Programm und Dokumentation

In der politischen Online-Kommunikationsforschung werden Textkorpora auf Grundlage des accountzentrierten Sampling generiert. Die Erstellung entsprechender Accountlisten ist mit hohem Aufwand verbunden und erfolgt häufig projektübergreifend redundant, da Accountverzeichnisse aufgrund ihrer datenschutzrechtlichen Sensitivität bislang kaum geteilt werden. Zudem besteht ein Kollektivgutproblem, da das Teilen solcher Listen anderen Forschenden potenziell Wettbewerbsvorteile im Hinblick auf Publikationen und Drittmittel verschafft.

Als Lösungsansatz schlagen wir das Konzept einer Community-Datentreuhand (CDT) vor, in der Forschende Accountdaten in einer gemeinsamen Datenbank bündeln, wobei die Forschenden gleichermaßen Nutzende wie auch Datengebende sind.

Der Beitrag untersucht, unter welchen Bedingungen eine solche Infrastruktur Wissenschaftler*innen zur gemeinschaftlichen Pflege eines Datenbestands aktivieren kann. Die empirische Grundlage bilden Co-Creation-Workshops mit Forschenden aus der Rechtsextremismusforschung. Aus den Diskussionen werden drei zentrale Aktivierungsdimensionen rekonstruiert: Reziprozität (Zugang nur gegen Beitrag), Reputation (Sichtbarkeit kuratorischer Arbeit und von Governance-Rollen) sowie Datenqualität (gemeinsam entwickelte Standards und arbeitsteilige Qualitätssicherung). Daraus leitet der Beitrag Gestaltungsprinzipien für kollaborative Datennutzung ab, die auf kontinuierliche Community-Beteiligung und partizipative Datengovernance angewiesen sind.

Viele Faktoren, die die langfristige Nutzbarkeit von Forschungsdaten beeinflussen, liegen direkt in unserer Hand als Datenanbieter: Formate, Metadaten, Prozesse und Systeme. Einige Risikofaktoren können wir hingegen kaum bis gar nicht direkt beeinflussen: katastrophale Ereignisse, politische Umschwünge oder Verlust der Finanzierungsgrundlage. Es gilt daher, den Lebenszyklus von Daten unabhängig von der Existenz der datenhaltenden Einrichtung zu denken.

Forschungsdaten langfristig für die Nutzung zu erhalten, bedeutet Vorsorge für den Fall zu treffen, dass die datenhaltende Organisation selbst die anvisierte oder vertraglich zugesicherte Erhaltungsfrist nicht erfüllen kann. Erfolgen kann dies in Form einer Nachfolgeplanung, die in einer konkreten Vereinbarung mit anderen Organisationen mündet, die archivierten Daten zu übernehmen.

Eine solche Nachfolgeplanung (auch in Zertifizierungsstandards thematisiert) wird idealerweise schon beim Aufbau eines Forschungsdatenzentrums mitgedacht, denn sie erfordert Vorlauf für Abstimmungen und ggf. Anpassungen in der technischen, organisatorischen und rechtlichen Sphäre.

Der Beitrag diskutiert, wie Datenbestände und für ihre Nutzung nötige Services (z.B. sichere Zugangsumgebungen mit Output-Kontrolle) aus der ursprünglich datenhaltenden Organisation herausgelöst und an Nachfolgeeinrichtungen übergeben werden können. Er stellt ein im Verbund Forschungsdaten Bildung erarbeitetes Instrument zur Strukturierung der Nachfolgeplanung vor.

Trends wie das Homeoffice verändern die Mobilität in Deutschland. Um auf Änderungen reagieren und Entwicklungen antizipieren zu können, sind repräsentative Daten zur Alltagsmobilität erforderlich. Die Studie „Mobilität in Deutschland (MiD)“ ist eine der weltweit größten Erhebungen der Alltagsmobilität mit zuletzt 218.101 befragten Haushalten. Vor dem Hintergrund einer geringer werdenden Teilnahmebereitschaft und einer höheren Datenverfügbarkeit wird die Studie MiD aktuell von der Bundesanstalt für Straßen- und Verkehrswesen (BASt) weiterentwickelt.

Im neuen Konzept sind zwei Studien vorgesehen: Die „MiD Basis“ wird alle fünf Jahre als groß angelegte Erhebung durchgeführt, um differenzierte Analysen zu ermöglichen. Ergänzt wird dies durch eine jährliche Panelbefragung, „MiD aktuell“, um kurzfristige Entwicklungen abbilden zu können. Um die Daten zur Nachnutzung verfügbar zu machen, wurde der BASt MobilityData-Campus (MDC) gegründet. Derzeit werden die Daten auf zwei Wegen bereitgestellt – höher aggregierte Daten zum Download und granularere Daten im Rahmen eines Remote Access.

Um den Response Burden der Befragung zu verringern, sollen Wege zukünftig auch teilautomatisiert über Smartphone-basiertes Tracking erfasst werden. Diese Änderung im Erhebungsdesign stellt zugleich eine methodische Herausforderung dar. In Vorstudien wird aktuell geprüft, wie neue und klassische Erhebungsmodi in einer Befragung kombiniert und Sensordaten datenschutzkonform distribuieren zu können.

Die Sekundärnutzung von sensiblen qualitativen Forschungsdaten ist zentral für die Weiterentwicklung einer nachhaltigen Forschungsdateninfrastruktur. Qualitative Daten sind reichhaltig, kontextreich und von hohem wissenschaftlichem Potenzial. Dennoch bleibt trotz erkennbarem Kulturwandel hin zum Data Sharing ihre Nachnutzung immer noch zögerlich und wird eher informell, in enger Kooperation mit den Primärforschenden umgesetzt. Gleichzeitig sind Forschende unsicher, wie sie an geeignete Sekundärdaten gelangen und welche Möglichkeiten der Nachnutzung bestehen. Um die Kultur der Nachnutzung qualitativer Daten adäquat zu fördern, braucht es Wissen darüber, welche Voraussetzungen Forschende heute als notwendig für die Sekundärnutzung ansehen und welche Hindernisse den Weg blockieren.

Um ein Bild von realen Bedarfen, Barrieren und Lösungsansätzen aus der Forschungspraxis zu zeichnen und konkrete Anhaltspunkte für die Weiterentwicklung der Forschungsdateninfrastruktur zu erhalten, führte QualidataNet einen Workshop mit Forschenden durch. Der Beitrag stellt die Ergebnisse des Workshops vor. Er zielt auf eine kritische Bestandsaufnahme der aktuellen Situation und trägt aktiv zur Verwirklichung des KSWD-Mottos „Data4Society“ bei, indem er die Stimme von Forschenden in die Gestaltung der Dateninfrastruktur einbringt – mit dem Ziel, eine verantwortungsvolle, nachhaltige und praxisnahe Forschungsdatenlandschaft zu schaffen, die die Besonderheiten qualitativer Forschung ernst nimmt.

Generative KI eröffnet neue Chancen für die Analyse von Forschungsdaten. Dies zeigt sich etwa an Nutzungsanträgen für Unterrichtsvideos und Transkripte, die über das Forschungsdatenzentrum (FDZ) Bildung bereitgestellt werden. Allerdings sind KI-Anwendungen mit Risiken für Datenschutz und Urheberrecht verbunden, wie die De-Anonymisierung von Forschungsteilnehmenden oder das unkontrollierte Vervielfältigen der Daten. Das FDZ Bildung adressiert diese Chancen und Risiken in einer KI-Policy, die Bedingungen konkretisiert, unter denen im FDZ angebotenen Daten mittels KI-Anwendungen analysiert werden dürfen.

Der Beitrag stellt Entwicklungsschritte hinter der KI-Policy des FDZ Bildung und deren Implikationen für andere Forschungsdatenzentren dar. Die Policy basiert auf Regelungen anderer Infrastrukturanbieter (z. B. des ICPSR), ist rechtlich geprüft und integriert Feedback von Forschenden auf dem Gebiet KI-gestützter Bildungsforschung. Die Policy adressiert urheber- und datenschutzrechtliche Aspekte der KI-gestützten Datennutzung. Sie verpflichtet Nutzende, Vorgaben zu Datenspeicherung, KI-Training und KI-Anbietern einzuhalten. Die Anforderungen variieren je nach der Sensibilität der Daten.

Der Beitrag bietet praxisnahe Einblicke in die Überführung rechtlicher, ethischer und organisatorischer Anforderungen in handlungsleitende Regeln. So wird gezeigt, wie diese Erfahrungen auf andere Dateninfrastrukturen übertragen werden können.

Mit einer synthetischen Bevölkerung für Deutschland präsentieren wir den Einsatz generativer KI zur Synthetisierung sensibler Daten. Ausgangspunkt ist ein Vergleich verschiedener generativer Modelle (u. a. tabellarische GANs, VAEs) hinsichtlich Datenqualität, Nutzbarkeit und Datenschutz. Wir diskutieren praxisnahe Verfahren zur Qualitätsmessung (statistische Ähnlichkeit, multivariate Verteilungen, Downstream-Analysen) sowie zur Absicherung von Datenschutz und Re-Identifikationsrisiken.

Die auf Basis der Einkommens- und Verbraucherstichprobe (EVS) und des Zensus erstellte synthetische Bevölkerung enthält Daten zu den sozioökonomischen Attributen von 40 Millionen deutschen Haushalten, darunter die soziodemografischen Merkmale ihrer Mitglieder, ihre Wohnung, ihr Einkommen und ihre Ausgaben. Der Beitrag zeigt, wie KI in Dateninfrastrukturen eingesetzt werden kann, um Forschung und evidenzbasierte Politik zu unterstützen, ohne die Vertraulichkeit zu gefährden.

Am Beispiel der Wärmewende lässt sich mithilfe dieser hochauflösenden Daten identifizieren, welche Haushalte besondere Unterstützung benötigen und in welchen Gebieten eine Förderung aufgrund des Gebäudebestands oder der ökonomischen Situation weniger effektiv wäre.

Validierte Messinstrumente sind eine zentrale Grundlage empirischer Forschung in den Sozial- und Wirtschaftswissenschaften. Dennoch sind Informationen zu Skalen, etwa Item-Formulierungen, bislang fragmentiert, uneinheitlich dokumentiert und nur mit erheblichem Aufwand zugänglich. Dies erschwert Transparenz, Reproduzierbarkeit und die nachhaltige Nutzung dieser Skalen.

Dieser Beitrag stellt das Multi-Item Scales Project vor, eine daten- und KI-gestützte Forschungsinfrastruktur zur systematischen Erfassung, Strukturierung und Analyse von Messskalen. Auf Basis einer umfangreichen Datengrundlage mit mehreren tausend Skalen wurden mithilfe eines speziell entwickelten KI-Parsers Item-Formulierungen, Metadaten, Reliabilitäts- und Validitätsinformationen sowie bibliografische Angaben automatisiert extrahiert und in einer einheitlichen, maschinenlesbaren Datenstruktur zusammengeführt. Die resultierende Datenbank ermöglicht erstmals einen standardisierten, durchsuchbaren Zugang zu diesen Messinstrumenten.

Über die Bereitstellung der Infrastruktur hinaus eröffnet das Projekt neue Möglichkeiten für die Forschung. Bibliometrische, semantische und psychometrische Analysen erlauben es, die Entwicklung von Konstrukten über Zeit, konzeptionelle Überlappungen, Redundanzen sowie methodische Trends systematisch zu untersuchen. Ergänzende KI-Tools unterstützen die kontinuierliche Erweiterung der Datenbasis, die Vergleichbarkeit bestehender Instrumente und frühe Phasen der Skalenentwicklung.

Data Literacy umfasst das Verständnis von Daten von der Aufbereitung, über die Analyse, bis zur Interpretation sowie die Geheimhaltung sensibler Einzelangaben. Um Data Literacy bei Studierenden zu fördern bedarf es möglichst realitätsnaher Daten, die in der Hochschullehre eingesetzt werden können. Solche Daten werden von den FDZ der amtlichen Statistik als Campus-Files (CF) zur Verfügung gestellt ohne den Anspruch für wissenschaftliche Veröffentlichungen geeignet zu sein.

Klassische Anonymisierungskonzepte (Substichprobenziehung, Merkmalsausschluss, Merkmalsvergröberung, Einschränkung regionaler Ebenen) schränken den Einsatz in der Hochschullehre stark ein. Hier sollen synthetische Datensätze Abhilfe schaffen, die wesentliche Strukturen der Originaldaten abbilden, ohne einzelne Personen und Haushalte identifizierbar zu machen.

Der Beitrag befasst sich mit der Erstellung synthetischer Daten für die Hochschullehre. Es werden die Vorteile von synthetischen Daten vorgestellt und anschließend das methodische Vorgehen zur Erstellung von Mikrozensus-CF unter Einsatz von binären Entscheidungsbäumen skizziert. Als Trainingsdaten dienen faktisch anonymisierte Scientific-Use-Files. Mittels statistischer Verfahren wird quantifiziert, welche Nähe zu den Ausgangsdaten erreicht wird, ohne die absolute Anonymität der Daten zu gefährden. Abschließend wird aufgezeigt, wie die Daten zugänglich gemacht werden sollen und in der Hochschullehre eingesetzt werden können.

Getrieben von Open Science und der wachsenden Bedeutung von Forschungsdaten steigt der Bedarf an nachhaltigem Forschungsdatenmanagement (FDM). Damit gewinnen FDM-Fachleuten wie Data Stewards und Datenkuratierenden an Bedeutung. Sie sind zentral, um nachhaltige Datenpraktiken umzusetzen, den Zugang zu sichern und die Qualität von Forschungsdaten über ihren Lebenszyklus hinweg zu verbessern.

Um diesen Zielen gerecht zu werden, benötigen FDM-Fachkräfte sowohl tiefgehende Kenntnisse über FDM allgemein als auch spezifisches Wissen zu disziplinären Anforderungen und Datentypen. Die Ausbildung ist jedoch institutionell und disziplinär verstreut, standardisierte Ausbildungspfade fehlen.

Um diese Lücke zu schließen, wurde RDM Compas von KonsortSWD als frei zugängliche Online-Plattform entwickelt. RDM Compas bietet relevante Informationen und Schulungen zu Aufgaben der Datenkuratierung, um FDM-Fachleute in ihrer Rolle als Vermittler*innen einer qualitätsgesicherten und nachhaltigen FDM-Praxis zu unterstützen und ihre Kompetenzen im Bereich des FDM zu erweitern.

Unser Beitrag beleuchtet relevante Themen und Trainingsbedarfe bei FDM-Fachleuten entlang des Datenkurationslebenszyklus, basierend auf einer eigenen Umfrage. Dabei identifizieren wir bestehende Kompetenzen, Kenntnisse und Weiterbildungsbedarfe und geben praxisnahe und empirisch fundierte Einblicke in relevante Herausforderungen und Lösungsansätze im Arbeitsalltag von FDM-Fachkräften.

Im Zuge tiefgreifender Digitalisierungs- und Mediatisierungsprozesse wird die Lebenswelt von Forscher:innen ebenso wie die Organisation wissenschaftlicher Arbeit grundlegend refiguriert. Insbesondere die systematische Erzeugung, Verwaltung und Nachnutzbarmachung digitaler Forschungsdaten gewinnt an Bedeutung. In diesem Kontext etabliert sich Data Stewardship als neue akademische Profession im Wissenschaftsmanagement, häufig mit dem Richtwert verknüpft, dass eine Data Steward:ess (DS) für etwa zwanzig datenproduzierende Forschende zuständig ist. In Deutschland und Österreich sind in den vergangenen Jahren an universitären wie außeruniversitären Forschungseinrichtungen verschiedene Ausbildungs- und Zertifizierungsprogramme für DSs entwickelt und erprobt worden. Erste Kohorten haben diese Programme durchlaufen und sind als Expert:innen in unterschiedlichen institutionellen Kontexten tätig. Dabei zeigt sich, dass Tätigkeitsprofile und Kompetenzanforderungen von DSs je nach Disziplin und Geltungsbereich erheblich variieren.

Der Beitrag vergleicht ausgewählte Ausbildungs- und Zertifizierungsprogramme. Im Zentrum steht die Frage, inwiefern sich je nach institutioneller Anbindung der Programme unterschiedliche Ansprüche an DS artikulieren. Fokussiert wird die These, inwiefern Universitäten primär theoretische Grundlagen vermitteln, während andere, primär außeruniversitäre Forschungseinrichtungen tendenziell praxisorientiert ausbilden.

Die Vergleichbarkeit soziodemographischer Variablen stellt eine zentrale Herausforderung bei der Nutzung kumulierter Umfragedaten dar, da bisherige Erhebungsinstrumente in Deutschland trotz existierender "Demographischer Standards" erhebliche Unterschiede in der Erfassung dieser Merkmale aufweisen. Dadurch sind die erhobenen Daten oft nicht unmittelbar interoperabel.

Das KonsortSWD-Teilprojekt StanDem verfolgt einen innovativen Ansatz zur Standardisierung soziodemographischer Merkmale in deutschen Umfragedaten durch die Kombination von Input- und Output-Harmonisierung. In der ersten Projektphase (2020-25) entwickelte und dokumentierte das Projekt standardisierte Zielvariablen, die aus inkonsistenten Quellvariablen verschiedener Studien abgeleitet werden können. Ziel ist es, die Vergleichbarkeit von Daten über unterschiedliche Studien hinweg zu maximieren, die Datenqualität zu sichern und Forschungsprozesse zu vereinfachen – beispielsweise für Metaanalysen oder Sekundärdatenanalysen.

Im Vortrag werden methodische Herausforderungen und Lösungen bei der Definition und Validierung dieser Standardvariablen vorgestellt und anhand der Merkmale „Migrationserfahrung“ und „Erwerbstätigkeit“ illustriert. Es werden sowohl Maximal- als auch Minimalversionen der Standardvariablen thematisiert, um sowohl hohe Validität als auch breite Anwendbarkeit sicherzustellen. Zudem wird ein Ausblick auf die Unterstützung durch das Teilprojekt StanDem für FDZen und Datennutzende gegeben.