Forschungsdatenmanagement

Das Organisieren und Verwalten von Forschungsdaten gehört zu den wichtigsten Voraussetzungen, um die Qualität, Sicherheit und Reproduzierbarkeit von Forschungsdaten zu gewährleisten, sowohl während eines Forschungsprojekts als auch langfristig. Wir beraten und unterstützen individuell und in der Gruppe durch Workshops und Veranstaltungen rund um offene Forschungsdaten und Open Science.

E-mail: openscience@ub.unibe.ch

Datenmanagementplan (DMP) - Begutachtung

Wir begutachten Ihren Datenmanagement-Plan (DMP) in 2-3 Werktagen. Diese Dienstleistung ist kostenlos. Wenn Sie eine detaillierte Rückmeldung möchten, können Sie uns Ihren Forschungsplan zusammen mit dem DMP schicken. Wir helfen Ihnen dabei, Ihre Daten während des ganzen Projekt-Lebenszyklus zu verwalten und Ihre Daten gemäss ethischen Standards und der FAIR-Datenprinzipien zu teilen. DMP Hier einsenden.

 

Forschungsdaten sind "Daten, die während wissenschaftlicher Tätigkeit (z. B. durch Messungen, Befragungen, Quellenarbeit) entstehen, auf Grundlage derer wissenschaftlich gearbeitet werden kann (z. B. Digitalisate) oder das Ergebnis wissenschaftlicher Arbeit dokumentieren [...]." forschungsdaten.info 

Forschungsdaten sind beispielsweise

  • Quellen: Texte, Bilder, Audio-Aufnahmen, Filme/Videos
  • Beobachtungen: Echtzeit-Daten, Untersuchungsdaten
  • Experimente: Laborwerte, Spektrogramme
  • Simulationen: Simulationsmessungen, Modellmessungen
  • Referenzen: Sammlung von bereits veröffentlichten Datensätzen
  • Methodische Testverfahren, wie Fragebögen, Software oder Simulationen

Ein Datenmanagementplan (DMP) ist die Grundlage von gutem Forschungsdatenmanagement. Der DMP beschreibt den Lebenszyklus von Forschungsdaten und ist langfristig angelegt. Er erklärt, wie die Daten während dem Projekt produziert, erhoben, dokumentiert, veröffentlicht und archiviert werden sollen.

Integraler Bestandteil eines DMPs ist die Beschreibung der Forschungsdaten nach den FAIR-Prinzipien und sollte, unter anderem, Informationen zu folgenden Punkten enthalten:

  • Datenerhebung und –dokumentation
  • Ethische, rechtliche und Sicherheitsfragen
  • Datenspeicherung und Datenerhalt
  • Datenaustausch und Weiterverwendung von Daten

Der DMP wird bei Projektantrag (SNF) oder kurz nach Projektbeginn (H2020) eingereicht, soll aber in regelmässigen Abständen aktualisiert und erweitert werden. Er bezieht sich auf fachspezifische Praktiken und Standards und kann sich deshalb in seinem Inhalt von Projekt zu Projekt unterscheiden

Weitere Informationen zu den Anforderungen finden Sie bei Förderauflagen.

FAIR Data Management and Open Data: Invited presentations

Schweizerischer Nationalfonds (SNF)

Ein Datenmanagementplan (DMP) ist ein integraler Teil des Forschungsgesuchs. Das Gesuch kann erst dann eingereicht werden, wenn auch der DMP ausgefüllt wurde. Der DMP muss in der gleichen Sprache wie der Forschungsplan verfasst werden. Siehe die Leitlinien für Forschende.Die Kosten für die Zugänglichmachung von Forschungsdaten können, bei Erfüllung der gestellten Voraussetzungen (AR 2.13), mit bis zu 10‘000 Fr. angerechnet werden. Dies ist bereits bei der Antragsstellung zu berücksichtigen.

Horizon 2020

Ein Datenmanagementplan muss bis spätestens sechs Monate nach Projektbeginn eingereicht werden. Ein Formular kann hier heruntergeladen werden.

Alle Projekte sind Teil des «Open Data Pilots», d.h. Sie müssen Forschungsdaten, die Publikationen zugrundeliegen, offen zugänglich machen. Ausnahmen aus ethischen, rechtlichen, vertraglichen, urheberrechtlichen u.ä. Gründen sind möglich («Opt-out») und müssen gegenüber der EU begründet werden.

Die Anforderungen des European Research Council (ERC) weichen nur in Details von den allgemeinen Horizon2020-Anforderungen ab. Diese Seite gibt einen guten Überblick und verlinkt zu weiteren Ressourcen und dem ERC-DMP-Formular.

Horizon Europe

Die Vorgaben unter Horizon Europe sind derzeit (September 2021) noch nicht im Detail bekanntgegeben worden.

Klar ist jedoch schon jetzt, dass Daten in Übereinstimmung mit den FAIR Daten-Prinzipien verwaltet werden müssen. FAIR steht für Findable (auffindbar), Accessible (zugänglich), Interoperable (interoperabel), Reusable (Wieder- oder nachnutzbar). Insbesondere bedeutet das:

* Ein Datenmanagementplan muss verfasst und kontinuierlich aktualisiert werden

* Forschungsdaten müssen so offen wie möglich, so geschlossen wie nötig geteilt werden. Sie müssen also auf Forschungsdatenrepositorien offen geteilt werden, wenn dem keine rechtlichen, urheberrechtlichen, ethischen, vertaglichen o.ä. Hindernisse entgegenstehen. Anders als unter Horizon2020 verlangt die EU verbindlich eine CC0- oder CC-BY-Lizenz (oder Äquivalente).

Kosten für die Zugänglichmachung von Forschungsdaten, die mit Beiträgen von Horizon2020 erhoben, beobachtet oder generiert wurden, können während der Laufdauer des Projekts rückerstattet werden.

Ab dem 25. Januar 2023 gelten für NIH-geförderte Projekte folgende Richtlinien:

Ein Datenmanagementplan muss mit dem Projektantrag eingereicht und regelmässig aktualisiert werden. Der Plan wird von der NIH geprüft, ggfs. wird auch die Umsetzung während der Projekt-Laufzeit überprüft. Nicht-Erfüllung kann sich auf die Gewährung zukünftiger Förderung auswirken.

Forschungsdaten müssen so bald wie möglich geteilt werden, spätestens aber bei Erscheinen einer damit zusammenhängenden Publikation oder bei Projektende (je nachdem, was früher eintritt). Allfällige rechtliche und ethische Gesichtspunkte müssen dabei berücksichtigt werden.

Um spätere Fehler, Verwechslungen und langes Suchen zu vermeiden, ist es sinnvoll, bereits zu Beginn des Projektes Zeit in eine systematische Organisation der Dateien und Ordner zu investieren. Dies ist insbesondere dann wichtig, wenn mit anderen Forschungsgruppen zusammengearbeitet wird. Dabei sollten sich alle, an einem Projekt beteiligten Personen, mit einem Schema einverstanden erklären und dieses auch einhalten. Es empfiehlt sich, das Organisations- und Benennungssystem in einem Dokument festzuhalten, um es als Begleitdokument später bei der Datenpublikation mit abzulegen.

  • Gruppieren Sie verwandte Dateien in Ordnern (z.B. nach Messungen, Methoden oder Projektphasen)
  • Benutzen Sie klare und eindeutige Ordnernamen
  • Benutzen Sie eine hierarchische Ordnerstruktur (Achtung: Eine zu verschachtelte Ordnerstruktur führt zu langen und komplizierten Dateipfaden)
  • Trennen Sie aktive und fertiggestellte Arbeiten in separaten Ordnern und löschen Sie nicht mehr gebrauchte temporäre Dateien.

Bei der Benennung von Dateien sollte darauf geachtet werden, dass die Namen eindeutig und auch für am Projekt unbeteiligte Personen leicht verständlich sind. Allgemeine Elemente die Teil eines Namens sein können, sind:

  • Datum der Erstellung (JJJJ-MM-TT )
  • Projektreferenz/Projektname
  • Beschreibung des Inhaltes
  • Name des Erstellers (Initialen oder ganzer Name)
  • Name des Forschungsteams/Departement
  • Versionsnummer


Um Limitationen des Betriebssystems zu vermeiden, wenden Sie die folgenden Namens- und Zeichenregeln an:

  • möglichst kurze Namen
  • Keine Sonderzeichen (: & * % $ £ ] { ! @)
  • Unterstriche _ anstelle von Leerzeichen oder Punkten
  • Dateiendung wo immer möglich (.txt, .xls, etc.)
  • Verlassen Sie sich nicht auf Gross-Kleinschreibung

Durch eine gezielte Wahl des Formats kann die Nachnutzbarkeit von Forschungsdaten erheblich verbessert werden, so dass Dateien auch nach Jahren noch verarbeitet werden können. Bei der Wahl eines geeigneten Formates sollten verschiedene Faktoren berücksichtigt werden:

  • Zukunftsfähigkeit: wie viele Softwareprodukte können das Datenformat lesen?
  • freie Zugänglichkeit zur Dokumentation
  • keine rechtlichen Beschränkungen (Patente)
  • keine technischen Beschränkungen (Verschlüsselung, DRM)
  • etabliert in Community


Je nach Fachgebiet können sich Forschungsdaten und deren Dateiformate stark unterscheiden. Folgende Dateiformate sind grundsätzlich empfehlenswert:

  • Bilder: TIFF, TIF
  • Dokumente: TXT, ASC, PDF/A
  • Tabellen: CSV
  • Audiodateien: WAV
  • Datenbanken: SQL, XML
  • strukturierte Daten: XML, JSON, YAML


Weitere Informationen über empfohlene Dateiformate und deren Haltbarkeit finden Sie unter hier.

Eine funktionierende Versionskontrolle ist insbesondere bei Datensätzen die sich im Laufe des Projekts ändern, unabdingbar. Die einzelnen Datensätze sollten sequentiell benannt werden und neben der Versionsnummer auch das Speicherdatum enthalten (JJJJ-MM-TT). Die finale Version sollte als solche gekennzeichnet sein. Dabei kann das Führen einer Versionstabelle in der sämtliche Änderungen und neue Benennungen festgehalten werden, bei der späteren Nachvollziehung helfen.

Insbesondere bei der Zusammenarbeit mit verschiedenen Personen, kann es Sinn machen, regelmässig eine Meilenstein-Version der Datei, die nicht mehr geändert oder gelöscht werden darf, zu speichern.

Zusammenfassend empfiehlt forschungsdaten.info

  • Sequentielle Nummerierung verwenden
  • Datum und Versionsnummer in die Benennung einbeziehen
  • Nutzung einer Versionskontrolltabelle
  • Verantwortlichkeit für die Fertigstellung von Dateien festlegen
  • Bei großen Datenmengen ggfs. Versionsverwaltungs-Software verwenden
  • Meilenstein-Versionen speichern


Weiterführende Information - Best practices

Wir empfehlen, Ihre Daten über die Uni-IT zu sichern. Sie trägt anfallende Daten uniweit zusammen und speichert diese auf zwei Tape Libraries der aktuellsten Generation redundant ab.

Weitere Informationen finden Sie hier: Campus Backup / Archive (nur im Campus Netz zugänglich)

Grundsätzlich sollten Sie immer die 3-2-1-Sicherungsregel befolgen:

  • 3 Kopien der Daten (1 Original, 2 Sicherungen)
  • Speicherung auf 2 unterschiedlichen Medien (externe Festplatten, USB-Laufwerke, SD-Karten, CDs, DVDs, Cloud)
  • 1 Kopie an einem externen Speicherort

Die Sicherung sollte in regelmässigen Abständen automatisiert erfolgen. Überprüfen Sie, ob die Sicherung fehlerfrei erfolgte und die Daten im Bedarfsfall auch wieder zurückgespielt werden können.

Eine umfangreiche Dokumentation ist für das richtige Verständnis und eine mögliche Nachnutzung Ihrer Daten unerlässlich. Die Dokumentation sollte unter anderem Angaben zu Ort und Zeit der Datenerhebung, zu den verwendeten Methoden, Instrumenten, Software und Statistikmodellen aber auch Informationen zu den gewählten Parametern, zu fehlenden Werten, der Nomenklatur und Abkürzungen enthalten.

Weitere Informationen finden Sie hier.

Metadaten sind Informationen über Daten, die in strukturierter und maschinenlesbarer Form angelegt werden. Sie helfen, Daten für Aussenstehende auffindbar und somit nutzbar zu machen. Je nach Disziplin gibt es verbreitete Metadatenstandards und Tools mit deren Hilfe ein Datensatz fachspezifisch beschrieben werden kann.

Das Repositorium der Universität Bern (BORIS) verwendet das Metadatenschema Dublin Core. Diese Metadaten werden beim Ablegen eines Datensatzes auf dem Repositorium durch das Ausfüllen des Formulars automatisch generiert.

Die Entscheidung darüber, welche Daten eines Projekts für wie lange archiviert werden sollen, hängt vom wissenschaftlichen Wert der Daten sowie rechtlichen, regulatorischen und finanziellen Rahmenbedingungen ab.

Im Minimum müssen aber alle der Publikation zugrundeliegenden Daten aufbewahrt die entsprechenden Metadaten online publiziert werden.

Das Digital Curation Centre (DCC) und forschungsdaten.info führen Sie in fünf Schritten zur richtigen Datenauswahl.

Wann immer möglich, sollten Forschungsdaten in fachspezifischen Repositorien abgelegt werden. Diese sind auf die Bedürfnisse des Fachgebiets ausgerichtet, sind auf spezifische Datenformate hin ausgelegt und bieten oft auch fachspezifische Metadaten an.

Eine (nicht-abschliessende) Liste von Datenrepositorien, die genutzt werden können, bieten der SNF und Scientific Data.

Der beste Ausgangspunkt für die Suche nach einem geeigneten Repositorium ist das Registry of Research Data Repositories (www.re3data.org). Dort kann man z.B. gezielt nach Repositorien bestimmter Fächer und Disziplinen suchen.

An der Universität Bern steht zudem ein institutionelles Forschungsdatenrepositorium zur Verfügung. BORIS Portal ermöglicht es Ihnen, Forschungsdaten mit der weltweiten Forschungsgemeinschaft zu teilen, aber auch Zugriffsmöglichkeiten zu bestimmen und Rechte zu verwalten sowie Forschungsdaten mit Projektinformationen und persönlichen Forschendenprofilen zu verknüpfen. Loggen Sie sich einfach mit Ihrer Switch-EduID ein.

Sharing figure

Figshare  - store, share and discover research.

Sharing methods

protocols.io Eine sichere Plattform für die Entwicklung und den Austausch reproduzierbarer Methoden.

Daten sollten vor der Veröffentlichung mit einer Lizenz versehen werden. Eine Möglichkeit bieten die Creative Commons Lizenzen ab Version 4.0. Nähere Informationen zu den Creative Commons Lizenzen finden Sie hier.

Als Bestandteil der FAIR Prinzipien wird von Forschungsfördern die Ausstattung Ihrer veröffentlichten Daten mit einem eindeutigen Identifikator verlangt. Bei der Hinterlegung Ihrer Daten auf BORIS wird jedem Datensatz ein Digital Object Identifer (DOI) zugewiesen. Weitere Informationen finden Sie hier.

Forschungsdaten, die während eines Projekts generiert und gesammelt wurden, können auch über ihren ursprünglichen Erhebungszweck eine Verwendung finden. Es lohnt sich deshalb, die gewonnenen Daten der Öffentlichkeit zugänglich zu machen. Wichtig ist dabei, darauf zu achten, dass Ihre Daten mit persistenten Identifikatoren versehen werden, gute Metadaten generiert werden und eine ausreichende Dokumentation für eine Nachnutzung der Daten vorliegt.
Zurzeit gibt es drei mögliche Wege Forschungsdaten zu veröffentlichen.

Publikation in einem Repositorium

Forschungsdaten können in einem disziplinären oder einem allgemeinen Repositorium veröffentlicht werden. Dabei ist die Publikation der Daten in einem fachspezifischen Repositorium gegenüber der Publikation in einem generischen Repositorium vorzuziehen. Weitere Informationen zur Wahl eines geeigneten Repositoriums finden Sie unter Repositorium finden.

Publikation in einem Data-Journal

Die in Data-Journals veröffentlichen Data Papers sind Dokumente die der erleichterten Verbreitung und Nachnutzung publizierter Daten dienen. Diese Publikationen enthalten alle Informationen zur Datenerhebung, Methoden, Lizenzen und Zugangsrechte sowie Informationen zu potenziellen Nachnutzungsmöglichkeiten. Die Daten selbst sind meist in einem Repositorium abgelegt.

Eine Liste mit Data-Journals findet sich auf der Webseite der Humboldt-Universität zu Berlin.

Veröffentlichung als Supplement zu einem Zeitschriftenartikel

Daten können auch als Zusatzinformation zu Zeitschriftenartikel veröffentlicht werden. Es handelt sich dabei meist um die Daten, welche einer Publikation zugrunde liegen und das Nachvollziehen der Resultate ermöglichen. Die Daten können dafür entweder auf der Zeitschriftenplattform direkt oder in einem externen Datenrepositorium abgelegt sein.  

Für die Zitation von Daten sollten die im Forschungsgebiet vorhanden Standards oder der Vorschlag des Repositoriums, in dem ein Datensatz abgelegt wurde, verwendet werden. Sollte keine Standards/Empfehlungen existieren, empfiehlt Datacite folgende Minimalangaben:

  • Autor
  • Publikationsjahr (des Datensatzes)
  • Titel
  • Edition oder Version (optional)
  • Verleger (für Daten ist dies meist das Archive, in welchem die Daten gespeichert sind)
  • Resource Typ (optional)
  • Persisierender Identifikator (als persistenter, verlinkbarer URL)

Informationen und Handlungsanleitung zur Veröffentlichung von Open-Source-Software.

Datenschutzaufsichtsstelle des Kantons Bern (DSA)

Datenschutzgesetz des Kantons Bern (KDSG)

Datenschutz im lT-Bereich der Universität Bern

Rechtsdienst der Universität Bern (Datenschutz, Rechtsfragen) E-Mail

Unitectra unterstützt Forschende der Universität Bern bei der Kommerzialisierung von Forschungsergebnissen in neue Produkte und Dienstleistungen (Patente, Lizenzen), bei der Verhandlung von Forschungsverträgen sowie bei der Gründung von Spin-off-Unternehmen E-Mail

Datenschutz und Forschung im Allgemeinen: EDÖB (richtet sich an Bundesorgane und Private, hier zur allgemeinen Information. Forschende der Universität Bern müssen sich im Normalfall nach dem Kantonalen Datenschutzgesetz richten.).

Europäische Datenschutz-Grundverordnung (DSGVO EU bzw. GDPR). Einführungsverordnung zur EU-Datenschutzrichtlinie 2016/680 über den Schutz personenbezogener Daten (Einführungsverordnung zur EU Datenschutzrichtlinie, EV EDS) des Kantons Bern.

Die Datenschutzgesetze einiger Länder sind als gleichwertig mit denen der Schweiz anerkannt: Siehe diese Website.

Personendaten sind Angaben über bestimmte oder bestimmbare natürliche oder juristische Personen. Das Datenschutzgesetz des Kantons Bern (KDSG) dient dem Schutz von Personen vor missbräuchlicher Datenbearbeitung durch Behörden.

Wenn Sie in Ihrem Forschungsprojekt mithilfe von Informatikanwendungen (z.B. selbstprogrammierten Apps, aber auch Anwendungen wie Qualtrics oder RedCap) Personendaten erheben, analysieren oder anders verarbeiten, kann es nötig sein, ein Konzept über die Handhabung von Informationssicherheit und Datenschutz (ISDS) zu erstellen.

Ein solches Konzept dient dazu, sich selbst über die Anforderungen und vorhandene bzw. zu erarbeitende technischen Lösungen in diesem Bereich klar zu werden, sowie ggfs. als Grundlage einer Kontrolle durch die Datenschutzbehörden des Kantons. Die rechtliche Grundlage dafür ist die Datenschutzgesetzgebung des Kantons Bern, insbesondere das Datenschutzgesetz (KDSG), Art. 17a. Die «Weisungen zum Datenschutz im IT-Bereich der Universität Bern» müssen befolgt werden.

Für Auskünfte und Erstberatung in rechtlichen Belangen wenden Sie sich bitte an den Rechtsdienst der Universität Bern, in Belangen der IT-Sicherheit sowie für das Ausfüllen der entsprechenden Formulare an die Informatikdienste (Frau Beatrice Hirschi). IT-Sicherheit an der Universität Bern: Awareness Schulung der ID.

Forschungsprojekte am Menschen, die unter das Humanforschungsgesetz (HFG) fallen, müssen durch Ethikkommissionen (z.B. Tierversuchsethik SAMW oder Kantonale Ethikkommission (KEK) begutachtet werden. Bitte beachten Sie, dass eine solche Begutachtung ca. 60-90 Tage dauern kann. Für weitere Information über die Prozedur, Ablauf und Management solcher Projekte besuchen Sie bitte das Portal zur Humanforschung in der Schweiz Kofam.

Forschungsprojekte, die nicht unter das Humanforschungsgesetz fallen, können durch die Ethik-Kommissionen der Universität Bern Phil.-hum., WISO und Animal Welfare Office UniBE bewilligt werden.

BORIS Portal Research Data, Projects and Fundings
Zum Kursangebot
Zu BORIS Portal Login

Complying with SNF requirements

Einhalten der Open Access und Open Data Verpflichtung. Alle SNF Forschungsprojekte sind verpflichtet ihre Publikationen und Daten im Open Access zu veröffentlichen. Wir bieten dieses Semester Schulungen an, um Sie bei der Einhaltung dieser Verpflichtung zu unterstützen. Wir informieren  Sie über Optionen, Verpflichtungen und mögliche Unterstützung.

 Datum  Zeit  Fakultät  Sprache  Ort  Anmeldung
19.10.2021
10:00-12:00 Uhr
  •  Philosophisch-naturwissenschaftliche Fakultät
English

Zoom

Link Exakte Wissenschaften
19.10.2021 14:00-16:00 Uhr
  • Medizinische Fakultät
  • Vetsuisse-Fakultät
English

Zoom


Link Medizin
20.10.2021  10:00-12:00 Uhr
  • Philosophisch-historische Fakultät
  • Rechtswissenschaftliche Fakultät
  • Theologische Fakultät
  • Wirtschafts- und Sozialwissenschaftliche Fakultät
  • Philosophisch-humanwissenschaftliche Fakultät
German

Zoom

Link Geistes- und Sozialwissenschaften

Einhaltung der EU H2020 Open-Science-Auflagen

Forschende, die von der EU gefördert werden, müssen ihre Forschungspublikationen und ihre Forschungsdaten öffentlich zugänglich machen. Wir bieten Ihnen und Ihren Mitarbeitenden spezielle Workshops, in denen wir die die Anforderungen unter EU H2020 detailliert erklären und Ihre spezifischen Fragen beantworten. Wir werden ähnliche Workshops für EU Horizon Europe anbieten, sobald die ersten Projekte genehmigt sind. Mitarbeitende aus Ihrem Projekt sind ebenfalls willkommen!

Beachten Sie bitte, dass die Universität Bern von Ihnen erwartet, zu bestätigen, dass Sie Ihre Verpflichtungen gegenüber der EU kennen. Daher werden Sie gebeten, eine entsprechende Weisung (“Directive on the implementation of EU projects”) zu unterzeichnen. Das Open Science Team wird Ihnen die Details erläutern. Diese Workshops werden über Zoom stattfinden.

 Datum  Zeit  Fakultät  Sprache  Ort
 19.08.2021  10:00-11:00  alle  English Zoom
 16.09.2021  14:00-15:00  alle  English Zoom
 18.10.2021  15:00-16:00  alle  English Zoom
 16.11.2021  14:00-15:00  alle  English Zoom
 Datum  Zeit Title  Sprache  Ort  Anmeldung
 07.09.2021  13:00-14:00
How to manage research data ethically?

We are at the Open Science Team, Research Data Management group happy to announce a new workshop entitled “How to manage research data ethically?” You will learn how to deal with ethical questions relevant to your research. Dos and Don’ts around ethics, an overview of data management phases, and a timeline will help you successfully submit your project on time and share data ethically. Furthermore, you will learn about contacts relevant for ethics in research and legal questions at the University of Bern.

The presentation link is under the BORIS DOI 10.48350/159226, URL https://boris.unibe.ch/id/eprint/159226

 English  Zoom Zoom Meeting link 
14.09.2021 10:00-11:00 Data quality and metadata standards. The presentation link is under the BORIS DOI 10.48350/159328, URL https://boris.unibe.ch/id/eprint/159328 English Zoom Zoom Meeting Link

02.11.2021 und  05. 11.2021, 8:30-12:00 h, Zoom (EN). Anmeldung ist kostenlos hier.