Häufig gestellte Fragen
FAQ zum FDM
In unserem FAQ-Bereich finden Sie Antworten zu vielen Fragen rund um das Thema Forschungsdatenmanagement.
Allgemeine Informationen
Mit einer standardisierten Dateibenennung und Versionierung behalten Sie den Überblick über Ihre Daten und Dateien. Des Weiteren führen vorgegebene und einheitliche Strukturen zu Zeit- und Aufwandsersparnissen. Dies vereinfacht auch den administrativen Forschungsalltag und erleichtert insbesondere die Zusammenarbeit in Verbundprojekten oder mit Projektpartnern außerhalb der Hochschule. Geschaffene Strukturen im Datenmanagement erleichtern zudem die Einarbeitung neuer Kolleginnen und Kollegen. Regelmäßige Daten-Backups minimieren darüber hinaus das Risiko eines Datenverlusts. Gut dokumentierte Daten lassen sich ggf. auch nach Abschluss eines Forschungsprojektes in anderen Forschungskontexten weiterverwerten.
Der sogenannte Forschungsdatenlebenszyklus ist ein Modell, das beschreibt, was mit den Daten in den einzelnen Phasen eines Forschungsprojektes geschieht. Es orientiert sich an dessen Verlauf und erleichtert so einen strukturierten Umgang mit Forschungsdaten. Der Lebenszyklus von Forschungsdaten beginnt mit der Projektplanung, umfasst u.a. die Datenerhebung und -auswertung und schließt sich bei der Publikation, Archivierung und einer möglichen Nachnutzung der Forschungsdaten. Zusammen mit einem Datenmanagementplan hilft er, den qualitätsgesicherten Umgang mit Forschungsdaten zu planen und konsequent umzusetzen.
„Die Stationen des Datenlebenszyklus können variieren, im Allgemeinen umfasst der Datenlebenszyklus aber folgende Phasen:
- Forschungsvorhaben planen (inklusive Umgang mit den Daten im Forschungsprojekt, siehe Datenmanagementplan)
- Erstellung/Erhebung
- Aufbereitung und Analyse
- Teilen und Publizieren
- Archivierung
- Nachnutzung“
Quelle: forschungsdaten.info Redaktion. Datenlebenszyklus. In Glossar | Praxis Kompakt. [https://forschungsdaten.info/praxis-kompakt/glossar/#c273982]
Die FAIR-Prinzipien bilden die Grundlage für gutes Forschungsdatenmanagement. Diesen Prinzipien gemäß sollten Daten Findable (auffindbar), Accessible (zugänglich), Interoperable (interoperabel) und Reusable (weiterverwertbar) sein, um die bestmögliche Nutzbarkeit für Menschen und Maschinen sicherzustellen. Einen Überblick über die FAIR-Prinzipien finden Sie auf forschungsdaten.info.
Externe Leitlinien: Vorgaben und Leitlinien von Drittmittelgebern, sowie die gängige Praxis in der eigenen Fachcommunity. Hierbei sollte auch der Grad an Verbindlichkeit beachtet werden. Oftmals gehört bereits in der Antragsphase die Erstellung eines Datenmanagementplans (s.u.) zu den Fördervoraussetzungen. Hier finden Sie eine Auswahl der Anforderungen gängiger Drittmittelgeber im Hochschulbereich:
Deutsche Forschungsgemeinschaft (DFG)
Die DFG hat Kriterien für den Umgang mit Forschungsdaten in die Leitlinien zur Sicherung guter wissenschaftlicher Praxis aufgenommen und zudem Rahmenbedingungen und Leitlinien zum FDM veröffentlicht. Konzepte für das FDM sind in einigen Förderlinien bereits Standard bei der Beantragung.
– Leitlinien zur Sicherung guter wissenschaftlicher Praxis
– Leitlinien zum Umgang mit Forschungsdaten
– Checkliste für Antragstellende zur Planung und zur Beschreibung des Umgangs mit Forschungsdaten in Forschungsvorhaben
Horizon Europe
FDM ist eine Fördervoraussetzung für Projekte in den Förderlinien von Horizon Europe und ist eng mit der Open Access-Strategie der EU verknüpft.
– How to comply with Horizon Europe mandate for Research Data Management
– RDM in Horizon Europe Proposals
Bundesministerium für Bildung und Forschung (BMBF)
Die Anforderungen an das FDM werden in der jeweiligen Förderrichtlinie kommuniziert.
VolkswagenStiftung
Die VW-Stiftung verlangt FDM bei Projekten in denen viele Forschungsdaten entstehen.
– Informationen für Antragstellende
– Datenmanagementplan Vorlage
Carl-Zeiss-Stiftung
Die Anforderungen an das FDM sind im jeweiligen Förderprogramm festgelegt. Zum Teil wird ein Forschungsdatenkonzept – Konzept für den Umgang mit den Forschungsdaten bezüglich Datenschutz, Open Source, Open Access, gemeinsame Datenbanken, Reproduzierbarkeit – gefordert.
Interne Leitlinien: Einige Hochschulen und Forschungseinrichtungen haben institutionelle Regelungen (Policies) oder Richtlinien, die den Umgang mit Forschungsdaten betreffen. Diese enthalten Empfehlungen oder Vorgaben zum Umgang mit Forschungsdaten.
Für persönliche Beratung zu FDM-Themen an den Hochschulen für angewandte Wissenschaften in Rheinland-Pfalz steht Ihnen der/die FDM-ScoutIn an Ihrer Hochschule zur Verfügung. Bei fachspezifischen Fragen können auch die vier hochschulübergreifend tätigen FDM-Stewards hinzugezogen werden, deren Kontaktdaten Sie hier finden.
Fachspezifische Angebote werden auch von den Konsortien der Nationalen Forschungsdaten Infrastruktur (NFDI) angeboten. Eine Übersicht der Konsortien, gegliedert nach Wissenschaftsdisziplinen, finden Sie hier.
Eine deutschsprachige Plattform zum Thema Forschungsdatenmanagement ist das Informationsportal forschungsdaten.info.
FDM in der Planungsphase
Grundsätzlich sollten Sie für das Forschungsdatenmanagement etwa 5 % der Gesamtförderung des Projekts veranschlagen. Bei einigen Drittmittelgebern können Sie die benötigten Mittel für das Forschungsdatenmanagement direkt beantragen. Dies geschieht normalerweise entweder im Zuge der Projektantragstellung oder mit einem separaten Antrag (i.d.R. beim gleichen Drittmittelgeber). Achten Sie hier auf die Fristen zur Mittelbeantragung. Näheres dazu finden Sie in den einzelnen Förderrichtlinien der Drittmittelgeber.
Nationale und internationale Drittmittelgeber erwarten zunehmend die Vorlage eines sogenannten Datenmanagementplans (DMP). Der DMP beschreibt den Umgang mit im Projekt generierten und verwendeten Daten während der Projektlaufzeit und nach Projektende. Die inhaltlichen Erwartungen an diese Pläne können sich je nach Wissenschaftsdisziplin zwar unterscheiden, haben aber alle die folgenden Zielsetzungen gemeinsam:
- die Gewährleistung der Datenqualität,
- die Nachvollziehbarkeit der Forschungsergebnisse und ihre prinzipielle Replizierbarkeit (Überprüfbarkeit)
- die effiziente und rechtssichere Nachnutzbarkeit der Daten in anderen, neuen Forschungskontexten
Ein DMP ist ein “lebendes” Dokument. Er wird initial in der Planungsphase erstellt und soll während der Projektlaufzeit bei Bedarf aktualisiert und erweitert werden. Um einen DMP zu erstellen, kann man DMP-Tools, einen Musterplan oder Leitfäden (z.B. DFG Checkliste zum Umgangs mit Forschungsdaten in Forschungsvorhaben) verwenden. Die Anforderungen der Drittmittelgeber an den DMP sind zu beachten. Teilweise stellen diese auch Templates für den DMP zur Verfügung.
Weiterführende Informationen & Vorlagen:
Im Rahmen der Speicherung sind einige Sicherheitsmaßnahmen zu beachten, um zu verhindern, dass Unberechtigte Zugang zu Ihren Daten erhalten oder Daten gestohlen werden können. Dies ist bei der Speicherung von personenbezogenen Daten, die DSGVO-konform gespeichert werden müssen, besonders wichtig. Hierbei sollten und können Sie auf die Angebote und Möglichkeiten Ihrer Institution zurückgreifen und sich bei Bedarf von dem/der Datenschutzbeauftragten Ihrer Hochschule beraten lassen.
Darüber hinaus müssen Daten auch für den Verlust durch menschliche Fehler, Technikversagen oder durch Umwelteinflüsse gesichert werden. Eine gute Grundregel stellt hierfür das 3-2-1-Backup Konzept dar: Von jeder Datei sollte es drei Kopien geben. Die Kopien sollten auf zwei unterschiedlichen Speichermedien abgelegt werden und eine Kopie sollte an einem externen Ort liegen.
FDM in der Erhebungs-, Analyse und Auswertungsphase
Wir empfehlen Ihnen, sich bereits bei der Planung Ihres Forschungsvorhabens mit dem Thema Datenschutz auseinanderzusetzen, da die Verantwortung für die Einhaltung der datenschutzrechtlichen Bestimmungen letztlich bei der Projektleitung liegt.
Eine Übersicht bieten die Handreichungen zum Umgang mit Forschungsdaten unter datenschutzrechtlichen Gesichtspunkten des Rats für Informationsinfrastrukturen (RFII) sowie des Rats für Sozial- und Wirtschaftsdaten (RatSWD).
- RfII [Rat für Informationsinfrastrukturen] (2017): Datenschutz und Forschungsdaten. Aktuelle Empfehlungen. Göttingen. urn:nbn:de:101:1-201703087085
- RatSWD [Rat für Sozial- und Wirtschaftsdaten] (2020): Handreichung Datenschutz. 2. vollständig überarbeitete Auflage. RatSWD Output 8(6). https://doi.org/10.17620/02671.50.
Bei der Arbeit mit personenbezogenen Daten ist das Einholen einer Einwilligung, die sich ausdrücklich auf die Erhebung und Verarbeitung dieser Daten bezieht, erforderlich. Die Probandinnen und Probanden geben freiwillig durch eine ausdrückliche Willenserklärung die Zustimmung zur Datenerhebung und -verarbeitung für einen (oder mehrere) festgelegte Zwecke, wie z.B. die Nutzung ihrer Daten in einem Forschungsvorhaben. Wesentliche Bestandteile der informierten Einwilligung sind ein inhaltlicher und rechtlicher Informationsteil sowie die Einwilligungserklärung durch den Studienteilnehmer bzw. die Studienteilnehmerin. Auch wenn die DSGVO keine Formvorschrift für die Einwilligung festlegt, wird zu Dokumentationszwecken die Schriftform empfohlen.
Die folgenden Leitlinien und Formulierungsbeispiele können bei der Erstellung einer informierten Einwilligung helfen:
- Eisentraut M., Harzenetter K., & Trixa J. (2018, 13. Dezember) Datenschutz in der Praxis: Die informierte Einwilligung [Webinar]. Verbund Forschungsdaten Bildung. GESIS – Leibnitz-Institut für Sozialwissenschaften. YouTube. https://www.youtube.com/watch?v=Bot1oPBw66M
- Leitlinien und Formulierungsbeispiele zur Erstellung der Einwilligung des Europäischen Datenschutzausschusses („Leitlinien in Bezug auf die Einwilligung gemäß Verordnung 2016/679“). https://edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-052020-consent-under-regulation-2016679_de
- Verbund Forschungsdaten Bildung: Formulierungsbeispiele für „informierte Einwilligungen“. Version 2.1. Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2018, 8 S. – (fdb info; 4) – URN: urn:nbn:de:0111-pedocs-223018 – DOI: 10.25656/01:22301
- Verbund Forschungsdaten Bildung: Formulierungsbeispiele für „informierte Einwilligungen“ in leichter Sprache. Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2018, 9 S. – (fdb info; 5) – URN: urn:nbn:de:0111-pedocs-223024 – DOI: 10.25656/01:22302
- Verbund Forschungsdaten Bildung: Allgemeine Informationen zur informierten Einwilligung und zum Umgang mit minderjährigen Studienteilnehmerinnen und -teilnehmern. https://www.forschungsdaten-bildung.de/einwilligung#Einwilligung-bei-Minderjährigen
- Verbund Forschungsdaten Bildung: Checkliste zur Erstellung rechtskonformer Einwilligungserklärungen mit besonderer Berücksichtigung von Erhebungen an Schulen. Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2019, 7 S. – (fdb info; 1) – URN: urn:nbn:de:0111-pedocs-222973 – DOI: 10.25656/01:22297
Toolbox:
- DARIAH ELDAH Consent Form Wizard: Tool zur Erstellung informierter Einwilligungen
- iva2: Prüfung der Voraussetzungen für eine wirksame Einwilligung (browserbasiertes Tool von BERD@NFDI)
Grundsätzlich sollte auch immer geprüft werden, ob ein Ethikvotum einzuholen ist.
Personenbezogene Daten sind Daten, die es erlauben, anhand der enthaltenen Informationen konkrete Personen zu identifizieren. Um dies zu verhindern bzw. zu erschweren, sollten personenbezogene Daten entfernt oder verfremdet werden.
Entfernt man den Personenbezug aus den Daten so, dass er sich nicht bzw. nur mit unverhältnismäßig hohem Aufwand wiederherstellen lässt, erhält man anonymisierte Daten. Für die Archivierung oder Publikation anonymisierter Daten ist keine Einwilligung der Studienteilnehmer und Studienteilnehmerinnen erforderlich, da es sich nicht mehr um personenbezogene Daten handelt.
Bei der Pseudonymisierung werden personenbezogene Daten nach einer dokumentierten Systematik verschlüsselt, z.B. statt Klarnamen werden ID-Nummern vergeben. Die Wiederherstellung des Personenbezugs ist nur möglich, wenn man Zugang zur Dokumentation des Verschlüsselungsverfahrens hat. Pseudonymisierte Daten behalten ihren Status als personenbezogene Daten und können darum nur mit Einwilligung archiviert, publiziert oder zur Nachnutzung weitergegeben werden.
Inwieweit Forschungsdaten anonymisiert oder pseudonymisiert werden können, hängt von der wissenschaftlichen Fragestellung ab.
In folgenden Publikationen finden Sie ausführliche Informationen zur Anonymisierung und Pseudonymisierung:
- Meyermann, Alexia; Porzelt, Maike: Hinweise zur Anonymisierung qualitativer Daten. Version 1.1. Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2014, 17 S. – (forschungsdaten bildung informiert; 1) – URN: urn:nbn:de:0111-pedocs-219682 – DOI: 10.25656/01:21968
- Ebel, Thomas; Meyermann, Alexia: Hinweise zur Anonymisierung von quantitativen Daten. Version 1.2. Frankfurt am Main : DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation 2015, 11 S. – (forschungsdaten bildung informiert; 3) – URN: urn:nbn:de:0111-pedocs-219703 – DOI: 10.25656/01:21970
Toolbox:
FDM in der Publikations- und Archivierungsphase
Unter Archivierung wird die langfristige Speicherung von finalen Daten verstanden, idealerweise angereichert mit Metadaten und in einem offenen, langlebigen Dateiformat. Die Archivierung von Forschungsdaten gewährleistet die Nachvollziehbarkeit von Forschungsergebnissen und wird damit als Teil der guten wissenschaftlichen Praxis angesehen. Werden Daten nur archiviert, sind sie grundsätzlich nicht für andere zugänglich.
Datenpublikation bezeichnet die Veröffentlichung von Daten. So können die Daten von anderen Forschenden eingesehen und ggf. für weitere Forschungsvorhaben weiterverwendet werden. Dabei können die Nutzungsbedingungen und Zugangsberechtigungen zu den Daten individuell festgelegt werden. Durch eine Datenpublikation wird demnach nicht unbedingt jedem uneingeschränkter Zugang zu den in Frage kommenden Daten gewährt. Es besteht auch die Möglichkeit, den Zugang auf bestimmte Nutzergruppen zu beschränken oder die Daten nur auf Anfrage zu teilen.
Generell gibt es drei Publikationswege für Forschungsdaten:
Supplement zu einem im Verlag veröffentlichten Fachartikel:
Daten können als Supplement zu einem wissenschaftlichen Artikel über einen Verlag veröffentlicht werden, um die im Artikel beschriebenen Forschungsergebnisse zu verdeutlichen. Hierfür eignen sich vor allem aggregierte Daten, wie z.B. Bilder oder Tabellen.
Eigenständiges Informationsobjekt in einem Repositorium:
Repositorien sind Datenbanken, in denen digitale Objekte wie Datensätze archiviert, dokumentiert und publiziert werden können. Diese können in institutionelle, disziplinspezifische und generische Repositorien unterteilt werden.
Institutionelles Repositorium: Dokumentenserver, der von Institutionen betrieben werden, so z.B. von einer Hochschule oder Hochschulverbünden
Disziplinspezifisches Repositorium: auf eine Wissenschaftsdisziplin oder ein bestimmtes Themengebiet spezialisiertes Repositorium; geeignete Repositorien lassen sich z.B. über die Repositorien-Suchmaschine re3data.org finden
Generisches Repositorium: für alle Wissenschaftsdisziplinen offenes Repositorium; z.B. Zenodo
Publikation in Data Journals:
Dabei sind die Daten selbst in einem Repositorium abgelegt. Bei den im Data Journal publizierten Informationen handelt es sich um eine ausführliche Beschreibung der Daten, deren Eigenschaften und Angaben zur potentiellen Nachnutzung. Die Daten im Repositorium und der dazugehörige Data Journal-Artikel werden mittels eines DOI verknüpft und sind somit eindeutig auffindbar. Einige dieser Zeitschriften bieten ein Peer-Review-Verfahren an, bei dem der Datensatz sowie seine Dokumentation begutachtet werden.
Welches Repositorium für Ihre Daten geeignet ist, hängt von vielen Faktoren ab: Art der Daten, Datenmenge, Fachgepflogenheiten, externe und interne Vorgaben (z.B. durch Drittmittelgeber oder Leitlinien), gewünschte Lizensierung etc. Auch bieten verschiedene Repositorien verschiedene Dienstleistungen, wie z.B. Datenkuration, an. Die Entscheidung für ein Repositorium ist entsprechend stets fallbezogen. Grundsätzlich ist es sinnvoll, erst nach geeigneten fachspezifischen Repositorien zu suchen, dann nach institutionellen und zuletzt nach generischen Repositorien.
In unserer Repositorien-Übersicht finden Sie eine von FDM@HAW.rlp zusammengestellte Auswahl von Repositorien aus den Bereichen
- Geistes-/Sozial/-Wirtschaftswissenschaften
- Informatik
- Ingenieurwissenschaften
- Natur-/Lebenswissenschaften
- Generische Repositorien
Weitere Suchmaschinen zur Suche nach Repositorien:
Wer auf Ihre Daten zugreifen darf, wird durch die Zugangsberechtigung geregelt. Grundsätzlich sind die folgenden Zugangsformen möglich. Bei der Auswahl des Repositoriums ist darauf zu achten, ob das ausgewählte Repositorium die gewünschte Zugangsform anbietet.
- Freier Zugang („Public Use File”): Daten können, entweder direkt oder nach Registrierung und Zustimmung zu den Nutzungsbedingungen, eingesehen oder heruntergeladen werden.
- Zugang auf Antrag („Scientific Use File”): Daten können erst nach Stellung eines Antrags und auf Basis einer Datennutzungsvereinbarung genutzt werden. Der Datenzugang ist auf wissenschaftliche Nutzung beschränkt. Scientific Use Files sind typischerweise weniger stark anonymisiert als Public Use Files.
- Gesicherter Zugang: Um Zugang zu Datensätzen mit niedrigerem Anonymisierungsniveau anbieten zu können, bieten einige Forschungsdatenzentren (FDZ) geschützte Zugänge an. Dazu zählt die Möglichkeit, Auswertungen an einem Gastarbeitsplatz durchzuführen oder – bei quantitativen Daten – über ein Fernrechensystem (z.B. RemoteNEPS, JoSuA) zu arbeiten. Hierbei erfolgt keine physische Übergabe des Datensatzes an die Nutzerinnen und Nutzer.
- Geschlossener Zugang (Archivierung, keine Veröffentlichung): Ein Zugriff auf die Daten durch Dritte ist nicht möglich.
Quelle Auflistung & weiterführende Informationen: DGfE, GEBF & GFD (März 2020). Empfehlungen zur Archivierung, Bereitstellung und Nachnutzung von Forschungsdaten im Kontext erziehungs- und bildungswissenschaftlicher sowie fachdidaktischer Forschung. [https://www.dfg.de/download/pdf/foerderung/grundlagen_dfg_foerderung/forschungsdaten/stellungnahme_forschungsdatenmanagement.pdf]
Um die Nachnutzung publizierter Daten durch Dritte zu ermöglichen, muss eine geeignete Lizenz gewählt werden. Dadurch wird geregelt, was mit den Daten gemacht werden darf. Die Nachnutzungsbedingungen sollten dabei dem Prinzip „So offen wie möglich, so geschlossen wie nötig“ folgen. Oft werden Daten unter eine offene Lizenz gestellt. Mit diesen standardisierten Nutzungsverträgen wird der Allgemeinheit erlaubt, die Daten unter bestimmten Bedingungen unentgeltlich zu nutzen.
Bekannte Standardlizenzen sind:
- Creative-Commons-Lizenzen (CC-Lizenzen)
- GNU General Public License (GPL)
- Digital-Peer-Publishing-Lizenz (DPPL)
Um Daten langfristig auffindbar zu machen, benötigen sie einen persistenten Identifikator.
Digital Object Identifier (DOI): Bei einem DOI handelt es sich um eine einzigartige maschinenlesbare Nummer, die mit einem digitalen Objekt, z.B. den veröffentlichten Forschungsdaten, verknüpft ist. Die DOI-Vergabe erfolgt normalerweise durch das Repositorium, in dem Sie Ihre Forschungsdaten ablegen. Weitere Informationen unter: doi.org
Open Reseacher und Contributor ID (ORCID): Die ORCID ist „der DOI für Wissenschaftler:innen“ und ermöglicht die eindeutige Zuordnung aller wissenschaftlichen Arbeiten zu Ihrer Person. Wer über ein ORCID-Profil verfügt, kann seine ORCID z.B. in wissenschaftlichen Publikationen angeben und so die Publikation mit dem eigenen ORCID Profil persistent verknüpfen. Einen kostenlosen ORCID Account können Sie in wenigen Minuten selbst erstellen: orcid.org
FDM und Nachnutzung
Um die eigenen Forschungsdaten für andere Forschende nachnutzbar zu machen, sollten die Daten in einem geeigneten (Fach-)Repositorium abgelegt und ausführlich mit Metadaten beschrieben werden. Zusätzlich ist die Lizenzvergabe von zentraler Bedeutung. Eine umfangreiche Datendokumentation hilft anderen Forschenden, Ihren Datensatz zu verstehen und weiterzuverwenden. Es empfiehlt sich jemanden zu bestimmen, der nach Projektende für die im Projekt entstandenen Forschungsdaten verantwortlich ist und interessierten Forschenden als Ansprechperson zur Verfügung steht.
Die Publikation von Daten ist keine Einbahnstraße. Daten anderer Forschender können beispielsweise aus Repositorien bezogen werden (Lizenzierung und weitere Nutzungsbedingungen sind dort stets angegeben und sollten beachtet werden).
Beispiele für die Nutzung bestehender Daten: als Vergleichsdaten für die eigenen Erhebungen, für alternative Auswertung der Daten, um neue Erkenntnisse aus bestehenden Datensätzen zu gewinnen etc.
Die Zitation von Forschungsdaten ist Teil der guten wissenschaftlichen Praxis. Als Datenautor bzw. Datenautorin können Sie Ihre veröffentlichten Daten mit einem Zitationsvorschlag versehen. Achten Sie hierbei darauf, ob Ihnen das Repositorium oder Journal in dem sie veröffentlichen, ggfs. eine Zitiervariante vorgibt. Datennutzende zitieren gemäß der für sie geltenden Zitierrichtlinien.
Weiterführende Informationen finden Sie auf forschungsdaten.info.
Das Thema FDM steht in zwei Zusammenhängen, die mit einem Kulturwandel in der Wissenschaft einhergehen. Auf der einen Seite ist FDM ein Bestandteil der Open Science, also einer denkbar offenen, transparenten und reproduzierbaren Wissenschaft. Das Internet bietet dafür die Möglichkeiten, denn gewonnenes Wissen oder erprobte Methoden können online gestellt und weltweit abgerufen werden. Da Forschung ein gesellschaftlicher Auftrag ist und zumeist durch öffentliche Mittel finanziert wird, sollte der Zugang auch kostenlos sein. Diese Entwicklung geht auf die Bewegung der Open Science zurück und wird von ihr gemeinsam mit der Politik vorangetrieben. Open Access soll in Europa und anderen Regionen der Welt dezidiert Standard in der wissenschaftlichen Publikationspraxis werden. Um Transparenz und Reproduzierbarkeit von Forschung herzustellen, ist es wichtig, neben den Ergebnissen auch die zugrundeliegenden Daten zu veröffentlichen. Die Publikation von Forschungsdaten ist essentieller Bestandteil des FDM, nach Möglichkeit entsprechend der FAIR Prinzipien. Veröffentlichte Forschungsdaten dienen aber nicht nur der Nachvollziehbarkeit, sondern können auch Grundlage für neue Forschungsprojekte sein. Die Nachnutzung von Forschungsdaten ist daher auf qualitativ hochwertige, gut gepflegte und mit Metadaten versehene Datensätze angewiesen. Auch dies garantiert ein professionelles Forschungsdatenmanagement. Auch für die Forschung gilt die Beobachtung, dass Daten das neue Öl sind (Economist, 2017). FDM trägt dazu bei, diese wertvolle Ressource zur Verfügung zu stellen, damit innovative Forschung heute und in Zukunft darauf aufbauen kann.