„Good data management is not a goal in itself, but rather is the key conduit leading to knowledge discovery and innovation, and to subsequent data and knowledge integration and reuse by the community after the data publication process.“

- Wilkinson, M., Dumontier, M., Aalbersberg, I. et al. The FAIR Guiding Principles for scientific data management and stewardship. (2016). https://doi.org/10.1038/sdata.2016.18

Die FAIR-Prinzipien wurden von der FORCE11-Community geprägt und 2016 das erste Mal beschrieben.^[1] In den letzten Jahren sind sie ein essenzieller Standard im Forschungsdatenmanagement geworden.

FAIR steht für Findable (auffindbar), Accessible (zugänglich), Interoperable (kompatibel) und Reusable (nachnutzbar). Die Prinzipien sollen Orientierung für den Umgang mit Forschungsdaten bei der Dokumentation, Veröffentlichung und Archivierung bieten. Ziel ist es, Forschungsdaten für Menschen und Maschinen optimal aufzubereiten und zugänglich zu machen, sodass die Wiederverwendbarkeit von Datenbeständen verbessert wird.

Das Akronym FAIR ist inzwischen fester Bestandteil des Fachjargons von Forschungsdatenmanager*innen und wird auch als Adjektiv, wie in „FAIRe Daten“ oder in Wortschöpfungen wie „FAIRification“ verwendet. Auch in Policys und Vorgaben unterschiedlichster Player wird der Begriff immer häufiger verwendet, z. B. seit 2017 in den Förderrichtlinien der EU.

• Bessere Auffindbarkeit von Datensätzen durch veröffentliche Metadaten und Verlinkungen zu verwandten Publikationen
• Einfachere Nachvollziehbarkeit der Daten durch ausführliche Beschreibungen
• Transparente Nachnutzungsbedingungen durch Angabe von Lizenzen und so größere Sichtbarkeit
• Vereinfachte Zusammenarbeit durch interoperable Dateiformate
• Öffnen der Daten für neue Nutzungsszenarien, da Daten mittels der FAIR-Prinzipien auch außerhalb der eigenen wissenschaftlichen Community aufgefunden, verstanden und ausgelesen werden können.

Wie in der obigen Darstellung ersichtlich, ähneln oder doppeln sich die FAIR-Prinzipen teilweise in ihren Anforderungen. Ihre Umsetzung gelingt am leichtesten, wenn Daten in einem offenen Datenarchiv abgelegt oder ein (zertifiziertes) Repositorium hochgeladen werden. Dies ermöglicht mindestens eine Datenbeschreibung nach Minimalstandards und den einfachen und geregelten Zugriff auf Daten durch Dritte.

FAIRe Daten müssen nicht für alle zugänglich sein, aber es sollte möglich sein, sie unabhängig von den Erhebenden aufzufinden und zu verstehen. So ist die nicht-öffentliche, dokumentierte Ablage von Daten in einem Datenarchiv oder bei einem Forschungsdatenzentrum ebenfalls FAIR, da besagte Daten z. B. von institutionellen Infrastruktureinrichtungen aufgefunden bestimmt werden kann, welche Zugangsrechte zu Daten bestehen. Relevant ist primär, dass an einem Datensatz Interessierte auf Basis der veröffentlichten Metadaten ermitteln können, ob die Daten für sie relevant sind und wie sie ggf. zugänglich sind.

Den technischen Anteil der Anforderungen können und sollten Betreibende von Repositorien oder Datenarchiven umsetzen, zum Beispiel Aspekte der Zugänglichkeit und Vergabe von DOIs. Einen Hinweis darauf, dass ein Repositorium diese Anforderungen erfüllt, geben Zertifikate wie CoreTrustSeal.

Die FAIRness der eigenen Datenpakete kann durch Tools überprüft und verbessert werden:

• Fair Data Self Assessment Tool der ARDC – Australian Research Data Council
• FAIR aware/ fairsfair
• Fair Data and Software von Library Carpentry
• TKFDM FAIR Assessment Tool

Einige Faktoren für FAIRe Datenpublikationen liegen nicht in der Hand der Publizierenden, sondern sollten durch Betreiber*innen von Repositorien oder Datenarchiven umgesetzt werden.

Bei der Planung oder Pflege eines Repositoriums sollte darauf geachtet werden, dass die FAIR-Prinzipien bedient werden. Die Umsetzung variiert nach Repositoriensoftware ist unterschiedlich und sollte vor der Entscheidung für eine Software evaluiert werden.

Vergabe eines PID

Ermöglichen Sie die automatische Vergabe von PIDs für die hochgeladenen Inhalte. Etabliert für Forschungsdaten ist der DOI, aber auch andere PIDs können hier infrage kommen (vgl. auch die Seite für Forschungsdaten des PID Network) . Für die Anmeldung von DOI ist eine Mitgliedschaft bei DataCite (z.B. über das TIB DOI Konsortium oder den DOI Service Austria) oder crossref nötig. Weitere DOI-Registrys finden Sie auf der DOI-Webseite. 
Alternativ, aber bei Forschenden weniger bekannt: URN

Verpflichtende und anpassbare Angaben von Metadaten

Machen Sie beim Ingest die Angabe eines Mindest-Metadatensatzes verpflichtend, z. B. von DataCite oder DublinCore.
Bieten Sie zur Verbesserung der Datenbeschreibung weitere Metadatenfelder an, z. B. Felder für fachspezifische Metadaten. Nutzen Sie dafür definierte Schemas.

Integration von Thesauri

Ermöglichen Sie die Schlagwortvergabe nicht nur im Freitext, sondern auch mithilfe generischer (z. B. GND) oder fachspezifischer Vokabularien.

Verlinkung mit anderen PID

Ermöglichen Sie die Angabe von oder Verlinkung mit PIDs, vor allem persönliche oder institutionelle PID wie ORCID und ROR. PIDs für Instrumente, Veranstaltungen oder ähnliches sind ebenfalls nützlich und relevant. Einen Überblick über mögliche PIDs und Services bietet PID4NFDI.

Durchsuchbarkeit und Harvesting

Stellen Sie sicher, dass Ihre Metadaten über Schnittstellen geharvested werden können, bieten Sie offene Schnittstellen an (JSON, OAI-PMH)

Rechtemanagement und Lizenzen

Wenn Sie kein reines Open-Access-Repositorium anstreben, berücksichtigen Sie das Rechtemanagement. Wer darf auf welche Weise auf nicht-öffentliche Daten zugreifen? Wer übernimmt die Verifizierung der Zugriffsanfragen?

Bieten Sie verschiedene Lizenzen an, vor allem wenn neben Forschungsdaten auch Forschungssoftware abgelegt werden kann

Versionierung ermöglichen

Ermöglichen Sie die Versionierung von Datensätzen und die gegenseitige Verlinkung dieser Versionen

• Dauerhafte Verfügbarkeit der Metadaten sicherstellen
• Beratung/Datenkuratierung/Informationsmaterialien anbieten

Unterstützen Sie Ihre Forschenden, indem Sie auf Ihrer Webseite Informationen, Vorlagen und weitere Materialien anbieten. Verweisen Sie auf (fachspezifische) Helpdesks. Die Kuratierung von Metadaten durch Data Stewards oder Repositorienbetreibende verbessert in den meisten Fällen deren FAIRness.

^[1] Wilkinson, M. D., Dumontier, M., Aalbersberg, Ij. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.-W., Da Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., … Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3(1), 160018. https://doi.org/10.1038/sdata.2016.18

nach oben