hinweis: Übersicht über Datenjournale s. Datenjournale oder: https://www.researchdata.uni-jena.de/information/datenpublikation Publizieren ohne Reviewprozess in Repositorien Unterscheidung zwischen institutionellen, generischen (fächerübergreifende) oder disziplinspezifischen Repositorien DOI-Vergabe je nach Repositorium möglich Peer-Review-Verfahren mgl. Metadatenanreicherung mgl. Offener Zugang mgl. Hinweis: Übersicht über Repositorien Wo können Daten entsprechend der FAIR-Prinzipien publiziert werden? Nutzen Sie ein , um ihre Forschungsdaten entsprechend der zu publizieren. Da die Nutzung des Repositoriums teilweise Repositorium FAIR-Prinzipien mit Kosten verbunden ist, wird empfohlen, die Planung zur Datenveröffentlichen bereits in der Projektantragsphase vorzubereiten und die eventuellen Kosten im Projektantrag mit zu beantragen. Tipps für die Wahl des Repositoriums Garantierte Langzeitarchivierung (mindestens 10 Jahre) Überblick über entstehende Kosten (z. B. anfallende Gebühren für Langzeitarchivierung) Möglichkeit der Anreicherung mit Metadaten zu jedem Datensatz (Verwendung von Standards, mindestens oder )DataCite Dublin Core Vergabe von eindeutigen, langfristig gültigen Identifier, z. B. für jeden Datensatz DOI Recherchetool re3data.org Recherchetool zu allgemeinen und fachspezifischen Repositorien für Forschungsdaten Generische Repositorien ZENODO Generisches Repositorium, finanziert von der Europäischen Union und betrieben am CERN. RADAR Generisches Daten-Repositorium betrieben von FIZ Karlsruhe und TIB Gibt es an der HTW Berlin Angebote zur Datenpublikation? An der HTW Berlin gibt es bisher kein Angebot ihre Daten (langfristig) verfügbar zu machen. Wenn Sie Ihre Daten publizieren oder auch archivieren wollen, finden Sie Informationen zu externen Möglichkeiten hier im FDM One-Stop-Shop unter Repositorien. Für die Publikation von Forschungsberichten, Abschlussarbeiten, E-Tutorials etc. bietet die Hochschulbibliothek HTW-Mitgliedern die Möglichkeit der Veröffentlichung als elektronische Ressourcen über den Publikationsserver OPUShtw. Dabei ist zu beachten, dass die Hochschulbibliothek hierzu kein Review-Verfahren bieten kann. 55 FAQs Muss ich meinen Datenmanagementplan öffentlich zugänglich machen? 1. a. 2. a. b. 3. Bei Fragen zur Forschungsdatenpublikation und -archivierung kontaktieren Sie uns gerne unter: [email protected]. Hinweis: Zum OPUShtw Publikationsserver Sind Forschungsdaten urheberrechtlich geschützt? Forschungsdaten können prinzipiell dem Urheberrechts unterliegen. Es muss dabei erkennbar sein, dass es sich bei den Forschungsdaten um eine persönliche geistige Schöpfung handelt. Kriterien dafür sind: persönliches Schaffen, wahrnehmbare Gestalt, eigenpersönliche Prägung, geistiger Gehalt. Bei maschinell erstellten Daten, z. B. bloße Messwerte ist keine Schöpfungshöhe messbar, allerdings können die Ergebnisse der Datenauswertung urheberrechtlich geschützt sein, da es sich um eine eigene Schöpfung handelt. Wie lange müssen Forschungsdaten gespeichert werden? Es gibt bisher keine standardisierten Vorgaben, wie lange Forschungsdaten aufbewahrt werden müssen. Sie sollten daher darauf achten, ob die Forschungsförder*in hierzu Vorgaben macht und sich an diese orientieren. Gibt es keine Vorgaben, empfiehlt es sich, dass Sie sich an der „Satzung “ (AM 14/22) orientieren. In ihr wird empfohlen, dass Wissenschaftler*innen der zur Sicherung guter wissenschaftlicher Praxis […] an der HTW Berlin HTW Berlin die Forschungsdaten in der Regel 10 Jahre in der Einrichtung, in der sie entstanden sind zu bewahren. (Fristbeginn mit dem Zeitpunkt der Veröffentlichung der Daten) Zu den Forschungsdaten gehören: öffentlich zugänglich gemachte Forschungsdaten und Forschungsergebnisse die ihnen zugrundeliegenden zentralen Materialien gegebenenfalls die eingesetzte Forschungssoftware Auch die Deutschen Forschungsgemeinschaft (DFG) empfiehlt in ihren „Leitlinien zur Sicherung guter wissenschaftlicher Praxis" (Kodex, 2019) mindestens 10 Jahre zugänglich gemacht werden. Welche Möglichkeiten für die Archivierung von Forschungsdaten gibt es? Unter Archivierung wird hierbei die Speicherung von Daten auf ein Archivierungsserver für mindestens 10 Jahre verstanden, wobei die Authentizität, Integrität, Zugänglichkeit und Verständlichkeit der Daten erhalten bleiben müssen. Dabei werden die Daten vorrangig gesichert und können, aber müssen nicht, für andere zugänglich gemacht werden. An der HTW Berlin gibt es derzeit kein Archivierungsangebot für Forschungsdaten. Es wird daher empfohlen, ein generisches (fächerübergreifendes) oder disziplinspezifisches Repositorium zu verwenden, welches Ihren Zugänglichkeitsverpflichtungen entsprechen. Recherchetool re3data.org Recherchetool zu allgemeinen und fachspezifischen Repositorien für Forschungsdaten Generische Repositorien ZENODO Generisches Repositorium, finanziert von der Europäischen Union und betrieben am CERN. RADAR Generisches Daten-Repositorium betrieben von FIZ Karlsruhe und TIB Empfehlung von disziplinspezifischen Repositorien für die HTW Berlin Was ist bei der (Langzeit-)Archivierung von Forschungsdaten zu beachten? Unter (Langzeit-)Archivierung wird die Gewährleistung der langfristigen Nutzbarkeit (in der Regel in den meisten Forschungsgebieten mind. 10 Jahre) von Daten verstanden, wobei die Authentizität, Integrität, Zugänglichkeit und Verständlichkeit der Daten erhalten bleiben müssen. Dabei können, aber müssen die Daten nicht für andere zugänglich gemacht werden. Bei der Archivierung geht es nicht nur darum, den BitStream allein zu erhalten. Es geht auch darum, eine gute Dokumentation über den Umgang mit Forschungsdaten, z. B. in Form eines Datenmanagementplans (DMP) vorzuweisen und die Daten dann mit standardisierten Metadaten (Informationen über die Daten) anzureichern. Muss ich ein Copyright-Zeichen verwenden um klarzustellen, dass die Daten urheberrechtlich geschützt sind? Nein, ein Copyright-Zeichen ist nicht notwendig, um den urheberrechtlichen Schutz Ihrer Daten klarzustellen. Nach deutschem Urheberrecht hat immer die Nennung des Urhebers zu erfolgen (auch bei einer CC0-Lizenz). Erläuterung: In Deutschland und vielen anderen Ländern entsteht der Urheberrechtsschutz automatisch mit der Schaffung eines Werkes, das eine gewisse Schöpfungshöhe erreicht. Es ist nicht erforderlich, ein Copyright-Zeichen oder eine Registrierung vorzunehmen, um diesen Schutz zu erlangen. Allerdings kann die Verwendung des Copyright-Zeichens © in Verbindung mit Ihrem Namen und dem Erstellungsjahr nützlich sein, um auf den Urheberrechtsschutz hinzuweisen und Missverständnisse zu vermeiden. Es ist eine hilfreiche Praxis, aber rechtlich nicht verpflichtend. Der Urheber kann jedoch Nutzungsrechte einräumen oder sie übertragen, beispielsweise durch Lizenzverträge. Diese Lizenzinhaberschaft kann dann mit einem Copyright-Vermerk kenntlich gemacht werden, um anzuzeigen, wer berechtigt ist, das Werk zu nutzen. Die Festlegung von Nutzungsrechten kann etwa durch die Vergabe von Lizenzen (z B. Creative Commens) geregelt werden. Informationen hierzu findet sich unter Lizenzierung. Quellen: https://www.e-recht24.de/urheberrecht/13263-urhebernennung.html#, https://forschungsdaten.info/themen/rechte-und-pflichten /forschungsdaten-veroeffentlichen/freie-lizenzen-vs-gemeinfrei/ 56 Seitenimpressum Icon-Publikation: Daten und Ordner Icons erstellt von Freepik - Flaticonmappe.png CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) Repositorien Repositorien Digitale Forschungsdatenrepositorien sind Speicherorte für digitale Forschungsdaten und digitale Forschungsergebnisse. Der Umfang der Archivfunktion variiert sowohl hinsichtlich der Dauer als auch des Leistungsumfangs. Die Nutzung von Repositorien erleichtert die strukturierte Bereitstellung von Forschungsdaten. Kontakt und Informationen Kontaktadressen FDM-Beratung [ Repositorien ] [ Hinweise ] [ Repositorienauswahl ] [ Auswahl fachspezifischen Forschungsdatenrepositorien bzw. Forschungsdatenzentren (FDZ) ] [ Kriterien der Repositoriumsauswahl ] [ Hinweise zur eigenen Repositoriumssuche ] [ Ausgewählte fachspezifische Repositorien ] [ Disziplinübergreifende Lösungen ] [ Weitere Informationen ] [ FAQs ] Forschungsdatenrepositorium = Forschungsdatenarchiv? Digitale Forschungsdatenrepositorien dienen insbesondere der Bereitstellung und Zugänglichmachung von digitalen Forschungsdaten. Sie dienen der Sicherung von Forschungsdaten und gewährleisten deren Auffindbarkeit im Gegensatz zu sogenannten "dark archive"-Lösungen, die keinen Zugriff auf die Daten, auch nicht zu Forschungszwecken, ermöglichen. Die Auffindbarkeit der Forschungsdaten wird z. B. durch beschreibende Informationen zu den Forschungsdaten, sogenannte Metadaten, und eine eindeutige Zuordnung durch persistente Identifikatoren (z. B. DOI) ermöglicht. Bei Forschungsdatenrepositorien steht die langfristige und verlässliche Bereitstellung im Vordergrund. Häufig sind Forschungsdatenrepositorien auch mit Forschungsdatenarchiven verbunden und bieten somit auch umfassende archivarische Dienstleistungen an, dies muss aber nicht der Fall sein. Hinweise Die ist zeitlich nicht fest definiert. Sie soll aber eine langfristige Nutzbarkeit garantieren. Nicht jedes Repositorium bietet eine Langzeitarchivierung Sicherung der Daten unter Gewährleistung der langfristigen Benutzbarkeit und Interpretierbarkeit an (z. B. nicht bei Zenodo), wie sie für die Einhaltung der guten wissenschaftlichen Praxis (kurz GWP) notwendig wäre. In der Regel sollte eine Sicherung bzw. Archivierung der Daten für mindestens 10 Jahre erfolgen. Ausnahmen hierzu sind in Einzelfällen möglich, müssen jedoch begründet und dokumentiert werden laut GWP. Einerseits können die jeweilige Forschung und die entsprechenden Daten ggf. kurzlebig sein und eine kurze Nachnutzungsrelevant haben und somit kürzere Archivierungszeiten begründen andererseits gibt es Daten, deren Sicherung und Möglichkeit der Zugänglichkeit sowie Gewährleistung der Nachnutzung weit über 10 Jahre hinaus notwendig sein kann. Ein Beispiel hierfür wären z. B. archäologische Daten. Müssen Forschungsdaten in Repositorien offen bereitgestellt werden? Dies hängt vom jeweiligen Repositorium ab. Für die Auffindbarkeit müssen die Forschungsdaten nicht offen bereitgestellt werden, hier reicht auch eine Veröffentlichung von Metadaten - beschreibenden Daten zu den Forschungsdaten. Sollte nur ein reines Metadatenrepositorium genutzt werden, dann sollten jedoch die Forschungsdaten entspricht der GWP anderenorts gesichert sein. Bei allen seriösen Repositorien werden abgestufte Zugangsmöglichkeiten zu den Forschungsdaten angeboten. Die Zugänglichkeit zu den Forschungsdaten kann offen, eingeschränkt oder vollkommen gesperrt sein bzw. eine zeitliche Regelung zur Freigabe ermöglicht werden (Embargo). Ob die Daten an sich offen bereitgestellt werden dürfen bzw. in welcher Form, hängt jedoch auch von den Daten selbst ab (Datenschutz, Schutzrechte Dritter etc.). und muss von den Datenbereitstellenden beachtet werden. Was sind Metadaten und warum sollte man sie nutzen und pflegen? Metadaten werden auch gerne als Daten über Daten bezeichnet. Sie dienen der Beschreibung und können als Stichworte zur besseren Auffindbarkeit verstanden werden. Wir haben Ihnen hier eine Zusammenstellung grundlegender Metadaten bereitgestellt, welche Sie für ihre eigene Annotation nutzen sollten und welche auch nützlich sein werden, wenn Sie Ihre Daten etwa in einem Repositorium bereitstellen wollen. Es ist gut möglich, dass weitere Metadaten von dem Repositorium Ihrer Wahl gefordert werden. 57 FDM-Beauftragte Constance Holman [email protected] 1. 2. 3. 4. 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. Disziplinübergreifende Lösungen : Zenodo https://zenodo.org/ Zenodo ist ein frei zugängliches digitales Archiv, das vom CERN unterstützt wird und es Forschenden ermöglicht, eine Vielzahl von wissenschaftlichen Daten, Publikationen und Software zu speichern und zugänglich zu machen. Es dient als für generelles Repositorium Daten oder Forschungsarbeiten ohne Reviewverfahren, insbesondere wenn für spezielle Disziplinen spezifischen Repositorien keine existieren. Zenodo bietet: generelles Repositorium mit Archivfunktion für Daten oder Forschungsarbeiten ohne Reviewverfahren die Vergabe von Digital Object Identifiers (DOIs) zur Gewährleistung einer dauerhaften Zitierbarkeit Dateigrößenupload von bis zu 50 GB pro Datensatz kostenlos Versionierung der Daten Anmeldung über verschiedene Plattformen, wie ORCID GitHub-Integration, um die Zitierung von Software zu erleichtern. Achtung: Uploads werden nicht auf inhaltliche Richtigkeit überprüft! Es muss selbst sichergestellt werden, dass die Daten ethische Standards erfüllen und rechtlich unbedenklich sind! : Für Hochschulforschung, Lernund Lehrforschung etc.: FDZ.DZHW https://metadata.fdz.dzhw.eu/de/start TIB Langzeitarchivierungsservice https://www.tib.eu/de/publizieren-archivieren/digitale-langzeitarchivierung 4TU.ResearchData: Internationales Repositorium der TU Delft (Niederlande). Zertifiziert: CoreTrustSeal Weitere Informationen Studie des European Research Councils zu vertrauenswürdigen und den EU Open Science Regeln konformen Repositorien (z. B. für Horizon-EuropeFörderungen) einschließlich einer Sammlung dieser: (Stand 2023).https://zenodo.org/records/7728016 Dort publizierte Liste - "Annex 1" aus Jahn, N., Laakso, M., Lazzeri, E., & McQuilton, P. (2023). Study on the readiness of research data and literature repositories to facilitate compliance with the Open Science Horizon Europe MGA requirements (Version 1.0). Zenodo. https://doi.org/10.5281/zenodo. .7728016 FAQs Wo können Forschungsdaten publiziert werden? Forschungsdaten können auf verschiedene Art publiziert werden: Publizieren im Anhang an Publikationen ohne eigene DOI Peer-Review-Verfahren (Begutachtung) vorhanden meist ohne Metadatenbeschreibung für die Daten, Zugangsbeschränkung, wenn Journal nicht Open Access verfügbar Hinweis: Die Hochschulbibliothek berät zum Publizieren hier https://bibliothek.htw-berlin.de/publizieren-open-access/ Publizieren von Forschungsdaten als eigenständige Publikation in Datenjournale Eigne DOI Peer-Review-Verfahren (Begutachtung) vorhanden Datensatz mit Hintergrundinformationen und Metadaten angereichert Einhaltung der FAIR (Findable, Accessible, Interoperable, Reusable) Prinzipien mglw. verpflichtend Zugangsbeschränkung, wenn nicht Open Access verfügbar Hinweis: Übersicht über Datenjournale https://www.researchdata.uni-jena.de/information/datenpublikation Publizieren ohne Reviewprozess in Repositorien Unterscheidung zwischen institutionellen, generischen (fächerübergreifende) oder disziplinspezifischen Repositorien DOI-Vergabe je nach Repositorium möglich Peer-Review-Verfahren mgl. Metadatenanreicherung mgl. Offener Zugang mgl. Hinweis: Übersicht über Repositorien 64 Nutzen Sie ein , um ihre Forschungsdaten entsprechend der zu publizieren. Da die Nutzung des Repositoriums teilweise Repositorium FAIR-Prinzipien mit Kosten verbunden ist, wird empfohlen, die Planung zur Datenveröffentlichen bereits in der Projektantragsphase vorzubereiten und die eventuellen Kosten im Projektantrag mit zu beantragen. Tipps für die Wahl des Repositoriums Garantierte Langzeitarchivierung (mindestens 10 Jahre) Überblick über entstehende Kosten (z.B. anfallende Gebühren für Langzeitarchivierung) Möglichkeit der Anreicherung mit Metadaten zu jedem Datensatz (Verwendung von Standards, mindestens oder )DataCite Dublin Core Vergabe von eindeutigen, langfristig gültigen Identifier, z.B. für jeden Datensatz DOI Recherchetool re3data.org Recherchetool zu allgemeinen und fachspezifischen Repositorien für Forschungsdaten Generische Repositorien ZENODO Generisches Repositorium, finanziert von der Europäischen Union und betrieben am CERN. RADAR Generisches Daten-Repositorium betrieben von FIZ Karlsruhe und TIB Gibt es an der HTW Berlin Angebote zur Datenpublikation? An der HTW Berlin gibt es für HTW Angehörige kein Angebot ihre Daten langfristig verfügbar zu machen. Die HTW Berlin stellt aber über die Hochschulbibliothek den an, in dem E-Tutorials, Abschlussarbeiten, Forschungsberichte etc. als elektronische Publikationsserver OPUShtw Ressourcen von HTW-Mitgliedern veröffentlicht werden können. Dabei ist zu beachten, dass die Hochschulbibliothek hierzu kein Review-Verfahren bieten kann. Hinweis: Zum OPUShtw Publikationsserver Seitenimpressum Grafiknachweis: CC-BY 2.5 digitalbevaring.dk Designer: Jørgen Stamp 65 Wo können Daten entsprechend der FAIR-Prinzipien publiziert werden? CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) Datenjournale Ein Datenjournal ist eine wissenschaftliche Publikation, die sich auf die Veröffentlichung von Forschungsdatensätzen fokussiert. Anders als herkömmliche wissenschaftliche Zeitschriften, in denen in der Regel Forschungsstudien und -ergebnisse in Textform beschrieben werden, konzentrieren sich Datenjournale auf die Bereitstellung und Beschreibung von Forschungsdaten. Datenjournale sind ein wichtiges Instrument zur Förderung der Offenheit und Sichtbarkeit wissenschaftlicher Daten und unterstützen die wissenschaftliche Gemeinschaft in ihren Bemühungen, Forschung praktikabler und zugänglicher zu machen. Kontaktadressen FDM Beratung Open Access – Bibliothek Alessandro D'Arcangeli +49 30 5019-2955 [email protected] Alessandro.DArcangeli@HTW-Berlin. de Campus Treskowallee TA Gebäude B , 105 Treskowallee 8 10318 Berlin Eske Heister +49 30 5019-2229 [email protected] [email protected] Campus Wilhelminenhof Gebäude G, 109 Wilhelminenhofstraße 75A 12459 Berlin Datenjournale (Data Journals) - Tabelle Übersichtstabelle mit Datenjournalen (Data Journals) sortiert nach den Fachgebieten der HTW Berlin. Die Tabelle erhebt keinen Anspruch auf Vollständigkeit. 66 Fachgebiete der HTW Berlin Datenjournals Links Biologie (u.a. Biotechnologie) Biodiversity Data Journal (Pensoft Publishers) Biomedical Data Journal (Procon Ltd.) - BMDJ Ecological Archives (Ecological Society of America - ESA/Wiley) Open Journal of Bioresources (Ubiquity Press) (derzeit keine Annahme neuer Einreichungen - Stand März 2025) Chemie Chemical Data Collections (Elsevier) - CDC Journal of Chemical & Engineering Data (ACS Publications) - JCED Journal of Physical and Chemical Reference Data (AIP Publishing) - JPCRD IUCrData (International Union of Crystallography) Elektrotechnik & Informationstechnik Data in Brief (Elsevier) IUCrData (International Union of Crystallography) Nuclear Data Sheets (Elsevier) Geowissenschaften Geoscience Data Journal (Wiley) Earth System Science Data IUCrData (International Union of Crystallography) International Journal of Spatial Data Infrastructures Research Earth System Science Data - ESSD (Copernicus Publications) Geoscientific Model Development (Copernicus) FDM-Beauftragte Constance Holman [email protected] Geschichte (u. a. Archäologie) Internet Archaeology (Internet Archaeology) Journal of Open Archaeology Data (JOAD) (Ubiquity Press) Journal of Open Humanities Data Informatik Journal of Open Research Software (JORS) (Ubiquity Press) Geoscientific Model Development (Copernicus) ing.grid - FAIR Data Management in Engineering Sciences (TUjournals) Ingenieurwissenschaft allg. (u. a. Regenerative Energien) siehe auch Geowissenschaften (oben) ing.grid - FAIR Data Management in Engineering Sciences (TUjournals) Journal of Chemical and Engineering Data (JCED) Kunst, Kunstwissenschaft (u. a. Restaurierungskunde) Medienwissenschaft Scientific Data (Nature Publishing Group) Physik, Astronomie The Astrophysical Journal: Supplement Series (American Astronomical Society) Journal of Physical and Chemical Reference Data (JPCRD) Atomic Data and Nuclear Data Tables Nuclear Data Sheets Psychologie Journal of Open Psychology Data (JOPD) (Ubiquity Press) Sozialwissenschaften Rubrik Data Observer der Jahrbücher für Nationalökonomie und Statistik (DeGruyter) Research Data Journal for the Humanities and Social Sciences (Brill) Rubrik Forschungsdaten der Vierteljahresschrift für Wirtschaftsund Sozialgeschichte (Franz Steiner Verlag) Wirtschaftsingenieurwesen mit ingenieurwiss. Schwerpunkt Journal of Chemical and Engineering Data (JCED) Rubrik Forschungsdaten der Vierteljahresschrift für Wirtschaftsund Sozialgeschichte (Franz Steiner Verlag) 67 Nicht-fachspezifisch: F1000Research (F1000 Research) Eine umfängliche und erweiterbare Liste, auf die auch die obigen Quelleninhalte aufbauen, findet sich hier: https://github.com/MaxiKi/data-journals/blob/main/data_journals_characteristics.csv. Dies ist eine für die HTW Berlin zusammengestellte und überarbeitete Liste aus folgenden Quellen: https://www.forschungsdaten.org/index.php/Data_Journals https://www.uni-wuerzburg.de/rdm/informationen/datenpublikation/ Seitenimpressum CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Alexandra Löwe (Korrekturdurchsicht) Datenauswahl Datenauswahl Es ist aufgrund von technischen und ökonomischen Gründen ratsam, eine Auswahl an aufzubewahrenden Daten zu treffen. Eine Datenbewertung ist daher sinnvoll. Diese bildet die Grundlage für die Entscheidung darüber, welche Daten archiviert werden sollen oder müssen. Wer trifft die Auswahl der aufzubewahrenden Forschungsdaten? Die Entscheidung, welche Daten des Projektes aufbewahrt werden, liegt in der Regel bei Ihnen, den Datenerstellenden. Wie lange sollen die Daten aufbewahrt/ archiviert werden werden? In der Regel sollen die Daten laut der Satzung zur guten wissenschaftlichen Praxis der HTW Berlin mindestens 10 Jahre aufbewahrt werden. Es kann aber etwa aus Gründen der Schnelllebigkeit der Daten in einem Forschungsbereich auch begründet sein, die Daten nicht für 10 Jahre aufzubewahren. Dies muss jedoch begründet werden. Diese Begründung sollten Sie in Ihrem Datenmanagementplan (DMP) festhalten. Andersherum können bestimmte Daten vielleicht auch nicht erneut erhoben werden (z. B. Ausgrabungsdaten). In einem solchen Fall müssen die Daten länger als 10 Jahre gesichert werden. Eine Abwägung und Begründung für die Beurteilung und Festlegung der jeweiligen Aufbewahrungsfrist zu den erhobenen Daten sollte auf jeden Fall erfolgen und in einem DMP festgehalten werden. Zu den DMP-Tools der HTW Berlin und externen freien Angeboten s.: Datenmanagementplan (DMP) Welche Kriterien müssen bei der Datenauswahl und Aufbewahrung beachtet werden? Die Aufbewahrung von Forschungsdaten hängt von verschiedenen Faktoren ab, darunter gesetzliche Vorgaben, wissenschaftliche Standards und institutionelle Richtlinien. Gibt es: rechtliche oder vertragsbindende Gründe zur Aufbewahrung?: die Daten haben kommerziellen Wert oder werden für Patentanmeldung verwendet; Vertragsbedingungen oder Bedingungszustände verlangen eine Aufbewahrung. Richtlinien?: Institutionell: s. (§II Absatz 9.4) schreibt vor, dass alle digitalen Die Satzung zur guten wissenschaftlichen Praxis der HTW Berlin Forschungsdaten, die Ergebnisveröffentlichungen zu Grunde liegen, sowie alle weiteren zentralen Materialien [wie etwa die Dokumentation dieser Daten] und ggf. die eingesetzte [und entwickelte Forschungssoftware], in der Regel 10 Jahre aufbewahrt werden müssen. Geldgebende: Die Forschungsergebnisse müssen nachvollziehbar und rekonstruierbar sein. Fördermittelgebenden wie DFG und BMBF ist zudem die sekundäre Nachnutzung von digitalen Forschungsdaten wichtig. personenbezogene Daten?: Das Datenschutzgesetz definiert personenbezogene Daten und legt Kriterien fest, nach denen entschieden wird, wie lange sie aufbewahrt werden sollen, wie sie gespeichert werden müssen und welche Anforderungen an die Entsorgung gestellt werden. Welche Zwecke erfüllen die Daten über den Forschungskontext hinaus? Jeder der folgenden Gründe kann eine Aufbewahrung der Daten für den langfristigen Zugang rechtfertigen. Verifizierung durch Reproduzierung Weitere Analyse Weitere Veröffentlichungen Aufbau eines akademischen Rufs: Daten, die auffindbar sind, haben eine größere Sichtbarkeit, was wiederum die Zitationsrate für die veröffentlichten Ergebnisse steigern kann. Community-Ressourcenentwicklung: Veröffentlichen einer Datenressource mit Wert für eine bekannte Gruppe von Nutzenden (z. B. Referenzdatensatz oder Methodenprüfstand). Lernen & Lehre: Einbettung von Daten in eine Lern-/Lehroder Public-Engagement-Ressource, um deren Interaktivität zu verbessern und Nutzende zum Lernen oder zur Teilnahme an der Forschung zu motivieren. Welche Daten sollen behalten werden? Unter Berücksichtigung der zuvor ermittelten potenziellen Wiederverwendungszwecke sollten die folgenden Kriterien geprüft werden, um zu entscheiden, welche Daten geeignet sind. In der Regel sollten die Daten aufbewahrt werden, wenn sie mindestens zwei der folgenden Kriterien erfüllen. 68 Qualität: Ist die Datenqualität in Bezug auf Vollständigkeit, Stichprobengröße, Genauigkeit, Gültigkeit, Zuverlässigkeit, Repräsentativität oder andere relevante Kriterien gut genug? Integrationspotenzial: Beschreiben die Daten Dinge, die standardisierten Begriffen oder Vokabularen in anderen Forschungsbereichen entsprechen (z. B. geografische Orte) Interesse: Wie wahrscheinlich ist eine Nachfrage? Könnten die Daten eine große Bedeutung haben, z. B. weil sie sich auf eine bahnbrechende Entdeckung, einen bedeutenden neuen Forschungsprozess oder internationale politische und soziale Belange beziehen? Zugänglichkeit: Liegen die Daten in einem Format vor, für dessen Wiederverwendung keine Lizenzgebühren oder proprietäre Software oder Hardware erforderlich sind bzw. ist die verwendete Software/Hardware im Studienbereich weit verbreitet und leicht verfügbar? Reproduzierbarkeit: Wäre die Reproduktion der Daten schwierig, kostspielig oder gar unmöglich (z. B. nicht wiederholbare Beobachtungen)? Rechtliche Rahmenbedingungen: Sind die Daten entsprechend ihrer Sensibilität eingestuft worden und frei von datenschutzrechtlichen, vertraglichen Einschränkungen, Lizenzoder Urheberrechtsbestimmungen, die den Zugang der Öffentlichkeit und die Wiederverwendung beschränken? Unikat: Ist dies die einzige und vollständigste Kopie der Daten? Werden die Daten irgendwo aufbewahrt, wo eine langfristige Lagerung nicht garantiert ist? Arten von Daten, die ggf. aufbewahrt werden müssen: 1. : Dies ist die originale und unbearbeitete Form der gesammelten Daten. Rohdaten sind essenziell für die Reproduzierbarkeit Rohdaten und Nachvollziehbarkeit wissenschaftlicher Ergebnisse. 2. : Diese Daten sind das Ergebnis von Analysen und Verarbeitete Daten / Daten, die für Publikationen relevant sind Transformationsprozessen, die aus den Rohdaten abgeleitet wurden. Sie sind besonders wichtig, wenn sie zur Untermauerung von Forschungsergebnissen verwendet werden. Daten, die zur Untermauerung veröffentlichter Forschungsergebnisse verwendet wurden, müssen entsprechend den institutionellen Richtlinien und oftmal auch entsprechend der Richtlinien von Publikationsorganen (z. B. Zeitschriften) aufbewahrt werden. 3. : Metadaten beschreiben die gesammelten Daten und deren Entstehungskontext. Sie erleichtern das Verständnis und die Metadaten Nachnutzbarkeit der Daten durch andere Forschende. 4. : Alle relevanten Dokumentationen, die den Forschungsprozess beschreiben, wie Protokolle, Codes, Skripte und Dokumentation Notizen, sollten ebenfalls gespeichert werden. 5. : In einigen Fällen verlangen ethische Daten, die unter ethischen oder rechtlichen Gesichtspunkten aufbewahrt werden müssen oder rechtliche Bestimmungen die Aufbewahrung bestimmter Daten, besonders wenn sie personenbezogen sind. Welche Kosten müssen bedacht werden? Zudem sollte abgewogen werden, ob es wirtschaftlich sinnvoll ist, die Daten aufzubewahren. Bedenken Sie: Vorbereitungskosten: Kosten, die sowohl während des Forschungsprozess als auch bei der Vorbereitung der Archivierung entstehen. Aufbewahrungskosten: Anfallende Kosten für Aufbewahrung und Pflege der Daten über den Forschungszeitraum hinaus. Textinformation: Teile des Textes wurden wortwörtlich übernommen oder angepasst und ergänzt. Quelle: https://blog.rwth-aachen.de (letzter Zugriff: Dezember 2024)/forschungsdaten/2022/03/10/fdm-erklaert-daten-validieren/ Tool des Digital Curation Centres (DCC) - UK:Nutzenund Kostenbewertungshandreichung https://www.dcc.ac.uk/sites/default/files/documents/publications/Five%20Steps%20to%20decide%20what%20data%20to%20keep.pdf Seitenimpressum 69 CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Alexandra Löwe (Korrekturdurchsicht) Lizenzierung Allgemeine Informationen Empfohlene Lizenzen Die HTW Berlin empfiehlt in ihren Richtlinien die Verwendung von (s. freien Creative Commons-Lizenzen Open-Access-Strategie, FD-Policy), wie zum Beispiel CC BY (Creative Commons-Lizenz mit Namensnennung) und auch die Fachkollegien der DFG sprechen sich für die Verwendung von CC-Lizenzen aus. Die beiden freiesten Lizenzen sind: (ausgesprochen: CC Zero) und .CC0 CC BY Ab der Version 4.0 sind CC-Lizenzen auch für Forschungsdaten geeignet - nicht für - (s. Software/ Code hierzu unter ). In Deutschland kann nicht auf das Urheberrecht verzichtet werden, wenn es forschungsaten.info sich um urheberrechtlich geschütztes Material handelt, dafür muss jedoch eine gewisse schöpferische Höhe erreicht werden, welche bei bloßen Messdaten nicht vorliegt. Unterliegen die Daten keinem urheberrechtlischen Schutz (z. B. wenn es sich um reine Messdaten außerhalb einer Datenbank ohne schöpferische Höhe handelt) so können diese mit einer - Public Domain Mark PDM versehen werden (dies ist keine Lizenz), um zu kennzeichnen, dass die Daten frei von Schutzund 1.0 Urheberrechten sind. Lizenz Bedeutung Verbreitung Veränderung Bearbeitung Namensnennung Kommerzielle Nutzung erlaubt CC0 Creative Commons - Zero Gemeinfrei. Bedingungslo se Nutzungsfreig abe. In Deutschland ist ein Verzicht auf Urheberrecht nicht möglich. Nennung der Quelle ist Bestandteil der GWP. ( ) CC BY Creative Commens - BY Erlaubnis Werk zu verbreiten, zu remixen, zu verbessern und darauf aufzubauen auch kommerziell mit bindender Aufforderung zur Namensnennu ng, Weitere CC-Lizenzen finden Sie hier. 70 Werkzeug Beschreibung https://chooserbeta. creativecommons. org/ Von Creative Commons herausgegeben. Tool um die passende Lizenz zu finden und die Lizenzangabe korrekt durchzuführen für die verschiedenen Publikationsformen (z. B. im Web mit HTML-Code, auf Postern und Artikeln etc.) Hinweis zur korrekten Lizenzangabe Beispiel CC BY Erklärung Deutsch: [Titel_Beitrag] © 2024 von [Namen Autor*innen, ggf. zusätzlich Projekt] ist li zenziert unter CC BY 4.0 Englisch: [title] © 2024 by [author name(s) (and project title)] is licensed under CC BY 4.0 Bei der Angabe der Lizenz sollte enthalten sein: Titel des Werkes (möglichst verlinkt) Angabe des Erscheinungsjahres Autor*innen/ Ersteller*innen (und ggf. andere wie z. B. Institutionsangabe oder Projekt sofern sie Copyright-Recht besitzen oder es im Auftrag dieser erstellt wurde.) Die Autorinnennamen sollten zur eindeutigen Zuweisbarkeit mit deren OrcID verlinkt werden sofern vorhanden (orcid.org), z. B.: https://or .cid.org/0000-0000-0000-0000 Angabe der und ggf. Länderzuweisung (DE - ohne diese Lizenz, Version Angabe ist es "International") mit ("Deed" ist hier Link auf den Lizenztext bei eine vereinfachte Textform des "Legal Codes" (dem rechtsverbindlichen Text) - alle Lizenztexte liegen in einer Vielzahl an Übersetzungen vor und die Sprachen können entsprechend ausgewählt werden.) Infografik „Welches ist die richtige “ (Grafik von CC-Lizenz für mich? Barbara Klute und Jöran MuußMerholz für unter wb-web CC BY- )SA 3.0 Werkzeug für die Lizenzierung 71 CC-Lizenzen mit Einschränkungen Lizenz Bedeutung Verbreitung bedingungslos Verbreitungsbedingung Veränderung Bearbeitung Namensnennung Kommerzielle Nutzung erlaubt CC BY-SA Creative Commens - BY - Share Alike unter gleicher Lizenz CC BYNC Creative Commens - BY - Non Commercial ohne kommerzielle Nutzung CC BYNC-SA Creative Commens - BY - Non Commercial - Share Alike unter gleicher Lizenz, ohne kommerzielle Nutzung (nicht die Ursprungslizenz) CC BYND Creative Commens - BY - Noderivatives keine Veränderungen am Material CC BYNC-ND Creative Commens - BY - Non Commercial - Noderivatives nicht kommerziell, keine Veränderungen am Material Software/ Code Lizenz Bedeutung Verbreitung Veränderung Bearbeitung Namensnennung /Urheber/ Quelle Kommerzielle Nutzung erlaubt GNU GPL Softwarelizenz Share-Alike-Prinzip(!): Derivate sind erneut unter GNU GPL zu lizenzieren Patentklausel enthalten Pflicht der Dokumentation alle Änderungen zum Original unter gleicher Lizenz (Pflicht!) MIT Softwarelizenz permissive Lizenz Haftungsausschluss keine explizite Patentklausel Keine Dokumentationspflicht der Veränderungen (Pflicht!) Weiterführende Informationen: (letzter Zugriff Juni 2025)https://www.twillo.de/oer/web/gplv3-mit-apache2-0-eine-uebersicht/ SPDX List of Software Licences: https://spdx.org/licenses/ Datenbanken Lizenz Bedeutung Verbreitung Veränderung Bearbeitung Namensnennung Kommerzielle Nutzung erlaubt ODbl Nur für Datenbanken ODC-BY Nur für Datenbanken Verwaltungsdaten Lizenz Bedeutung Verbreitung Veränderung Bearbeitung Namensnennung Kommerzielle Nutzung erlaubt dl-zero-de /2.0 Datenlizenz Deutschland (Bundesverwaltungsdaten) Jede Nutzung ist ohne Einschränkungen oder Bedingungen zulässig. ( ) dl-by-de /2.0 Datenlizenz Deutschland – Namensnennung (Bundesverwaltungsdaten) 72 Weitere Lizenzen CC-Lizenzen Fortsetzung der CC-Lizenzen - bitte beachten Sie die empfohlenen oben.Lizenzen CC0 und CC BY 1. a. i. ii. 2. a. 3. a. b. Erklärvideos Offene Lizenzen für offene Wissenschaft. Die CC (Creative Commons) Lizenz Wie genau funktionieren Creative-Commons-Lizenzen? Your browser does not support the HTML5 video element Lizenz: CC BY 3.0 DE Zitationsangabe: ; ; : Brinken, Helene Hauss, Jonas Rücknagel, Jessika Offene Lizenzen für offene Wissenschaft. Das 1x1 der CreativeCommons-Lizenzen, Technische Informationsbibliothek (TIB) et al., 2021. https://doi.org/10.5446/52864 Herausgebende: Technische Informationsbibliothek (TIB) open-access.network Your browser does not support the HTML5 video element Lizenz: CC BY 3.0 DE Brinken, Helene; ; : Wie genau Hauss, Jonas Rücknagel, Jessika funktionieren Creative-Commons-Lizenzen?. Das 1x1 der CreativeCommons-Lizenzen, Technische Informationsbibliothek (TIB) et al., 2021. https://doi.org/10.5446/52952 Herausgebende: Technische Informationsbibliothek (TIB) open-access.network Die korrekte Angabe einer Lizenz: Was muss ich bei der Nachnutzung beachten? Die Non-Commercial-Lizenz in der Wissenschaft Your browser does not support the HTML5 video element CC BY 3.0 DE Brinken, Helene; ; : Die korrekte Angabe Hauss, Jonas Rücknagel, Jessika einer Lizenz: Was muss ich bei der Nachnutzung beachten?. Das 1x1 der Creative-Commons-Lizenzen, Technische Informationsbibliothek (TIB) et al., 2021. https://doi.org/10.5446/53415 Herausgebende: Technische Informationsbibliothek (TIB) open-access.network Your browser does not support the HTML5 video element CC BY 3.0 DE Brinken, Helene; ; : Die Non-Hauss, Jonas Rücknagel, Jessika Commercial-Lizenz in der Wissenschaft. Das 1x1 der CreativeCommons-Lizenzen, Technische Informationsbibliothek (TIB) et al., 2021. https://doi.org/10.5446/53430 Herausgebende: Technische Informationsbibliothek (TIB) open-access.network FAQs Welche Lizenzen werden empfohlen? Die HTW Berlin empfiehlt, so offen wie möglich die Daten zu lizenzieren (s. auch die Open-Access Policy der HTW Berlin – weitere Informationen unter: ). Einschränkend können https://bibliothek.htw-berlin.de/publizieren-open-access/open-access/beratungsangebot-und-aktuelle-veranstaltungen/ urheberrechtliche oder vertragliche Bedingungen sein. Lizenzempfehlung – sofern keine anderweitigen Einschränkungen vorliegen: CC0 1.0 oder CC BY 4.0 Verhindern die vertraglichen Bedingungen dies, können auch Lizenzen verwendet werden, die diese Nutzung der Daten einschränken. Die Vergabe einer standardisierten Lizenz ist in der Regel eine Voraussetzung für die Publikation in Repositorien. Auswahl an Lizenzen (Forschunsgbezug) Creative Commons Lizenzen – (weitverbreitet und übliche Empfehlung) Für die offene Lizenzierung von Forschungsdaten geeignete Lizenzen sind: (keine Bedingungen für die Nachnutzung) 1.0CC0 (Mit CC0 kann man verdeutlichen, dass entweder kein Urheberrecht vorhanden ist oder man es nicht geltend machen würde. Auf das Urheberrecht – sofern vorhanden – kann in Deutschland nicht vollständig verzichtet werden und im Sinne der guten wissenschaftlichen Praxis sollte man dennoch immer seine Quellen benennen.) (Namentliche Urhebernennung) 4.0CC BY (ab 4.0 auch für die Lizenzierung von Forschungsdaten ohne schöpferische Höhe – Messreihen z. B.) – ODCOpen Data Commons Lizenzen Lizenzen für Datenbanken mit CC Version 4.0 aber auch Datenbanken lizenzierbar sowohl für schöpferische als auch nicht-– schöpferische Datenbanken und -inhalte. Softwarelizenzen MIT oder GNU GPLv3– Mit der Vergabe einer Softwarelizenz wird geregelt, in welcher Form Softwarecode nachgenutzt werden kann. Auswahlhilfe zu Open-Source-Lizenzen 73 KI zur Wissenschaftsunterstützung Künstliche Intelligenz (KI) ChatKI ChatKI https://chatki.htw-berlin.de/login https://www.htw-berlin.de/lehre/lehre-gestalten/kuenstliche-intelligenz-ki-in-lehre-und-pruefungen-an-derhtw-berlin/chatki-chatgpt-an-der-htw-berlin/ Alle Studierenden, Lehrenden und Mitarbeiter*innen der HTW Berlin erhalten einen datenschutzkonfor zum KI-Sprachmodell "GPT-4o" der Firma OpenAI. Wie bei ChatGPT werden men Zugang menschenähnliche Antworten auf textbasierte Eingaben generiert. Damit ist es ein relevantes Tool für Lehren, Lernen und Arbeiten. An unserer Hochschule heißt das Tool „ChatKI“. Tools für die Datenaufbereitung OpenRefine OpenRefine https://openrefine.org/ Tool zur Aufbereitung (unstrukturierter) Daten, deren Bereinigung und Transformation Java-Tool für Daten in Tabellenform. Dient zum Analysieren, Sortieren, Bereinigen, Vereinheitlichen, Transformieren, Gliedern von Daten und Anreichung mit externen Quellen - sowohl kleinen als auch großen Datenmengen und aus verschiedenen Quellen. Es kann auch direkt mit Datenbanken kommunizieren. Free und Open Source Für alle Betriebssysteme Beschreibungvideo auf YouTube: Das Video wurde erzeugt und bereitgestellt vom Thüringer Kompetenzwerk Forschungsdatenmanagement. Folien: https://doi.org/10.5281/zenodo.10033414 Amnesia Amnesia https://amnesia.openaire.eu/ Von der EU finanziertes und bereitgestelltes Tool (zur lokalen Installation) zur Anonymisierung von Forschungsdaten. Stichwörter: Anonymisierung, Sozialwissenschaften, Datenschutz QualiAnon QualiAnon https://github.com/pangaea-data-publisher/qualianon Von Qualiservice bereitgestellte kostenfreie Tool zur Anonymisierung. Anmeldung bei GitHub notwendig & zum Testen eine Nachricht an [email protected] 80 PloSe (PloSe)PlotSerializer https://git.rwth-aachen.de/rdm-tools/plot-serializer https://plot-serializer.readthedocs.io/en/latest/overview.html PlotSerializer (PloSe) - Python-basiert - ermöglicht die FAIRe Bereitstellung von wissenschaftlichen Diagrammen in Veröffentlichungen. Durch die Verwendung dieses Werkzeuges können die hinter dem Diagramm stehenden konkreten Daten ausgelesen bzw. bereitgesetllt werden. Zudem können beschreibende Informationen (Metadaten, wie zum Beispiel ein Link zum primären Datenset) hinzugefügt werden. PloSe ermöglicht derzeit die Serialisierung/ Konvertierung von Matplotlib nach JSON und RO-Crate. PloSe ermöglicht auch die Überführung von JSON-isierten Plots in Matplotlib. Im Rahmen von NFDI4Ing entwickelt und betreut. Schlagwörter: Ingenieurwissenschaften noScribe noScribe https://github.com/kaixxx/noScribe kostenlos, open source, datenschutzkonform noScribe kann zur Transkription von Audiound Video-Aufnahmen verwendet werden. Es ist eine KI-basierte (Wisper), kostenlose open source Software. Datenschutzkonformität wird durch die lokale Installation auf dem eigenen Computer realisiert. Es werden verschiedene Sprecher*innen unterschieden, 99 Sprachen erkannt. Download: 3,7 GB. Installationsanleitung (Englisch): https://github.com/kaixxx/noScribe?tab=readme-ov-file unter „Usage“. Videoanleitung: Anleitung der Universität Paderborn: https://hilfe.uni-paderborn.de/NoScribe_-_KIunterst%C3%BCtzte_Transkription Schlagwörter: Interviews, Transkription, transkribieren, Videos, Tonaufnahmen, Audio ASR4Memory ASR4Memory https://www.fu-berlin.de/asr4memory KI-basierter, kostenloser Transkriptionsservice für die Geschichtswissenschaften: Entwickelt von der NFDI4Memory. "Mit diesem Service können audiovisuelle Ressourcen aus heterogenen Quellen in verschiedenen Sprachen für unterschiedliche Forschungs-, Nachnutzungsund Archivierungsszenarien automatisch transkribiert werden. Die Forschungsdaten werden datenschutzkonform ausschließlich auf lokal betriebenen Infrastrukturen der Freien Universität Berlin verarbeitet." (Quelle: Projektseite s. oben) Servicenutzungsanfragen sind an die NFDI4Memory zu stellen. Kontaktpersonen: tobias. m, [email protected] [email protected] Github-Repositorien: https://github.com/asr4memory Schlagwörter: Geschichtswissenschaften, Interviews, Transkription, transkribieren, Videos, Tonaufnahmen, Audio f4x f4x https://www.audiotranskription.de/ automatisiert, DSGV-konform, kostenpflichtig f4x ist ein kostenpflichtiger webbasierter Dienst, der von der Firma "audiotranskription" angeboten wird und die automatische Transkription von Audiound Videodateien ermöglicht. Die so erstellten Transkripte können dann in der Software f4 (oder in jedem anderen Textverarbeitungsprogramm) bearbeitet und analysiert werden. Schlagwörter: Interviews, Transkription, transkribieren, Videos, Tonaufnahmen, Audio 81 Tools für die Dokumentation der Daten - Metadaten Generatoren DublinCoreGenerator Dublin-Core-Generator http://nsteffel.github.io/dublin_core_generator/ Tool zum generieren maschinenenlesbarer Metadaten nach den Dublin Core Standard (Hauptstandard genutzt von Repositorien) Hinweis: Ob alle vom Repositorium erwünschten Metadatenfelder mit dem Advanced Generator abgedeckt sind, muss im Einzellfall geprüft werden und hängt auch von den Fachspezifika ab. DataCite Generator DataCite Generator https://dhvlab.gwi.uni-muenchen.de/datacite-generator/ Von der Universität München bereitgestellter Generator für die XML-Erstellung von Metadaten nach dem DataCite Metadatenschema. CodeMeta generator v3.0 CodeMeta generator v3.0 https://codemeta.github.io/codemeta-generator/ Metadatengeneratur für Softwareentwicklung und Code. Zur einfachen Erstellung einer json-Datei (maschinenlesbar) eines minimalen Metadatensatzes für Forschungssoftware und Code. Der Generator wurde von der CodeMeta Initiative entwickelt. Es ist ein freies, Open Source Werkzeug. Von der wissenschaftlichen Community wird die Erstellung und Ablage eines codemeta. json Files im Root Directory des Software-/Code-Repositoriums empfohlen. Tools für die Datensicherheit Sie auch Tools zur .Datenaufbereitung Bitte beachten Sie, dass Sie bei Verschlüsselungen und der Vergabe von Passwörtern, die jeweiligen Daten ohne die Zugänge und Codes nicht wieder rekonstruieren können. Sie sollten also im Vorfeld eine gute Strategie zum Umgang und der Aufbewahrung entwickeln. GGf. bitten Sie Laboringenieure oder IT-Fachpersonal am Fachbereich um Unterstützung. KeePass KeePass https://keepass.info/ Frei und Open-Source Software zum Managen von Passwörtern. VeraCrypt VeraCrypt https://www.veracrypt.fr/en/Home.html Frei und Open-Source Software zur Verschlüsselung von Festplatten und Partitionen. FAIRness-Prüfung F-UJI F-UJI https://www.f-uji.net/?action=test Tool zum FAIRness-Check publizierter Daten 82 eTIC eTIC ( )electronic Tool for Informed Consent documents https://etic.med.tum.de Eine online-basierte und kostenlos nutzbare Software, die hilft, allgemein verständliche, ethisch-rechtlich korrekte Unterlagen zur informierten Einwilligung für Studien/ Interviews etc. zu verfassen. eTIC wird von der Klaus Tschira Stiftung gemeinnützige GmbH finanziert und bereitgestellt von der TU München. (Eine kurze Registrierung mit Namen und Mailadresse ist notwendig. Die Freischaltung erfolgt zügig.) Stichworte: Einwilligungserklärung, Einverständniserklärung, Datenschutz, Interviews, Probanden, personenbezogene Daten iVA iVA - interactive Virtual Assistant https://www.berd-nfdi.de/servicestools/legal-questions-in-data-science/ Werkzeug zur Prüfung des Geltungsbereiches des Datenschutzes (DSGVO). Der interaktive, virtuelle Online-Assistent (iVA) unterstützt Datennutzer beim Verständnis der Grundlagen des Datenschutzes (Regelungen) und den rechtlichen Möglichkeiten zur Datennutzung (Einwilligungserklärung). Bereitgestellt von BERD@NFDI Entwickelt von Berd-BW Stichworte: personenbezogene Daten, Datenschutz, Einwilligungserklärung, Recht, Rechtsfragen, DSGVO Lizenzierung License Chooser License Chooser - Auswahlwerkzeug für Creative Commons (CC) Lizenzen https://chooser-beta.creativecommons.org/ (Englisch) Kann als Hilfestellung für die Auswahl der geeigneten Creative Commons Lizenz zur Veröffentlichung Ihrer Daten genutzt werden. !Beachten Sie die Informationen im One-Stop-Shop unter .Lizenzierung Hinweis: Wählen Sie Ihre Lizenz nach dem Motto: "So offen wie möglich, so geschlossen wie nötig". Offene Lizenzen sind CC0 und CC BY (mit Namensnennung). CC BY-NC (Non Commercial) - kann Einschränkungen bedeuten zum Beispiel bei der Nutzung im Rahmen eines bezahlten Lehrauftrages etc. REUSE REUSE - Tool zur Softwarelizenzierung https://reuse.software/ Wurde von der (FSFE) entwickelt zur vereinfachten Lizenzierung frei verfügbarer Free Software Foundation Europe Softwareentwicklungen. Es wurde auf eine Lesbarkeit sowohl durch Menschen als auch Maschinen geachtet. 83 Seitenimpressum Einverständniserklärung und Datenschutz (DSGVO) CC BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: https://orcid.org/0000-0002-8651-0313) im Projekt FitForFDM an der HTW Berlin. Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. Unterstützt durch: Eske Heister (Originalentwurf: FAQs); Alexandra Löwe (Korrekturdurchsicht) Schulungsmaterial Thema Zielgruppe Beschreibung Link FDM Selbstler nkurs PostDocs; Docs; Masterstudie rende; Lehrende Interaktiver Selbstlernkurs zum Forschungsdatenmanagement nach den FAIR-Prinzipien. Plattform: Moodle Lizenz: CC BY 4.0 Veröffentlicht: Zenodo. DOI: https://doi.org/10.5281/zenodo.1770526 Dauer: 4 Std. Der Kurs ist modular aufgebaut, um die Entnahme einzelner Elemente zu ermöglichen, sodass themenspezifisch Elemente in der Lehre zur Vermittlung guter wissenschaftlicher Praxis verwendet werden können. Wenden Sie sich hierfür für die entsprechende Einschreibung in den Kurs an [email protected] Die Übersicht zeigt die Inhalte des Kurses mit der geschätzten Bearbeitungszeit der Module: 1. FDM Grundlagen (55 Min) Grundlegende Prinzipien des Forschungsdatenmanagements - ca. 20 min. Der Datenmanagementplan - ca. 20 min. Was ist zu beachten: Recht & Datenschutz, HTW-Vorgaben, Kostenüberlegungen - 15 min. 2. FDM in der Projektphase: Datenerhebung - Aufbereitung (60 Min) Übersicht über die Aufgaben des Datenmanagements - ca. 10 min. Arbeiten mit Daten in der Datenerhebungsphase - ca. 20 min. Sicherung der Datenqualität und Dateispeicherformate - ca. 15 min Metadaten - ca. 15 min. 3. FDM in der Projektphase: Bereitstellung und Archivierung (50 Min) Übersicht über die Aufgaben des Datenmanagements - ca. 15 min. Lizensierung von Daten - ca. 15 min. Archivierung von Daten in Repositorien - ca. 10 min. Kriterien bei Daten für die Archivierung - ca. 10 min. Die Zeitangaben sollen eine grobe Orientierung geben. Den Kurs begleitend wird ein Datenmanagementplan erstellt. PostDocs der HTW Berlin können im Rahmen des Future Professors Programme sich den Kurs anrechnen lassen. Lizenzinformation: CC BY 4.0 erstellt von Esther Schneidenbach im Projekt FitForFDM 2025 und unterstützt durch die Firma Infoport Bereitgestellt zur Nachnutzung auf Zenodo. Für Mitglieder der HTW Berlin auch im HTW Moodle erreichbar Nachnutzungslink: Schneidenbach, Esther, & Infoport. (2025). FDM Selbstlernkurs - Moodle-Kurs. Zenod https://doi.o rg/10.5281 /zenodo.17705265 Fachübergreifende Lernund Lehrkurse zum Thema Forschungsdatenmanagement (FDM) für den Einsatz in Studium und Lehre https://landesinitiat ivefdmnrw.github. io/FDMatStudium/ Lizenz: CC BY 4.0 84 1. 2. 3. 4. Grundlagen des FDM Lehrende Level: Bachlorund Masterstudie rende E-Learning-Kurs: Grundwissen Datenmanagement in Studium und wiss. Praxis Erstellt: Projekt [email protected] Verbund der Landesinitiative fdm.nrw, Bergische Universität Wuppertal (BUW), die Technische Hochschule Köln (TH Köln) und die Universität Duisburg-Essen (UDE) Inhalt: Moodle-Kurs Materialsammlung Videosammlung Beschreibung: "Dieser Moodle-Selbstlernkurs ist an der Bibliothek der Bergischen Universität Wuppertal entstanden. Er vermittelt in vier Lerneinheiten und acht Modulen Grundlagen zu Daten im Forschungsprozess, Grundsätze digitaler Publikation, Nachnutzung und Datenorganisation und über Dateiformate. Dabei liegen Schwerpunkte der Vermittlung auf der praktischen Anwendung und dem Lernen am Vorbild ‚Wissenschaft‘. Der Kurs setzt auf Elemente der Interaktion und zur Überprüfung des Gelernten auf Abschlussquizze." https://www.orca. nrw/oer/oer-finden /gefoerderte-kurse /fdmstudium-nrw/ Grundlagen Metadaten Forschungsdaten Nachnutzung und Rechtliches FAIRPrinzipien Lehrende / Studierende Level: Bachelor Lernbausteine FDM 4 Elemente: Von Datenchaos zu Datenheld:innen - Wie Forschungsdatenmanagement für Ordnung sorgt Von der Idee zur Wissenschaft - Die Entstehung von Forschungsdaten Datenrecycling - Wie Forschungsdaten nachgenutzt werden können FAIR Play - Warum Forschungsdaten Management brauchen "Die unter der Federführung der Landesinitiative fdm.nrw entstandenen Moodle-Selbstlernkurse „Lernbausteine zum FDM“ stellen vier kleinere thematische Einheiten dar, die Einblicke in Teilbereiche des FDM geben. Die Inhalte wurden aus den umfassenderen Kursen von der BUW und der TH Köln zusammengestellt und erweitert. Sie fokussieren dabei Themen, die insbesondere Studierende im Bachelorstudium ansprechen und neben praktischen Aspekten wie der Organisation und Nachnutzung von Daten auch grundlegende Informationen über die Entstehung von Forschungsdaten und den FAIRen Umgang vermitteln sollen. Interaktive Elemente laden zum Mitmachen ein, Quizze zur Überprüfung des Erlernten." Quelle: https://landesinitiativefdmnrw.github.io/FDMatStudium/bricks/ https://landesinitia tivefdmnrw.github. io/FDMatStudium /bricks/ Grundlagen Lehrende für Bachelor -/ Masterkurse Blended-Learning-Basiskurs „Forschungsdatenmanagement“ https://landesinitiat ivefdmnrw.github. io/FDMatStudium /thk/index.html Blümm, M., Fritsch, K., Bock, S., Hackenbuchner, J., Arning, U., & Förstner, K. U. (2024). Information zum Blended-LearningBasiskurs „Forschungsdaten management“ der TH Köln (Version 1.0). Aufbereitung Lehrende / Forschende Selbstlernkurs Einführung in das Data Wrangling – Konzepte und Umsetzung in SPSS "An der Universität Duisburg-Essen ist im Rahmen des Projekts der Moodle-Selbstlernkurs [email protected] Einführung in das Data Wrangling – Konzepte und Umsetzung in SPSS entstanden. Der Kurs vermittelt einen Überblick über den Prozess des Data Wrangling. Data Wrangling kann grob mit dem deutschen Wort "Datenaufbereitung" übersetzt werden und beschreibt den Prozess der Vorbereitung erhobener Daten zur anschließenden eigenen Analyse sowie der Nachnutzung durch Dritte. Grundlage des Kurses ist ein Rohdatensatz mit Daten aus einer Umfrage zur Studienmotivation, der zunächst in die Statistik-Software SPSS (Statistical Package for the Social Sciences) überführt werden muss. Dafür müssen verschiedene Fragen zusammengefasst werden, geschaut werden, ob es fehlende Werte im Datensatz gibt, überlegt werden, wie mit fehlenden Daten umgegangen wird und überprüft werden, ob die verschiedenen Fragen überhaupt zusammenfasst werden können. Der Prozess des Data Wrangling besteht aus mehreren Schritten, die alle gleichsam wichtig sind, damit am Ende aus den Daten valide Forschungsergebnisse entstehen können." Quelle: https://landesinitiativefdmnrw.github.io/FDMatStudium/ude/ https://landesinitiat ivefdmnrw.github. io/FDMatStudium /ude/ 85 Grundlagen DMP Metadaten FAIR CARE Datenqualität Datenorganisa -tion Datenspeicherung Datenarchivierung Recht Lehrende Aus der Materialbeschreibung von Zenodo übernommen: Allgemeines: Hier werden zwei Importdateien für ein Lernmodul zum Thema Forschungsdatenmanagement zur Nachnutzung zur Verfügung gestellt. Die Importdateien liegen für Moodle (Version 3.9) und ILIAS (Version 7.0) vor. Die Kompatibilität mit anderen Versionen muss ggf. geprüft werden. : Einführung FDM; Lebenszyklus von Forschungsdaten; Datenmanagementplan; Metadaten und Inhalte Metadatenstandards; FAIR-Prinzipien und CARE-Prinzipien; Datenqualität; Datenorganisation; Datenspeicherung und -archivierung; Recht. Kurs für Moodle und ILIAS. Kann vollständig angepasst werden. Krähwinkel, E., Langner, P., Lipp, R., & Pietsch, A. M. (2022, März 22). HeFDI Data Learning Materials: Forschungsdaten management – eine OnlineEinführung. Zenodo. https://doi .org/10.5281 /zenodo.6373596 CC-BY 4.0 Sammlung von Schulungsmaterialien zum FDM https://rs.cms.huberlin.de/uag_fdm /pages/search. php?search=% 21last1000&order _by=resourceid Seitenimpressum C BY 4.0, FDM One-Stop-Shop (2025) erstellt von Esther Schneidenbach (ORCiD: ) im https://orcid.org/0000-0002-8651-0313 Projekt FitForFDM an der . Ausgenommen sind jegliche Logos und Grafiken anderer Urheber. HTW Berlin Unterstützt durch: Alexandra Löwe (Korrekturdurchsicht) 86 FAQs Inhalt Projektplanung Datenerhebung, Analyse & Aufbereitung Publikation & Archivierung Gibt es an der HTW Berlin Angebote zur Datenpublikation? Welche Lizenzen werden empfohlen? Welche Möglichkeiten für die Archivierung von Forschungsdaten gibt es? Welche Lizenzen können bei der Veröffentlichung von Forschungsdaten verwendet werden? Muss ich ein Copyright-Zeichen verwenden um klarzustellen, dass die Daten urheberrechtlich geschützt sind? Projektplanung Einige Förderinstitutionen besitzen mittlerweile offizielle Vorgaben zur Erstellung von Datenmanagementplänen. Sie stellen hierfür Mustervorlagen zur Verfügung, die verwendet werden sollen. Grundsätzlich ähneln sich die Mustervorlagen. Alle verlangen die Dokumentation der Planungen zum Umgang mit Forschungsdaten, worin beschrieben wird, wie mit den Daten während der Laufzeit und nach Projektende umgegangen werden soll. Einen Überblick zu den FDM und DMP Vorgaben der unterschiedlichen Förderer finden Sie hier im One-Stop-Shop: Vorgaben & Policies Musterpläne von unterschiedlichen Forschungsförderern - bereitgestellt und kommentiert von der HU Berlin: Muster-DMP DFG (PDF, 136 KB oder ODT, 11 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines DFG-Antrags (Quelle: HUBerlin) Muster-DMP BMBF (PDF, 80 KB oder RTF, 66 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines BMBF-Antrags (Quelle: HU-Berlin) Muster-DMP Volkswagenstiftung (PDF, 127 KB, RTF, 120 KB oder XLSX, 19 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines BMBF-Antrags (Quelle: HU-Berlin) Zur Erstellung eines DMP können frei verfügbare Online-Tools genutzt werden: DMP-Formular (Moodle der HTW Berlin): https://moodle.htw-berlin.de/course/view.php?id=49655 RDMO freies DMP-Tool für die institutionelle Nutzung mit eigenen Instanzen DMPonline freies, englischsprachiges Online-Tool für die Erstellung von Datenmanagementplänen des Digital Curation Centre (DCC) Weitere Informationen zum Thema DMP finden Sie hier: https://forschungsdaten.info/themen/informieren-und-planen/datenmanagementplan/ Ja. In den der DFG befassen sich sechs der 19 Leitlinien mit Regelungen für das "Leitlinien zur Sicherung guter wissenschaftlicher Praxis" (Kodex) Forschungsdatenmanagement. Erwähnenswert ist, dass auch Software aus Forschungsprojekten zu Forschungsdaten gezählt wird. Bezüglich des Datenmanagement muss im Antrag der Umgang mit den Forschungsdaten innerhalb des Projekts beschrieben werden. Idealerweise indem ein Entwurf zum konkreten Vorgehen vorgestellt wird. Dazu gehören Beschreibungen zu: Wer ist für was verantwortlich innerhalb des Projekts und welche Ressourcen stehen zur Verfügung Welche Daten sind oder werden im Projekt vorhanden sein (Art und Umfang der Daten) Wie wird im Projekt dokumentiert Wie und wo werden die Daten gespeichert, publiziert und archiviert Werden Daten ausgetauscht und wenn ja wie Welche rechtlichen Aspekte sind zu berücksichtigen (Urheberrecht, Datenschutz, Lizenzierung, Vereinbarungen (zu Vertraulichkeit) Hinweise: Die „ “ (AM 14/22) geht im Kapitel 9 „Dokumentation und Archivierung von Satzung zur Sicherung guter wissenschaftlicher Praxis […] an der HTW Berlin Forschungsdaten und -ergebnissen“ ausführlich auf die Dokumentation ein. Die DFG stellt hierfür eine zu den zu beschreibenden Themen zur Verfügung.Checkliste Für das Forschungsmanagement entstehen Sachund Personalkosten. Es ist ratsam, Sie im Projektantrag mit einzukalkulieren und entsprechende Mittel zu berücksichtigen. Mögliche Kostenpunkte können entstehen bei: Bei der Verwendung existierender Daten (Zugriff), Speichern und Backup von Daten (Hardware) Digitalisierung von Objekten/Unterlagen/Manuskripten Datenpublikation Datenarchivierung Personalkosten für wissenschaftliches Personal/Hilfskräfte (z. B. Formatieren/Organisieren/ Dokumentieren von Daten, Erstellen von Metadaten) Personalkosten für Datenmanager*innen Es gibt Werkzeuge, die helfen die Kosten für das Datenmanagement in Ihrem Projekt zu kalkulieren, z. B. das kostenfreie OpenAIRE Ja, es können Mittel für die Umsetzung von Forschungsdatenmanagement im Projektantrag beantragt werden. Diese sollten Sie als benötigte Ergänzungsausstattung kommunizieren, da oftmals keine Grundausstattung gefördert wird. 87 1. 2. 3. 4. 5. Kostenübernahmen, die als Ergänzungsausstattung beantragt werden können: Personalkosten (wiss. Personal/Hilfskräfte (z. B. Formatieren/Organisieren/ Dokumentieren von Daten, Erstellen von Metadaten) Hardund Software, die speziell für das Projekt angeschafft wird Nutzungsgebühren (z. B. Infrastrukturen, Sekundärdaten: für Speicherung und Backup) Kosten für die Aufbereitung von Daten für die Anschlussnutzung Kosten für die Überführung in bestehende Infrastrukturen (z. B. Archivierung, Publikation) Die Struktur eines Datenmanagementplans (DMP) orientiert sich meist an den Musterplänen der unterschiedlichen Forschungsförderer. Grundsätzlich) werden die Planungen zum Umgang mit Forschungsdaten dokumentiert. Es wird beschrieben, wie mit verwendeten Daten während der Laufzeit und nach Projektende umgegangen wird. Musterpläne von unterschiedliche Forschungsförderer: Muster-DMP DFG (PDF, 136 KB oder ODT, 11 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines DFG-Antrags (Quelle: HUBerlin) Muster-DMP BMBF (PDF, 80 KB oder RTF, 66 KB) für die Erstellung eines Datenmanagementplans im Rahmen eines BMBF-Antrags (Quelle: HU-Berlin) Es gibt unterschiedliche rechtliche Aspekte zu beachten. Dazu zählen die Urheberrechte Dritter, der Datenschutz von personenbezogenen Daten sowie die Verwertungsrechte an den Daten und Forschungsergebnissen. Überprüfen Sie deshalb die rechtlichen Rahmenbedingungen und Vorgaben für den Umgang mit diesen Forschungsdaten schon in der Planungsphase. Urheberrechte Dritter Wollen Sie Daten verarbeiten, die bereits von anderen Personen oder Institutionen zur Verfügung gestellt wurden, überprüfen Sie im Vorfeld, unter welchen Bedingungen Sie diese nutzen dürfen. Teilweise greift hier das . Eine besondere Rolle kommt den Daten zu, die über indigene Urheberrecht Bevölkerungsgruppen und ihr Teritorium sowie ihrer geistigen Wertschöpfungen erstellt wurden bzw. erstellt werden sollen. Hier sind bspw. die CAREzu beachten.Prinzipien Personenbezogene Daten Handelt es sich um personenbezogene Daten, unterliegen Sie der Datenschutzgrundverordnung (DSGV). Informationen und Beratung zur DSGV finden Sie auf der der HTW Berlin.Website der Datenschutzbeauftragten Verwertungsrechte Finden Sie außerdem bei Ihrem Arbeitgeber heraus, welche Verwertungsrechte Sie an den von Ihnen erhobenen Daten haben. Erzeugen Sie gemeinsam mit anderen Daten, treffen Sie am besten vorab gemeinsam schriftliche Vereinbarungen dazu, wer welche Daten in welcher Form nutzen darf. Weiterführende Links Informationen auf forschungsdaten.info Infoseite zum Urheberrecht in Forschungs und Lehre des BMBF Infos zu rechtlichen Rahmenbedingungen des Forschungsdatenmanagements des DataJus-Projekts (TU Dresden) Leitfaden "Rechtsfragen bei Open Science" der Uni Hamburg Wenn Sie ein persönliche Beratung zum Forschungsdatenmanagement benötigen, wenden Sie sich bitte an [email protected] Datenerhebung, Analyse & Aufbereitung Bisher gibt es keine einheitliche Definition zu Forschungsdaten, da die Forschungsdaten von Fach zu Fach unterschiedlich definiert werden. Allgemein sind Forschungsdaten jedoch (digitale) Daten die während einer wissenschaftlichen Tätigkeit entstehen. Sie bilden die Grundlage für wissenschaftliche Arbeit und dokumentieren deren Ergebnisse. Die DFG zählt zu Forschungsdaten u. a. Messdaten, Laborwerte, audiovisuelle Informationen, Texte, Surveydaten, Objekte aus Sammlungen oder Proben, die in der wissenschaftlichen Arbeit entstehen, entwickelt oder ausgewertet werden. Methodische Testverfahren, wie Fragebögen, Software und Simulationen können ebenfalls zentrale Ergebnisse wissenschaftlicher Forschung darstellen und sollten daher ebenfalls unter den Begriff Forschungsdaten gefasst werden." [1] Quelle: https://forschungsdaten.info/themen/informieren-und-planen/was-sind-forschungsdaten/ Metadaten sind alle Beschreibungen, z. B. Kontextund Eigenschaftsinformationen, zu einer Datenbasis. Sie liegen meist in strukturierter Form vor und dienen zur Dokumentation von Daten. Grundlegende deskriptive Metadaten sind: Eindeutiger Identifier (z. B. ein doi), Titel, Ersteller (hauptverantwortlich Forschende), Erhebungsdatum (auch Versionen), Format (ggf. benötigte Software), Fachgebiet, Beschreibung der Daten / Abstract, Erfassung der Daten (räumlich / zeitlich), Organisation, Rechte / Lizenzbestimmungen, Beziehung zu anderen Objekten (Daten, Texte...) Duch den Einsatz von Metadaten können Daten besser auffindbar (auch maschinell, z. B. durch Suchmaschinen), nachnutzbar sowie zitierfähig und damit der datenerstellenden Person zuordbar gemacht werden. Metadaten können auf unterschiedliche Weise gesammelt werden, z. B. in Readme-Dateien (Text, PDF), in einer strukturierten XML-Datei, integriert in den Daten-Dateien (z. B. im Fileheader), in Tabellen (z. B. Excel) oder in einer Datenbank (z. B. Laborbuch) Weiterführende Links 88 https://forschungsdaten.info/themen/beschreiben-und-dokumentieren/metadaten-und-metadatenstandards/ Achten Sie bei der Wahl des Dateiformats, die Daten in ein offenes Format abzuspeichern oder zu konvertieren, um einen Datenaustausch zu erleichtern. Viele Anwendungsprogramme oder manche Geräte speichern Daten in einem Hersteller-spezifischen Format, das von anderen Softwareprodukten nicht lesbar ist. Empfehlungen zu Dateiformaten finden Sie unter Dateiformate hier im FDM One-Stop-Shop. Ordnerund Dateinamen sollten so definiert werden, dass schnell darauf schließen lässt, um welchen Inhalt es sich bei ihnen handelt. Best Practice Hinweise finden Sie unter: Datenumgang: Benennungen - Ablage - Sicherung Es gibt unterschiedliche rechtliche Aspekte zu beachten. Dazu zählen die Urheberrechte Dritter, der Datenschutz von personenbezogenen Daten sowie die Verwertungsrechte an den Daten und Forschungsergebnissen. Überprüfen Sie deshalb die rechtlichen Rahmenbedingungen und Vorgaben für den Umgang mit diesen Forschungsdaten schon in der Planungsphase. Urheberrechte Dritter Wollen Sie Daten verarbeiten, die bereits von anderen Personen oder Institutionen zur Verfügung gestellt wurden, überprüfen Sie im Vorfeld, unter welchen Bedingungen Sie diese nutzen dürfen. Teilweise greift hier das Urheberrecht. Eine besondere Rolle kommt den Daten zu, die über indigene Bevölkerungsgruppen und ihr Teritorium sowie ihrer geistigen Wertschöpfungen erstellt wurden bzw. erstellt werden sollen. Hier sind bspw. die CAREPrinzipien zu beachten. Personenbezogene Daten Handelt es sich um personenbezogene Daten, unterliegen Sie der Datenschutzgrundverordnung (DSGV). Informationen und Beratung zur DSGV finden Sie auf der Website der Datenschutzbeauftragten der HTW Berlin. Verwertungsrechte Finden Sie außerdem bei Ihrem Arbeitgeber heraus, welche Verwertungsrechte Sie an den von Ihnen erhobenen Daten haben. Erzeugen Sie gemeinsam mit anderen Daten, treffen Sie am besten vorab gemeinsam schriftliche Vereinbarungen dazu, wer welche Daten in welcher Form nutzen darf. Weiterführende Links Informationen auf forschungsdaten.info Informationsblatt des BMFTR (ehemals BMBF) zu Urheberrecht in der Wissenschaft Infos zu rechtlichen Rahmenbedingungen des Forschungsdatenmanagements des DataJus-Projekts (TU Dresden)Leitfaden "Rechtsfragen bei Open Science" der Uni Hamburg Personenbezogene Daten sind besonders schützenswert, sowohl aus rechtlicher als auch aus forschungsethischer Sicht. Handelt es sich um personenbezogene Forschungsdaten muss die (DSGVO) beachtet und angewendet werden. Forschungsdaten sind Datenschutzgrundverordnung personenbezogene Daten, wenn sie über mindestens eine identifizierte oder identifizierbare natürliche Person ( https://dsgvo-gesetz.de/art-4-dsgvo/) handeln. Grundsätzlich muss darauf geachtet werden, dass personenbezogene Daten anonymisiert werden, so dass die Zuordnung nur mit erschwertem Aufwand möglich ist. Beispiele für personenbezogene Forschungsdaten: Name von Probanden E-Mail-Adresse Anschrift oder Telefonnummer Genetische oder biometrische Daten Gesundheitsdaten Matrikelnummer von Studierenden Usernamen auf Onlineplattformen oder andere Online-Kennungen Beispiele für Forschungsdaten ohne Personenbezug: Messdaten aus den Ingenieurwissenschaften (z. B. Geooder Materialwissenschaften) Genom von Pflanzen oder Tieren haben keine Personenbezug Weitere Informationen finden sie hier: Anwendung von Datenschutzrecht: https://forschungsdaten.info/themen/rechte-und-pflichten/datenschutzrecht/ Praxisleitfaden und Grundsatzregeln für die Anonymisierung personenbezogener Daten: https://stiftungdatenschutz.org/praxisthemen /anonymisierung Speichermedien unterscheiden sich in ihrer Lebensdauer, Kompatibilität sowie Widerstandsfähigkeit gegen Umwelteinflüsse. gibt Forschungsdateninfo.org eine . Es wird empfohlen, Hardware alle 5 Jahre auszutauschen und in der Zwischenzeit regelmäßig Übersicht zu den unterschiedlichen Speichermedien zu nutzen. Server und Cloud-Speicher müssen so gesichert sein, dass sie gegenüber unbefugten Zugriff geschützt sind. Demgegenüber muss bei mobilen Datenträgern, wie Laptops oder USB-Sticks/Festplatten darauf geachtet werden, dass diese nicht verloren gehen oder gestohlen werden können. Angebote des HRZ (Zentral organisiert) Übersicht Speicherplätzen des HRZ Website des HRZ 89