Zum Hauptinhalt springen

FAIR-Datenprinzipien

FAIR-Daten

Bildnachweis: SangyaPundir, CC BY-SA 4.0.

Einführung​

Die FAIR Data Principles wurden veröffentlicht, nachdem sie auf dem Lorentz Workshop im Jahr 2014 festgelegt worden waren. Diese Grundsätze dienen als Leitlinien sowohl für diejenigen, die Daten veröffentlichen, z. B. Forschende, als auch für diejenigen, die Daten aufbewahren, z. B. Repositorien- oder Archivdienstleister. Dies ist eine wichtige Unterscheidung, die verdeutlicht, dass die Daten von Forschenden nur so FAIR sein können wie die Infrastruktur und die Dienste, die ihm zur Verfügung stehen.

In Anbetracht des langfristigen Ziels, wissenschaftliche Daten für andere wiederverwendbar zu machen, indem eine systematische Ordnung in den ständig wachsenden Datenhaufen aus der Forschung geschaffen wird, legen die FAIR Data Principles einen starken Schwerpunkt auf maschinenlesbare (Meta-)Daten. Zwar müssen auch Menschen in der Lage sein, die veröffentlichten Datensätze zu finden und zu verstehen, doch wird es die Aufgabe von Computern sein, große Datenmengen zu sichten und zu bestimmen, welche Datensätze für den beabsichtigten Zweck relevant sind und wie sie wiederverwendet werden können.

Die Wiederverwendung gut kuratierter Forschungsdaten erleichtert Forschenden die Arbeit und ermöglicht es ihnen, auf früheren Forschungsergebnissen aufzubauen. Darüber hinaus hat die Wiederverwendung von Daten das Potenzial, große Datenbestände für Anwendungen des maschinellen Lernens zu nutzen. So könnten beispielsweise große Mengen an chemischen Synthesedaten zur virtuellen Entwicklung neuer Synthesemethoden oder zur Entdeckung neuer Verbindungen führen.

Infos:

In der Chemie ist die Hinterlegung von kristallografischen Daten in einem standardisierten Dateiformat (CIF) in einem Repositorium wie dem Cambridge Crystallographic Data Centre (CCDC), das von vielen führenden Zeitschriften der chemischen Gemeinschaft gefordert wird, das wichtigste Beispiel für die Anwendung der FAIR-Datengrundsätze. Um den Anwendungsbereich solcher Standards zu erweitern, arbeitet NFDI4Chem daran, eine Infrastruktur für FAIRe Daten in Deutschland zu schaffen und gleichzeitig Forschende darin zu schulen, die vorhandene Infrastruktur zu nutzen, um sicherzustellen, dass ihre Daten so FAIR wie möglich sind.

Auf den folgenden Seiten beantworten wir die Fragen: Was macht Daten FAIR? Was müssen Forschende und diejenigen, die Datenerhaltungsdienste anbieten, beachten?

Quellen und weitere Informationen​