E. Böker / CC BY 4.0

Work­flows im FDM

Klare Beschreibungen für die FDM-Umsetzung

Was beschreibt der Workflow beim FDM?

Die Aufbewahrung von Forschungsdaten für Sekundär- und Re-Analysen ist Bestandteil guter wissenschaftlicher Praxis. Forschungseinrichtungen sollen nach den meisten Richtlinien wie etwa den der DFG Forschungsdaten mindestens zehn Jahre aufbewahren. Daher bietet sich bereits auf institutioneller Ebene eine systematische Aufbereitung der Daten an. Für deren Erschließung ist ein geeigneter Workflow (dt.: Arbeitsablauf) für das Forschungsdatenmanagement (FDM) erforderlich.

Ein FDM-Workflow ist eine Folge von wiederholbaren Prozessen, durch die Forschungsdaten während ihres Lebenszyklus gehen. Dies schließt Maßnahmen ein, die bei ihrer Erhebung, Kuration, und Erhaltung sowie bei der Bereitstellung und der eventuellen späteren Entsorgung durchgeführt werden. Diese Definition kann auch auf Tätigkeiten ausgedehnt werden, die stattfinden bevor die Forschungsdaten erstellt werden. Dazu gehört zum Beispiel die FDM-Planung oder auch die Erstellung von Datenmanagementplänen für Förderanträge.[1] Eine klar niedergeschriebene Workflowstruktur vereinfacht die Übersicht, hilft Fehler, wie etwa das Überspringen notwendiger Schritte, zu vermeiden und unterstützt die Datenverwertung insgesamt. Auch das Anlernen neuer Mitarbeiterinnen und Mitarbeiter wird dadurch vereinfacht.

Warum sind Workflows so wichtig für ein effizientes Forschungsdatenmanagement?

Workflows sehen zunächst einmal nach viel Arbeit aus, da die Arbeitsabläufe kompliziert sein können (s. Abb.). Dennoch helfen Workflows allen Beteiligten, einschließlich den Forscherinnen und Forschern sowie Support-Mitarbeiterinnen und Mitarbeitern, indem durch klare Beschreibungen davon, was wann wie zu tun ist, Klarheit über die notwendigen Arbeitsschritte im FDM-Prozess erlangt wird. [2]

Zwar gibt es derzeit eine Reihe von Bemühungen FDM-Policys in diesem Zusammenhang zu etablieren, jedoch sind diese oftmals nicht detailliert genug oder für den alltäglichen Gebrauch nicht ausreichend. Sprechen Sie Ihre zentrale Einrichtung an, wie der Workflow dort verbessert werden kann.

Der Worklow besteht aus einer Pre Processing, Processing und Publishing
Abb.1: Workflow eines institutionellen FDMs (Wissik & Ďurčo 2015 (CC-BY 4.0))

Mögliche Abläufe eines FDM-Workflows

• Datenmanagementplan erstellen

• Datenmodellierung planen

• Daten zusammenstellen bzw. erstellen

• Analyse der Daten in einen standardisierten Ablauf bringen

• Datendokumentation durch Vergabe von Metadaten (technische, bibliographische etc.)

• Erstellung kollaborativer bzw. virtueller Forschungsumgebungen

• Visualisierung der Daten

• Datensicherung (z. B. durch Backups)

• Festlegen, welche Daten archiviert werden

• Metadatenvergabe abschließen und dokumentieren

• nachhaltige Datenformate und -träger ermitteln

• Zuständigkeiten für die Überführung in das Archiv festlegen

• Publikationsmedium festlegen: Möglichkeiten für Open-Access-Publikation abklären

• Forschungsprimärdaten abrufbar gestalten (z. B. in einem Repositorium)

• Zitierbarkeit der Daten durch Persistent Identifier gewährleisten

• Langfristige Verfügbarkeit und Zitierbarkeit garantieren

• Abklären rechtlicher Aspekte (Urheberrecht, Datenschutz etc.)

• mögliche Sperrfristen berücksichtigen

Was sind die Vorteile eines FDM-Workflows?

Workflows helfen sicherzustellen, FDM in den Alltagsbetrieb einer Institution und zugehöriger Forscherinnen und Forscher einzubetten.[3] Sie erleichtern den Arbeitsalltag und bringen langfristig Zeitersparnis mit sich.

Anstelle eines manuellen und arbeitsintensiven FDM, ist es möglich den Workflow eines FDM mit Tools zu automatisieren.

Tools

Den Workflow mit Tools automatisieren:
Anstelle eines manuellen und arbeitsintensiven FDM, ist es mittlerweile möglich den Workflow eines FDM über eine große Forschungsbasis zu automatisieren. Solche Dienste bietet Arkivum Ltd an.
Weiteres Tool: myExperiment.

Weitere FDM-Tools.

Einzelnachweise

1.  Addis, M. (2015). RDM Workflows and Integrations for Higher Education Institutions Using Hosted Services. Part no. ARK/REPT/ALL/332. Version 1.0. Arkivum Ltd 2015. 

2.  Wissik, T., & Ďurčo, M. (2016). Research Data Workflows: From Research Data Lifecycle Models to Institutional Solutions. In Selected Papers from the CLARIN Annual Conference 2015, October 14–16, 2015, Wroclaw, Poland (No. 123, pp. 94-107). Linköping University Electronic Press. 

3.  Addis, M. (2015). RDM Workflows and Integrations for Higher Education Institutions Using Hosted Services. Part no. ARK/REPT/ALL/332. Version 1.0. Arkivum Ltd 2015.