Die Erhebung von Daten ist in der Regel zeitaufwendig und kostspielig. Die so gewonnen Daten (bzw. deren Analyseergebnisse) sind oft schwer oder gar nicht reproduzierbar.^[1] So gewinnt die Nachnutzung bereits erhobener Forschungsdaten nicht zuletzt aus forschungsökonomischen Gründen zunehmend an Bedeutung. Dies steht auch im Zusammenhang stetig wachsender digitaler Möglichkeiten, Forschungsdaten über das Internet verfügbar zu machen.

Forschung sollte nachhaltig im Sinne der FAIR-Prinzipien angelegt sein, damit Forschungsdaten leicht gefunden und wiederverwendet werden können. Dies spiegelt sich auch in den Anforderungen von Universitäten und weiteren Forschungsinstituten, Förderorganisationen sowie Verlagen wider. Eine nachhaltige Verarbeitung, professionelle Speicherung und Zugänglichmachung von Forschungsdaten ermöglicht vielfältige Formen der Wiederverwendung, wie zum Beispiel:

• Meta-Analysen
• Erweiterung des wissenschaftlichen Fokus
• Optimierung eigener Studiendesigns
• Modellkalibrierungen
• Neue Messungen

Grundsätzlich können Datenbestände, die in Instituten, Forschungsgruppen oder Projekten erhoben werden, in der Regel ohne größere technische Hürden im Sinne der FAIR-Prinzipien nachnutzbar zugänglich gemacht werden. Häufig ist es allerdings so, dass nach Abschluss von Projekten oder beim Ausscheiden von Mitarbeitenden Daten und/oder die damit verbundenen Kontextinformationen verloren gehen. Auch letztere sind essenziell, um Daten nachnutzbar zu machen - denn für eine uneingeschränkte Nachnutzung müssen die Daten verständlich und interpretierbar sein. Dies lässt sich unter anderem durch folgendes Vorgehen umsetzen:

• Bereitstellung beschreibender Dokumente sowie umfangreicher Metadaten als Basis für die fachliche und inhaltliche Zuordnung der Daten (siehe: Daten dokumentieren).
• Klare und verständliche Beschreibung der Nutzungsbedingungen (Lizenzbedingungen). Weitere Informationen finden Sie unter Lizenzvergabe.
• Nachvollziehbare Herkunftsangaben als Grundlage für die Bewertung der Daten. Dies umfasst weitere Metadaten zu den Datensätzen wie bspw. Informationen zu beteiligten Personen und Institutionen, sowie detaillierte Beschreibungen der Erhebungsmethoden sowie der eingesetzten Technologien. Ziel ist es, die Authentizität, Zuverlässigkeit und Reproduzierbarkeit der Daten sicherzustellen.
• Aufbereitung der Daten nach (fachspezifischen) Standards. Dies umfasst fachliche Standards, die von der entsprechenden wissenschaftlichen Community für die Aufbereitung der Daten festgelegt wurden. Das betrifft beispielsweise die Korrektur von Erfassungsfehlern, die Standardisierung von Formaten und die Anreicherung der Daten durch Kombination von Datensätzen, um deren Qualität, Konsistenz und Verwendbarkeit zu gewährleisten.

Bei der Nachnutzung bestehender Datensätze sind die damit verbundenen Rechte (v. a. Lizenzen und Nutzungsvereinbarungen) zu beachten. Diese determinieren u. a., wer welche Daten zu welchem Zweck und wie lange nutzen darf. Im Einklang mit Guter Wissenschaftlicher Praxis muss das Nachnutzen bestehender Datensätze ebenso zitiert werden wie Textzitationen/-abschnitte.

Will man Daten für eigene Forschungszwecke nachnutzen, sollte man zusätzlich auf die Qualität der zur Nachnutzung ausgewählten Datensätze besonderen Wert legen. Für die Datennachnutzung stehen dabei insbesondere folgende Datenqualitätsmerkmale im Vordergrund:

• Datenformat (spezielle Speicherformate wissenschaftlicher Daten, wie z. B. Vektorformat, Rasterformat und Eigenschaftsformat, etc.)
• Datenvollständigkeit und Datenrichtigkeit.

Dazu stehen mittlerweile Tools bereit, die z. B. durch die Visualisierung verschiedener Forschungsdatenformate das 'Screening' von Datensätzen auf ihren potentiellen Nutzen ermöglichen. So unterstützt bspw. der Leibniz Data Manager als Visualisierungs- und Management-Tool die Verwaltung und den Zugriff auf heterogene Forschungsdatenpublikationen. Dies wiederum erleichtert den Forscher*innen die Auswahl relevanter Datensätze aus ihren Disziplinen.

Derzeit ist ein Prototyp des Leibniz Data Managers verfügbar und bietet zahlreiche Funktionen zur Visualisierung von Forschungsdaten.

Die Nachnutzung extern erzeugter (fremder) Forschungsdaten bedarf gemäß dem DFG-Kodex der Guten Wissenschaftlichen Praxis einer entsprechenden Kennzeichnung der Autor*innen. Auf diese Weise wird die Arbeit anderer angemessen gewürdigt. Darüber hinaus können Lesende so die Argumentation und Ergebnisse der Forschung besser nachvollziehen und überprüfen. Dies wiederum fördert die Nachnutzbarkeit der neuen Forschung.

Ähnlich wie auch bei Textpublikationen variieren die Zitierrichtlinien für Datenpublikationen je nach Fachgebiet, Verlag, Repositorium oder Zeitschrift. Zur besseren Orientierung und Einheitlichkeit wurden von verschiedenen Forschungsgruppen Zitiervorschläge erarbeitet. So wurde bspw. von der der Registrierungsagentur für Sozial- und Wirschaftsdaten da|ra ein mittlerweile weit-akzeptierter Zitierstandard für Datenzitationen vorgeschlagen. Deren Metadatenschema entspricht zudem einem Vorschlag des internationalen Registrierungsservice DataCite 2013. 

Möglichkeit 1

Urheber (Veröffentlichungsdatum): Titel. Publikationsagent. Identifikator

Optional können weitere Angaben, wie Version und Ressourcentyp hinzugefügt werden:

Möglichkeit 2

Urheber (Veröffentlichungsdatum): Titel. Version. Publikationsagent. Genereller Ressourcentyp. Identifikator

Zusätzlich werden auf Auffinden-Zitieren-Dokumentieren noch folgende Empfehlungen gegeben:

Hinweis

Es ist unerlässlich, sich über die jeweils geltenden Zitierregeln zu informieren. Es gilt zu beachten, dass Journals und Repositorien oft auf eigene Zitiervarianten bestehen. Zur Umformatierungen von Zitiervarianten, kann beispielsweise der DOI Citation Formatter verwendet werden.

^[1] Meyer, F. (2024, Juni 6). Die Wissenschaft reflektiert die Grundnormen der Forschung. Universität Zürich. https://www.news.uzh.ch/de/articles/news/2024/reproduzierbarkeit.html