Als facettenreiches Fachgebiet schöpft die Sportwissenschaft aus diversen Mutterdisziplinen (u. a. Psychologie, Gesundheits- und Bildungswissenschaften, Medizin). Teilweise bieten diese Disziplinen bereits sehr effektive Maßnahmen zum Forschungsdatenmanagement (FDM) an. Gleichzeitig sind disziplinspezifisch zugeschnittene, effektive FDM-Angebote essenziell, sie spielen eine Schlüsselrolle für den gesamten Forschungsdatenlebenszyklus. Dies ergab auch eine Umfrage unter deutschsprachigen Sportwissenschaftler*innen im Jahr 2023.

Die Deutsche Vereinigung für Sportwissenschaft hat den Bedarf der Community erkannt und einen ad-hoc-Ausschuss (2022-2025) einberufen, der sich thematisch mit dem Forschungsdatenmanagement in der Sportwissenschaft beschäftigt hat. Einer der ersten Schritte bestand darin, im Jahr 2023 eine Umfrage zu FDM-Praktiken in der deutschsprachigen Sportwissenschaft durchzuführen. Die Ergebnisse der Umfrage zeigen, dass sich die Bemühungen zur Verbesserung des FDM nicht nur auf die Bereitstellung von Ressourcen und Schulungen konzentrieren sollten, sondern auch auf die Förderung einer Kultur, die ein effektives Datenmanagement schätzt und unterstützt.

Mit Blick auf die FDM-Community ist die Sportwissenschaft in der Nationalen Forschungsdateninfrastruktur (NFDI) sowie interdisziplinären Projekten vertreten. So ist das Institut für Sport und Sportwissenschaft des Karlsruher Instituts für Technologie (KIT) bspw. seit 2023 Mitglied und Co-Sprecher im NFDI-Konsortium KonsortSWD - NFDI4Society sowie Usecase im Leibniz WissenschaftsCampus Digital Transformation in Research.

Im Weiteren stellen wir Ihnen Projekte und Services im Bereich des sportwissenschaftlichen Forschungsdatenmanagements vor. Ihnen fehlt ein Angebot? Sie finden Zusammenhänge nicht ganz richtig dargestellt oder haben Fragen? Wir freuen uns auf Ihre Mail.

Maßnahmen zum Informieren und Planen im Forschungsdatenmanagement der Sportwissenschaft unterscheiden sich nicht grundsätzlich von denen anderer wissenschaftlicher Disziplinen. Forschende können auf verschiedene Informationsquellen zurückgreifen, um sich über Anforderungen beispielsweise ihrer Forschungsförderer zu informieren. Eine zentrale Anlaufstelle bietet die Deutsche Forschungsgemeinschaft (DFG), die umfangreiche Richtlinien und Empfehlungen zum Umgang mit Forschungsdaten bereitstellt. Auch im Rahmen des von der Deutschen Vereinigung für Sportwissenschaft eingerichteten ad-hoc Ausschusses zum Forschungsdatenmanagement wurden verschiedene Informationsmaterialien erstellt. Einen Überblick bietet diese 2025 veröffentlichte Stellungnahme.

Darüber hinaus bietet die Arbeitsgemeinschaft für Sportpsychologie (asp) Forschenden umfassende Unterstützung beim Forschungsdatenmanagement. Sie setzt sich für die Förderung und Weiterentwicklung der Sportpsychologie in Forschung, Lehre sowie im außeruniversitären Bereich ein. Eine Special Interest Group Open Science innerhalb der asp arbeitet daran, Empfehlungen zum offenen Umgang mit wissenschaftlichen Daten zusammenzutragen.

Das Research Data Center Motor Performance, das erste Forschungsdatenzentrum der Sportwissenschaft, bietet ebenso eine Übersicht über passende FDM-Quellen und wird ständig erweitert.

Das strukturierte Organisieren und Aufbereiten von Forschungsdaten ist zentrale Voraussetzung für deren (Nach-)Nutzbarkeit und Qualitätssicherung. In der Sportwissenschaft gilt es dabei, die besondere Vielfalt der Daten in klaren Formaten und Dokumentationsstandards zu erfassen. Dabei sollte auf standardisierte Dateiformate geachtet werden, um eine Weiterverwendung mit anderen Systemen sicherzustellen.

Da sportwissenschaftliche Studien häufig personenbezogene Informationen enthalten, ist eine Anonymisierung oder Pseudonymisierung der Daten unabdingbar. Anonymisierte Daten können nicht mehr auf Einzelpersonen zurückgeführt werden. Pseudonymisierte Daten sind zwar mit einem Schlüssel codiert, bleiben aber re-identifizierbar. Einen Überblick dazu bieten Fact Sheets zu sensiblen Daten in der Sportwissenschaft.

In vielen Teilbereichen der Sportwissenschaft wird mit immer größeren Datenmengen gearbeitet, beispielsweise mit Positionsdaten von Spieler*innen auf einem Fußballfeld. Um die Verarbeitung zu vereinfachen, wird verschiedene Software genutzt, die mit festen Formaten und Anordnungen arbeitet. Ein Beispiel hierfür ist Floodlight, ein Python-Package zur strukturierten Analyse von Sportdaten. Das Tool standardisiert die Verarbeitung von Positions- und Ereignisdaten aus verschiedenen Quellen (Raabe et al., 2022). Weitere Informationen hierzu bietet die Publikation floodlight - A high-level, data-driven sports analytics framework. Darüber hinaus stellt Floodlight Schnittstellen für die automatisierte Berechnung von Leistungsindikatoren bereit, die u.a. in der taktischen Analyse genutzt werden können. Weitere Informationen finden sich in Data analytics in football: positional data collection, modelling and analysis.

Die detaillierte Beschreibung und Dokumentation erhobener Forschungsdaten stellt eine Grundlage für deren Nachvollziehbarkeit, Transparenz, Qualitätssicherung sowie späteren Nachnutzung dar. Ohne zusätzliche Informationen können weder die Entstehung noch die Bedeutung der Daten eindeutig rekonstruiert werden.

Eine begleitende Dokumentation von Daten bereits während des Forschungsprozesses ist sinnvoll, da sie Entscheidungen bei der Erhebung und Analyse rekonstruierbar und nachvollziehbar macht.

Zu den wichtigsten Elementen gehört die systematische Erfassung von Metadaten, wie den Angaben zu Messzeitpunkt und -ort, den eingesetzten Gerätschaften oder den beteiligten Personen. Zur besseren Nachvollziehbarkeit ist es empfehlenswert, Codebooks und Datenwörterbücher anzulegen, in denen Variablen und ihre Bedeutung eindeutig beschreiben sind. Ergänzend können README-Dateien mit allgemeinen Kontextinformationen erstellt werden, die es auch fachfremden Nutzenden ermöglichen, die Datensätze korrekt zu verstehen.

Die sichere Speicherung von Forschungsdaten ist ein zentrales FDM-Element. Es gilt die Pflicht zur Umsetzung technischer und organisatorischer Maßnahmen nach der Datenschutzgrundverordnung (DSGVO). Dabei ist es sinnvoll, technische und organisatorische Maßnahmen zum Schutz sensibler Daten einzusetzen.

Personenbezogene Daten können (sollten vor der Publikation) in die Anonymisierung überführt werden, wenn der entsprechende Zuordnungsschlüssel von Nummer auf Name vernichtet wird. Anschließend fallen anonymisierte Daten nicht mehr unter die DSGVO. Weitere Informationen finden sich u.a. in den Factsheets, die durch den ad-hoc-Ausschuss der dvs erstellt wurden. Diese bieten eine Orientierung zum rechtlichen Rahmen und zum weiteren Einlesen in relevante Themen.

Die wohl bekannteste Datenbank in der deutschsprachigen Sportwissenschaft ist SURF des Bundesinstituts für Sportwissenschaft (BiSp). In SURF finden Sie sportwissenschaftlich relevante Informationen aus allen vier Datenbanken des BISp: SPOLIT (Literatur), SPOFOR (Projekte), SPOMEDIA (Audiovisuelle Medien), Fachinformationsführer Sport (Internetquellen). Zeitgleich wird Ihre Suche auf weitere, externe Datenkollektionen ausgeweitet, um Ergebnisse ggf. zu ergänzen. Dazu gehören Auszüge aus der Bielefeld Academic Search Engine (BASE) und aus PubMedCentral.

Durch das kontrollierte Offenlegen von Forschungsdaten kann wissenschaftlicher Fortschritt sowie der Transfer von Wissen in der Sportwissenschaft gefördert werden. Unabdingbar sind dabei Forschungsdatenplattformen, auf denen Datensätze standardisiert gespeichert sowie veröffentlicht werden können. MO|RE data als erstes Fachrepositorium in der Sportwissenschaft liefert eine solche Lösung, die eine optimale Verwaltung und Nachnutzung von Motorik-Forschungsdaten ermöglicht. MO|RE data ist eingebettet in das Research Data Center Motor Performance. Als Forschungsdatenzentrum stellt es Forschungsdaten in unterschiedlichen Zugriffsklassen bereit, die sich nach dem Grad der Sensibilität und den Anforderungen an den Datenschutz richten:

• Public Use Files (PUF): Diese Datensätze sind frei zugänglich, über CC-Lizenzen lizensiert und können nach einer Registrierung direkt heruntergeladen werden. Sie enthalten stark anonymisierte Daten und eignen sich besonders für eine breite wissenschaftliche Nachnutzung.
• Scientific Use Files (SUF): Diese Dateien enthalten detailliertere Forschungsdaten, deren Nutzung an eine vertragliche Vereinbarung (SUF-Lizenz) gebunden ist. Forschende erhalten damit Zugriff auf Daten, die über den Umfang der PUF hinausgehen, jedoch weiterhin datenschutzkonform aufbereitet sind.

Einen Überblick über Repositorien sowie eine Suchfunktion mit einer großen Auswahl an Sucheinstellungen bietet das Verzeichnis re3data. Eine weitere Möglichkeit, Forschungsdaten zu veröffentlichen, bieten zudem Datenjournale.

Der verantwortungsvolle Umgang mit sensiblen Daten stellt eine zentrale Herausforderung für die Sportwissenschaft dar, insbesondere im Kontext einer zunehmend datengetriebenen Forschung und dem Anspruch, den Prinzipien von Open Science zu folgen. Trotz der zentralen Bedeutung von Datenschutz und Datenmanagement zeigt sich ein erheblicher Bedarf hinsichtlich standardisierter und praktikabler Lösungen. Die Arbeitsgruppe Sensible Daten des dvs ad-hoc-Ausschusses Forschungsdatenmanagement widmete sich diesen Fragestellungen und suchte nach praxisorientierten Ansätzen für den Umgang mit sensiblen Daten. Grundlage ist dabei stets die DSGVO sowie das Bundesdatenschutzgesetz (BDSG). Es wurden mehrere Fact Sheets erstellt und veröffentlicht, die Forschende mit konkreten Handlungsempfehlungen und Beispielen für datenschutzkonformes Forschungsdatenmanagement unterstützen.

Die entwickelten Fact Sheets umfassen die folgenden Themen:

• Anonymisierung – Pseudonymisierung
• Artikel 6 DSGVO
• Artikel 9 DSGVO
• Daten teilen - Best Practice
• Rechtliche Rahmenbedingungen
• Sensible Daten
• Ergebnisse aus dem FDM-Survey

Der Schutz personenbezogener Daten in sportwissenschaftlichen Studien, die häufig sensible Informationen sammeln, hat oberste Priorität. Ethik, Rechtskonformität und strikte Vertraulichkeit bei der Handhabung von Teilnehmendeninformationen sowie die Einhaltung globaler Datenschutzstandards bei Veröffentlichungen sind unerlässlich. Um die Standards einzuhalten, wird eine umfassende Einwilligungserklärung (Informed Consent) benötigt, die von den Teilnehmenden der Studie eingefordert werden muss. Diese muss nicht nur die Einwilligung zur Verwendung der Daten in der eigenen Studie, sondern die Weiterverwendung für mögliche nachfolgende Projekte abfragen.

Ein universitäres Lehrkonzept für KI in den Sportwissenschaften (uLKIS) wurde entwickelt, um den wachsenden Bedarf an Kompetenzen im Bereich des Maschinellen Lernens (ML) und der Künstlichen Intelligenz in den Sportwissenschaften zu adressieren. Das e-Learning-Material vermittelt den Studierenden sowohl grundlegende als auch fortgeschrittene Kenntnisse in der Datenwissenschaft und der visuellen Datenanalyse, speziell zugeschnitten auf die Bedürfnisse und Herausforderungen im Sportbereich. Informationen dazu finden Sie auf der Plattform der Deutschen Sporthochschule Köln.

Papier: "The status quo of research data management in the German-speaking sports sciences—Results of an online pilot survey"
Autor*innen: Katja Keller, Alexander Pleger, Claudia Niessner, Elisa Ueding & Melanie Krüger
Erscheinungsjahr: 2025
https://doi.org/10.1007/s12662-025-01033-0

Poster: "Strengthening Research Data Management in Sports Science: A Community-Based Approach to Guidelines, Practices, and Challenges"
Autor*innen: Katja Keller, Christian Rose, Melanie Krüger & Claudia Niessner
Erscheinungsjahr: 2025
https://doi.org/10.5281/zenodo.17226063