Klotzkette Forschungsdaten: Fristennotiz und nächster Schritt
Regelungs- und Quellenanker
Arbeitsfokus: Forschungsdaten: Fristennotiz und nächster Schritt. Prüfe diese Anker am Sachverhalt; ergänze nur Normen, die denselben Output, dieselbe Frist oder dieselbe Beweisfrage tragen:
Art. 5 Abs. 3 Satz 1 GG— Wissenschaftsfreiheit als Ausgangspunkt.Art. 89 Abs. 1 DSGVO— Garantien für wissenschaftliche Forschungszwecke.Art. 9 Abs. 2 lit. j DSGVO— besondere Kategorien personenbezogener Daten in Forschungskontexten.§ 27 Abs. 1 BDSG— Datenverarbeitung zu wissenschaftlichen Forschungszwecken.§ 7 Abs. 1 TierSchG— Tierversuche nur bei gesetzlich anerkanntem Zweck und Erforderlichkeit.§ 8 Abs. 1 TierSchG— Genehmigungspflichtiger Tierversuch.§ 69a UrhG— Computerprogramme als Schutzgegenstand bei Forschungssoftware.DFG-Kodex Leitlinie 10— rechtliche und ethische Rahmenbedingungen.DFG-Kodex Leitlinie 13— Herstellung von öffentlichem Zugang zu Forschungsergebnissen.DFG-Kodex Leitlinie 14— Autorschaft und Verantwortung.
Rechtsprechung nur ergänzen, wenn Gericht, Datum, Aktenzeichen und eine frei prüfbare Quelle vorliegen; keine BeckRS-/juris-Blindzitate verwenden.
Arbeitsweg
- Rolle, Ziel und gewünschtes Arbeitsprodukt klären: Wer handelt, welche Entscheidung steht an, welche Frist läuft und welcher Output wird gebraucht?
- Fristen und Eilrisiken zuerst markieren: DFG-Antragsfristen programmspezifisch (Sachbeihilfe rollierend, Schwerpunktprogramme stichtagsgebunden), Verwendungsnachweis 6 Monate nach Projektende, Zwischenbericht jährlich.
- Tragende Normen verifizieren: DFG-Verwendungsrichtlinien, BGB §§ 611 ff. (Drittmittelvertrag), HRG/Landeshochschulgesetze, WissZeitVG, EU-Beihilferecht (Forschung), BMBF/BMWK-Förderrichtlinien, DFG-Kodex Leitlinien zur Sicherung guter wissenschaftlicher Praxis — Fundstellen über gesetze-im-internet.de, dejure.org, openJur, BVerfG-/BGH-/EuGH-Datenbank live prüfen; keine Modellwissen-Zitate.
- Zuständige Stelle bestimmen und Adressaten richtig wählen: Antragsteller (Principal Investigator), DFG-Fachkollegien, DFG-Geschäftsstelle, Hochschulverwaltung/Forschungsreferat, BMBF/BMWK, Gutachter.
- Dokumente und Beweismittel sammeln und auf Lücken prüfen: Antragsformular elan, Projektbeschreibung, Lebenslauf mit Publikationsliste, Finanzplan, Letter of Intent, Verwendungsnachweis, Zwischenbericht, Abschlussbericht — fehlende Belege durch Akteneinsicht oder Rückfrage beim Mandanten beschaffen, Live-Check für tagesaktuelle Normänderungen und Verwaltungspraxis.
Spezialwissen: Forschungsdaten: Fristennotiz und nächster Schritt
- Normen-/Quellenanker: DFG, KI.
Fallweichen
Wenn Unterlagen vorhanden sind, arbeite zuerst aus den Unterlagen. Stelle nur Rückfragen, die die nächste Weiche verändern:
- Welche Rolle hat die fragende Person und wer ist Gegenüber?
- Welches konkrete Ziel soll erreicht oder verhindert werden?
- Welche Frist, Zustellung, Schwelle, Zahlung, Sanktion oder Verfahrensstufe ist kritisch?
- Welche Dokumente, Registerauszüge, Bescheide, Verträge, Tabellen, Screenshots oder Nachrichten belegen den Punkt?
- Welcher Output wird gebraucht: Memo, Checkliste, Tabelle, Entwurf, Schriftsatzbaustein, Mandantenbrief oder Entscheidungsvorlage?
Arbeitsworkflow
- Fallbild bilden: Sachverhalt, Rollen, Zeitachse und Dokumente in eine kurze Matrix bringen.
- Rechtsrahmen setzen: Normen, Zuständigkeiten, Fristen, Formfragen und Verfahrensstand zum Themenfeld Forschungsdaten prüfen.
- Prüfpunkte abarbeiten: Tatbestandsmerkmale, Beweisfragen, typische Fehler, Gegenargumente und Ermessens- oder Wertungsfragen trennen.
- Risiko bewerten: Grün/Gelb/Rot mit Begründung, Annahmen, fehlenden Belegen und möglichen Alternativwegen ausgeben.
- Anschluss bauen: Passende weitere Skills desselben Plugins vorschlagen, wenn eine Vertiefung, ein Schreiben, eine Tabelle, ein Fristenblatt oder eine Verhandlungsstrategie sinnvoll ist.
DFG-Forschungsdaten: Anforderungen (live auf dfg.de/foerderung/grundlagen_rahmenbedingungen/forschungsdaten verifizieren)
Pflichtbestandteil jedes Antrags: Forschungsdatenmanagement-Plan / DMP als Anlage.
| Punkt im DMP | Inhalt |
|---|---|
| Datentypen | quantitativ / qualitativ, Formate, Größenordnung |
| Erhebungs- / Generierungsverfahren | Methoden, Geräte, Software |
| Metadaten / Standards | fachspezifische Standards, ggf. RDA-konform |
| Speicherung während Projektlauf | Backup, Versionierung, Zugriffsrechte |
| Archivierung nach Projektende | Repositorium (fachspezifisch oder generisch wie Zenodo, RADAR-Service), Mindestaufbewahrung 10 Jahre nach Kodex 2022 |
| Open Access | FAIR-Prinzipien, Zeitpunkt der Veröffentlichung |
| Schutz personenbezogener Daten | DSGVO-Konformität, Einwilligungen, Anonymisierung |
| Ethik / Tierdaten | Genehmigungen mit AZ |
Fristen / Zeitachse
- DMP ist mit Antragseinreichung vorzulegen, nicht später.
- DFG-Kodex Leitlinie 13: Forschungsdaten 10 Jahre nach Abschluss aufbewahren.
- Datenmanagement-Pflicht beginnt mit Projektbewilligung; bis zu Projektende ist regelmäßig fortlaufende Pflege notwendig.
Praktischer Tipp
- Repositorium frühzeitig identifizieren (nicht erst zum Projektabschluss). re3data.org ist das zentrale Register. Disziplin-Repositorien (z. B. Dryad für Biologie, PsychData für Psychologie, GESIS für Sozialwissenschaften) sind regelmäßig vorzuziehen.
- DOI-Vergabe sicherstellen: nur dann zitierfähige Veröffentlichung. Eigene Institutsserver ohne DOI reichen für FAIR-Konformität nicht aus.
- Bei personenbezogenen Daten: gestufter Zugriff über Datenzugangskommittees ("controlled access") statt Open Access, wenn Einwilligung das vorgibt.
Norm-/Quellenbezug konkret
- DFG-Kodex "Leitlinien zur Sicherung guter wissenschaftlicher Praxis" (2022), insbesondere Leitlinie 13 (Archivierung).
- Verwendungsrichtlinien DFG.
- DSGVO Art. 5, 6, 9, 32, 89 - rechtliche Grundlagen für Datenverarbeitung in der Forschung.
- BDSG § 27 (Sonderfall Forschung).
- DSGVO Art. 89 i.V.m. Erwägungsgrund 159: Sondervorschriften zur Forschung.
Beispiel-Mustertext (Kurz-DMP Sachbeihilfe)
- Datentypen: [quantitative Messdaten in csv-Format, ca. 200 GB; qualitative Interviewdaten, ca. 30 Transkripte].
- Erhebungsverfahren: [Beschreibung].
- Metadaten: nach [Standard, z. B. Dublin Core, DataCite].
- Speicherung während Projekt: institutionelles Netzlaufwerk [Bezeichnung] mit täglichem Backup; Zugriff über autorisiertes Personal.
- Archivierung: nach Projektende werden anonymisierte Datensätze in [Repositorium, z. B. Zenodo / RADAR] unter CC-BY-4.0-Lizenz öffentlich verfügbar gemacht; Rohdaten bleiben 10 Jahre am Institut gespeichert.
- Datenschutz: alle Probanden haben informierte Einwilligung (Anlage [n]) erteilt; Pseudonymisierung erfolgt nach [Methode].
- Ethik: Votum der Ethikkommission [Name] vom [Datum, AZ].
Typische Fehler
- Verweis auf "institutsinternes Datenarchiv" ohne FAIR-Konformität.
- Personenbezogene Daten ohne ausreichende Einwilligung "open access" stellen wollen - DSGVO-Verstoß.
- 10-Jahres-Aufbewahrung vergessen; nach Projektende sofortige Löschung würde Kodex verletzen.