Hegel, Philipp; philipp.hegel@tu-darmstadt.de / Seltmann, Melanie; melanie.seltmann@tu-darmstadt.de / Klug, Helmut W: helmut.klug@uni-graz.at

Unter dem Begriff Forschungsdatenmanagement werden im Allgemeinen jene Aufgaben und Prozesse zusammengefasst, die notwendig sind, um Forschungsdaten während ihres “Lebens” zu verwalten (Arbeitsgruppe Forschungsdaten 2018). Kindling/Schirmbacher (2013) verstehen unter diesem Leben den Lebensdatenzyklus (zu Datenzyklen s. auch Rümpel 2011), der in unterschiedliche Phasen von der Planung datengestützter und datengetriebener Forschung über die Datenerhebung, Datenanalyse, Archivierung, Publikation bis hin zur Datennachnutzung eingeteilt wird. Putnings (2021) führt aus, dass es sich nicht nur um einen Zyklus handelt, sondern Abläufe auch viel häufiger zwischen den verschiedenen Phasen springen können, und bezeichnet Forschungsdatenmanagement damit als “eine systematische Planung und Durchführung von entsprechenden datenbezogenen Aufgaben unter Berücksichtigung von relevanten Kontextfaktoren rechtlicher, ethischer etc. Natur” (Putnings 2021, S. 297). Als Forschungsdaten können dabei alle solche Daten verstanden werden, die im Forschungsprozess entstehen oder ihr Ergebnis sind (vgl. Kindling & Schirmbacher 2013, S. 130). Zweck des Forschungsdatenmanagements ist u. a. die digitale Nachhaltigkeit. Hierzu wird vor allem auf die FAIR-Prinzipien zurückgegriffen. In den Wissenschaften ist das Forschungsdatenmanagement oft Gegenstand in den Vorgaben der Forschungsförderung sowie von unterschiedlichen Forschungsinitiativen. Forschungsdatenmanagement hat in den letzten Jahren auch in den Geisteswissenschaften an Bedeutung gewonnen (Blumesberger 2021; Cremer, Klaffki und Steyer 2018). Förderungen sind mittlerweile häufiger an Datenmanagementpläne (DMP) und Archivierungszusagen gebunden. Initiativen und Vereine sowie die Fachinformationsdienste und die Nationale Forschungsdateninfrastruktur (Rapp 2022) haben sich des Themas angenommen (w. n., Projekte).

Die einzelnen Aspekte und Schritte des Forschungsdatenmanagements werden in der Regel in einem DMP festgehalten. Es existieren dafür verschiedene Empfehlungen, Hilfsmittel und Beratungsangebote sowohl an einzelnen Institutionen als auch übergreifend (w. n., Software bzw. Projekte). Beim österreichischen FWF wird z. B. seit 2019 ein DMP eingefordert, aktuell muss er vor Projektbeginn eingereicht werden. Auch bei Horizon-Europe-Förderungen ist ein DMP in der ersten Projektphase vorzulegen. Bei der deutschen DFG ist es notwendig, sich im Antrag zum Forschungsdatenmanagement zu äußern, dies muss allerdings nicht generell qua DMP geschehen. Aber auch andere Fördergeber verlangen immer häufiger einen DMP. An vielen Hochschulen gibt es daher Data Stewards oder vergleichbare Stellen, die Hilfe beim Erstellen eines DMP anbieten bzw. generell das Forschungsdatenmanagement unterstützen; darüber hinaus gibt es Softwares (w. n., Software), die das Ausfüllen eines DMP unterstützen, das Anpassen des DMP als Living Document vereinfachen und das Dokument auch als maschinenlesbare Datei (machine-actionable DMP) erstellen.

Eine Besonderheit Digitaler Editionen ist, dass sie als geplante Publikation zugleich Forschungsdaten mit einer Vielzahl von Komponenten sind, die in einem DMP entsprechend zu beachten sind: Neben Datenschicht und Datenmodellen treten die Präsentationsschicht mit ihren Funktionalitäten sowie gegebenenfalls interne und externe Verknüpfungen (ähnlich Andorfer 2015, Glauch 2022, vgl. ferner Dängeli und Stuber 2020, S. 37, kritisch dazu Kamzelak 2023). Die Datenschicht umfasst typischerweise Digitalisate, Texte, Annotationen sowie Metadaten. Datenmodelle, aber auch Modelle für die automatische Schrifterkennung können als Teil der für die geistes- und datenwissenschaftliche Nutzung bedeutsamen Dokumentation angesehen werden. Zur Präsentationsschicht gehören vorrangig Software und Skripte, welche die visuelle Präsentation steuern und die auf unterschiedlichsten Programmiersprachen und Technologien fußen können (Czmiel 2017). Aber auch für die Erstellung der Datenschicht kann es individuelle Datenbearbeitungsworkflows und Pipelines geben, die als Forschungsdaten in Form von Software oder Code archiviert und beschrieben werden müssen. Projektexterne Verknüpfungen, deren einer Knoten zwar Teil der Datenschicht ist, deren anderer Knoten jedoch an einem Ort liegt, den man nicht in selber Art und Weise kontrollieren kann, haben vor allem im Zusammenhang mit Linked Open Data und der Verwendung von Normdaten an Bedeutung gewonnen.

In editorischen Unternehmungen werden die verschiedenen Rollen und Aufgaben (u. a. Datensicherung und -kuratierung, Archiv- und Bibliotheksarbeit, Edition) im Datenmanagement unterschiedlich besetzt (zu verschiedenen Rollen s. Swan und Brown 2008 sowie Büttner u. a. 2011). In der Praxis werden verschiedene Ablageplätze wie Repositorien und Systeme der verteilten Versionsverwaltung sowohl für Daten als auch für Software für die Archivierung der verschiedenen Komponenten etabliert (exemplarisch Söring 2016). Neben der Datenqualität (übergreifend Király, Brase 2021, Kindling 2013 und Rat für Informationsinfrastrukturen 2020) wird im Hinblick auf die Datennutzung und die Nachnutzbarkeit juristisch relevanten Aspekten wie Lizenzen, Policies und Rechten (z. B. Craemer 2022, S. 14–15, einen allgemeinen Überblick gibt Lauber-Rönsberg 2021), aber auch Themen wie Open Access oder Open Science sowie im Bereich der Software und des Interfaces der IT-Sicherheit Aufmerksamkeit gewidmet (s. Sichani/Spadini 2018, Kriterium 3.11.).