Langzeitdateiformate für FAIRes Datenmanagement
FAIRes Datenmanagement beinhaltet die Wahl der richtigen Dateiformate, damit die Daten zugänglich (accessible), interoperabel und nachnutzbar (reusable) sind. Damit ist die Wahl der Dateiformate für drei Kernanfordungen der FAIR-Prinzipien entscheidend und sollte deswegen in einem Datenmanagementplan und Projektanträgen mitbedacht werden.
Erfüllung der FAIR-Prinzipien
Vom NFDI selbst wird die „Nutzung von freien, etablierten und dokumentierten Dateiformaten“ (https://forschungsdaten.info/fdm-allgemein/veroeffentlichen-und-archivieren/faire-daten) empfohlen. Mit diesen drei Anforderungen soll sicher gestellt werden, dass Forschungsdaten auch langfristig geöffnet, genutzt und verstanden werden können. Proprietäre Dateiformate erfüllen diese Anforderungen entweder nicht oder nur teilweise. Beispielsweise ist das Format .xslx des Programms Excel etabliert, es ist aber weder frei noch so dokumentiert, dass es auch von anderen Programm geöffnet und bearbeitet werden kann. Besser ist für Tabellen hingegen das Format .csv, da dessen Aufbau dokumentiert ist und es somit von freien Programmen geöffnet und bearbeitet werden kann und es ist etabliert. Ein anderes Beispiel ist das Dateiformat .sav des Statistikprogramms SPSS. Es ist proprietär, allerdings kann es auch von der freien Statistiksoftware R geöffnet und bearbeitet werden. Für Dokumentationsmaterialien ist das Format .pdf etabliert und es kann auch von freien Programmen erstellt werden, jedoch kann es nur mit der Bezahlversion des Adobe Acrobat bearbeitet werden. Die Wahl der Datenformate bleibt oft eine Abwägung der Forschenden.
Bei der Wahl der Dateiformate sollte auch beachtet werden, dass nicht nur Datenformate für Datensätze gewählt werden müssen, sondern auch für alle Metadaten. Das beinhaltet auch Dokumentationsmaterialien wie Skalenhandbücher und Ergebnisberichte.
Accessible
Die Zugänglichkeit von Daten kann durch die Wahl von Datenformaten gesichert werden, die auch mit frei verfügbaren Programmen geöffnet und bearbeitet werden können. Oft haben Institute nur spezifische Softwarelizenzen, das sollte jedoch kein Hindernis in der Analyse von Datenprodukten darstellen. Eine .csv Datei kann beispielsweise in verschiedene andere Formate transformiert werden, wodurch Datensätze für verschiedene Statistikprogramme offen bleiben.
Interoperabel
Die Interoperabilität bezieht sich darauf, dass Daten mit verschiedenen Programmen geöffnet und bearbeitet werden können. Dadurch werden weniger Abhängigkeiten geschaffen und den Forschenden bleibt offen, welche Programme sie für die Analyse von Daten einsetzen.
Reuseable
Die Nachnutzbarkeit von Daten erfordert es, dass Daten mindestens 10 Jahre nach dem originären Forschungsprojekt noch geöffnet und bearbeitet werden können (https://www.forschungsdaten-bildung.de/datenmanagement/sichern-teilen/daten-langfristig-sichern/). Für die Wahl der Dateiformate bedeutet das, dass diese auch langfristig noch les- und bearbeitbar bleiben müssen. Proprietäre Datenformate können bspw. eingestellt werden, wenn die Firmen dahinter diese nicht mehr als wirtschaftlich ansehen oder veraltete Daten lassen sich nach Updates der jeweiligen Programme nicht mehr öffnen. Deswegen sollte eine klare Dokumentation über den Aufbau eines Datenformats bestehen. Es besteht darüber hinaus auch die Möglichkeit zu dokumentieren mit welcher Datenversion eines Statistikprogramms sowie der verwendeten Pakete ein Datensatz erstellt wurde.
Farblich hervorgehoben sind die empfohlenen Langzeitdateiformate.
verändert nach:
FAIRes Datenmanagement
Für Forschungsprojekte sollten wenn möglich offene Dateiformate verwendet werden, die sich mit verschiedenen frei verfügbaren Programmen bearbeiten lassen. Dabei sind verschiedene Abwägungen zu treffen. Beispielsweise sind Datensätze im .sav Format ein proprietäres Datenformat des Statistikprogramms SPSS, allerdings können diese auch mit dem frei verfügbaren Statistikprogramm R eingelesen, bearbeitet und gespeichert werden. Datensätze im .sav Format können also von anderen wiederverwendet werden und sie sind interoperabel mit verschiedenen Statisikprogrammen. Die Erfüllung der FAIR-Prinzipien kann eine große Rolle bei der Beantragung von Mitteln spielen und ist somit für Antragstellende ein zu erfüllendes Kriterium. Teil des Forschungsdatenmanagements ist somit auf die Planung in welchen Dateiformaten die erhobenen Daten gespeichert werden.
Die Planung der verwendeten Dateiformate sollte schon zu Anfang eines Forschungsprojekts bedacht werden, aber auch nach Abschluss eines Projekts sind Datenformate für die Sicherstellung der Nachnutzbarkeit und in der Langfristsicherung wichtig. Bei vielen Drittmittelgebern wie z.B. dem DFG ist die Nachnutzbarkeit von Daten sowie deren Langfristsicherung eine Bedingungen der Förderung. Dateiformate sollten also schon bei der Antragstellung bedacht werden, spielen dann später eine Rolle bei der Erstellung des Datenmanagementplans und schließlich bei der Übergabe der Daten an ein geeignetes Repositorium.
Wir unterstützen Sie dabei gerne. Falls Sie zu dem Thema Dateiformate für FAIRes Datenmanagement noch Fragen haben erreichen Sie uns unter fdm@med.ovgu.de