FAIR-Prinzipien

Richtlinien für Forschungsdatenmanagement nach den Kriterien Findability - Accessibility - Interoperability - Reuse (FAIR)

Die internationalen FAIR-Prinzipien sind Leitlinien für die Beschreibung, Speicherung und Veröffentlichung wissenschaftlicher oder Verwaltungsdaten.

FAIR principles

FAIR ist ein Akronym für:

  • Findable – auffindbar
  • Accessible – zugänglich
  • Interoperable – interoperabel
  • Reusable – wiederverwendbar

Die internationalen FAIR-Prinzipien wurden 2014 bei einem Treffen in Leiden formuliert.[1] Zwei Jahre später, nach einer offenen Konsultation, wurden die FAIR-Prinzipien veröffentlicht.[2] Die Prinzipien dienen als Richtlinien, um Daten unter klar beschriebenen Bedingungen für die Wiederverwendung durch Menschen und Maschinen geeignet zu machen. Es handelt sich bewusst um Grundsätze und nicht um Normen. Der Grund dafür ist, dass sich Daten und die Art ihrer Verarbeitung von einem wissenschaftlichen Bereich zum anderen unterscheiden. Die Idee ist, dass verschiedene Bereiche ihre eigenen Standards auf der Grundlage der FAIR-Grundsätze entwickeln. Mehrere Organisationen und Disziplinen entwickeln derzeit FAIR-Standards, Tools und Schulungen.[3] Seit der Veröffentlichung der FAIR-Prinzipien werden diese nun auch für Software, Arbeitsabläufe, wissenschaftliche Dienstleistungen und für die Verwaltungs- und Gesundheitsdigitalisierung als anwendbar angesehen.

Prinzipien

Bearbeiten

Die vier Abkürzungen wurden zu 15 Prinzipien weiterentwickelt:

F – auffindbar

Bearbeiten
  • F1 (Meta-)Daten sind mit einem weltweit eindeutigen und dauerhaften persistent identifier versehen.
  • F2 (Meta-)Daten werden mit umfangreichen Metadaten beschrieben.
  • F3 (Meta-)Daten sind in einer durchsuchbaren Ressource registriert oder indiziert.
  • F4 (Meta-)Daten enthalten eine klare und eindeutige Identifizierung der Daten, die sie beschreiben.

A – zugänglich

Bearbeiten
  • A1 (Meta-)Daten können anhand ihrer Identifizierung über ein standardisiertes Kommunikationsprotokoll abgerufen werden.
    • A1.1 das Protokoll ist offen, frei und universell implementierbar.
    • A1.2 das Protokoll ermöglicht bei Bedarf ein Authentifizierungs- und Autorisierungsverfahren.
  • A2 – (Meta-)Daten sind zugänglich, auch wenn die Daten nicht mehr verfügbar sind.

I – interoperabel

Bearbeiten
  • I1 (Meta-)Daten verwenden eine formale, zugängliche, gemeinsame und weithin anwendbare Sprache zur Wissensdarstellung.
  • I2 (Meta-)Daten verwenden Vokabulare, die den FAIR-Grundsätzen entsprechen.
  • I3 (Meta-)Daten enthalten qualifizierte Verweise auf andere (Meta-)Daten.

R – wiederverwendbar

Bearbeiten
  • R1 (Meta-)Daten haben mehrere genaue und relevante Attribute.
    • R1.1 (Meta-)Daten werden mit einer klaren und zugänglichen Datennutzungslizenz freigegeben.
    • R1.2 (Meta-)Daten sind mit ihrer Herkunft verbunden.
    • R1.3 (Meta-)Daten entsprechen den für den Bereich relevanten Gemeinschaftsstandards.

FAIR in Verbindung mit offenen Prinzipien

Bearbeiten

Die Verwendung von offenen Ansätzen in der Wissenschaft, Gesundheit und Verwaltung verbindet:

  • Offenlegung von Daten, um z. B. diese in anderen Kontexten wieder zu nutzen oder mit eigenen Analysen zu vergleichen. Ein Beispiel ist die Offenlegung, Finden, Teilen und Referenzieren von Open Government Data-Verwaltungsdaten, z. B. mittels des international DCAT-Standards.[4]
  • Open-Source-Code wird z. B. verwendet, um eine Datenanalyse durchzuführen. Dieser Code wird durch die Offenlegung für andere Wissenschaftler reproduzierbar und man kann diese analog auf weitere Daten anwenden. Ferner kann die syntaktische Struktur der Datenanalyse mit Open-Source-Code von einer Programmiersprache A in eine andere Programmiersprache B übertragen werden. Bei dem Übertragen kann man Tests durchführen, ob die Datenanalyse in Programmiersprache B die gleichen Resultate liefern.
  • Open Educational Resources können verwendet werden, um andere Wissenschaftler in die Lage zu versetzen, mit dem Open-Source-Code und den verfügbaren Daten eine strukturgleiche Analyse mit eigenen Daten umzusetzen. Diese Bildungsressourcen können z. B. technischer Art oder methodischer Art und über die mit den Metadaten kodierten Informationen hinausgehen.

Siehe auch

Bearbeiten
Bearbeiten

Einzelnachweise

Bearbeiten
  1. Data models to GO-FAIR. In: Nature Genetics. Band 49, Nr. 7, Juli 2017, ISSN 1546-1718, S. 971–971, doi:10.1038/ng.3910.
  2. Mark D. Wilkinson, Michel Dumontier, IJsbrand Jan Aalbersberg, Gabrielle Appleton, Myles Axton, Arie Baak et al.: The FAIR Guiding Principles for scientific data management and stewardship. In: Scientific Data. Band 3, Nr. 1, 15. März 2016, ISSN 2052-4463, S. 160018, doi:10.1038/sdata.2016.18.
  3. Barend Mons, Cameron Neylon, Jan Velterop, Michel Dumontier, Luiz Olavo Bonino da Silva Santos, Mark D. Wilkinson: Cloudy, increasingly FAIR; revisiting the FAIR Data guiding principles for the European Open Science Cloud. In: Information Services & Use. Band 37, Nr. 1, 1. Januar 2017, ISSN 0167-5265, S. 49–56, doi:10.3233/ISU-170824.
  4. Was sind FAIR Digital Objects? Abgerufen am 4. Januar 2024.