Research Data Management aims at gathering, capturing, storing, tracking, and archiving all the data being produced in scienti c projects and experiments. Besides these data, all the processing steps on these data - eventually resulting in scienti c publications - have to be stored as well. Research Data Management is not only a scienti c discipline in Computer Science. Universities and Research Institutes have to provide organizational structures and processes and pragmatic solutions (hardware and software resources) to implement rst, simple tasks of Research Data Management. In this paper, we sketch the organizational, pragmatic, and research aspects of Research Data Management from a local (University of Rostock) point of view. At the University of Rostock, we have wider experiences with research data management in marine biology and medical research. The research aspects are part of modern database research topics such as temporal databases, data integration, schema evolution, and provenance management. Ziel des Forschungsdatenmanagement ist es, Daten, die bei wissenschaftlichen Projekten, Experimenten oder Beobachtungen erfasst werden, zu verfolgen und zu archivieren. Zusatzlich muss die weitere Verarbeitung der Daten bis hin zur Publikation gespeichert und nachvollziehbar gemacht werden. Viele Konferenzen und Workshops widmen sich unter anderem genau diesem Thema und Forschungsgeldgeber erwarten bei Ausschreibungen fast immer Konzepte bzgl. Nachhaltigkeit, Nachvollziehbarkeit und O enlegung von Forschungsdaten. Daher mussen an Universitaten verstarkt organisatorische Konzepte fur das Forschungsdatenmanagement entwickelt werden sowie zeitnah pragmatische Losungen fur eine erste Umsetzung des Forschungsdatenmanagements implementiert werden. In diesem Beitrag soll ein U berblick uber die organisatorischen Ma nahmen und die pragmatischen Losungen an der Universitat Rostock gegeben werden. Daruberhinaus ist Forschungsdatenmanagement ein aktuelles Forschungsthema, bei dem insbesondere moderne Datenbanktechnologien benotigt werden. In diesem Beitrag werden wir einige Forschungsansatze skizzieren, mit denen wir
uns speziell in der Datenbankforschungsgruppe der Universitat Rostock befassen. Insbesondere werden Forschungsergebnisse aus den Bereichen temporale Datenbanken, Datenintegration, Schemaevolution sowie Provenance-Management erwahnt.
An der Universitat Rostock haben wir speziell Erfahrungen im Bereich von
Informatik- [
Es gibt im Forschungsdatenmanagement eine Reihe von Herausforderungen, die zum einen eher organisatorisch bzw. praktisch orientiert sind. Zum anderen gibt es auch interessante Herausforderungen in der Grundlagenforschung, gerade in Bezug auf Datenbanktechnologien. Die Herausforderungen in der DatenbankGrundlagenforschung sind { die Heterogenitat der Daten, { ein nicht oder nur unvollstandig vorhandenes Schema, { die Sicherung der Provenance (Herkunft) der Forschungsergebnisse sowie die
Reproduzierbarkeit der wissenschaftlichen Auswertungen, { die Spezi kation und Nachverfolgung von wissenschaftlichen Arbeitsablaufen (Scienti c Work ows), sowohl organisatorisch als auch datentechnisch, { die Einbettung und Speicherung von anwendungsspezi schen Funktionen und Methoden, insbesondere zur Analyse von Daten, { temporale Aspekte zur Reproduzierbarkeit von Auswertungen uber Messdaten, die als Stromdaten standig produziert werden { sowie die Komplexitat in den Auswertungen und Veranderungen in den Auswertungsroutinen uber einen langeren Zeitraum hinweg.
Eher praktische Herausforderungen, die zeitnah mit pragmatischen und bereits vorhandenen Hardware- und Software-Losungen implementiert werden mussen, sind { Open Science, inklusive Zugri auf und Prasentation von Daten und Ergebnissen, { die Umsetzbarkeit von Losungen in der Praxis, etwa durch exible Architekturen, { die Nachhaltigkeit der implementierten Losungen, { Usability bzw. Ergonomie des Softwaresystems { sowie Lizenz- und Rechtsfragen bei benutzten Originaldaten und Softwarewerkzeugen zur Auswertung und Darstellung der Daten.
Andere Ansatze unterstutzen auch kollaboratives Arbeiten und stellen die
Erfassung, Verwaltung und Nutzung von Forschungs-Metadaten in den Vordergrund
(wie LabBook: [
Einige der oben genannten Herausforderungen werden wir im Folgenden genauer diskutieren. 3
In Forschungseinrichtungen wird man mit einer Vielzahl an Experimenten und Auswertungen aus sehr unterschiedlichen, interdisziplinaren Forschungsbereichen konfrontiert. Die Daten, Methodik und verwendeten Werkzeuge sind sehr heterogen. Fur die Zusammenarbeit mussen Austauschbarkeit und Interoperabilitat gewahrleistet werden. Hierzu gibt es verschiedene Modellierungsansatze, die entweder abstrakt und damit allgemeingultiger oder eher spezialisiert und damit komplexer sind. Des Weiteren gibt es unterschiedliche Daten und Ziele der Verarbeitung entlang des Lifecycles eines Experiments. Abbildung 1 veranschaulicht einen solchen Lifecycle von der ersten Erfassung der Daten als Primarforschungsdaten uber die weitere Verarbeitung bis hin zur Publikation. Dabei ist fur die Nachvollziehbarkeit der Forschungsergebnisse die gesamte Kette der Datenverarbeitung von der Erfassung bis zur Publikation aufzunehmen und zu archivieren (gruner Rahmen).
Abb. 1. Lifecycle von Forschungsdaten aus [
Forschungsdaten- und Publikations-Work ows sind in der Wissenschaft eng
verzahnt. Dabei gibt es viele mogliche Ablaufe, die beliebige Zusammenhange
zwischen Experimenten, Primarforschungsdaten, Sekundarforschungsdaten
sowie Publikationen abbilden. Hier haben sich Scienti c-Work ow-Systeme wie
z.B. Kepler [
Grundlegendes Prinzip, das im Rahmen dieser wissenschaftlichen Arbeitsablaufe realisiert werden muss, ist das FAIR-Prinzip aus [20]. FAIR beinhaltet, dass Daten au ndbar ( ndable), zugreifbar (accessible), interoperabel und wiederverwendbar (reusable) sein mussen. Wir werden nun zunachst einige organisatorische Ma nahmen sowie pragmatische Losungen beschreiben, die dieses Prinzip fordern sollen. 4
An der Universitat Rostock wurden und werden verschiedene organisatorische Konzepte sowie grundlegende als auch praxisnahe Losungen entwickelt. Einige sollen im Folgenden kurz vorgestellt werden.
Das "Rostocker Modell\ der Universitat Rostock [
Derartige Spezialarchive zeichnen sich dadurch aus, dass sie nicht nur die Daten selbst speichern, sondern auch (Text-, Bild-, Multimedia-)Dokumente sowie archiv-spezi sche Funktionen und Methoden. Solche Funktionen und Methoden gehen uber das hinaus, was Standard-Software und Standard-DBMS bieten. Das bedeutet, dass man solche Archive nicht einfach durch herkommliche Software-Maintenance warten kann, sondern auch die spezielle Funktionalitat aktuell halten muss. Die Rostocker Losung ist eine Arbeitsteilung zwischen dem Universitatsrechenzentrum (ITMZ: IT- und Medienzentrum), der Universitatsbibliothek (UB) sowie dem Institut fur Informatik, die in zugrundeliegenden Projekten oftmals beteiligt sind. Daruberhinaus wird mit regionalen Softwarermen die Wartung unterstutzt. Hierdurch ist es moglich, auch langere Zeit nach Beendigung des Projektes eine zumindest grundlegende Funktionalitat des Spezialarchivs eines abgeschlossenen Software-Projektes innerhalb und au erhalb der Universitat Rostock verfugbar zu halten.
Beispielsweise wurden in einer aktuellen Arbeit in 2017 Forschungsergebnisse
des Projekts eNoteHistory [
Die Universitat Rostock unterstutzt aktiv Open-Access-Vero entlichungen und
hat u.a. die \Berlin Declaration on Open Access to Knowledge in the Sciences
and Humanities" [
Fur die Publikationen, deren Langzeitarchivierung sowie deren stabilen Zitierbarkeit wird an der Universitat Rostock auf entsprechende Systeme, die die eindeutige Referenzierbarkeit per Digital Object Identi ers (DOI) realisieren, zuruckgegri en. Basis ist das System \RosDok" (http://rosdok.uni-rostock.de), das Dokumente in einer Digitalen Bibliothek organisiert, speichert und zugreifbar halt. Erweitert wird das System, um neben den Publikationen selbst auch Daten und Referenzen fur die Forschungsdaten und -methoden anzubieten. RosDok basiert auf dem MyCoRe-System [17]. Die Universitat Rostock plant das Forschungsdatenmanagement zentral zu koordinieren und die vorhandenen Dienstleistungen kontinuierlich zu erweitern.
Open Science ist eine Forderung an die Wissenschaft aus dem gesellschaftlichen Kontext heraus: wissenschaftliche Ergebnisse, von o entlich-rechtlichen Einrichtungen erzielt oder aus o entlichen Mitteln nanziert, sollten auch der O entlichkeit zur Verfugung stehen. Open Science wird daher gerade von staatlichen Forschungsforderern als Voraussetzung fur gute wissenschaftliche Praxis angesehen.
Zur Open Science gehoren eine Reihe von Begri ichkeiten und Konzepten, um die Wissenschaft transparent und nachvollziehbar fur jedermann anzubieten (siehe auch [18]): { Open Source { freie Verfugbarkeit des Sourcecodes und der im Forschungsprojekt verwendeten Werkzeuge { Open (Science) Data { freie Verfugbarkeit der wissenschaftlichen Daten. Dazu gehoren auch Protokolle, Beschreibungen, Kalibrierdaten, etc. { Open Access { freier Zugri auf die vero entlichten Ergebnisse, wie Forschungsartikel { Open Methodology { Beschreibung aller verwendeten Methoden, die fur das
Forschungsergebnis genutzt und entwickelt wurden { Open Notebook Science { freie Verfugbarkeit samtlicher Basisdaten, Aufzeichnungen, Planungs- und Einsatzinformationen zu einem Forschungsprojekt { Open Educational Resources { freier Zugang zu Lehr- und Lernmaterialien bzgl. der Forschung { Open Peer Review { Transparenz und o entlicher Zugang zum ReviewingProzess im wissenschaftlichen Publikations- bzw. Antragsprozess Fur die Realisierung von Open (Science) Data werden in einigen Forschungsgruppen der Universitat Rostock derzeit zunachst fur das interne Management der Daten Versionskontrollwerkzeuge wie SVN and Git benutzt. Vero entlicht werden die Daten dann uber GitHub. Nachteilig bei diesen Werkzeugen ist insbesondere die Versionsverfolgung bei einer sehr gro en Anzahl von Forschungsdaten (und -dateien). Ein positiver Seitene ekt bei der o entlichen Bereitstellung ist dagegen die Notwendigkeit fur eine saubere Dokumentation (die sonst oft unterbleibt), eine Bereinigung von Daten und Ergebnissen, und eine ausfuhrliche gruppeninterne Diskussion uber Originaldaten und Ergebnisse.
Gerade die angesprochenen Probleme bei der Versionsverfolgung bei Forschungsergebnissen, die uber einen langeren Zeitraum, etwa auch permanent, gewonnen und ausgewertet werden fuhrten zu einigen grundlegenden Forschungsarbeiten, die derzeit in der Datenbank-Forschungsgruppe der Universitat Rostock vorangetrieben werden. 5
Im Folgenden wollen wir einige Fragestellungen des
Forschungsdatenmanagements mit Bezug zu Datenbanktechniken genauer vorstellen. Im Gegensatz zu
[
In der Systematik von Abbildung 1 werden wir uns dabei um die Auswertung von Primar- und Sekundarforschungsdaten in langfristigen Messreihen kummern. Dabei ist die Reproduzierbarkeit dieser Auswertungsergebnisse fur die Nachprufbarkeit von Publikationsergebnissen in naturwissenschaftlicher Forschung wichtig. Das Provenance Management wird aber auch benotigt, um bei der Erforschung und Entwicklung von smarten Systemen (Assistenzsystemen) beurteilen zu konnen, warum die Situations- und Aktivitatserkennung in Assistenzsystemen in bestimmten Fallen fehlerhafte Ergebnisse geliefert hat. Sowohl bei langfristigen Messreihen als auch bei der Entwicklung von smarten Systemen sind daneben auch noch temporale Aspekte wichtig, da uber die Zeit sowohl erfasste Daten als auch Auswertungsmethoden sich verandern konnen.
Bei der Reproduzierbarkeit von Forschungsergebnissen gibt es verschiedene Stufen. Man kann testen { ob ein Ergebnis plausibel ist: hier ist die Fragestellung, ob eine Aussage in einer Publikation zu den gespeicherten Forschungsdaten passt; ublicherweise eine manuell durch Gutachter durchzufuhrende Tatigkeit, die u.a. durch Textanalysen softwaretechnisch zumindest unterstutzt werden kann { ob das Ergebnis nachvollziehbar ist: hier ist die Fragestellung, ob ein etwa tabellarisch aufbereitetes Ergebnis aus strukturierten Daten zu den gespeicherten Forschungsdaten passt; hier greifen schon weitere Analyseverfahren, die auf strukturierte Daten angewendet werden konnen { oder ob das Ergebnis reproduzierbar ist: hier muss dasselbe Ergebnis aus strukturierten Daten auf Basis der gespeicherten Primarforschungsdaten mit der gleichen Methodik (etwa einer gespeicherten Analysefunktion) softwaretechnisch ohne Medienbruch wieder errechnet werden konnen.
Wenn man davon ausgeht, dass die Forschungsarbeiten auf Basis von Open Science durchgefuhrt werden, sollten die Forschungsergebnisse prinzipiell immer von den Primarforschungsdaten her reproduzierbar sein. Der entgegengesetzte Weg, vom Ergebnis zuruck zu den Primarforschungsdaten, ist die Ruckverfolgbarkeit von Forschungsergebnissen. Das zugrundeliegende Forschungsgebiet im Datenbankbereich ist das Provenance Management.
In der Provenance-Theorie unterscheidet man Where-, Why- und
HowProvenance [
Dabei sind Where- und Why-Anfragen auf die Forschungsdaten mit aktuellen
Mitteln, wie z.B. einer Datenbankerweiterung der Open-Source-Datenbank
PostgreSQL [
Ein grundlegendes Forschungsproblem ist dabei, welcher (minimale) Ausschnitt
von den Primarforschungsdaten in welcher Version (unveranderbar) gespeichert
werden muss (wir nennen es: eingefroren werden muss), so dass man aus den
Ergebnissen der Auswertung und den eingefrorenen Daten die Inverse der
Auswertung (Anfrage an die Datenbank) automatisiert berechnen kann. Fur unsere
Forschungsarbeiten hierzu erweitern wir den Begri der inversen
Schemaabbildungen, der fur Datenaustausch und Datenintegration etwa in [
Ziele unserer Forschungsarbeiten zum Provenance Management haben wir
in [
Fur den Umgang mit Forschungsdaten sind Auswertungen von historischen Daten als auch die spatere Nachvollziehbarkeit von Forschungsergebnissen ein wesentliches Qualitatsmerkmal fur eine Nachhaltigkeit dieser Forschung. Temporale Informationen uber die Daten und Experimente sind notig, um eine solche Nachhaltigkeit zu erreichen.
Das Speichern temporaler Informationen zu den Forschungsdaten sind z.B.
fur Provenance-Anfragen, historische Vergleiche bzw. fur sogenannte
TimeTravel-Anfragen essentiell. Time-Travel-Anfragen sind Anfragen auf
Datenbestande, die auch zu anderen Zeitpunkten als dem aktuellen gultig waren. Seit
dem SQL:2011-Standard [
Da sich neben den Daten auch Funktionen uber die Zeit verandern konnen, mussen auch diese versioniert und mit entsprechenden Zeitintervallen beschrieben werden konnen. Eine Versionierung von User De ned Functions (UDFs in RDBMS) ist im SQL-Standard noch nicht vorgesehen, so dass gleiche Funktionen (gleiche Namen und Parameter) mit unterschiedlicher zeitlicher Gultigkeit nicht gleichzeitig in der Datenbank registriert sein konnen. Hierzu bedarf es zur Zeit noch manuell de nierter Tabellen zur Verwaltung der zeitlichen Gultigkeit von Funktionen bzw. zusatzliche Werkzeuge zur An- und Abmeldung von UDFs, die gerade fur eine spezielle Anfrage benotigt werden.
Bei der Organisation des Forschungsdatenmanagements werden meist
Richtlinien (gibt es bei der DFG, BMBF, Hochschulen und Forschungseinrichtungen)
oder Handbucher (ein allgemeines auch von der DFG anerkanntes ist [
Wissenschaftler stellen sich nicht zwangsweise komplett auf eine andere Art der Datenverwaltung um. Es ist bzgl. der Compliance besser, die speziellen Vorgange der einzelnen Wissenschaftler in eine Gesamtstrategie zum Forschungsdatenmanagement zu integrieren.
Um die Forschungsdaten aus verschiedenen wissenschaftlichen Projekten zu
integrieren sind Transformations- und Evolutionsprozesse der Daten, der
Schemata und der Funktionalitat vonnoten. Diese Vorgange ahneln dem ETL-Prozess
in Data Warehouses. Wir haben dazu eine Integrationspipeline entwickelt, die
uber verschiedene Stufen halbautomatisch Schemata extrahieren und integrieren
kann [
In diesem Beitrag wurden drei Aspekte des Forschungsdatenmanagements diskutiert. Es wurden die derzeitigen und geplanten organisatorischen Rahmenbedingungen an der Universitat Rostock vorgestellt. Es wurden zunachst pragmatische Losungen aufgezeigt, um zeitnah Losungen fur die Open-Science-Anforderungen umsetzen zu konnen. Schlie lich wurden Forschungsherausforderungen insbesondere aus dem Bereich der Datenbanktechnologie prasentiert.
Die Autorengruppe arbeitet dabei an verschiedenen Teilaspekten, etwa an den organisatorischen Rahmenbedingungen (Schick; Universitatsbibliothek Rostock, verantwortlich fur Digitale Bibliotheken und Forschungsdaten), den pragmatischen Losungen fur die Open Science im Kontext eines startenden Sonderforschungsbereiches (Spors; Institut fur Nachrichtentechnik) und an den genannten Forschungsfragestellungen (Bruder, Heuer; Institut fur Informatik, Forschungsgruppe Datenbanken). 17. Wiebke Oeltjen. Virtuelle Bibliotheken exibel gestalten. In eLibrary { den Wandel gestalten, Proceedings of the WissKom'10, pages 259{266. Schriften des Forschungszentrums Julich, 2010. 18. Sascha Spors, Matthias Geier, and Hagen Wierstorf. Towards Open Science in Acoustics: Foundations and Best Practices. In Tagungsband der DAGA'17, pages 218{221. DEGA, 2017. 19. Georgi Straube, Ilvio Bruder, Dortje Loper, and Andreas Heuer. Data Integration in a Clinical Environment Using the Global-as-Local-View-Extension Technique. In Yanchun Zhang, Guiqing Yao, Jing He, Lei Wang, Neil R. Smalheiser, and XiaoXia Yin, editors, Health Information Science - Third International Conference, HIS 2014, Shenzhen, China, April 22-23, 2014. Proceedings, volume 8423 of Lecture Notes in Computer Science, pages 148{159. Springer, 2014. 20. Mark D. Wilkinson and et.al. The FAIR Guiding Principles for scienti c data management and stewardship. Scienti c Data, 3, 2016. 21. Ian Witten, David Bainbridge, and David Nichols. How to Build a Digital Library.
Morgan Kaufmann, 2nd edition, 2010.