% IMPORTANT: The following is UTF-8 encoded. This means that in the presence
% of non-ASCII characters, it will not work with BibTeX 0.99 or older.
% Instead, you should use an up-to-date BibTeX implementation like “bibtex8” or
% “biber”.
@BOOK{Schlenz:1051954,
author = {Schlenz, Hartmut and Bronger, Torsten and Selzer, Michael
and Nestler, Britta and Enahoro, Salome Ehinomen and Riem,
Leo},
title = {{F}orschungsdatenmanagement - {E}ine praxisorientierte
{E}inführung; {V} 1.0},
address = {zenodo.org},
publisher = {Zenodo},
reportid = {FZJ-2026-00635},
pages = {103 pages},
year = {2025},
abstract = {Die Motivation für dieses Best-Practice-Handbuch zum
Forschungsdatenmanagement (FDM) entstand aus zahlreichen
Gesprächen und Interviews, die wir mit Anwendern aus den
Bereichen Ingenieur- und Naturwissenschaften geführt haben.
Dabei wurde immer wieder deutlich, dass ein
praxisorientierter FDM-Leitfaden fehlt und dringend
benötigt wird. Die verfügbaren, eher theoretisch
ausgerichteten Darstellungen sind in der praktischen
Anwendung meist nur von begrenztem Nutzen. So erklären sie
beispielsweise nicht, wie man konkret einen
Datenmanagementplan (DMP) schreibt und worauf
Drittmittelgeber achten. Selbst für den praktischen Betrieb
eines elektronischen Laborjournals (ELN) sind Anwender fast
ausschließlich auf die Handbücher des jeweiligen Systems
angewiesen, was für viele Anwender eine große Hürde
darstellt. Auch rechtliche Fragen sind oft ein Problem,
beispielsweise bei der Vergabe von Lizenzen oder der
Verwendung externer Daten. Wir haben uns daher entschlossen,
dieses Best-Practice-Handbuch für FDM zu verfassen, um
diese Lücken zu schließen und Wissenschaftlern kostenlose
praktische Hilfe anzubieten. Beispielsweise gehen wir
detailliert darauf ein, wie man einen DMP verfasst,
erläutern die rechtlichen Aspekte von FDM, die im Alltag zu
beachten sind, zeigen Beispiele für die Verwendung und
Bedienung der freien elektronischen Laborbücher JuliaBase,
eLabFTW und Kadi4Mat, diskutieren Aspekte der Datenqualität
und -analyse und welche Open-Source-Software hierfür
verwendet werden kann. Wir zeigen, wie Daten zwischen
verschiedenen ELNs ausgetauscht und nachverfolgt werden
können, und demonstrieren die Veröffentlichung von Daten.
Außerdem erklären wir, wie Forschungsdaten für
maschinelles Lernen genutzt und wiederverwendet werden
können und welche Anforderungen dafür erfüllt sein
müssen. Abschließend erläutern wir sichere Möglichkeiten
zur dauerhaften Speicherung von Daten und geben hilfreiche
Tipps und Hinweise für die Suche nach weiteren
Informationen.},
keywords = {Forschungsdatenmanagement (Other) / Research data
management (Other) / ELN (Other) / Elektronisches Laborbuch
(Other) / Electronic lab notebook (Other) / Juliabase
(Other) / eLabFTW (Other) / Kadi4Mat (Other) / SciMesh
(Other) / Manual (Other) / Handbuch (Other) / Hand book
(Other) / Best-Practice (Other)},
cin = {IMD-2 / ZB},
cid = {I:(DE-Juel1)IMD-2-20101013 / I:(DE-Juel1)ZB-20090406},
pnm = {899 - ohne Topic (POF4-899) / NFDI4Ing Task Area CADEN -
Task Area CADEN – provenance tracking of physical samples
and data samples (442146713-CADEN)},
pid = {G:(DE-HGF)POF4-899 / G:(GEPRIS)442146713-CADEN},
typ = {PUB:(DE-HGF)3},
doi = {10.5281/ZENODO.16870414},
url = {https://juser.fz-juelich.de/record/1051954},
}