Erschließung

3.2. Erschließung#

Dieses Unterkapitel fokussiert die Kompetenz „3.2 Erschließung“ des QUADRIGA Datenkompetenzframeworks. Dies umfasst die an Standards orientierte Auszeichnung bzw. Beschreibung von Daten.

../_images/3.2_erschliessung.png

Abb. 3.4 Die Kompetenz 3.2 Erschließung des QUADRIGA Datenkompetenzframeworks.#

Quellenangabe: Ausschnitt aus dem Modell „QUADRIGA Datenkompetenzframework“ von Petras et al. unter der Lizenz CC BY 4.0 via Zenodo.

3.2.1. Ausgangslage#

Im Rahmen der Erschließung der Daten, müssen Metadaten vergeben werden, wenn das an anderer Stelle noch nicht geschehen ist. Dies sollte nach den Konventionen der Disziplin geschehen, aus der die Forschungsdaten stammen.
Die Daten und Metadaten sollten eine FAIRifizierung durchlaufen, d. h. möglichst vollständig beschrieben werden. Dazu sollte, wo es möglich ist, auf Standards zurückgegriffen werden.
Auch eine README gehört zu einer guten Datenbeschreibung. Darin sollten Sie alles dokumentieren, was Nachnutzende über die Daten wissen wollen.

3.2.2. Vorgehen#

Metadaten

Recherchieren Sie, ob es disziplinspezifische Vorgaben für Metadaten gibt. Eine gute Übersicht über Metadatenstandards hat die englische Universität Bath angelegt.

Die folgende Übersicht zeigt zudem beispielhaft einige etablierte Metadatenstandards verschiedener Fachdisziplinen.

Disziplin

Metadatenstandard

Organisation

Quelle

Astronomie

IVOA Technical Specifications

IVOA

[International Virtual Observatory Alliance, 2026]

Bauwesen/Stadtplanung

XPlanung (ergänzt durch XBau)

XLeitstelle

[XLeitstelle, 2018]

Biodiversität

Darwin Core

TDWG

[Wieczorek et al., 2012]

Fachübergreifend

DataCite Metadata Schema

DataCite

[DataCite Metadata Working Group, 2026]

Geisteswissenschaften

TEI (Text Encoding Initiative)

TEI Consortium

[TEI Consortium, 2026]

Geodaten

ISO 19115

ISO

[International Organization for Standardization, 2014]

Klimaforschung

CF Conventions

CF Conventions Community

[CF Conventions Community, 2026]

Kulturerbe

CIDOC CRM

CIDOC CRM SIG / ISO

[International Organization for Standardization, 2023]

Medizin

CDISC (u. a. CDASH, SDTM, ODM)

CDISC

[CDISC, 2026]

Sozialwissenschaften

DDI (Data Documentation Initiative)

DDI Alliance

[DDI Alliance, 2026]

Eine übergreifende Übersicht bietet zudem FAIRsharing [Sansone et al., 2019].

FAIRifizierung

Prüfen Sie, ob die Beschreibung der Daten vollständig ist. Maximieren Sie nach Möglichkeit die Interoperabilität der Daten. Recherchieren Sie, was standardisiert beschrieben werden kann (z. B. nach ISO).

Weitere Informationen

Die FAIRifizierung von Forschungsdaten kann sowohl mithilfe von Checklisten und Reifegradmodellen als auch mit automatisierten Prüfwerkzeugen unterstützt werden. Eine ausführliche Einführung in die FAIR-Prinzipien sowie weitere Hintergrundinformationen finden Sie bereits in der 1. Fallstudie, Kapitel 3.1 „FAIR-Prinzipien“. Dort werden unter anderem folgende Ansätze vorgestellt:

  • Checkliste: die kompakte FAIR-Checkliste von Jones und Grootveld (2017)

  • Webtool: das deutschsprachige FAIR Assessment Tool des Thüringer Kompetenznetzwerks Forschungsdatenmanagement (TKFDM), basierend auf dem FAIR Assessment Tool der Australian Research Data Commons

  • FAIR Data Maturity Model: das detaillierte Reifegradmodell der Research Data Alliance (RDA), auf Deutsch verfügbar über das Projekt EcoDM

Neben manuellen Checklisten und Reifegradmodellen stehen auch automatisierte Prüfwerkzeuge zur Verfügung. Diese bewerten die FAIRness eines Datensatzes anhand eines Persistent Identifiers (PID) oder einer URL und geben unmittelbar Rückmeldung darüber, welche FAIR-Kriterien bereits erfüllt sind und wo Verbesserungsbedarf besteht.

  • F-UJI – automatische FAIR-Bewertung anhand eines PID oder einer URL

  • FAIR-Checker – automatische Analyse der FAIR-Metadaten eines Datensatzes

  • FAIR-Aware – unterstützt Forschende bei der Selbstbewertung anhand eines kurzen Fragenkatalogs

README

Legen Sie eine README an.

Eine README-Datei ist die einfachste Form der Datendokumentation und soll sicherstellen, dass Daten auch später oder von anderen Personen korrekt interpretiert werden können [Hassenstein and Jung, 2025].

Die folgende Vorlage kann als Orientierung für den Aufbau einer README-Datei dienen.

Beispiel: Vorlage für eine README-Datei

Diese README.txt-Datei wurde am JJJJ-MM-TT von NAME erstellt <Hinweistexte stehen in spitzen Klammern und können vor dem Speichern gelöscht werden>

ALLGEMEINE INFORMATIONEN

  1. Titel des Projekts:

  2. Angaben zu den Autor:innen A. Kontaktinformationen Projektleitung: Name: Institution: Adresse: E-Mail: B. Kontaktinformationen Ko-Autor:innen: Name: Institution: Adresse: E-Mail: C. Alternative Kontaktperson: Name: Institution: Adresse: E-Mail:

  3. Datum der Datenerhebung (Einzeldatum, Zeitraum oder ungefähres Datum) <empfohlenes Format JJJJ-MM-TT; bei mehreren Dateien entsprechend einzeln angeben>:

  4. Geografischer Ort der Datenerhebung: <Breiten-/Längengrad oder Stadt/Region, Bundesland, Land; bei mehreren Datenquellen entsprechend angeben>:

  5. Angaben zu Förderquellen, die die Datenerhebung unterstützt haben:

WEITERGABE-/ZUGANGSINFORMATIONEN

  1. Lizenzen/Einschränkungen bezüglich der Daten:

  2. Links zu Publikationen, die die Daten zitieren oder nutzen:

  3. Links zu weiteren öffentlich zugänglichen Fundorten der Daten:

  4. Links/Beziehungen zu ergänzenden Datensätzen: <weitere unterstützende Datenquellen, die zur Analyse oder Klassifikation herangezogen wurden>

  5. Wurden die Daten aus einer anderen Quelle abgeleitet? Falls ja, Quelle(n) angeben:

  6. Empfohlene Zitierweise für das Projekt:

DATEN- UND DATEIÜBERSICHT

  1. Dateiliste: <alle Dateien (bzw. Ordner) im Datensatz mit kurzer Inhaltsbeschreibung auflisten>

  2. Beziehung zwischen den Dateien, falls relevant:

  3. Zusätzliche verwandte Daten, die erhoben, aber nicht in dieses Datenpaket aufgenommen wurden:

  4. Gibt es mehrere Versionen des Datensatzes? <Falls ja: Name der aktualisierten Datei(en); warum und wann wurde die Datei aktualisiert?>

METHODISCHE INFORMATIONEN

  1. Beschreibung der Methoden zur Datenerhebung/-generierung: <Links/Verweise auf Publikationen oder Dokumentation zu Versuchsaufbau bzw. verwendeten Protokollen>

  2. Methoden der Datenverarbeitung: <wie wurden die übermittelten Daten aus den Rohdaten erzeugt?>

  3. Geräte- oder softwarespezifische Informationen zur Interpretation der Daten: <vollständiger Name und Version der Software sowie benötigte Pakete/Bibliotheken>

  4. Standards und Kalibrierungsinformationen, falls zutreffend:

  5. Umgebungs-/Versuchsbedingungen:

  6. Beschreibung durchgeführter Qualitätssicherungsmaßnahmen:

  7. Beteiligte Personen bei Probenahme, Verarbeitung, Analyse und/oder Einreichung:

DATENSPEZIFISCHE INFORMATIONEN FÜR: [DATEINAME] <diesen Abschnitt für jeden Datensatz/Ordner/Datei wiederholen>

  1. Anzahl der Variablen:

  2. Anzahl der Fälle/Zeilen:

  3. Variablenliste: <Variablennamen, Beschreibungen, Einheiten und ggf. Wertelabels>

  4. Codes für fehlende Daten: <Code/Symbol und Definition>

  5. Spezielle Formate oder verwendete Abkürzungen:

Beispiel: Vorlage für eine README-Datei

ALLGEMEINE INFORMATIONEN

  • Titel des Projekts

  • Autor:innen und Kontaktinformationen

  • Zeitraum und Ort der Datenerhebung

  • Angaben zum Förderprojekt

WEITERGABE UND ZUGANG

  • Lizenz

  • Empfohlene Zitierweise

  • Zugehörige Publikationen

DATEN- UND DATEIÜBERSICHT

  • Beschreibung der Dateien

  • Datei- und Ordnerstruktur

  • Versionen

METHODISCHE INFORMATIONEN

  • Datenerhebung

  • Datenverarbeitung

  • Verwendete Software

  • Qualitätssicherung

DATEISPEZIFISCHE INFORMATIONEN

  • Variablen

  • Fehlende Werte

  • Besonderheiten

Vorlage aus dem Englischen übersetzt und gekürzt nach [UCSB Library Research Data Services, 2024] (CC BY 4.0).

Als ergänzende Hilfestellung stellt Cornell Data Services eine ausführliche Anleitung sowie eine frei verfügbare Vorlage für README-Dateien bereit.

3.2.3. Beispiel Szenario Q-LCA#

Speziellen Fall unseres Szenarios schildern, z. B. In dem in diesem Szenario abgebildeten Fall ist eine Qualitätsprüfung nicht notwendig, weil die Daten bereits gut aufgearbeitet vorliegen.

3.2.4. Learnings#

können möglicherweise auch ins Resümee Ableitung von generischen Lösungen, die interdisziplinär oder wenigstens über das Beispielszenario hinaus Anwendung finden können.

Literatur

[HJ25]

Max J. Hassenstein and Klaus Jung. Ten simple rules for effective research data management. PLOS Computational Biology, 21(12):e1013779, 2025. doi:10.1371/journal.pcbi.1013779.

[SMRS+19]

Susanna-Assunta Sansone, Peter McQuilton, Philippe Rocca-Serra, Alejandra Gonzalez-Beltran, Massimiliano Izzo, Allyson L. Lister, and Milo Thurston. Fairsharing as a community approach to standards, repositories and policies. Nature Biotechnology, 37(4):358–367, 2019. doi:10.1038/s41587-019-0080-8.

[WBG+12]

John Wieczorek, David Bloom, Robert Guralnick, Stan Blum, Markus Döring, Renato Giovanni, Tim Robertson, and David Vieglais. Darwin core: an evolving community-developed biodiversity data standard. PLOS ONE, 7(1):e29715, 2012. doi:10.1371/journal.pone.0029715.

[CDISC26]

CDISC. Cdisc standards (u. a. cdash, sdtm, odm). 2026. Webseite ohne Datumsangabe, zuletzt abgerufen 2026. URL: https://www.cdisc.org/.

[CFCCommunity26]

CF Conventions Community. Netcdf climate and forecast (cf) metadata conventions. 2026. Webseite ohne Datumsangabe, zuletzt abgerufen 2026. URL: https://cfconventions.org/cf-conventions/cf-conventions.html.

[DataCiteMWGroup26]

DataCite Metadata Working Group. Datacite metadata schema for the publication and citation of research data and other research outputs, version 4.7. Technical Report, DataCite, 2026. URL: https://schema.datacite.org/, doi:10.14454/qdd3-ps68.

[DDIAlliance26]

DDI Alliance. Data documentation initiative (ddi). 2026. Webseite ohne Datumsangabe, zuletzt abgerufen 2026. URL: https://ddialliance.org/.

[InternationalOfStandardization14]

International Organization for Standardization. Iso 19115-1:2014 – geographic information – metadata – part 1: fundamentals. Technical Report, ISO, 2014. URL: https://www.iso.org/standard/53798.html.

[InternationalOfStandardization23]

International Organization for Standardization. Iso 21127:2023 – information and documentation – a reference ontology for the interchange of cultural heritage information. Technical Report, ISO, 2023. URL: https://www.iso.org/standard/85100.html.

[InternationalVOAlliance26]

International Virtual Observatory Alliance. Ivoa technical specifications. 2026. Webseite ohne Datumsangabe, zuletzt abgerufen 2026. URL: https://www.ivoa.net/.

[TEIConsortium26]

TEI Consortium. Tei: text encoding initiative guidelines. 2026. Webseite ohne Datumsangabe, zuletzt abgerufen 2026. URL: https://tei-c.org/.

[UCSBLRDServices24]

UCSB Library Research Data Services. Readme template. 2024. URL: https://zenodo.org/records/10828379, doi:10.5281/zenodo.10828379.

[XLeitstelle18]

XLeitstelle. Handreichung zu xplanung und xbau. Technical Report, XLeitstelle Hamburg, 2018. Verbindliche Einführung von XPlanung und XBau durch Beschluss des IT-Planungsrats am 5. Oktober 2017. URL: https://xleitstelle.de/downloads/Handreichung_XPlanung-XBau_2_Auflage.pdf.