Frequently Asked Questions

Forschungsdaten sind so vielfältig wie die Methoden, mit denen sie gewonnen werden. Obwohl es keine allgemeingültige Definition gibt, können Forschungsdaten als alle Daten verstanden werden, die im Rahmen der wissenschaftlichen Forschung generiert und/oder verwendet werden. Dazu gehören sowohl Daten, die aus Beobachtungen, Erhebungen, Messungen, Experimenten oder Simulationen gewonnen werden, als auch verarbeitete Daten. Methodische Vorgehensweisen wie Algorithmen, Software oder Workflows können ein zentrales Ergebnis einer wissenschaftlichen Arbeit darstellen und gehören daher auch zu den Forschungsdaten.

Forschungsdatenmanagement befasst sich mit dem Umgang mit Forschungsdaten, von ihrer Erstellung über ihre Speicherung bis hin zur Nachnutzung. Die verschiedenen Phasen, die Forschungsdaten durchlaufen, lassen sich durch den Lebenszyklus von Forschungsdaten erklären.

Forschungsdatenmanagement (FDM) beginnt mit der systematischen Planung, welche Daten im Rahmen eines Forschungsprojekts genutzt und wie mit ihnen umgegangen wird. Zu diesem Zweck hilft ein Datenmanagementplan (DMP), kritische Fragen im Vorfeld zu klären. Bei der Erhebung der Daten ist auf eine nachvollziehbare Dokumentation der verwendeten Quellen und Instrumente zu achten und die Forschungsdaten mit relevanten Metadaten zu versehen. Gleiches gilt für die Analyse der Forschungsdaten. Ein elektronisches Laborbuch (ELN) unterstützt die Forschenden dabei. Zusammen mit einer nachvollziehbaren Dokumentation werden die Roh- und verarbeiteten Daten auf einer Speicherinfrastruktur gespeichert, mit der Möglichkeit der Langzeitarchivierung. Fachspezifische Repositorien oder wissenschaftliche Zeitschriften ermöglichen es, Forschungsdaten mit der Community zu teilen. Um die generierten Daten eindeutig zu identifizieren und zu referenzieren, wird bei der Veröffentlichung ein persistenter Identifikator (PID) vergeben. Andere Forschende haben nun Zugriff auf die Forschungsdaten und können sie nachnutzen, um auf dem aktuellen Wissensstand aufzubauen.

Dafür gibt es viele Gründe! Ein gutes Forschungsdatenmanagement spart beispielsweise langfristig Zeit, Kosten und Ressourcen. Darüber hinaus hilft ein systematischer Umgang mit Ihren Forschungsdaten, den Überblick über Ihre Daten zu behalten. Dies reduziert Fehler und kann die Qualität Ihrer Arbeit verbessern. Zugängliche und gut dokumentierte Daten können den wissenschaftlichen Fortschritt beschleunigen, da andere Wissenschaftler ihre Ergebnisse validieren oder neue Erkenntnisse generieren können. Eine Liste der Vorteile finden Sie in den folgenden Fragen.

Bei einem angemessenen Umgang mit Ihren Forschungsdaten profitieren Sie von:

• Effizienz: Ein durchdachter Umgang mit Ihren Forschungsdaten spart Zeit, erhöht die Reproduzierbarkeit und reduziert das Risiko, Ihre Daten zu verlieren.
• Glaubwürdigkeit: Wenn Sie anderen Forschern Zugang zu Ihren Daten gewähren, erhöht dies die Akzeptanz und Glaubwürdigkeit Ihrer Forschung.
• Anerkennung: Es können nicht nur Arbeiten zitiert werden, sondern auch gut dokumentierte Datensätze.
• Wiederverwendbarkeit: Andere Forscher können auf Basis Ihrer Daten neues Wissen generieren – und umgekehrt.

Um das volle Potenzial der gesammelten Forschungsdaten auszuschöpfen, sollten diese nachhaltig nachnutzbar sein. Um die Anforderungen dafür zu beschreiben, wurden die FAIR-Datenprinzipien vorgeschlagen. FAIR steht für Findable, Accessible, Interoperable und Reusable. Eine detaillierte Beschreibung finden Sie hier. In seinem Vorschlag hat der Cluster beschlossen, diese Prinzipien umzusetzen.

Dies ist eine komplexe Frage, da Daten, Arbeitsabläufe und Ausgangspositionen recht heterogen sind. In einfachen Worten bedeutet FAIR:

• Auffindbar: Legen Sie Ihre Daten in ein Repositorium oder eine vergleichbare Dateninfrastruktur ein, indem Sie eine PID zuweisen. Beschreiben Sie Ihre Daten mit umfangreichen Metadaten.
• Zugänglichkeit: Das Repositorium oder eine vergleichbare Dateninfrastruktur sollte den Zugriff auf die Daten unter Verwendung standardisierter Kommunikationsprotokolle ermöglichen. Zugänglich bedeutet nicht zwangsläufig Open Source. Metadaten sollten verfügbar sein, auch wenn die Daten nicht mehr gespeichert werden. Wenn Sie etablierte Infrastrukturen nutzen, müssen Sie sich um diesen Punkt keine weiteren Gedanken machen.
• Interoperabilität: Die Daten und Metadaten sollten so gespeichert werden, dass sowohl Computer als auch Menschen die Inhalte leicht lesen und verarbeiten können. Dies kann erreicht werden, indem die Daten und Metadaten in gängigen Datenformaten bereitgestellt werden.
• Nachnutzbar: Hier sind zwei Punkte von besonderer Bedeutung: Erstens sollen die Daten so beschrieben werden, dass andere Forschende nachvollziehen können, wie solche Daten entstanden sind und in der Folge potenziell in der Lage sind, sie zu replizieren. Daher sind umfangreiche Metadaten erforderlich. Zweitens sollte eine Lizenz erteilt werden, die die Wiederverwendbarkeit der Daten definiert.

Wenn man sich die Details ansieht, könnte dies eine komplexe Frage sein. Mit der folgenden Liste, die hier entnommen wurde, ist jedoch ein erster Leitfaden gegeben:

• Dokumentieren Sie die Daten: Dokumentieren Sie Ihre Daten immer von Beginn des Forschungsprozesses an, um die Forschungsdaten reproduzierbar zu machen. Stellen Sie auch relevante Metadaten zur Verfügung. Halten Sie sich an disziplinspezifische Metadatenstandards.
• Erteilen Sie eine Lizenz: Wählen Sie eine für Ihre Forschungsdaten geeignete Lizenz (z. B. Creative Commons). Versuchen Sie, die Nutzungsbedingungen so offen wie möglich und so eingeschränkt wie nötig zu halten.
• Rechtliche Aspekte: Der Veröffentlichung von Forschungsdaten können verschiedene rechtliche und/oder ethische Aspekte entgegenstehen. Prüfen Sie dies vor der Veröffentlichung. Weitere Informationen hier.
• Wählen Sie ein Repositorium: Suchen Sie nach einem geeigneten fachspezifischen Repositorium, das für Ihre Forschungsgemeinschaft relevant ist. Wenn Sie nicht fündig werden, wählen Sie ein multidisziplinäres oder institutionelles Repositorium.
• Dauerhafter Bezeichner: Sorgen Sie dafür, dass Ihre Daten einen DOI erhalten, um sie langfristig auffindbar zu machen. Legen Sie eine ORCID für sich selbst an, damit Ihre wissenschaftliche Arbeit eindeutig Ihnen zugeordnet werden kann.
• Veröffentlichung: Laden Sie Ihre Forschungsdaten in einem geeigneten Dateiformat auf das ausgewählte Repositorium hoch und machen Sie die Welt darauf aufmerksam! Bei Fragen stehen Ihnen die Mitarbeiter des Repositoriums gerne zur Verfügung. Weitere Informationen hier.

Wichtig: Bei der Veröffentlichung einer Arbeit ist es von größter Wichtigkeit, die zugehörigen Forschungsdaten in der Arbeit über eine Datenverfügbarkeitserklärung zu verlinken (Embargofrist ist möglich).

• Z.B.: Die im Rahmen der aktuellen Studie erzeugten und analysierten Datensätze sind im [NAME] Repository [PERSISTENT IDENTIFIER] verfügbar.

Best-Practice-Beispiele für Datenverfügbarkeitserklärungen:

• https://doi.org/10.1038/s41467-020-14640-2
• https://doi.org/10.1038/s41524-019-0216-x

Die DFG thematisiert das Forschungsdatenmanagement im Rahmen der Leitlinien zur Sicherung guter Forschungspraxis. Wenn ich keine Zeit habe, diese Leitlinien zu lesen, was sind die grundlegenden Aussagen in diesem Kodex?

Die zentralste Aussage steht in Leitlinie 13: „In der Regel stellen Forscherinnen und Forscher alle Ergebnisse im Rahmen eines wissenschaftlichen Diskurses zur Verfügung.“
In der nachfolgenden Erklärung heißt es dazu: „Um die Transparenz zu wahren und die Nachvollziehbarkeit und Wiederverwendung von Forschungsergebnissen durch andere zu ermöglichen, stellen Forscher die Forschungsdaten und Hauptmaterialien, auf denen eine Publikation basiert, in anerkannten Archiven und Repositorien zur Verfügung, was den FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) entspricht.“ Die Umsetzung der FAIR-Prinzipien ist also auf dem Weg, ein integraler Bestandteil des wissenschaftlichen Alltags zu werden.
Ein zweiter Punkt betrifft die Verpflichtung zur Archivierung von Forschungsdaten. In der Erläuterung der Richtlinie 17 wird ein Zeitraum von zehn Jahren genannt.

Vereinfacht ausgedrückt kann unter Forschungssoftware Software verstanden werden, die im Rahmen einer wissenschaftlichen Arbeit erstellt wird oder die einen wesentlichen Beitrag zu wissenschaftlichen Erkenntnissen leistet. Auch eine einfache Eingabe über die Kommandozeile kann Forschungssoftware sein, wenn darin Fachwissen verdichtet ist.

Ja! Gerade im Hinblick auf die FAIR-Prinzipien ist es von zentraler Bedeutung, die verwendete Forschungssoftware zur Verfügung zu stellen, um Nachvollziehbarkeit und Reproduzierbarkeit zu gewährleisten. Eine Interpretation der Guidelines for Safeguarding Good Research Practice in Bezug auf Forschungssoftware finden Sie hier. Siehe auch hier für aktuelle Diskussionen.

Eine ganze Menge! Das Forschungsdatenmanagement spielt eine wichtige Rolle, um die Ziele von POLiS zu erreichen. Der POLiS-Beauftragte für Forschungsdatenmanagement koordiniert alle FDM-Aktivitäten des Clusters.

• Der Cluster bietet einen eintägigen Workshop mit dem Titel „Einführung in das Forschungsdatenmanagement“ an.
• Der Cluster stellt einen zentralen Datenserver zur Verfügung, um eine effiziente Zusammenarbeit mit großen Datenmengen zu ermöglichen.
• In Zusammenarbeit mit anderen Forschungsprojekten entwickelt der Cluster die Datenaustausch- und Analyseplattform Kadi4Mat.
• Der Cluster unterstützt Forscherinnen und Forscher bei der Einführung und Nutzung von elektronischen Laborjournalen.
• Der Cluster bietet weiterführende Module an, z.B. zur Datenanalyse und -verarbeitung.
• Der Cluster arbeitet eng mit Bibliotheken, Rechenzentren und anderen Forschungsdateninfrastrukturen zusammen.
• Der Cluster berät Forscher bei der Umsetzung der FAIR-Prinzipien.
• Der Cluster initiiert und unterstützt Pilotprojekte im Bereich FDM, um vollständig nachvollziehbare Forschungsketten von der Synthese bis zur Post-Mortem-Analyse zu ermöglichen.

Der ordnungsgemäße Umgang mit Forschungsdaten gehört in einer wissenschaftlichen Einrichtung zum Alltag und ist daher auch in den von der DFG herausgegebenen Guidelines for Safeguarding Good Research Practice enthalten. In POLiS fordern und fördern wir deren Umsetzung durch die Anwendung der FAIR-Prinzipien. Dazu gehört, dass in POLiS-Publikationen ein Data Statement aufgenommen wird, das beschreibt, wie der Zugang zu den jeweiligen FAIR-Forschungsdaten gewährt wird und unter welcher Lizenz sie weiterverwendet werden können. Ausnahmen sind im Einzelfall möglich, z.B. bei Patentanmeldungen. Bitte wenden Sie sich in solchen Fällen an den Forschungsdatenbeauftragten von POLiS. In Kadi4Mat sollen über die DFG-Richtlinien hinaus verlässliche Roh- und Prozessdaten in kuratierter Form zugänglich gemacht werden. Dies gilt insbesondere, aber nicht nur, für Daten, die Publikationen zugrunde liegen. Der Eigentümer dieser Daten entscheidet im Einzelfall oder durch Vergabe einer Lizenz, wie sie weiterverwendet werden können. Dies ist vor dem Hintergrund der Projektstruktur des Clusters, in dem einige Projekte auf den Daten anderer Projekte aufbauen, der langfristigen Förderdauer und der Arbeitspakete D.3 und D.4, in denen ein standardisierter und automatisierter Zugriff auf eine große Datenbank erforderlich ist, von grundlegender Bedeutung.

Weil es sinnvoll ist! So lassen sich mögliche Schwachstellen frühzeitig erkennen und beseitigen. Gerade bei der Erstellung eines Forschungsantrags können Mittel für das Forschungsdatenmanagement beantragt werden, z.B. Kosten für die Sicherstellung der Nachnutzbarkeit von Forschungsdaten für Dritte. Viele Förderorganisationen verlangen inzwischen auch einen Abschnitt über den Umgang mit Forschungsdaten im angewandten Forschungsprojekt. Wenn der Umgang mit den Forschungsdaten von Anfang an klar ist, müssen Sie sich nicht mehr um Datensicherheit etc. kümmern und können sich auf das Wichtigste in Ihrem Forschungsprojekt konzentrieren - die Forschung selbst.

Ein Datenmanagementplan beschreibt, welche Daten produziert oder verwendet werden und was mit diesen Daten während und nach dem Forschungsprojekt geschieht. Es wird empfohlen, den Datenmanagementplan vor Beginn Ihres Forschungsprojekts zu erstellen. Es kann auch sinnvoll sein, ihn während des Projekts zu aktualisieren. Ein Datenmanagementplan wird von vielen Förderorganisationen verlangt.

Die Erstellung eines Datenmanagementplans ist recht einfach. Entweder stellt Ihnen die Organisation, bei der Sie sich um eine Förderung bewerben, eine Vorlage zur Verfügung, oder Sie finden im Internet Vorlagen, die Ihnen eine erste Orientierung bieten. Tools wie DMPonline oder RDMO können Ihnen bei der Erstellung eines DMP helfen.

Ein elektronisches Labornotizbuch kann als „eine digitale Version des herkömmlichen Labornotizbuchs auf Papier verstanden werden, in dem der gesamte wissenschaftliche Prozess festgehalten werden kann. Im Gegensatz zu herkömmlichen Notizbüchern, die für andere nur schwer zugänglich sind, erleichtern elektronische Notizbücher den Forschern die Organisation, Verwaltung und gemeinsame Nutzung der vielen Komponenten ihrer Arbeit.“ [A. Mascarelli, Nature, Research Tools: Jump Off The Page, 2014, doi.org/10.1038/nj7493-523a]
Im Vergleich zu einer Papierform bietet der elektronische Charakter des ELN mehrere Vorteile. So ist es zum Beispiel recht einfach, mit Kollegen zusammenzuarbeiten und Ergebnisse zu diskutieren. Das Risiko, Daten zu verlieren, ist im Allgemeinen geringer. Je nach ELN können Berichte automatisch erstellt werden. Wie Sie sehen, gibt es viele gute Gründe, mit einem ELN zu arbeiten!
Die Idee des Einsatzes eines ELN in Kadi4Mat ist es, gut beschriebene und dokumentierte Abfolgen von sequentiellen oder parallelen Schritten zu definieren und zu nutzen, die hochautomatisiert abgearbeitet werden können und als Workflow bezeichnet werden. Wenn Sie in Kadi4Mat Workflows erstellen oder verwenden, nutzen Sie eigentlich ein ELN. Dieses geht über einen einfachen Ersatz eines Papier-Laborbuchs hinaus und kann als ELN 2.0 verstanden werden. Da jedoch nicht alle Bedürfnisse mit diesem Ansatz abgedeckt werden können, können andere ELNs wie Chemotion elabFTW oder Jupyter eine Alternative sein.

Eine gute Datendokumentation ist unerlässlich, um Daten zu finden, zu reproduzieren und wiederzuverwenden. Zur Datendokumentation gehören z. B. die Beschreibung von Variablen, die Beziehung der Daten zueinander oder Informationen über die Datenerhebung. Bestimmte Dokumentationsinformationen können auch in Form von Metadaten gespeichert werden. Metadaten sind also eine strukturierte Form der Datendokumentation.

Metadaten beschreiben Daten und sind genauso wichtig wie die Daten selbst. Oft sind Daten wertlos, weil nicht dokumentiert ist, unter welchen Umständen die Daten entstanden sind. In der Regel gilt: Je mehr Metadaten vorhanden sind, desto besser ist es!

Der Analyseschritt umfasst häufig die Weiterverarbeitung von Rohdaten und die grafische Darstellung der verarbeiteten Daten. Die Analyseschritte und die verwendeten Methoden und Werkzeuge sollten so genau wie möglich dokumentiert werden. Dies erhöht die Reproduzierbarkeit der verarbeiteten Daten und der daraus gezogenen Schlüsse.
Der ELN-Teil von Kadi4Mat bietet Lösungen an, um einen gut dokumentierten Analyseschritt zu ermöglichen, der reproduzierbar und nicht zuletzt auch ausführbar ist.

Generell sollten die erzeugten Daten sicher gespeichert werden, was die Sicherheit des Datenzugriffs und die Sicherheit der Hardware betrifft. Je nach Einrichtung oder Universität werden Software- und Hardwarelösungen angeboten, die Ihren Bedürfnissen entsprechen. Regelmäßige Backups verringern das Risiko von Datenverlusten. Was sich manchmal als herausfordernd und schwierig erweist, ist die Tatsache, dass empfohlen wird, mindestens drei Kopien einer Datei anzufertigen und diese auf mindestens zwei verschiedenen Medien zu speichern, von denen eines dezentralisiert ist.

Es kann viel getan werden, um sicherzustellen, dass Daten auch nach Jahren noch gefunden werden können. Es empfiehlt sich, eine einheitliche Methode zur Benennung Ihrer Dateien festzulegen. Diese Methode sollte für Sie und Ihre Kollegen sinnvoll sein. Um Probleme bei der Datenverarbeitung zu vermeiden, vermeiden Sie Umlaute wie (ö, ü, ä) und ß, sowie Sonderzeichen wie { } [ ] < > ( ) * % # ; , : ? ! & $. Verwenden Sie den Unterstrich (_) oder eine Großschreibung des ersten Buchstabens, um verschiedene Teile zu trennen. Vermeiden Sie Leerzeichen und verwenden Sie stattdessen den Unterstrich. Eine Datei könnte zum Beispiel wie folgt benannt werden: [Projekt]_[Inhalt]_[Person]_[Datum/Version].doc

Ein Repository ist ein verwaltetes Verzeichnis zur Speicherung und Beschreibung von (digitalen) Objekten wie Publikationen, Software oder Forschungsdaten. Repositorien erleichtern das Suchen und Finden von Daten. Mit einer ausgeklügelten Rechteverwaltung können Repositorien öffentlich oder lokal gehostet werden. Repositorien können in disziplinspezifische, interdisziplinäre oder institutionelle Repositorien unterteilt werden. Repositorien können für die Suche und den Austausch von Daten genutzt werden.

Die Daten, auf denen die Arbeiten beruhen, sollten öffentlich zugänglich gemacht werden. Im nächsten Abschnitt erfahren Sie, wie Sie die Daten freigeben können. Um den für die tägliche Arbeit verfügbaren Speicherplatz zu schonen, können andere wichtige Daten, die nicht mehr aktiv benötigt werden, archiviert werden. Bitte wenden Sie sich an Ihren Vorgesetzten, um sich über die Möglichkeiten der Datenarchivierung an Ihrem Institut zu informieren.

KIT-Mitarbeiter können den Dienst bwDataArchive zur Datenarchivierung nutzen.

Datensätze können wie Publikationen zitiert werden, die zu einem System der wissenschaftlichen Reputation, wie dem h-Index, beitragen. Darüber hinaus wird Ihre Forschung zuverlässiger, wenn die zugrunde liegenden Daten zugänglich sind. So wie Sie bei Ihrer Forschung von den Daten anderer profitieren, können andere von Ihren Daten profitieren und den wissenschaftlichen Fortschritt beschleunigen.

Hier gibt es viele Möglichkeiten. Fachspezifische Repositorien sind die erste Wahl, da Ihre Daten von Ihrer Gemeinschaft leicht gefunden werden können. Re3data kann bei der Suche nach einem geeigneten Repositorium helfen. Interdisziplinäre Repositorien können verwendet werden, wenn kein geeignetes disziplinspezifisches Repositorium gefunden werden kann. Zenodo ist wahrscheinlich das bekannteste. Manchmal bieten Zeitschriften die Möglichkeit, Forschungsdaten während des Publikationsprozesses hochzuladen, zum Beispiel über Mendeley Data. Auch Universitätsbibliotheken bieten oft die Möglichkeit, Daten zu veröffentlichen. Siehe KITOpen für Mitarbeiter des KIT, OPARU für Mitarbeiter der Universität Ulm und JLUdata für Mitarbeiter der Universität Gießen.

Auf diese Frage gibt es leider keine allgemeingültige Antwort. Für mögliche Nachnutzer ist es von Vorteil, wenn die Daten einfach weiterverwendet werden können, z. B. indem sie nur wenige Einschränkungen aufweisen. Die Creative Commons licenses werden häufig für Datenveröffentlichungen verwendet. Der Public Licence Selector kann als Entscheidungshilfe dienen und ist einfach zu bedienen.

Ein persistenter Identifikator ist ein dauerhafter Verweis auf ein Objekt wie ein Dokument, eine Datei oder eine Webseite. Ein digitaler Objekt-Identifikator (DOI) wird üblicherweise zur Identifizierung wissenschaftlicher Veröffentlichungen verwendet.

Der Open Researcher and Contributor IDentifier (ORCID) ist eine PID für Personen. Selbst ein vollständiger Name mit zweitem Vornamen reicht möglicherweise nicht aus, um eine Person eindeutig zu identifizieren. Einige Zeitschriften verlangen, dass die ORCID der Autoren während des Einreichungsverfahrens angegeben wird. Jedem Forscher wird dringend empfohlen, eine ORCID zu erstellen und zu verwenden.

Bei der Veröffentlichung von Forschungsdaten kann eine Zeitspanne festgelegt werden, in der kein Zugang zu den Daten gewährt wird. Dieser Zeitraum wird Embargo-Periode genannt. Wenn die Analyse der Daten zum Zeitpunkt der Veröffentlichung einer Arbeit noch nicht abgeschlossen ist, kann die Vergabe einer Sperrfrist sinnvoll sein. Obwohl die Daten noch nicht zugänglich sind, können die Metadaten gefunden und die Daten über eine PID zitiert werden.

Datenjournale veröffentlichen eine ausführliche Beschreibung eines Datensatzes, z. B. wie diese Daten gesammelt wurden und wie sie weiterverwendet werden können. Beispiele sind wissenschaftliche Daten oder chemische Datensammlungen.

Die Daten, auf denen die Arbeiten basieren, können am besten direkt aus den Informationen in der Datenerklärung entnommen werden. Suchmaschinen helfen Ihnen, vorhandene Daten zu finden. Um fachspezifische Repositorien zu finden, können Sie re3data verwenden. Andere Suchmaschinen wie B2FIND, BASE, Google Dataset Search und DataCite Metadata Search können direkt für eine Datensuche verwendet werden.

Kadi4Mat ist die Karlsruher Dateninfrastruktur für die Materialwissenschaft. Diese Software wird für die Verwaltung von Forschungsdaten entwickelt, mit dem Ziel, neue Konzepte mit etablierten Technologien und bestehenden Lösungen zu kombinieren. Sie beinhaltet sowohl Aspekte eines elektronischen Labornotizbuchs (ELN) als auch eines Repositoriums. Weitere Informationen finden Sie hier.

Kadi4Mat wird im Rahmen mehrerer Forschungsprojekte am Karlsruher Institut für Technologie (KIT) unter der Leitung von Dr.-Ing. Michael Selzer (Institut für Nanotechnologie) entwickelt. Maßgeblich beteiligt sind u.a. Mitglieder des Instituts für Nanotechnologie und des Instituts für Angewandte Materialien des KIT sowie des Instituts für Digitale Materialien der Hochschule Karlsruhe.

Kadi4Mat wird als eine hochmoderne Plattform für das Management von Forschungsdaten entwickelt. Ausgehend von den Materialwissenschaften ist das Konzept generisch genug, um auch die Bedürfnisse einer Vielzahl von anderen Communities abzudecken. Ein grundlegendes Merkmal ist die Datenspeicherung und der webbasierte Datenaustausch mit feingranularen, benutzerdefinierten Zugriffsrechten, um Ihnen die volle Kontrolle über Ihre Daten zu geben. Da benutzerspezifische Workflows eine zentrale Rolle in der Entwicklung spielen, wird Kadi4Mat Schnittstellen anbieten, um Ihren Workflow sowohl lokal als auch auf dem Kadi4Mat-Server laufen zu lassen und mit der Kadi4Mat-Datenbank zu interagieren. Kadi4Mat wird als Plattform entwickelt, um den Umgang mit Ihren Forschungsdaten zu erleichtern und um Ihnen zu helfen, Ihre Daten FAIR zu machen!

Der Grund, warum Sie Kadi4Mat nutzen sollten, ist, dass Sie davon profitieren!  Zunächst einmal können Sie Ihre (Meta-)Daten einfach verwalten und haben einen guten Überblick über Ihre gesammelten Daten. Mit fortschrittlichen Suchfunktionen finden Sie schnell die Daten, die Sie benötigen. Wenn Sie mit anderen Projekten zusammenarbeiten, können Sie Ihre Daten bequem teilen. Kadi4Mat bietet verschiedene Berechtigungsrollen, so dass Sie entscheiden können, ob andere Personen nur lesend oder auch aktualisierend auf die Inhalte zugreifen dürfen. Kadi4Mat ebnet den Weg zur fortgeschrittenen Datenanalyse, die ein zentraler Bestandteil von RU D ist. Nur wenn Daten zugänglich und mit reichhaltigen Metadaten versehen sind, kann Data Science funktionieren und neue Erkenntnisse oder Deskriptoren gefunden werden. Nicht zuletzt ermöglicht ein gründliches und konsistentes Datenmanagement eine vollständig nachvollziehbare Forschungskette von der Synthese bis zur Post-Mortem-Analyse.

Kadi4Mat ist hauptsächlich für die Arbeit mit „warmen“ Daten entwickelt worden. Typische Anwendungsbereiche liegen daher im Bereich „Sammeln“ und „Analysieren“.  Hier können Sie Ihre warmen Daten speichern und, wenn Sie möchten, mit Ihrer Community teilen. Um die Daten zu veröffentlichen, einen DOI zu erhalten und sie mit der Welt zu teilen, müssen sie an einen anderen Dienst übergeben werden. Kadi4Mat bietet hierfür Schnittstellen an. Zum Beispiel kann Ihr Kadi4Mat-Konto mit Ihrem Zenodo-Konto verknüpft werden und die Daten können direkt von Kadi4Mat nach Zenodo kopiert werden, wenn sie veröffentlicht werden sollen.

Es gibt mehrere Möglichkeiten, mit dem Kadi4Mat-Team in Kontakt zu treten. Der naheliegendste Weg ist die Kontaktaufnahme mit dem Forschungsdatenbeauftragten via E-Mail oder Rocket.Chat. Außerdem können Sie Feedback an feedback-kadi4mat@lists.kit.edu senden oder das issue system on GitLab nutzen, um Bugs, Feature Requests etc. zu melden.

Ja! Kadi4Mat wird unter der Apache License, Version 2.0, entwickelt. Sie können hier Zugang zum Code erhalten. In einigen Fällen können spezielle Funktionen bis zu ihrer Veröffentlichung in privaten Repositories liegen.

POLiS betreibt hier einen eigenen Datenserver mit Kadi4Mat. Sie können mit Ihrem POLiS-Konto zugreifen.

Sie können Ihre Daten mit Hilfe von Ressourcen namens Datensätze, Sammlungen, Gruppen und Vorlagen verwalten. Mit einem Rollenmanagementsystem haben Sie die volle Kontrolle über Ihre Daten. Sie entscheiden, wer Ihre Daten sehen und nutzen kann.

Datensätze sind die Grundbausteine von Kadi4Mat, da sie Daten enthalten und diese mit Metadaten verbinden. Die Daten eines Datensatzes können entweder aus einer einzelnen Datei oder aus mehreren Dateien (z. B. einer Reihe von mehreren Bildern) bestehen, die alle dieselben Metadaten verwenden. Datensätze können auch in Sammlungen gruppiert und mit anderen Datensätzen verknüpft werden.

Collections stellen einfache, logische Gruppierungen mehrerer Datensätze dar.

Gruppen können verwendet werden, um mehrere Benutzer zu gruppieren, was die Zugriffsverwaltung erleichtert.

Vorlagen können verwendet werden, um Blaupausen für Datensätze und Metadaten zu erstellen. Beim Erstellen eines neuen Datensatzes können Vorlagen als Ausgangspunkt dienen.

Die Kadi-APY-Software ist eine Bibliothek, die zusammen mit Kadi4Mat verwendet werden kann. Die REST-ähnliche API von Kadi4Mat ermöglicht es, programmgesteuert mit den meisten Ressourcen zu interagieren, die über die Weboberfläche verwendet werden können. Die Bibliothek macht die Verwendung dieser Schnittstelle besonders einfach, indem sie sowohl einen objektorientierten Ansatz in Python als auch eine Befehlszeilenschnittstelle (CLI) bietet. Es ist in Python 3 geschrieben und funktioniert sowohl unter Linux als auch unter Windows.

Weil es die Interaktion mit der Kadi4Mat-Datenbank erleichtert, indem es sie in Ihren Workflow integriert. Wenn Sie bestimmte Arbeitsschritte mehrmals wiederholen, hilft Ihnen die Kadi-APY-Bibliothek, Ihre Interaktion mit Kadi4Mat zu automatisieren und so Zeit zu sparen. Insbesondere bei der Verarbeitung großer Datensätze ermöglicht die Kadi-APY-Bibliothek einen hohen Automatisierungsgrad. Darüber hinaus werden Ihre Daten zuverlässiger und nachvollziehbarer, da weniger Schritte von Hand durchgeführt werden.

Ja, absolut! Es gibt mehrere Einstiegspunkte, um die Kadi-APY-Bibliothek zu nutzen. Erfahrene Programmierer können die Python-Bibliothek direkt verwenden, da sie ihnen die volle Kontrolle und maximale Flexibilität bietet. Über CLI-Befehle oder innerhalb des grafischen Workflow-Editors können jedoch auch unerfahrene Benutzer die Kadi-APY-Bibliothek problemlos und ohne Programmierkenntnisse verwenden.

Die Kadi-APY-Bibliothek ist über pip verfügbar. Laufen

$ pip3 kadi-apy installieren

, um die Kadi-APY-Bibliothek zu installieren.

Run

$ pip3 install --upgrade kadi-apy

Führen Sie nach der Installation

$ kadi-apy --help

oder schauen Sie hier für weitere Informationen. Z.B. der Befehl

$ kadi-apy records add-files -R my_record -n Ordner

lädt alle Dateien in dem Ordner mit dem Namen Ordner in den Datensatz mit der Kennung my_record hoch.

Der Quellcode befindet sich unter gitlab.com und kann hier abgerufen werden.

Natürlich nicht! Alle Funktionalitäten von Kadi4Mat können über die Website aufgerufen werden. Wenn Sie jedoch Ihren Workflow automatisieren möchten, sollten Sie es verwenden.

Es ist recht einfach, die Kadi-APY-Bibliothek in Ihrem Python-Code zu verwenden. Nach der Installation können Sie Kadi-APY-Funktionen in Ihren Python-Code importieren. Ein Beispiel ist im Kadi-APY-Projekt enthalten, das hier zu finden ist. Darüber hinaus kann die programmatische API von Kadi4Mat auch direkt mit anderen geeigneten Clients verwendet werden. Details zur API finden Sie in der Entwicklerdokumentation von Kadi4Mat, die hier zu finden ist.

Im Allgemeinen hat Linux einige starke Vorteile. Es ist Open Source, kostenlos zu verwenden und nicht so anfällig für Angriffe wie Windows, um nur einige zu nennen. Es ist auch perfekt für Programmierer in einem wissenschaftlichen Umfeld! Auch wenn Sie nicht programmieren, kann die Verwendung einer Befehlszeile wie des Linux-Terminals für Sie interessant sein, um einige CLI-Befehle auszuführen oder Ihren Workflow in einem Bash-Skript auszuführen. Dies können einfache, aber wirkungsvolle Schritte sein, um Ihre Datenverarbeitung zu automatisieren, Ihren Workflow zuverlässiger und reproduzierbarer zu machen und Zeit zu sparen! In Kombination mit Bash-Scripting ist das Linux-Terminal viel besser zu bedienen als die Windows-Befehlszeile. Und das Tolle ist: Auch innerhalb von Windows kann man ein Linux-Terminal verwenden!

Eine Befehlszeilenschnittstelle bietet eine textbasierte Benutzeroberfläche und ist die einfachste Art der Mensch-Computer-Interaktion. Für die Interaktion ist ein Befehl notwendig, der mit zusätzlichen Parametern angereichert werden kann. Dieser Befehl führt in der Regel zu einer Aktion, die auch einen Ausgang haben kann.

Das Linux-Terminal und Windows PowerShell sind zwei Beispiele für Befehlszeileninterpreter, die CLIs verarbeiten können. Die Alternative zu einer CLI ist die grafische Benutzeroberfläche (GUI).

Wenn Sie einige CLI-Befehle verwenden möchten, ist dies unbedingt erforderlich! Kadi4Mat bietet leistungsfähige CLI-Bibliotheken (Kadi-APY CLI und Workflow Nodes), die direkt verwendet werden können. Nach der Installation müssen die Benutzer nur noch die Texteingabeparameter definieren, was sehr einfach ist.

Das ist überhaupt kein Problem! Wenn Sie zusätzlich Linux auf Ihrem Windows-PC installieren, können Sie Dual-Boot verwenden. Windows ermöglicht auch die Nutzung eines leistungsfähigen Linux-Terminals, indem es das sogenannte Windows Subsystem for Linux (WSL) bereitstellt, das direkt über den Windows App Store installiert werden kann. Dies könnte für Ihre Bedürfnisse ausreichend sein.

Ein paar Befehle reichen aus, um Ihnen den Einstieg zu erleichtern. Dazu gehören:

• ls - zeigt den Inhalt des Ordners an

• ls -l - zeigt den Inhalt des Ordners mit weiteren Informationen an

• cd dir - wechselt das Verzeichnis in das Verzeichnis

• cd - wechselt das Verzeichnis nach home

•CD.. - Navigiert einen Ordner nach oben

• MKDIR-Ordner - erstellt einen Ordner mit dem Namen Ordner

• cp Datei1 Datei2 - kopiert Datei1 nach Datei2

• pwd - zeigt das aktuelle Verzeichnis an

• rm file - entfernt (löscht) die Datei mit dem Namen file

• chmod +x file - macht die Datei, die als Datei bezeichnet wird, ausführbar

Weitere nützliche Befehle finden Sie hier.

Das Windows-Subsystem für Linux ermöglicht es Windows-Benutzern, ein Linux-Terminal auf einem Windows-PC auszuführen. Weitere Informationen finden Sie hier. Die WSL 1 wurde 2016 und die WSL 2 im Jahr 2020 veröffentlicht. Die Verwendung der WSL ist wahrscheinlich die einfachste Möglichkeit, ein Linux-Terminal auf einem Windows-Computer zu installieren.

Die WSL ist im Microsoft App Store verfügbar. Bevor Sie es installieren können, muss die Funktion "Windows-Subsystem für Linux" aktiviert werden. Des Weiteren ist eine 64-Bit-Version von Windows 10, mit Version 1607 oder höher, erforderlich. Die englische und deutsche Version einer leicht verständlichen Installationsanleitung finden Sie hier: Englisch und Deutsch.

Eine Debian-basierte Distribution wird dringend empfohlen. Als Vorschlag könnte Ubuntu verwendet werden, was die gebräuchlichste Distribution ist.

Unter Windows müssen Sie einen X-Server wie Xming installieren. Nach dem Start des X-Servers in Windows können Sie eine GUI-Anwendung über das Linux-Terminal starten.

Wenn die grafische Anwendung keine Verbindung zum X-Server herstellen kann, verwenden Sie den Befehl

$ export DISPLAY=:0.0

bevor Sie die Anwendung starten. Sie können diesen Befehl auch zu Ihrer /.bashrc-Datei hinzufügen. Sie müssen es also nicht jedes Mal neu eingeben:

$ echo 'export DISPLAY=:0.0' >> ${HOME}/.bashrc

Es gibt zwei mögliche Wege: Über das Terminal wird der Pfad zu Windows mit

$ /mnt/<letter_hard_drive>/Users/<username>/Desktop/

Using

$ cp /mnt/<letter_hard_drive>/Users/<username>/Desktop/file .

Sie können eine Datei mit dem Namen file von Ihrem Windows-Desktop auf die WSL übertragen. Eine Alternative ist die Verwendung des Windows-Datei-Explorers. Das WLS erhalten Sie, indem Sie

\\wsl$

Verwenden Sie den Befehl ln -s, um eine (symbolische) Verknüpfung zu erstellen. Der Befehl

$ ln -s /mnt/<letter_hard_drive>/Benutzer/<username>/Desktop/ $HOME/Desktop

Erstellt in Ihrem $HOME Ordner einen Link mit dem Namen Desktop, der auf Ihren Windows-Desktop verweist.

Sie können einen Windows-Texteditor verwenden, um Textdateien zu bearbeiten und zu speichern, die sich in der WSL befinden. Eine nützliche Option ist Notepad++.

Sie müssen diese Funktion manuell im Optionsfeld des Terminals aktivieren (das sich in der oberen rechten Ecke des Terminals befindet). Nachdem Sie es aktiviert haben, verwenden Sie [STRG] + [SHIFT] + [C] zum Kopieren und [STRG] + [SHIFT] + [V], um Text im Terminal einzufügen. Eine Anleitung finden Sie auch hier.

Sie müssen die Bildschirmpuffergröße auf eine höhere Zahl ändern. Ändern Sie sie in 1000, z. B. über Eigenschaften → Layout → Bildschirmpuffergröße → -höhe. Folgen Sie diesem Link für eine Beschreibung.

Git ist eine leistungsstarke Versionskontrollsoftware, mit der Änderungen während der Softwareentwicklung verfolgt werden können. Gerade wenn viele Programmierer zusammenarbeiten, hilft Git dabei, den Überblick zu behalten. Neben Software kann Git auch verwendet werden, um jede Art von Dateien zu verfolgen. Git ist sehr empfehlenswert für jeden, der Software entwickelt. Weitere Informationen finden Sie auf Wikipedia.

Nein. Die wichtigsten Pakete können ohne Git installiert werden.

GitLab ist eine Git-basierte Plattform für die Softwareentwicklung. Neben GitHub ist GitLab eine der am häufigsten genutzten Git-basierten Plattformen, die es gibt. Der Kadi4Mat-Quellcode wird bei www.gitlab.com gehostet.

Nein. Öffentliche Projekte können ohne gitlab.com Account heruntergeladen werden. Wenn Sie ein Issue auf gitlab.com erstellen möchten, um mit dem Kadi4Mat-Entwicklerteam in Kontakt zu treten, müssen Sie zuerst ein Konto erstellen.

Führen Sie einfach den folgenden Befehl aus:

$ sudo apt install git

Wenn Sie Git aktiv für die Softwareentwicklung nutzen möchten, empfehlen sich die grafischen Schnittstellen von Git GUI und Gitk:

$ sudo apt install git-gui

$ sudo apt install gitk

Wenn Sie eine Kopie eines bestehenden Projekts aus GitLab erhalten möchten, können Sie die entsprechende URL aus gitlab.com abrufen. Sie können zwischen dem Klonen mit SSH oder HTTPS wählen. Öffnen Sie ein Terminal, navigieren Sie zu dem Ordner, in dem Sie das Projekt speichern möchten, und führen Sie es aus

$ git Klon <url>

Wenn Sie nur Quellcode aus einem öffentlichen Repository herunterladen möchten, wird das Klonen mit HTTPS empfohlen.

Navigieren Sie zu Ihrem Git-Projektordner und führen Sie

$ git pull

Wenn Sie z.B. die Kadi-APY Bibliothek aktualisieren wollen, sollten Sie in den Ordner kadi-apy navigieren.

Ein Arbeitsablauf ist nichts anderes als eine Reihe von Einzelschritten während Ihrer Forschung. Ein einfacher Arbeitsablauf ist zum Beispiel die Umwandlung von Rohdaten in verarbeitete Daten und deren grafische Darstellung. Im Rahmen eines guten Forschungsdatenmanagements ist es wichtig, alles zu dokumentieren, was notwendig ist, damit ein Dritter die durchgeführten Schritte nachvollziehen und gegebenenfalls wiederholen kann. Dies ist bei Schritten, die von einem Computer ausgeführt werden können, besonders leicht festzustellen.

Ein Workflow-Knoten ist einfach ein einzelner CLI-Befehl. Kadi4Mat bietet eine leistungsfähige Bibliothek von Workflow-Knoten zum Transformieren, Konvertieren oder Plotten von Daten. Die Kadi4Mat Workflow-Knoten können installiert werden über

$ pip3 install workflow-nodes

oder aktualisiert werden über

$ pip3 install --upgrade workflow-nodes

Es ist aber auch möglich, einen eigenen Workflow-Knoten mit eigenem Code zu erstellen, um Ihren spezifischen Workflow abzudecken!

Der Workflow-Editor ist die grafische Darstellung der einzelnen Workflow-Knoten, ihrer Eingabeparameter und ihrer logischen Verknüpfung. Vereinfacht ausgedrückt ist der Workflow-Editor eine grafische Benutzeroberfläche für ein fortgeschrittenes Bash-Skript. Der große Vorteil ist, dass keine Skripting-Kenntnisse erforderlich sind, um den Workflow-Editor zu nutzen. Kadi4Mat wird sowohl eine Desktop- als auch eine Web-Version des Workflow-Editors zur Verfügung stellen. Mit der Web-Version des Workflow-Editors können Sie ganz einfach kollaborativ an einem Workflow arbeiten, ihn freigeben und auf dem Server ausführen.

In der folgenden Abbildung sehen Sie ein Beispiel.

Es beginnt damit, dass die Metadaten eines realen oder virtuellen Experiments in einer Excel-Tabelle dokumentiert werden. Zusätzlich sind die Rohdaten angegeben. Jeder elliptische Knoten steht für eine Aktion innerhalb des Workflows. Der Workflow zeigt, dass die Metadaten aus der Excel-Tabelle gelesen und in Kadi4Mat gespeichert werden. Die Rohdaten werden verarbeitet und geplottet. Alle Daten werden in Kadi4Mat hochgeladen. Um mit der Kadi4Mat-Datenbank zu interagieren, werden Workflow-Knoten verwendet, die die Kadi-APY-Bibliothek nutzen. Ein vergleichbares, ausführbares Beispiel, geschrieben in Bash, finden Sie hier.

Das Kadi4Mat-Framework stellt ein leistungsfähiges Werkzeugkompendium von Workflow-Knoten zur Verfügung, die direkt genutzt werden können. Durch die Einbindung von Workflow-Knoten in Ihren Workflow, die mit der Kadi4Mat-Datenbank kommunizieren, geschieht die systematische Speicherung Ihrer Daten fast von alleine. Das ist doch eine tolle Sache, oder?

Im Moment können die Workflows nur lokal ausgeführt werden. Die Desktop-Version des Workflow-Editors wird so bald wie möglich zur Verfügung gestellt. In der Zwischenzeit können Sie ein einfaches Bash-Skript verwenden, um Ihren Workflow zu beschreiben und auszuführen.

Das ist ganz einfach! Im Allgemeinen kann jeder CLI-Befehl ein Workflow-Knoten sein. Um Ihren eigenen Code im Workflow-Editor verfügbar zu machen, muss die xmlhelpy Bibliothek verwendet werden, die die Eingabe- und Ausgabeparameter definiert. Wenn Sie Fragen dazu haben, wenden Sie sich bitte an den POLiS-Beauftragten für Forschungsdaten.

Installieren Sie mit Hilfe des Installationsskripts die Kadi-APY Bibliothek, den Workflow-Knoten und die notwendigen Abhängigkeiten. Kopieren Sie das Skript nach dem Herunterladen in den Home-Ordner Ihrer WSL und führen Sie es über

$ ./install.sh

Falls das Skript nicht ausgeführt werden kann, führen Sie

$ sudo chmod +x install.sh

um es ausführbar zu machen. Nach der Installation sollten Sie die .bashrc-Datei mit

$ source ~/.bashrc

aufrufen, um sicherzustellen, dass sich das Installationsverzeichnis in $PATH befindet. Nun können die Workflow-Knoten und das Kadi-APY CLI verwendet werden! Es wird empfohlen, die Informationen der Kadi4Mat-Instanz, mit der man arbeitet, in $PATH zu speichern. Dazu benötigen Sie das Personal Access Token (PAT) und die URL Ihrer Instanz.  Der PAT kann hier erstellt werden.

 Bitte beachten Sie, dass der Link nur funktioniert, wenn Sie eingeloggt sind. Die URL der POLiS-Instanz von Kadi4Mat lautet z.B.: kadi4mat.postlithiumstorage.org. Führen Sie die beiden folgenden Befehle mit dem richtigen Inhalt für

<url> und <Ihr_PAT>

$ echo 'export KADI_HOST=<url>' >> ${HOME}/.profile

$ echo 'export KADI_PAT=<Ihr_PAT>' >> ${HOME}/.profile

Nach dem Sourcen

$ source ${HOME}/.profil

ist die Kadi-APY Bibliothek mit deinem Kadi4Mat Konto verbunden.

Kadi4Mat wird regelmäßig aktualisiert, um neue Funktionen zu integrieren oder Fehler zu beseitigen. Daher muss man sich vergewissern, dass man die aktuellste Code-Version verwendet über

$ pip3 install --upgrade kadi-apy

oder

$ pip3 install --aktualisieren workflow-nodes

Sollte der Fehler weiterhin bestehen, kontaktieren Sie bitte das Kadi4Mat Team.

Wenn diese Links auf einen internen Bereich von Kadi4Mat verweisen, vergewissern Sie sich, dass Sie eingeloggt sind. Funktioniert der Link dann immer noch nicht, wenden Sie sich bitte an den Beauftragten für Forschungsdaten.

Verwenden Sie .

$ export DISPLAY=:0.0

beheben Sie das Problem vorerst. Sie können die folgende Zeile in Ihre .bashrc-Datei einfügen, damit Sie dies nicht jedes Mal tun müssen:

$ echo 'export DISPLAY=:0.0' >> ${HOME}/.bashrc

Zögern Sie nicht, sich mit dem POLiS-Forschungsdatenbeauftragten in Verbindung zu setzen!

Contact Person

Dr. Arnd Koeppe
Dr. Michael Selzer

Forschungsdatenbeauftragte

+49 (0) 721 608 43301

arnd.koeppe@kit.edu

michael.selzer@kit.edu

daten@postlithiumstorage.org