Direkt zum Inhalt

MaMoDaR: Management Molekularer Daten im Research Data Life Cycle

Projektzeitraum:
Typ:
Forschungsprojekt
Profillinie:
Digitale Transformation – Urbane Zukunft
Finanzierung:
Deutsche Forschungsgemeinschaft, FKZ: NE 1434/11-1

Im internationalen Public-Health-Kontext ist der freie Zugang zu wissenschaftlichen Forschungsergebnissen Konsens. Schon jetzt wird für einzelne Schritte im Forschungsdatenmanagement in den Life Sciences eine Vielzahl an Werkzeugen bereitgestellt, jedoch fehlen noch Ansätze für ein umfassendes Forschungsdatenmanagement in den Bereichen biomedizinischer, molekularer Daten, die gleichzeitig als Organisations- und Steuerungsinstrument auf übergeordneter Ebene funktionieren. Ebenso fehlt ein einheitlicher Workflow für den Umgang mit Forschungsdaten und der automatisierten Integration aller erforderlichen Metadaten.

An dieser Stelle setzt das von der Deutschen Forschungsgemeinschaft (DFG) geförderte Projekt "MaMoDaR: Management Molekularer Daten im Research Data Life Cycle"* mit dem Ziel an, den effizienten und nachhaltigen Umgang mit Forschungsdaten zu optimieren. Projektpartner*innen sind das Robert Koch-Institut (RKI) und die Fachhochschule Potsdam (FHP).

Im Zentrum des Projekts steht die Entwicklung, Dokumentation und Veröffentlichung eines nachnutzbaren Konzepts sowie einer benutzer­freundlichen Softwarelösung für das Forschungsdatenmanagement von molekularen Daten unter Berücksichtigung der EU Datenschutz-Grundverordnung (DSGVO) und des Bundesdatenschutzgesetzes (BDSG). Die dabei entwickelte Software, der sogenannte DataLinker, unterstützt eine strukturierte Veröffentlichung wissenschaftlicher Daten nach den FAIR-Prinzipien. Dabei werden auch bestehende Lösungen wie der Research Data Management Organiser (RDMO) und öffentliche Repositorien wie GenBank in das System integriert.

Das Poster erläutert, wie der DataLinker Informationen aus dem mittels RDMO erstellten Daten­management­plans (DMP) und mithilfe von auf Standard Operating Procedures (SOPs) basierenden Regeln nutzt, um erhobene Messdaten automatisch mit relevanten Metadaten anzureichern und zu speichern. Außerdem werden die Möglichkeiten und Vorteile für Nutzer*innen, Wissenschaftler*innen und Förderer*Förderinnen dargelegt.

Projektleitung

Professorin für Bibliothekswissenschaft