Open Data reicht nicht aus. Wissen soll 'fair' bereitgestellt werden, d.h. findable, accessible, interoperable und reusable.
Die FAIR Data Prinzipien wurden 2016 veröffentlicht und sind inzwischen ein weltweit anerkannter Standard für die Bereitstellung von digitalen Wissensressourcen. Ziel ist die Erstellung und Bereitstellung von Wissensressourcen, die man vielseitig verarbeiten und wiederverwenden kann.
Die Prinzipien sind ein zentrales strategisches Instrument der Forschungsförderung. Sie gewinnen aber auch im Bildungs- und Kultursektor zunehmend an Bedeutung.
Standards
Die FAIR Data Prinzipien setzen auf eine "gemeinsame Sprache der Wissensrepräsentation". Auf diese Weise soll eine interoperable Verarbeitung und Wiederverwendbarkeit sichergestellt werden. In den meisten Bereichen ist man von einer solchen gemeinsamen Sprache der Wissensrepräsentation aber weit entfernt und viele Forscher fragen sich, ob sie überhaupt möglich und nötig ist. Welche Möglichkeiten gibt es, Forschungsdaten interoperabel bereitzustellen, ohne sich auf eine gemeinsame Sprache der Wissensrepräsentation einigen zu müssen?
Repositorien
Schon ein kurzer Blick in die einschlägigen Archive und Repositorien zeigt, dass Forschungsdaten nach wie vor in Formaten abgelegt werden, die nicht interoperabel nutzbar sind. Die Bilanz nach 8 Jahren FAIR Data ist erschütternd.
Problematisch sind nicht die Punkte Findability und Accessibility. Das Problem besteht in der Erstellung interoperabler und wiederverwendbarer Bildungs- und Forschungsdaten. Welche praktikablen Lösungen gibt es und wie lassen sie sich im Alltag einer Bildungs- oder Forschungseinrichtung implementieren?
Tools
Das prinzipielle Problem: In vielen Bereichen fehlt es immer noch an Tools, mit denen man digitale Inhalte 'fair' aufbereiten kann. Welche Tools eigenen sich für eine fair-konforme Verarbeitung von Bildungs- und Forschungsdaten? Und welche Workarounds gibt es für Tools, die es von Haus aus nicht sind?