Quelle: NFDI4ING
Wie lassen sich ingenieurwissenschaftliche Daten strukturiert erheben, nachvollziehbar dokumentieren, auswerten und nachhaltig nutzen? Mit diesen und weiteren Fragen beschäftigten sich Teilnehmende aus verschiedenen ingenieurwissenschaftlichen Disziplinen bei der gemeinsamen Summer School „Driving RDM“ von NFDI4ING, dem DKZ.2R und der Abteilung Forschungsdatenmanagement der Otto-von-Guericke-Universität Magdeburg (OVGU) in Aachen. Auch Teilnehmende aus Jülich und Clausthal waren dabei.
Die Veranstaltung verband theoretische Grundlagen mit praktischen Labs. So konnten die Teilnehmenden die Inhalte nicht nur kennenlernen, sondern direkt auf einen konkreten Anwendungsfall übertragen.
Vom Klemmbaustein-Auto zum Forschungsdatenmanagement
Im Mittelpunkt der praktischen Übungen stand ein kleines Klemmbaustein-Auto. Zunächst ging es darum, das Auto anhand verschiedener Dokumentationen möglichst originalgetreu nachzubauen. Dabei zeigte sich schnell, dass Dokumentation nicht gleich Dokumentation ist. Je nachdem, wie detailliert und nachvollziehbar die Informationen aufbereitet waren, ließ sich das ursprüngliche Modell mehr oder weniger gut rekonstruieren.
Die Übung machte damit auf anschauliche Weise deutlich, warum eine gute Dokumentation und strukturierte Datenpräsentation für die Forschung wichtig sind. Die Teilnehmenden entwickelten anschließend eine eigene „Wishlist“ und hielten fest, welche Eigenschaften Forschungsdaten haben sollten, damit sie nachvollziehbar und wiederverwendbar sind.
Daten erheben, dokumentieren und auswerten
Anschließend wurde das Klemmbaustein-Auto mit einem Smartphone und der an der RWTH Aachen entwickelten phyphox-App ausgestattet. Während der Fahrt konnten so Daten gesammelt und anschließend ausgewertet werden.
Auch dabei spielte die Dokumentation eine zentrale Rolle. Ohne passende Metadaten ist aus einem Datensatz allein häufig nicht ersichtlich, welche Informationen er enthält. Ein Datensatz ohne Metadaten lässt sich dabei mit einer unbeschrifteten Box vergleichen: Der Inhalt ist zwar vorhanden, aber ohne weitere Informationen nur schwer einzuordnen.
Für die Auswertung kamen Jupyter Notebooks der NFDI zum Einsatz. Sie ermöglichen es, Daten beispielsweise mit Python zu analysieren und gleichzeitig die einzelnen Schritte der Auswertung zu dokumentieren. Dadurch lassen sich Analyse und Dokumentation miteinander verbinden und Forschungsprozesse nachvollziehbarer und reproduzierbarer gestalten.
Kreative Formate für die Ergebnisse
Zum Abschluss der Summer School wurden die gewonnenen Erkenntnisse nicht in Form einer klassischen wissenschaftlichen Publikation festgehalten. Stattdessen konnten die Teilnehmenden kreativ werden und unterschiedliche Formate nutzen. So entstanden unter anderem ein Comic, ein Video, ein Podcast, ein Social-Media-Beitrag und ein Poster mit den wichtigsten Fakten. Einige der Ergebnisse wurden außerdem in einem Instagram-Post festgehalten.
Die Summer School zeigte damit auf praxisnahe Weise, dass gutes Forschungsdatenmanagement weit über das Speichern von Daten hinausgeht. Von der Planung über die Erhebung und Dokumentation bis zur Auswertung und Weitergabe spielen nachvollziehbare Strukturen und geeignete Werkzeuge eine entscheidende Rolle.
Weitere Summer Schools von NFDI4ING
Wer sich ebenfalls mit Forschungsdatenmanagement in den Ingenieurwissenschaften beschäftigen und praktische Erfahrungen sammeln möchte, findet weitere Informationen zu den Summer Schools von NFDI4ING auf der NFDI4ING Webseite.
Verantwortlich für die Inhalte dieses Beitrags ist Hania Eid.
Schreibe einen Kommentar
Du musst angemeldet sein, um einen Kommentar abzugeben.