CARDS
CARDS – Collaboratively Advancing Research Data Support
Hintergrund
Das CARDS-Projekt mit Laufzeit bis 10/2026 zielt auf die Entwicklung und den Ausbau von Werkzeugen, Dienstleistungen und Schulungsangeboten im Bereich Forschungsdatenmanagement (FDM) für Forschende der Berlin University Alliance (BUA) ab. Das Projekt wird mit Partnern von allen BUA-Einrichtungen durchgeführt, wobei das von Charité/BIH geleitete Arbeitspaket (QUEST Center und AG Medizininformatik) darauf abzielt, konkrete Datenmanagement-Aktivitäten in Forschungsgruppen durchzuführen, die den Berliner Exzellenzclustern angehören. Das übergreifende Ziel aller Arbeitspakete ist es, Forschende in ihren FDM-Bedarfen zu unterstützen und qualitativ hochwertige Datenmanagement-Praktiken an den BUA-Einrichtungen zu fördern, was zu einer Steigerung der Verfügbarkeit von Daten und der Effizienz Ihrer Nutzung führt.
Zielsetzung
Das CARDS-Projekt umfasst vier Arbeitspakete:
- AP1: BUA Customized Research Data Management Organizer (Leitung TU Berlin, Britta Steinke, Universitätsbibliothek) stattet die Software “RDMO” mit BUA-spezifischen Erweiterungen aus, um die Datenmanagementplanung für BUA-Forschende zu verbessern
- AP2: Data Stewardship in Clusters of Excellence (geleitet von Charité/BIH, Evgeny Bobrov, QUEST Center, und Fabian Prasser, AG Medizininformatik) setzt konkrete FDM-Maßnahmen im Forschungskontext um
- AP3: FDM-Kompetenzentwicklung (Leitung FU Berlin, Sibylle Söring, Universitätsbibliothek) zielt auf den Ausbau von FDM-Schulungs- und -Kompetenzangeboten und die Verankerung von FDM-Expertise an den BUA-Einrichtungen ab
- AP4: Modellentwicklung für den Einsatz von Electronic Lab Notebooks (ELN) in der BUA (Leitung: Fadwa Alshawaf, Humboldt-Universität, CMS) analysiert die Anforderungen der BUA-Partner an ELN-Software und entwickelt ein Architektur- und Betriebsmodell für deren Implementierung
Methodik
Der/die Data Steward wird in Projektteams von Berliner Exzellenzclustern eingebettet sein und dort FDM-Aktivitäten durchführen. Diese Teilprojekte werden in der Regel zwischen einem und drei Monaten dauern. Zusätzlich zu diesen eingebetteten Aktivitäten wird der/die Data Steward den Austausch von Erfahrungen und Best Practices zwischen anderen Datenmanagement-Expert:innen der Exzellenzcluster koordinieren und seine bzw. ihre Erfahrungen umfassend dokumentieren, sodass ein Maximum an Learnings abgeleitet werden kann.
Erwartete Ergebnisse
Das von Charité/BIH geleitete Arbeitspaket wird die Datenmanagementpraktiken in konkreten Anwendungsfällen in Berliner Exzellenzclustern verbessern. Dies wird dazu führen, dass die Daten innerhalb der Gruppen besser genutzt werden können und/oder leichter für die externe Wiederverwendung verfügbar sind. Langfristig wird das Projekt Erkenntnisse darüber liefern, wie Forschende der BUA am effizientesten in ihrem Datenmanagement unterstützt werden können und so zur weiteren strategischen Planung beitragen. Insbesondere wird das Projekt zur Beantwortung der Fragen beitragen, welche Expertise für ein effektives Datenmanagement erforderlich ist (allgemein vs. disziplinär) und welche Strukturen am geeignetsten sind (FDM-Expertise auf institutioneller, Fakultäts-, Team- oder anderer Ebene).
Weitere Informationen
Dem Projekt ging in den Jahren 2021-2023 das Projekt "Konzeptentwicklung für kollaborative Forschungsdatenmanagementdienste" (kurz “BUA-FDM”) voraus. Im Rahmen dieses Projekts wurde eine umfangreiche Umfrage zu Praktiken und Bedürfnissen von Forschenden in Bezug auf FDM durchgeführt. Die Ergebnisse der Umfrage an der Charité sind in interaktiver Form online veröffentlicht worden. Alle Ergebnisse des Projekts sind online über eine Zenodo-Community-Seite verfügbar. Eine kurze Beschreibung des CARDS-Projekts ist auf der BUA-Website verfügbar.
Ausgewählte Erfolgsgeschichten aus dem CARDS-Projekt
Ausgewählte Erfolgsgeschichten aus dem CARDS-Projekt
Das CARDS-Projekt (Collaboratively Advancing Research Data Support) unterstützt Forschende aus verschiedenen Exzellenzclustern dabei, den Umgang mit Forschungsdaten, deren Dokumentation und Wiederverwendung zu verbessern.
Die folgenden Erfolgsgeschichten veranschaulichen, wie praktisches Datenmanagement dazu beitragen kann, konkrete Herausforderungen im Forschungsalltag zu bewältigen.
Strukturierte Datenverwaltung: Big Mouse Data (Science of Intelligence)Im Rahmen des Projekts Big Mouse Data half CARDS dabei, klare Strukturen für Ordner, Metadaten und Datenbanken für große multimodale Datensätze zu schaffen. Durch Entity-Relation-Diagramme (ER-Diagramme), ein einheitliches Metadatenschema und begleitende Beratung wurde die Grundlage für eine langfristige, maschinenlesbare Datenspeicherung geschaffen. Dadurch ist das Projekt wesentlich skalierbarer und für zukünftige Analysen und die langfristige Datenspeicherung gerüstet.
Ein datenschutzkonformer Workflow für klinische Bilddaten (Matters of Activity)CARDS half dabei, alle notwendigen Beteiligten aus IT, Datenschutz, Datenmanagement und Forschung zusammenzubringen, um einen sicheren Workflow für die Pseudonymisierung von PACS-Daten (Picture Archiving and Communication System) in Übereinstimmung mit der DSGVO (Datenschutz-Grundverordnung) und den Richtlinien der Charité für eine Arbeitsgruppe im Cluster zu finden. Zusätzlich wurden Standardarbeitsanweisungen (SOPs) und ein praktischer Leitfaden für MRT (Magnetresonanztomographie)- und EEG (Elektroenzephalografie)-Daten entwickelt, um die Arbeit mit den Daten in Zukunft zu unterstützen.
Reproduzierbare Forschung durch klare Daten-Workflows (NeuroCure)Im NeuroCure-Projekt REPOSE unterstützte CARDS die Entwicklung von SOPs für den sicheren Umgang mit Forschungsdaten. Es wurde eine datenschutzkonforme Methode für den Umgang mit pseudonymisierten Daten implementiert und ein Git-basiertes Skript-Repository sowie erste Test-VRE-Workflows eingerichtet. Dadurch können neue Teammitglieder und Partner viel schneller und effizienter mit den Daten arbeiten.
Automatisierung statt manueller Übertragung von Labordaten aus PDF-Dateien (NeuroCure)Für ein klinisches Forschungsprojekt hat CARDS einen Python-basierten Ansatz zur automatisierten Extraktion von Laborwerten aus PDF-Berichten entwickelt. Dadurch entfällt die fehleranfällige manuelle Übertragung von Daten. Die Lösung spart Zeit, erhöht die Datenqualität und kann in Zukunft auch auf andere Berichtstypen angepasst werden.
Sicherung von Wissen beim Weggang von Mitarbeitenden: Offboarding-TemplateCARDS hat eine strukturierte Vorlage für das Offboarding und den Wissenstransfer entwickelt, um den Verlust von Daten und Prozesswissen beim Weggang von Mitarbeitenden zu verhindern. Die Vorlage wurde in Workshops vorgestellt, iterativ verbessert und für die öffentliche Wiederverwendung vorbereitet. Sie hilft Forschungsgruppen dabei, Daten, Codes und Dokumentationen sicher zu speichern. https://doi.org/10.5281/zenodo.16917258
Erhöhung der Sichtbarkeit von Forschungsdaten (Science of Intelligence)CARDS hat dabei geholfen, die Metadatentabellen des Clusters zu verbessern und die Anzeige von Datensätzen auf der Website des Science of Intelligence-Projekts zu automatisieren. Wie bestehende Publikationslisten werden nun auch Datensätze strukturiert dargestellt. Dadurch sind Forschungsdaten leichter zu finden und ihre Sichtbarkeit wird erhöht. https://www.scienceofintelligence.de/research/data/
Unterstützung bei rechtlichen Unsicherheiten bei der Nutzung von ForschungsdatenCARDS arbeitete eng mit Forschungsteams zusammen, um die Abgrenzung zwischen Patient:innen- und Forschungsteilnehmendendaten zu klären und Leitlinien für die Veröffentlichung pseudonymisierter Daten bereitzustellen. Dadurch konnten rechtlich sensible Praktiken frühzeitig erkannt und die Verfahren zur Datenverarbeitung an die geltenden Datenschutzanforderungen angepasst werden.
