Positionspapier zur Zukunft der Data- und Digital-Science-Community

DOI: 10.5281/zenodo.17475528 Positionspapier zur Zukunft der Dataund Digital-Science-Community Dataund Digital-Science-Community1, Autor:innenteam2 Wir befinden uns inmitten eines tiefgreifenden digitalen Wandels: Daten entstehen in rasant wachsender Menge und verändern unsere Gesellschaft, Wirtschaft und Wissenschaft. Eine unmittelbare Auswirkung ist die grundlegende Veränderung der Wissensund Arbeitswelt durch den Einsatz von Künstlicher Intelligenz (KI). Die Potenziale des digitalen Wandels sind der Schlüssel zur Lösung drängender Herausforderungen – von Gesundheitskrisen über die Energiewende bis hin zur Transformation von Industrie und Mobilität. Wer Daten kompetent nutzt, kann vorausschauender handeln, schneller reagieren und fundierte Entscheidungen treffen. Doch dieses Potenzial bleibt häufig ungenutzt. Hier kommen datenbasierte Forschung sowie Methoden der Data und Digital Science zum Tragen. Als interdisziplinäres Feld befassen sie sich mit der digitalen Transformation wissenschaftlicher Praxis. Dabei verbindet sie moderne Analyseverfahren wie KI-Methoden mit Fachwissen aus den verschiedenen Anwendungsbereichen. Es werden einerseits innovative Datenerfassungsund -analysemethoden (Data Science) als auch Kompetenz zum Einsatz digitaler (KI-)Methoden (Digital Science) kombiniert. Andererseits werden im Hinblick auf 1 Verein in Gründung ([email protected]) – Gründungsvorstand: Prof. Dr. Dirk Nowotka, Digital Science Center, Christian-Albrechts-Universität zu Kiel; Prof. Dr. Rolf Drechsler, Data Science Center, Universität Bremen; Dr. Martin Semmann, Hub of Computing & Data Science, Universität Hamburg 2 Alphabetisch: Christian Bockermann, Interdisziplinäres Institut für Angewandte KI und Data Science Ruhr, Hochschule Bochum; Rolf Drechsler, Data Science Center, Universität Bremen; Canan Hastik, Datenkompetenzzentrum SODa, Interessensgemeinschaft für semantische Datenverarbeitung e.V.; Alicia Janz, Datenkompetenzzentrum DKZ.2R, Forschungszentrum Jülich – IAS-9; Isabelle Matthias, Campus-Institut Data Science, Georg-August-Universität Göttingen; Dirk Nowotka, Digital Science Center, Christian-Albrechts-Universität zu Kiel; Helen A. Pfuhl, Digital Science Center, Christian-Albrechts-Universität zu Kiel; Martin Semmann, Hub of Computing & Data Science, Universität Hamburg; Lena Steinmann, Data Science Center, Universität Bremen; Henrike Weinert, TU Dortmund Center for Data Science and Simulation, TU Dortmund; Katharina Weiß, Bielefeld Center for Data Science, Universität Bielefeld Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 2 die verschiedensten Fragestellungen Methoden gezielt neuund/oder weiterentwickelt. So eröffnen sich neuartige Forschungsansätze in den Lebens-, Naturund Ingenieurwissenschaften, aber insbesondere auch in den Sozialwissenschaften, der geistes-, kulturwissenschaftlichen und objektbasierten Forschung. Im Ergebnis entstehen aus Daten Innovationen, beispielsweise in der frühzeitigen Erkennung von Krankheitsausbrüchen, der Steuerung von Energienetzen, der Vorhersage von Extremwetter oder der Analyse kultureller Transformationsprozesse und Wissensräume. Doch solche Fortschritte entstehen nicht von allein. Damit Data und Digital Science ihre Wirkung entfalten können, braucht es gezielten Kompetenzaufbau und leistungsfähige Strukturen, sodass Forschung an der Schnittstelle zwischen Methodenentwicklung und Anwendungsdomänen partnerschaftlich ermöglicht und durchgeführt werden kann. Es reicht nicht, Daten zu sammeln oder Einzelpersonen weiterzubilden – es braucht interdisziplinäre Forschungseinrichtungen, die methodisches Know-how mit fachlicher Anwendung verbinden und bedarfsgerechte Unterstützungsangebote für die Anwendungsdisziplinen bereitstellen. In der Regel wird es immer eines Teams bedürfen, um erfolgreich sein zu können, da der Wissensbedarf von Einzelpersonen nicht zu stemmen ist. So können datenbasierte Innovationen dort entstehen und wirken, wo sie gebraucht werden. Um diese Rolle auszufüllen, bedarf es institutionalisierter Scharnierfunktionen – den Dataund Digital-Science-Zentren, die zwischen Methodenentwicklung und fachlicher Anwendung vermitteln. Viele Hochschulen und Forschungseinrichtungen haben auf diese Bedarfsentwicklungen bereits reagiert, indem sie Dataund Digital-ScienceZentren, spezialisierte Studiengänge, Beratungsstellen und Weiterbildungsangebote aufgebaut haben. Seit 2023 fördert das deutsche Forschungsministerium zudem den Aufbau elf regionaler Datenkompetenzzentren3. In Österreich existieren vergleichbare Initiativen4. Auch die inzwischen dauerhaft geförderten deutschen KI-Kompetenzzentren zeigen, wie wirkungsvoll solche Investitionen sind. Die Gesamtheit all dieser Einrichtungen ist unerlässlich, um die Potenziale nationaler und europäischer Dateninfrastruktur-Initiativen – wie die Nationale Forschungs3 https://www.bildung-forschung.digital/digitalezukunft/de/bildung/digital_und_datenkompetenzen/datenkompetenzzentren_fuer_die_wissenschaft_ordner/datenkompe tenzzentren_fuer_die_wissenschaft_node.html 4 https://www.digitaloffensive.at/k/bereiche/daten-cloud-ki/massnahmen-daten-cloud-ki/ und https://www.know-center.at/ Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 3 dateninfrastruktur (NFDI)5, Gaia-X6, RDA Austria7 oder die European Open Science Cloud (EOSC)8 – in konkreten wissenschaftlichen und gesellschaftlichen Fortschritt zu übersetzen. Die bloße Bereitstellung von Daten genügt nicht: Es braucht verlässliche institutionelle Rahmenbedingungen, um solche signifikanten Investitionen nachhaltig zur Wirkung in den Hochschulen, Forschungseinrichtungen und der Gesellschaft zu bringen. Trotz erster Fortschritte fehlt bislang eine zuverlässige Grundfinanzierung. Viele der Dataund Digital-Science-Einrichtungen arbeiten projektfokussiert. Fachgremien wie der Wissenschaftsrat, die EU-Kommission oder der Stifterverband befürworten seit Jahren eine institutionelle Verstetigung von Dataund Digital-Science-Einrichtungen in Hochschulen und Forschungseinrichtungen9. Für eine breite Wirksamkeit braucht es flächendeckend Strukturen für Forschung, Weiterbildung und partnerschaftliche Beratung ohne zeitliche Befristung durch Förderprogramme. Die Dataund Digital-Science-Community hat sich im deutschsprachigen Raum als starkes Netzwerk formiert, das Methodenexpertise, Anwendungswissen und Kompetenzentwicklung überregional und systematisch verbindet. Dieses Positionspapier benennt strukturelle Hemmnisse und zeigt auf, wie gezieltes politisches Handeln die Grundlagen für ein zukunftsgerichtetes, datenund digitalkompetentes Wissenschaftssystem schaffen kann. Jetzt ist der Moment zu handeln. Nationale und regionale Regierungen müssen gemeinsam die Voraussetzungen schaffen, um Data und Digital Science als strategischen Innovationsmotor dauerhaft an den Hochschulen und Forschungseinrichtungen zu verankern – für ein leistungsfähiges Wissenschaftssystem, für gesellschaftliche Resilienz und für die internationale Wettbewerbsfähigkeit des deutschsprachigen Raums im digitalen Zeitalter. 5 https://www.nfdi.de/ 6 https://gaia-x.eu/ 7 https://www.rd-alliance.org/groups/rda-austria/activity/ 8 https://eosc.eu/eosc-about/ 9 Z. B. Wissenschaftsrat: (2023) Empfehlungen zur Souveränität und Sicherheit der Wissenschaft im digitalen Raum; (2020) Positionspapier - Zum Wandel in den Wissenschaften durch datenintensive Forschung; EU-Kommission: ESFRI White Paper (2020) Making Science Happen - A New Ambition for Research Infrastructures in the European Research Area; Stifterverband: Ebeling & Roth-Grigori (2020) Discussion Paper - Schritte in Richtung einer Datenkultur von Morgen; Kirchherr et al. (2018) Future Skills - Welche Kompetenzen in Deutschland fehlen; Winde et al. (2017) Durch Kooperation zum Standortprofil Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 4 Forderungsübersicht: Was jetzt politisch notwendig ist 1. Institutionelle Verstetigung von Dataund Digital-Science-Strukturen Weitgehend projektbasierte Finanzierung reicht nicht aus. Forschung, Beratung und Qualifizierung im Bereich Data und Digital Science müssen dauerhaft an Hochschulen und Forschungseinrichtungen verankert werden. Es braucht flächendeckend Zentren, in denen Methodenexpertise mit Anwendungswissen systematisch zusammengeführt wird – nicht nur in einzelnen Leuchtturmprojekten. 2. Verstärkung des Kompetenzaufbaus in allen Disziplinen Datenkompetenz ist eine Querschnittsaufgabe – sie geht über Mathematik, Statistik und Informatik hinaus. Alle Fachrichtungen benötigen gezielte Unterstützung durch Weiterbildungen, Beratungsangebote und praxisnahe Trainings. Auch die Hochschullehre muss systematisch dazu befähigt werden, Datenund Digitalkompetenz in die Breite der Studiengänge zu integrieren. Um diese Aufgabe nachhaltig umzusetzen, sollten auch außeruniversitäre Forschungseinrichtungen aktiv eingebunden werden. 3. Data und Digital Science als Teil strategischer Innovationspolitik anerkennen Data und Digital Science haben eine zentrale Querschnittsfunktion für wissenschaftlichen Fortschritt und gesellschaftliche Innovation. Sie sollten in den Forschungs-, Digitalund Innovationsstrategien von Bund und Ländern explizit berücksichtigt und mit langfristigen Förderlinien unterstützt werden – als integraler Bestandteil einer zukunftsorientierten Wissenschaftsund Standortpolitik. 4. Nutzung der Dateninfrastrukturen und Repositorien durch Data und Digital Science stärken und sicherstellen Initiativen wie die NFDI, EOSC oder Gaia-X entfalten ihre Wirkung erst, wenn sie aktiv genutzt werden. Dafür braucht es Strukturen und Fachleute, die Daten nicht nur verwalten, sondern analysieren, interpretieren und in konkrete Lösungen überführen können. Hierzu gehört auch die Entwicklung neuer Instrumente beziehungsweise Methoden, zum Beispiel des Software Engineerings. Ohne Data und Digital Science bleibt der Infrastrukturausbau wirkungslos. Gleichzeitig können die Zentren den Brückenschlag zu Forschungsdatenmanagement und Research Software Engineering schaffen. Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 5 Data und Digital Science sind existenziell für innovative Forschung Spitzenforschung muss, um international anschlussfähig zu sein, die Potenziale von Daten und Digitalisierung systematisch nutzen. Diese Aufgabe lässt sich weder allein in den Fachdisziplinen noch durch Einzelpersonen stemmen. Gelingen kann dies nur, wenn übergreifende, gut vernetzte Einrichtungen – die Dataund DigitalScience-Zentren – Kompetenzen und Ressourcen dauerhaft vorhalten, um synergetisch die Bedarfe von Forschenden zu bedienen. Eine wichtige Rolle spielt dabei ein stabiler Pool aus erfahrenem Personal und dynamische Erneuerung durch Nachwuchswissenschaftler:innen. Erstere sichern mit umfangreichen Methodenwissen und Domänenexpertise die Kontinuität, Qualität und Verlässlichkeit. Letztere bringen neue Perspektiven ein, greifen aktuelle Fragestellungen auf und tragen als Multiplikator:innen zur Weitergabe von Wissen bei. Gleichzeitig können neue Impulse gesetzt werden, um methodische (Weiter-) Entwicklungen und die Transformation des rein disziplinären Arbeitens zu befördern. Denn datenintensive Forschung verändert nicht nur das Wie, sondern auch das Was und Wo von Wissenschaft: Neue Fragestellungen werden möglich, bestehende Methoden hinterfragt und erweitert, disziplinäre Grenzen durchlässiger. Dataund Digital-Science-Zentren schaffen Räume, in denen disziplinübergreifende Zusammenarbeit strukturell gefördert wird – etwa durch gemeinsame Projekte, Co-Betreuung von Nachwuchswissenschaftler:innen, offene Formate oder standardisierte Werkzeuge. Warum datennahe Forschung jetzt strategisch gefördert werden muss Rollierender Braindrain: Expert:innen sind häufig projektbasiert angestellt. Dies führt zu einem wiederkehrenden Wissensverlust durch ausscheidendes Fachpersonal, da kontinuierliche Beschäftigung und Karriereperspektiven fehlen. Steigende Rüstkosten für Forschung: Ohne nachhaltige Strukturen entstehen hohe Einstiegshürden für datenbasierte Forschung. Jedes neue Projekt muss personelle, technische und methodische Grundlagen erneut aufbauen – ineffizient, teuer und innovationshemmend. Wachsender Nachholbedarf in der Digitalisierung der Forschung: Große Potenziale datenbasierter Forschung und innovativer digitaler Methoden können aufgrund von fehlenden Ansprechpersonen nicht realisiert werden. Viele Einrichtungen stehen unter Druck, komplexe Anforderungen ohne passende Infrastruktur oder personelle Ressourcen zu bewältigen. Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 6 Handlungsfähigkeit sichern: Hochschulen und Forschungseinrichtungen benötigen eine belastbare personelle Grundausstattung im Bereich Data und Digital Science – als Voraussetzung, um Drittmittel einzuwerben, Projekte umzusetzen und flexibel auf neue Herausforderungen reagieren zu können. Vier zentrale Handlungsfelder in der Forschung 1. Interdisziplinäre Strukturen ausbauen und nachhalten Datenbasierte, digitale Forschung braucht dauerhaft finanzierte Einrichtungen, die Data und Digital Science institutionell verankern – als Brücke zwischen Methodenentwicklung und Anwendungsfächern. Hochschulen und Forschungseinrichtungen benötigen insbesondere Strukturen, die nicht primär projektbasiert sind. 2. Durch Kollaboration in der Forschung disziplinäre Weiterentwicklung und Digitalisierung stärken Durch einen gesunden Personalaufbau mit Dauerund Projektstellen in den Zentren ist eine dynamische und den Situationen angepasste Zusammenarbeit, nicht nur innerhalb der Zentren und ihren Einrichtungen, sondern auch über die Standorte hinaus möglich. Beispielsweise könnten vielversprechende Ansätze exploriert und in Pilotstudien kurzfristig getestet werden, wodurch sie neue Projektanträge stärken und schneller zur Antragsreife führen. Aufgrund des rasanten Tempos in KI-Forschung und -Entwicklung führen lange Beantragungszeiträume von Projekten zu eingeschränkter Handlungsfähigkeit und einem Wettbewerbsnachteil. 3. Strategischer Ausbau standortübergreifender (Verbund-)Forschung Datenbasierte Forschung entfaltet ihr Potenzial besonders dann, wenn sie interdisziplinär und institutionenübergreifend organisiert ist. Es braucht gezielte Förderprogramme für Forschungsverbünde, die Domänenwissen und datenwissenschaftliche Methoden über Regionen und Disziplinen hinweg verknüpfen. 4. Nachhaltige Dataund Digital-Science-Services für Forschende sichern Forschende brauchen verlässlichen Zugang zu Beratung, Datenmanagement, Research Software Engineering und methodischer Unterstützung. Diese Services dürfen keine Randaktivität bleiben – sie müssen als dauerhafte, personell abgesicherte Infrastruktur verstanden und gefördert werden. Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 7 Data und Digital Literacy in der Bildung – strategisch, fachnah und nachhaltig Datenund Digitalkompetenz sind zur Schlüsselressource für Bildung, Forschung und gesellschaftliche Teilhabe geworden. In nahezu allen Fachdisziplinen sind Studierende, Lehrende und Forschende gefordert, Daten verstehen, analysieren und verantwortungsvoll nutzen zu können. Zahlreiche Initiativen, wie beispielsweise bundesweit die Landesinitiativen für Forschungsdatenmanagement oder auch in der Sektion Training und Education (EduTrain)10 der NFDI sowie das Data Literacy Education Netzwerk11, haben in den letzten Jahren Kompetenzmatrizen erarbeitet und diese in Pilotprojekten an Hochschulen begonnen umzusetzen. Die systematische Vermittlung der Kompetenzen ist damit in der Breite der Hochschulen und Forschungseinrichtungen jedoch noch nicht angekommen. Gleichzeitig fehlt ein qualitatives Resümee der verschiedenen Initiativen als Basis für eine nachhaltige Weiterentwicklung der Angebote. Hier besteht akuter Handlungsbedarf, da eine dauerhafte, nicht projektbasierte Finanzierung der Data-Literacy-Angebote Voraussetzung dafür ist, diese flächendeckend curricular zu verankern. Die Dataund Digital-ScienceCommunity bietet ein Forum, um die Entwicklung und Verankerung von Dataund Digital-Literacy-Angeboten in der Breite der Hochschulen und Forschungseinrichtungen gezielt voranzutreiben. Nur durch ein abgestimmtes, disziplinund institutionsübergreifendes Vorgehen kann die digitale Souveränität zukünftiger Generationen nachhaltig sichergestellt werden. Warum Data und Digital Literacy jetzt strategisch gefördert werden muss Verankerung in der Breite: Der kompetente Umgang mit Daten und digitalen Methoden ist fachübergreifend relevant, wird jedoch in vielen Studiengängen bisher nur spärlich vermittelt. Gemeinsames Verständnis: Es braucht ein gemeinsames, fachübergreifendes Verständnis der zu vermittelnden Kompetenzen mit kontinuierlicher Weiterentwicklung. Kompetenzen für eine digitale Welt: Studierende brauchen klare, anschlussfähige Lernangebote im Fachkontext, von der Statistik bis zu ethischen und rechtlichen Fragen. Lehrende benötigen didaktische und fachliche Unterstützung für eine sinnvolle Integration in ihre Lehre. 10 https://www.nfdi.de/section-edutrain/ 11 https://www.stifterverband.org/data-literacy-education Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 8 Schlüssel für exzellente Forschung: Forschende müssen Daten sicher, effizient und fundiert auswerten können – nur so bleibt Forschung international anschlussfähig. Internationale Wettbewerbsfähigkeit: Wirtschaft und Verwaltung brauchen Absolvent:innen mit digitalen Fertigkeiten für eine interdisziplinäre Nutzung. Vier zentrale Handlungsfelder in der Bildung 1. Strukturierte Zusammenarbeit und gemeinsame Standards entwickeln Um Wirkung zu entfalten, braucht es einen strategischen Zusammenschluss der relevanten Initiativen im deutschsprachigen Raum. Die Dataund Digital-ScienceCommunity bietet hierfür das Forum – für Koordination, Standardisierung und kontinuierliche Weiterentwicklung von Dataund Digital-Literacy-Angeboten. 2. Lehrende und Forschende gezielt qualifizieren und vernetzen Lehrende sind zentrale Mutliplikator:innen. Formate wie Train-the-Lecturer oder Rent-a-Trainer ermöglichen ihre fachspezifische Weiterbildung und fördern den kollegialen Austausch. Für Forschende braucht es praxisnahe, domänenspezifische Qualifizierungsangebote mit direktem Mehrwert für ihre Arbeit. Durch standortübergreifende Entwicklung werden Ressourcen effizient genutzt, Qualität gesichert und nachhaltige Lernumgebungen geschaffen. 3. Fachspezifische Integration statt pauschaler Reform Data Literacy muss im Fachkontext verankert werden – durch die Weiterentwicklung bestehender Lehrveranstaltungen, nicht durch vollständige Modulkatalogreformen. Dafür braucht es Best Practices, didaktische Handreichungen und niederschwellige Unterstützung für Lehrende. Zentrale Voraussetzung dabei ist die interdisziplinäre Zusammenarbeit zwischen technischen und nicht-technischen Disziplinen. 4. Ressourcen bündeln und gezielt in die Anwendung bringen Offene Lehrund Lernmaterialien entfalten nur dann Wirkung, wenn sie auch in der Hochschulpraxis ankommen. Dafür sind praxisnahe Strukturen notwendig, die als Schnittstellen zwischen Materialentwicklung und Hochschulbetrieb agieren – in enger Kooperation mit bestehenden OER12-Initiativen und Netzwerken. Durch systematische Sammlung, Qualitätssicherung und Weiterentwicklung können Synergien genutzt, Doppelarbeit vermieden und der effektive Einsatz durch Lehrende und Lernende ermöglicht werden. 12 Open Educational Resources (OER) Positionspapier der Dataund Digital-Science-Community | DOI: 10.5281/zenodo.17475528 9 Die Unterzeichnenden (in alphabetischer Reihenfolge) Center for Data and Simulation Science – CDS Prof. Dr. Axel Klawonn | Universität zu Köln | DE Dr. Jascha Knepper | Universität zu Köln | DE Lea Saßmannshausen, M.Sc. | Universität zu Köln | DE Center for Data Science – C4DS Prof. Dr. Luis Miranda | Hochschule für nachhaltige Entwicklung Eberswalde | DE Center for Data Science and Simulation – DoDaS Prof. Dr. Stefan Turek | Technische Universität Dortmund | DE Dr. Henrike Weinert | Technische Universität Dortmund | DE Data Science Center – DSC Prof. Dr. Rolf Drechsler | Universität Bremen | DE Dr. Lena Steinmann | Universität Bremen | DE Datenkompetenzzentrum de.KCD – Deutsches Kompetenzzentrum CloudTechnologien für Datenmanagement und -verarbeitung Prof. Dr. Alexander Sczyrba | Forschungszentrum Jülich | DE Dr. Sebastian Jünemann | Forschungszentrum Jülich | DE Datenkompetenzzentrum für Circular Economy Daten – DACE Dr. Holger Berg | Wuppertal Institut für Klima, Umwelt, Energie | DE Helen Brüggmann | Wuppertal Institut für Klima, Umwelt, Energie | DE Datenkompetenzzentrum für die interprofessionelle Nutzung von Gesundheitsdaten in der Metropole Ruhr – DIM.RUHR Prof. Dr. Sven Meister | Universität Witten/Herdecke | DE Datenkompetenzzentrum HERMES – Humanities Education in Research, Data, and Methods Prof. Dr. Malte Hagener | Philipps-Universität Marburg | DE Prof. Dr. Ursula Lehmkuhl | Universität Trier | DE Marina Lemaire | Universität Trier | DE Prof. Dr. Stefan Schmunk | Hochschule Darmstadt | DE Datenkompetenzzentrum Rhein-Ruhr – DKZ.2R Prof. Dr. Stefan Sandfeld | Forschungszentrum Jülich | DE Digital Age Research Center – D!ARC Prof. Dr. Katharina Kinder-Kurlanda | Universität Klagenfurt | AT Digital Science Center – DSC Prof. Dr. Dirk Nowotka | Christian-Albrechts-Universität zu Kiel | DE Dr. Helen A. Pfuhl | Christian-Albrechts-Universität zu Kiel | DE Digital Science Center – DiSC Prof. Justus Piater, Ph.D. | Universität Innsbruck | AT