Open Science und die Informatik

„Open Science” ist heute ein geflügeltes Wort. Dabei geht es darum, wissenschaftliche Prozesse, Daten, Ergebnisse und Ressourcen möglichst transparent und frei zugänglich zu gestalten. Ziel ist es, die Nachvollziehbarkeit und Reproduzierbarkeit von Forschung zu erhöhen, um die Qualität und Anschlussfähigkeit wissenschaftlicher Arbeiten zu fördern. Es erleichtert, so die Idee, die Zusammenarbeit zwischen Forschenden weltweit, indem Wissen und Daten ohne Zugangsbeschränkungen geteilt werden. Zudem trägt Open Science und der offene Zugang zu Wissen – wie er beispielsweise in der „Berlin Declaration on Open Access to Knowledge in the Sciences and Humanities“ propagiert wird – dazu bei, dass Wissenschaft für die Gesellschaft zugänglicher wird, und stärkt das Vertrauen in Forschungsergebnisse. Die Offenheit beschleunigt Innovationen, da Forschende und Unternehmen schneller auf vorhandene Erkenntnisse aufbauen können.

Dabei repräsentiert Open Science verschiedene Denkschulen: Die Infrastruktur-Schule befasst sich mit der technologischen Architektur, die Public School befasst sich eher mit der Zugänglichkeit der Wissensschaffung, die Measurement School befasst sich mit der alternativen Wirkungsmessung, die demokratische Schule befasst sich mit dem Zugang zu Wissen und die pragmatische Schule mit der kollaborativen Forschung. Ihnen allen gemein ist die Tatsache, dass ihnen vier Prinzipien im Umgang mit Forschungsdaten zugrunde liegen. Die FAIR-Prinzipien sind entscheidend für Open Science, sowohl für Forschungsdaten als auch die Software, weil sie sicherstellen, dass wissenschaftliche Daten und Ressourcen effektiv genutzt werden können:

• Findable (Auffindbar): Forschungsergebnisse, -daten und -software müssen klar beschrieben und leicht auffindbar sein, beispielsweise durch standardisierte Metadaten und eindeutige Identifikatoren wie DOIs.
• Accessible (Zugänglich): Forschungsergebnisse, -daten und -software sollten über offene, standardisierte Schnittstellen zugänglich gemacht werden, um sicherzustellen, dass sie für alle Interessierten verfügbar sind.
• Interoperable (Interoperabel): Datenformate und Metadaten müssen kompatibel sein, damit sie von verschiedenen Systemen, Tools und Forschenden problemlos genutzt werden können.
• Reusable (Nachnutzbar): Die Daten müssen so dokumentiert und lizenziert sein, dass sie für unterschiedliche Zwecke weiterverwendet werden können, ohne die wissenschaftliche Integrität zu gefährden.

Wissenschaftskommunikation und Open Science stehen in einer symbiotischen Beziehung, da beide das Ziel verfolgen, Wissen zugänglicher und verständlicher zu machen. Open Science liefert die Grundlage, indem sie Forschungsergebnisse und -prozesse offenlegt, während die Wissenschaftskommunikation diese Inhalte an eine breite Öffentlichkeit vermittelt und verständlich aufbereitet. Gemeinsam fördern sie Transparenz, Vertrauen und den Dialog zwischen Wissenschaft und Gesellschaft, indem sie den Zugang zu Forschung und deren Relevanz für aktuelle Herausforderungen stärken.

Informatik für Open Science und Open Science für Informatik

Dabei ist die Informatik einer der Treiber von Open Science. Open Data, Open Access, Open Source und die FAIR-Prinzipien sind die Bedingungen für Open Science und ohne die Methoden, Konzepte und Werkzeuge der Informatik undenkbar. Die Informatik entwickelt Algorithmen zur Analyse und Verarbeitung großer Datenmengen, wodurch Open Science-Ansätze wie Big-Data-Forschung und maschinelles Lernen erst möglich werden. Konzepte wie Open Source und versionierte Software-Repositorien (z. B. GitHub) prägen die technische Grundlage für offene Wissenschaft. Tools zur Datenverwaltung (z. B. Datenbanken), Interoperabilität (z. B. APIs), Reproduzierbarkeit (z. B. Jupyter Notebooks) und zur Sicherstellung von FAIR-Prinzipien (z. B. Standards für Daten und Metadaten, Mechanismen zur Qualitätssicherung) werden maßgeblich von der Informatik bereitgestellt.

Insgesamt treibt die Informatik Open Science nicht nur voran, sondern profitiert auch von der offenen Wissenschaft durch breitere Anwendungsfelder und den Austausch innovativer Ideen. Die Offenlegung von Algorithmen, Software, Forschungsdaten und -arbeiten ermöglicht es, Fehler zu identifizieren, Systeme zu verbessern und Wissen effizienter zu teilen. Dies ist besonders wichtig für Themen wie Künstliche Intelligenz, Cybersecurity, Softwareentwicklung und digitale Bildung, bei denen Transparenz die Grundlage für Vertrauen und ethisches Handeln bildet.

Herausforderungen für Open Science

Bei allen Vorteilen, die Open Science bietet, steht das Prinzip vor einer Reihe an Herausforderungen. So werden Forschende häufig noch primär an der Anzahl und Reputation ihrer Veröffentlichungen gemessen, nicht an der Offenheit ihrer Daten, Methoden oder Ergebnisse. Open Science erfordert neue Belohnungssysteme, die transparente und kollaborative Forschung fördern. Zudem können Datenschutz, geistige Eigentumsrechte und ethische Standards die offene Bereitstellung von Daten und Forschungsergebnissen einschränken. Besonders in sensiblen Bereichen wie Medizin oder Sozialwissenschaften müssen Lösungen gefunden werden, um Open Science mit rechtlichen Anforderungen in Einklang zu bringen. Ganz zentral sind auch die technischen und infrastrukturellen Anforderungen: Open Science setzt eine robuste digitale Infrastruktur voraus, einschließlich Datenmanagementsystemen, interoperabler Software und sicherer Plattformen für den Datenaustausch. In vielen Regionen oder Institutionen fehlen jedoch die Ressourcen und das Know-how, um diese Anforderungen zu erfüllen. Open Science muss durch offene Infrastrukturen unterstützt werden. Diese müssen langfristig finanziert werden, wobei gewisse staatliche Unabhängigkeit mit Blick auf antidemokratische und nationalistische Entwicklungen sichergestellt werden muss.

Die bestehenden Grundsätze der Open-Data-Bewegung wie die FAIR-Prinzipien konzentrieren sich dabei in erster Linie auf Merkmale von Daten, die eine verstärkte gemeinsame Nutzung dieser Daten durch verschiedene Akteure erleichtern, während Machtunterschiede und historische Zusammenhänge unberücksichtigt bleiben. Es gibt Ansätze, die die bestehenden FAIR-Grundsätze (www.go-fair.org), welche die Bewegung für offene Daten und andere Datenbewegungen dazu ermutigen, zu erweitern indem sowohl die Menschen als auch der Zweck berücksichtigt werden. Die CARE-Grundsätze für indigene Data Governance beispielsweis sind in ihrer Menschen- und Zweckorientierung Ausdruck der entscheidenden Rolle von Daten bei der Förderung von Innovation und Selbstbestimmung. Dabei steht CARE für einen kollektiven Nutzen (Collective Benefit), das Recht auf Kontrolle über die Daten (Authority to Control), Verantwortung (Responsibility) und ethische Aspekte (Ethics).

Open Science und die Gesellschaft für Informatik

Die Gesellschaft für Informatik e.V. (G) versteht sich als wissenschaftliche Fachgesellschaft, und ihre Mitglieder beispielsweise im Arbeitskreis Open Source Software, im Arbeitskreis Open Science in den Bildungstechnologien und inbesondere der Präsidiumsarbeitskreis NFDI (ehem. PAK eScience) arbeiten an der Entwicklung von Open Science Aspekten aktiv mit. Zudem wirkt die GI über das Projekt NFDIxCS: National Research Data Infrastructure for and with Computer Science aktiv am Aufbau einer Nationalen Forschungsdateninfrastruktur (NFDI) mit.

Die NFDI leistet einen zentralen Beitrag zu Open Science, indem sie die systematische Sammlung, Verwaltung, Archivierung und Nachnutzung von Forschungsdaten in Deutschland unterstützt. Ihr Ziel ist es, die FAIR-Prinzipien in der Wissenschaftspraxis zu verankern. Die NFDI hat 27 fachspezifische Konsortien geschaffen, die fachspezifische Standards und Infrastrukturen entwickeln, um Forschungsdaten in verschiedenen Disziplinen zugänglich und interoperabel zu machen: von Kultur-, über Sozial-, Geistes- und Ingenieurwissenschaften bis hin zu Lebens- und Naturwissenschaften. Das zentrale Ziel von NFDIxCS ist es in diesem Rahmen, Dienste zur Speicherung komplexer domänenspezifischer Datenobjekte (einschließlich Software) aus der Breite der Informatik zu identifizieren, zu definieren und schließlich einzusetzen. Das schließt neben den verschiedenen Arten von Informatikdaten auch die zugehörigen Metadaten sowie die entsprechende Software, Kontext- und Ausführungsinformationen in standardisierter Form ein.

Ein Kernstück der Speicherung und Verwaltung des eigentlichen Forschungsdatenmanagements ist die Konzeption und Realisierung des Forschungsdatenmanagement-Containers (Research Data Management Container). Durch den RDMC kann ein Vertrauensverhältnis zwischen den verschiedenen Interessengruppen im Forschungsprozess hergestellt werden. Dadurch kann NFDIxCS sicherstellen, dass der wissenschaftliche Beitrag den Gemeinschaftsstandards entspricht und die Daten und Ergebnisse auch nach Jahren noch reproduziert bzw. wiederhergestellt werden können. Um die verfügbaren Kräfte der relevanten Dienste und Akteure aus der und für die Informatik zu bündeln, baut NFDIxCS eine organisatorische und technische, kooperative und interoperable Infrastruktur auf. Dies geht einher mit einer gezielten Community-Entwicklung, um einen kulturellen Wandel voranzutreiben, den akademischen Nachwuchs zu fördern, Praktiken und Normen auszuhandeln und die Kompetenzen für einen verantwortungsvollen Umgang mit Forschungsdaten zu entwickeln.

Datenkompetenzen rücken in den Fokus

Datenkompetenzen spielen bei der Implementierung einer Forschungsdateninfrastruktur, aber auch weit darüber hinaus eine ganz entscheidende Rolle, weil sie ein "Enabler" für Open Science sind: Sie ermöglichen nicht nur das "Wie", sondern fördern auch das "Warum". Datenkompetenzen in der Wissenschaft umfassen die Fähigkeit, Daten effektiv zu sammeln, zu analysieren, zu interpretieren und für die Beantwortung wissenschaftlicher Fragestellungen nutzbar zu machen. Sie beinhalten sowohl technische Fähigkeiten wie Programmierung und Statistik als auch kritisches Denken zur Bewertung der Datenqualität und ethischer Aspekte im Umgang mit Daten. Dabei unterscheiden wir einerseits Data Literacy als Basiskompetenzen und Data Science als Fachkompetenzen.

Im QUADRIGA Datenkompetenzzentrum, an dem die GI mitwirkt, wurde ein Datenkompetenz-Framework mit einem Top-down-Ansatz entwickelt das auf dem Datenlebenszyklus basiert. Zudem schafft QUADRIGA ein regionales Zentrum in Berlin-Brandenburg und entwickelt Open Educational Resources (OER) für Disziplinen, in denen Open-Science-Expertise gebraucht, aber noch wenig verbreitet ist, wie in den Digital Humanities oder den Verwaltungswissenschaften. Dabei fließt gezielt die Expertise aus Informatik und Informationswissenschaft ein. QUADRIGA führt Forschungs- und Lernorte durch vielfältige Vernetzungsorte zusammen. Zur Entwicklung digitaler Methoden werden mittels Fallstudien in den Forschungsorten spezifische Fragestellungen und Datentypen behandelt. Die Datensätze, Standards und Methoden werden in den Lernorten mit didaktischen Mitteln in fallstudienbasierte, zielgruppenspezifische und kompetenzorientierte Bildungsangebote transformiert. Assessment-Werkzeuge verbinden Forschungs- mit Lernorten auf Basis eines QUADRIGA Datenkompetenzframeworks und ermöglichen Forschenden, ihre Datenkompetenzen entlang des Datenflusses zuzuordnen.

Doch auch in der Zivilgesellschaft werden Datenkompetenzen immer wichtiger. Das Civic Data Lab, das von der GI gemeinsam mit der Caritas und CorrelAid durchgeführt und vom Familienministerium gefördert wird, unterstützt organisierte und nicht-organisierte Akteur*innen der Zivilgesellschaft dabei, gemeinwohlorientierte Ziele durch die Nutzung von Daten besser zu erreichen – indem sie ihre Daten erheben, organisieren und strukturieren, auswerten, miteinander verknüpfen, sie wieder für ihre Zielgruppen einsetzen und für andere verfügbar machen sowie durch verfügbare Daten ergänzen. Die Mission des Civic Data Lab ist, die Zivilgesellschaft zu befähigen und zu motivieren, vorhandene und neu zu erhebende Daten zu nutzen, um soziale Mehrwerte zu schaffen – für Familien, Senior*innen, Frauen und Jugend, Engagement und Teilhabe, Vielfalt und Gleichstellung, Demokratie und Gesellschaft. Dies erreichen wir, indem wir Nichtregierungsorganisationen und zivilgesellschaftliche Akteur*innen mit Netzwerken, Kompetenzen und technischem, rechtlichem und organisatorischem Know-How ausstatten, um eigene Datenvorhaben umzusetzen.

Doch Open Science und Open Source spielt nicht nur im Software- sondern zunehmend auch im Hardwarebereich eine immer größere Bedeutung. Denn auch hier bergen Open Source Technologien das Potential, beispielsweise den Nachwuchs zu begeistern und den Wettbewerb anzukurbeln. Im Rahmen des Projekts „Open Chip Design Challenge Prototype“ (DI-OCDCpro) entwickelt die GI gemeinsam mit den Hochschulen Rhein-Main und München, dem DFKI, dem Leibniz-Institut für Innovative Mikroelektronik IHP und der Ruhr Uni Bochum einen Chipdesign-Wettbewerb für Studierende, der junge Menschen für die Halbleiter- und Chipentwicklung begeistern soll – und somit den Nachwuchs fördert.

Better Software = Better Research

Ein wichtiges Thema, das in den kommenden Jahren noch deutlich an Bedeutung gewinnen wird, ist die Frage, wie Software für die Forschung entwickelt und gepflegt wird. Die moderne Wissenschaft gewinnt neue Erkenntnisse zunehmend durch softwaregestützte Forschung. Es hat sich jedoch gezeigt, dass einerseits die Reproduzierbarkeit dieser Art von Forschung eine große Herausforderung ist, und andererseits die Entwicklung von Forschungssoftware oft zu ineffizient abläuft und nicht nachhaltig gestaltet wird. Darüber hinaus fehlt es häufig an der Wahrnehmung der Rolle von Software in der Forschung als Fundament von Veröffentlichungen und Forschungsdaten sowie als deren Bindeglied. Die GI-Fachgruppe Research Software Engineering (RSE), der de-RSE e.V. – Gesellschaft für Forschungssoftware (de-RSE) sowie weitere Partner der GI werden das Thema in den kommenden Jahren mit Unterstützung der Klaus-Tschira-Stiftung weiter forcieren, um (1.) die Wertschätzung für qualitativ hochwertige Forschungssoftware durch Auszeichnungen zu stärken, um (2.) die Ausbildung durch entsprechenden curriculare Entwicklungen zu stärken und um (3.) auch die entsprechenden institutionellen Voraussetzungen zur Stärkung der Forschungssoftwareentwicklung zu schaffen.

Diese Fragen und noch viele mehr wollen wir bei der INFORMATIK 2025 adressieren, die im kommenden Jahr vom 16. bis zum 19. September an der Universität Potsdam und dem Hasso-Plattner-Institut mit dem Schwerpunktthema "The Wide Open - Offenheit von Source bis Science?" stattfinden wird. Das INFORMATIK FESTIVAL 2025 in Potsdam widmet sich der Diskussion um offene Zugänge und Prozesse in einer zunehmend digital und durch Informatiksysteme vernetzten Welt. Fachleute aus Wissenschaft und Praxis beleuchten gemeinsam, wie die Prinzipien von Offenheit und Transparenz die Entwicklung neuer Technologien, die wissenschaftliche Zusammenarbeit und die Verbreitung von Wissen fördern. Wie können etwa Open-Source-Prinzipien die Innovationskraft in Hard- und Software steigern? Wie verbessert Open Data die Reproduzierbarkeit und Transparenz in der Forschung und Anwendung, und wie treibt Open Access den globalen Wissenstransfer voran? Zudem dreht sich die Konferenz um die Frage, wie Open Science als integrative Bewegung die Informatik transformiert und welchen Beitrag umgekehrt die Informatik zu Openess leisten kann. Die Veranstaltung adressiert die Chancen und Herausforderungen offener Wissenschafts-, Publikations- und Datenprojekte. Sie bietet eine Plattform für den Austausch von Ideen und Best Practices und zeigt auf, wie freier Zugang die Zukunft der Informatik nachhaltig gestalten kann und wo offene Konzepte an ihre Grenzen stoßen.

Autor*innen (alphabetisch):

• Jan Bernoth, Uni Potsdam / NFDIxCS
• Maria Chlastak, GI / Quadriga
• Daniel Krupka, GI
• Anna Sarah Lieckfeld, GI / Civic Data Lab
• Ulrike Lucke, Uni Potsdam
• Julia Meisner, GI / NFDIxCS
• Evgenia Samoilova, Uni Potsdam / Quadriga