Herausforderungen in der Wiederverwendbarkeit wissenschaftlicher Daten

09.02.2026

DAPHNE4NFDI, FAIRmat und die Helmholtz Metadata Collaboration (HMC) laden dazu ein, die Love Data Week gemeinsam in diesem interaktiven Workshop zu feiern. Im Mittelpunkt steht das „R“ der FAIR-Prinzipien – die Wiederverwendbarkeit von Forschungsdaten. Die Teilnehmenden erfahren, warum wiederverwendbare Daten eine zentrale Voraussetzung für transparente, effiziente und wirkungsvolle Wissenschaft sind. Anhand kurzer Übungen und praxisnaher Beispiele wird vermittelt, wie Dokumentation, Metadaten und persistente Identifikatoren zur Qualität und Wiederverwendbarkeit von Datensätzen beitragen. Zudem sammeln die Teilnehmenden praktische Erfahrungen beim Erstellen einer README-Datei und bei der Auswahl einer geeigneten Lizenz und nehmen konkrete Strategien zur Verbesserung der Wiederverwendbarkeit ihrer eigenen Forschungsdaten mit.

Nach Abschluss des Workshops können Sie:

  • erklären, was Wiederverwendbarkeit von Daten bedeutet und warum sie wichtig ist,

  • beschreiben, wie Dokumentation und persistente Identifikatoren die Wiederverwendbarkeit von Daten verbessern und gute wissenschaftliche Praxis unterstützen,

  • eine verständliche README-Datei erstellen und eine passende Lizenz für die Nachnutzung auswählen,

  • praktische Schritte und Routinen anwenden, um die Wiederverwendbarkeit der eigenen Forschungsdaten zu erhöhen.

Der Workshop richtet sich an alle Interessierten, insbesondere an Forschende in frühen Karrierephasen. Der Workshop findet online statt. Registrierte Teilnehmende erhalten den Zoom-Link kurz vor der Veranstaltung.

Vorkenntnisse sind nicht erforderlich.

Auf einen Blick

Datum & Ort
9. Februar 2026, 14:00 - 15:30 Uhr, Online (Zoom)

Referentin:
Özlem Özkan (HMC), Vitaly Biniyaminow (Daphne4NFDI) and Ahmed Mansour (FAIRmat)

Registrierung:
Sichern Sie sich jetzt Ihren Platz! Die Anmeldung ist unter https://events.hifis.net/event/3276 möglich.

In diesem Jahr sind unsere Kurse erstmalig in ein gemeinsames Kurs-Portfolio der Helmholtz Information und Data Science Platformen (HIDS) Helmholtz AI, HMC, Helmholtz Imaging, HIDA and HiFIS. eingebunden. In diesem Portfolio sind Lernpfade zu Data Science Fertigkeiten und Kompetenzen aufgeführt, die Lernende auf unterschiedlichen Stufen ihres Wissens abholen und die Erweiterung ihrer Data Science Kompetenzen ermöglicht. Alle HIDS Kurse sind für Helmholtz-Angestellte kostenfrei.