Auf dem Publikationsserver der Universität Regensburg werden auch Forschungsdaten der Universitätsangehörigen veröffentlicht und gegebenenfalls mit dazugehörigen Publikationen verknüpft. DOIs können vergeben werden.
Edmond ist das Forschungsdatenrepositorium der Max-Planck-Gesellschaft und wird von der Max Planck Digital Library als zentraler Service betrieben.
Das Repositorium unterstützt ORCID iDs, fachliche Metadaten für Datensammlungen, die auch direkt mit den dazugehörigen wissenschaftlichen Publikationen verlinkt werden können, und die Reservierung von DOIs für (noch) unveröffentlichte Datensätze.
Als Informationsportal der Universität der Bundeswehr München dient AtheneForschung der Dokumentation der Publikationen und Forschungsdaten der Universitätsangehörigen.
Die Universitätsbibliothek der Ludwig-Maximilians-Universität München (LMU) stellt mit Open Data LMU eine Plattform für die Veröffentlichung von Forschungsdaten bereit.
Wissenschaftler*innen aller Fakultäten der LMU sowie von Institutionen, die mit der LMU kooperieren, sind eingeladen, ihre Forschungsdaten auf dieser Plattform abzulegen und zur Verfügung zu stellen.
Die Universitätsbibliothek Regensburg bietet auf der Regensburger E-Learning-Plattform G.R.I.P.S. einen englischsprachigen Selbstlernkurs zum Thema Forschungsdatenmanagement an: MANTRA Research Data Management Training.
Der Kurs wurde ursprünglich von der University of Edinburgh entwickelt und von der Universitätsbibliothek Regensburg an die Situation in Deutschland bzw. an der Universität Regensburg angepasst.
Er gliedert sich in acht voneinander unabhängige Module zu den Themen: Forschungsdaten erklärt, Datenmanagementpläne, Datenorganisation, Dateiformate und Transformation, Dokumentation, Metadaten, Zitation, Speicherung und Sicherheit, Datenschutz, Urheberrecht und Zugang, Datenpublikation, Langzeitarchivierung und Lizenzierung.
Der Kurs ist für jeden zugänglich. Eine Selbsteinschreibung in den Kurs ist für alle Angehörigen der Universität Regensburg mit einem RZ-Account möglich. Externe Interessierte können sich auch als Gast anmelden, leider sind jedoch aus technischen Gründen die Online-Übungen für Gäste nicht zugänglich. (Angehörige anderer Hochschulen und Forschungseinrichtungen können sich einen externen Account anlegen, sofern ihre Institution in dieser Liste aufgeführt ist.
Die ontologiebasierte virtuelle Forschungsumgebung WissKI dient dem flexiblen Management von objektbezogenen Forschungsdaten als Linked Data in den Digitalen Geisteswissenschaften, insbesondere im Bereich des Kulturellen Erbes. Während sich die Bedienung an Wikipedia anlehnt, werden Daten in WissKI mithilfe des CIDOC CRM strukturiert als Wissensgraph abgelegt. WissKI entstand im DFG-Projekt „WISSenschaftliche Kommunikations-Infrastruktur“ (2009-2016) an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) in Kooperation mit dem Germanischen Nationalmuseum. Seit dem Ende der Förderung wird es von der IT-Abteilung des Germanischen Nationalmuseums und externen Partnern weiterentwickelt.
Viele WissKI-Instanzen werden nur projektintern genutzt; es gibt jedoch einige öffentliche Beispiele:
Das Digital Humanities Virtual Laboratory (DHVLab) ist eine virtuelle, modulare und Cloud-basierte Infrastruktur für Lehre und Forschung. Es wurde in den Jahren 2016-2018 an der Ludwig-Maximilians-Universität München (LMU) von der IT-Gruppe Geisteswissenschaften entwickelt und kommt seitdem in verschiedenen Kontexten zum Einsatz. Die Idee entstand in digital gestützten Lehrveranstaltungen, die auf eine gemeinsame Infrastruktur und Software-Basis angewiesen waren, jedoch unter disparaten Umgebungen auf den Rechnern der einzelnen Studierenden litten. Das DHVLab eignet sich in besonderer Weise für Lehrveranstaltungen und Projekte mit anspruchsvollen digitalen Inhalten wie Korpora, (Bild-)Datenbanken, XML und bietet eine niederschwellige Lösung für Lehrende und Forschende, die eine zentrale Datenbank-, Repositoriums- und Entwicklungsumgebung benötigen. Mit dem DHVLab wird damit eine digitale Infrastruktur zur Verfügung gestellt, die für die Vermittlung grundlegender Datenkompetenzen (Data Literacy) eingesetzt werden kann.
Der Digital Skills HUB an der Friedrich-Alexander-Universität Erlangen-Nürnberg bietet hybride Veranstaltungen zu ausgewählten Themen rund ums digitale Lernen und Lehren. Ein besonderer Fokus liegt auf praktischen Fragestellungen sowie der Vorstellung, Einführung und Vermittlung von Software-Werkzeugen.
An der LMU verfolgen die Universitätsbibliothek (UB) und die IT-Gruppe Geisteswissenschaften (ITG) das Ziel, Wissen für Wissenschaft und Gesellschaft über die üblichen Lebenszyklen von Projekten, Datenformaten und Software hinaus zugänglich und nutzbar zu machen. Aus diesem Grund bilden beide Einrichtungen ein Zentrum für Forschungsdatenmanagement (FDM) für die digitalen Geisteswissenschaften an der LMU. Mit dem vorliegenden Leitfaden möchte das FDM-Zentrum den Forschenden eine Orientierung für die Archivierung und nachhaltige Veröffentlichung von Forschungsdaten an die Hand geben. Damit soll eine langfristige Bewahrung der Forschungsdaten sichergestellt werden, um Forschungsergebnisse nachvollziehbar und überprüfbar zu gestalten.
IT-Gruppe Geisteswissenschaften & Universitätsbibliothek der LMU München (Hrsg.). (26. September 2022). Leitfaden für den Umgang mit Forschungsdaten in den digitalen Geisteswissenschaften an der Ludwig-Maximilians-Universität München (LMU) [Version 1.1]. München. DOI: 10.5282/ubm/epub.93361.
Ziel der Workflows ist es, die Beratung im Bereich Forschungsdatenmanagement für die (digitalen) Geisteswissenschaften an der Ludwig-Maximilians-Universität München zu vereinheitlichen und zu regulieren. Folgende Bereiche werden dabei abgedeckt:
Für jeden Abschnitt des Workflows stehen jeweils eine grafische Darstellung sowie eine ausführliche Prozessbeschreibung zur Verfügung. Die Prozessbeschreibung deckt den Anwendungsfall für die geisteswissenschaftlichen Fakultäten an der LMU ab, kann aber auch angepasst beziehungsweise erweitert werden und an anderen Einrichtungen beziehungsweise für weitere Disziplinen eingesetzt werden.
Servicestelle FDM-DH et al. (2021). Workflows für das Forschungsdatenmanagement (FDM) in den Digital Humanities an der LMU München (1.0). Zenodo. DOI: 10.5281/zenodo.5031602.
Im Rahmen des eHumanities – interdisziplinär-Projekts werden FDM-Handreichungen zu folgenden Themen erarbeitet und regelmäßig aktualisiert:
FDM an der Einrichtung
Antragshilfen
Weitere Hilfen
Die Handreichungen werden im GitLab des FAU Competence Center for Research Data and Information bereitgestellt.
Krömer, Cora & Rohrwild, Jürgen. (2022). FDM-Handreichungen (Version 1). URL: https://gitlab.rrze.fau.de/cdi/labs/literacy/proposal-self-service.
Die Vermittlung von grundlegenden und fachspezifischen Kenntnissen im Bereich Forschungsdatenmanagement (FDM) ist mittlerweile eine erwartete Komponente in größeren Forschungsprojekten, insbesondere in Graduiertenkollegs und Sonderforschungsbereichen der Deutschen Forschungsgemeinschaft. Diese Handreichung basiert auf Überlegungen an der Friedrich-Alexander-Universität Erlangen-Nürnberg, ein unterstützendes Portfolio für Schulungsangebote für Graduiertenkollegs aufzubauen. Das Vorgehen ist in erster Linie für Forschungsreferate, Drittmittelstellen und FDM-Beratungsstellen interessant, die Forschende beim Thema FDM-Vermittlung im Antragsprozess unterstützen möchten.
Krömer, Cora & Rohrwild, Jürgen. (2021). Erstellung eines Service-Portfolios zur FDM-Vermittlung in der Graduiertenausbildung (Version 1). Zenodo. DOI: 10.5281/zenodo.5572331.
Auf dem YouTube-Kanal „Forschungsdatenmanagement Bayern“ stehen Videos zu folgenden Themen bereit:
Die Schnellstartanleitung richtet sich an alle, die RDMO zur Erstellung von Datenmanagementplänen nutzen wollen. Sie wurde mit Blick auf die RDMO-Instanz der LMU erstellt, sollte aber für die meisten RDMO-Instanzen hilfreich sein. In der LMU-Instanz kann aber auch ein eigener Account angelegt werden. Die Schnellstartanleitung basiert auf der von RDMO selbst bereitgestellten Anleitung.
Der Kurs stellt RDMO vor und beschreibt dessen wichtigste Funktionen. Der Kurs ist unter der CC BY 3.0 Lizenz nachnutzbar.
Die folgenden Datenmanagementpläne sind nun über RDMO-GitHub frei verfügbar:
Die Vorlagen wurden einrichtungsunabhängig gestaltet, wichtige einrichtungsspezifische Informationen sollten aber unbedingt ergänzt werden. Dies kann einfach über „Find & Replace” entsprechend der Anleitung in der Dokumentation geschehen.
Das Plugin exportiert Metadaten via OAI-PMH. Es basiert auf dem DataCite Metadaten Schema 4.1.
Mit dem DataCite Metadaten Generator steht ein praktisches Open Source-Tool zur Verfügung, mit dem bequem DataCite-konforme XML-Dateien erzeugt werden können. Dieser Generator wurde im Projekt angepasst und um Hilfstexte erweitert, um Nutzende beim Ausfüllen der Felder mit wenig intuitiven Feldbezeichungen zu unterstützen. Der erweiterte Generator ist auch über GitHub zugänglich. Beispiele im XML-Format können über den GitHub-Account der Universitätsbibliothek der LMU eingesehen werden.
Veröffentlicht in Korpus und Text (KiT) beschreibt dieser Aufsatz den Entstehungsprozess hin zur ersten Version des veröffentlichten DataCite Best Practice Guide, erörtert die Gründe für seine Erarbeitung, stellt wesentliche Merkmale des Leitfadens vor und den potenziellen Mehrwert durch seine künftige Anwendung dar.
Kümmet, Sonja et al. (2020). Standardisierung eines Standards: Warum und wie ein Best-Practice-Guide für das Metadatenschema DataCite entstand, Version 1 (20.01.2020, 13:49). In: Korpus im Text, Serie A, 42800. URL: http://www.kit.gwi.uni-muenchen.de/?p=42800&v=1.
Kümmet, Sonja et al. (2020). Standardizing a Standard: Why and how a Best Practice Guide for the DataCite Metadata Schema was created, Version 1 (20.01.2020, 13:47). In: Korpus im Text, Serie A, 51272. DOI: 10.24344/kit_post_51272_1.
Der Best Practice Guide wurde konzipiert, um eine strukturierte und normierte Beschreibung zu unterstützen. Die aktuelle Version des Leitfadens bezieht sich auf das DataCite Metadaten Schema (Version 4.5.) und wird auf Zenodo bereitgestellt.
Er kann einfach an die Bedürfnisse anderer Einrichtungen angepasst werden und viele der Empfehlungen sind allgemein gehalten.
Bayer, C., Frech, A., Gabriel, V., Kümmet, S., Lücke, S., Munke, J., Putnings, M., Rohrwild, J., Schulz, J., Spenger, M., & Weber, T. (2024). DataCite Best Practice Guide (Version 3.0). Zenodo. 10.5281/zenodo.3559799.
