Kurzbeschreibung
Gute wissenschaftliche Praxis erfordert eine präzise und verständliche Dokumentation der Ergebnisse. Dies ist umso wichtiger, wenn Forschende ihre eigenen Forschungsdaten teilen und publizieren oder archivierte Daten Dritter nachnutzen möchten. Forschungsdatenmanagement auf Basis weitreichend standardisierter Metadaten ist daher von essenzieller Bedeutung. Standardisierte Metadaten sollen in strukturierter und maschinenlesbarer Form Informationen zu Entstehung, Inhalt und Kontext der beschriebenen Forschungsdaten liefern. Im Zuge der ingenieurwissenschaftlichen Forschung werden enorme Mengen heterogener Daten generiert. Ein entsprechendes Metadatenmanagement soll es Forschenden ermöglichen, aus einer Vielzahl bereits vorhandener digitaler Datensätze den richtigen Datensatz für die eigene Forschung zu selektieren. Entsprechend der FAIR-Prinzipien müssen Metadaten für Mensch und Maschine interpretierbar sein.
Das „Teilen von Forschungsdaten“ beginnt oft früher als allgemein erwartet, z. B. mit der Projektübergabe innerhalb der eigenen Forschungseinheit. Eine gute Dokumentation der Daten ist dabei unerlässlich. Daher ist gerade bei komplexen Vorhaben die Bedeutung von Metadaten enorm. Mit welchen Werkzeugen, unter welchen Bedingungen oder mit welchen Parametern Forschungsdaten erzeugt wurden, ist dabei in vielen Fällen genauso wichtig wie die Daten selbst. In einem heterogenen Forschungsfeld wie dem Maschinenbau stellt die Forderung nach einheitlichen Metadatenstandards und -schemata eine besondere Herausforderung dar. Versuchsaufbauten oder Studien sind oft sehr spezifisch, sodass auch die zugehörigen Metadaten häufig sehr heterogen sind. Diesem Umstand kann durch ein Modellierungskonzept, das auf Vererbung und Modularität setzt, Rechnung getragen werden, wobei eine hohe Spezifität bei maximaler Anwendbarkeit und Nachnutzbarkeit der Metadatenschemata erreicht wird. Gleichzeitig macht ein solches Konzept die spezifischen Schemata beherrschbar und einfacher zu warten.
Im Forschungsprojekt „Applying Interoperable Metadata Standards (AIMS)“, gefördert von der Deutschen Forschungsgemeinschaft (DFG), werden die Herausforderungen an ein Metadatenmanagement für die ingenieurwissenschaftliche Forschung adressiert. Der Projektfokus liegt auf dem Maschinenbau und verwandten Disziplinen. Das interdisziplinäre Team, verteilt über mehrere Institutionen aus Infrastruktur und Wissenschaft, schafft hier eine Plattform, die es Forschenden ermöglicht, Metadatenschemata zu erstellen und zu teilen. Durch ein Modellierungskonzept, das auf Vererbung und Modularität setzt, kann eine hohe Spezifität bei maximaler Anwendbarkeit und Nachnutzbarkeit der Metadatenschemata erreicht werden. So wird die Akzeptanz der Forschenden erhöht strukturierte Metadaten in ihre Forschungsabläufe zu integrieren, um mit zunehmender Verbreitung den Weg zu gemeinsamen Metadatenstandards zu bereiten. Das Projekt ist von Anfang an als Kooperation zwischen Infrastruktur und Forschung ausgelegt. Dadurch soll das in AIMS realisierte Metadatenkonzept direkt in die Prozesse der beteiligten Forschenden integriert werden. Durch die Berücksichtigung von Interoperabilität der entstehenden Metadatenschemata und -schnittstellen wird explizit der generische Transfer der Lösungen auf andere Forschungsfelder verfolgt.
Projektstatus
laufend, 01.05.2020 bis 30.04.2023
Kooperationspartner:innen
- IT Center,RWTH Aachen University
- Werkzeugmaschinenlabor (WZL), RWTH Aachen University
- Institut für Fluidsystemtechnik (FST), TU Darmstadt
Weitere Informationen
AIMS
Projektbeteiligte der ULB
Förderung
Gefördert durch die Deutsche Forschungsgemeinschaft (DFG)
