Zum Inhalt springen

FAIR-Daten mit Datenschutz und Zugriffskontrolle verbinden - Tierpfleger im Forschungslabor

Aus MOOCsWiki Staging
aiMOOC-Siegel aiMOOC

FAIR-Daten mit Datenschutz und Zugriffskontrolle verbinden - Tierpfleger im Forschungslabor

QR-Code



Einleitung

Technikerin in einem Computerlabor des National Cancer Institute; digitale Arbeitsplätze zur Erfassung und Auswertung von Forschungsdaten.
Computerlabor als Arbeitsumgebung für Forschungsdaten. Foto: Linda Bartlett, National Cancer Institute; Public Domain.

Ein Datensatz ist nicht automatisch frei. Stell dir vor, du betreust im Forschungslabor eine Tiergruppe. Tägliche Beobachtungen, Haltungsereignisse und tierärztliche Rückmeldungen werden in einem Laborinformations- und Managementsystem (LIMS) dokumentiert. Ein Forschungsteam möchte die Daten auswerten; eine andere Arbeitsgruppe möchte sie nachnutzen. Gleichzeitig dürfen weder personenbezogene Angaben noch vertrauliche Betriebsinformationen unkontrolliert veröffentlicht werden. Wie kann ein Datensatz auffindbar und langfristig nutzbar sein, ohne dass jede Person alles sehen darf?

Das Video „The FAIR principles explained“ der Maastricht University führt in die vier FAIR-Prinzipien ein. Achte darauf, dass FAIR nicht „alles öffentlich“ bedeutet. In diesem Kurs überträgst du die Prinzipien auf fiktive Forschungs- und Haltungsdaten aus einem Forschungslabor.

Lernziel: Du verbindest FAIR-Datenmanagement mit Datenschutz, abgestuften Zugriffsrechten, sicherer Dokumentation und geregelter Nachnutzung. Dein prüfbares Lernprodukt ist ein Metadatenplan, der Auffindbarkeit ermöglicht, Zugriffe kontrolliert und eine rechtmäßige Nachnutzung beschreibt, ohne eine unzulässige öffentliche Veröffentlichung vorzusehen.

Zielgruppe und Niveau: Auszubildende Tierpflegerinnen und Tierpfleger, Fachrichtung Forschung und Klinik; Niveau 2 bis 3. Der Kurs vertieft Datenkompetenz und digitale Systeme im Modul 19 und knüpft redaktionell an Ausbildungsordnung und KMK-Lernfelder 10 bis 13 an. Gemeinsame Grundlagen zu Tierwohl, Hygiene, Beobachtung, Dokumentation und Kommunikation werden vorausgesetzt und bei Bedarf über verknüpfte Lernbereiche erschlossen.

Arbeitsweise: Alle Aufgaben verwenden ausschließlich erfundene Datensätze, fiktive Dokumente, Ersatzmodelle oder Videoanalysen. Du führst keine Tierexperimente durch und erhebst keine echten personenbezogenen oder vertraulichen Daten. Der Kurs erteilt keine Befugnis zu Eingriffen, Narkosen, Tötungen oder Tierversuchen.


Leitfrage und Fallbeispiel

Im fiktiven Institut „Forschungszentrum Morgenfeld“ existiert der Datensatz „Haltungsbeobachtung Gruppe K-17“. Er enthält pseudonymisierte Tierkennungen, Beobachtungszeitpunkte, Raumcodes, ein standardisiertes Verhaltensmerkmal, eine technische Gerätekennung und Freitextnotizen. In einer Notiz steht versehentlich der Name einer beschäftigten Person. Eine externe Forschungsgruppe fragt nach den Daten.

Du bist als Auszubildende oder Auszubildender an der Datenpflege beteiligt. Du sollst erkennen, welche Informationen vorhanden sind, wie sie beschrieben werden, welche Risiken bestehen und an welche zuständigen Personen du eine Freigabe- oder Klärungsfrage weiterleitest. Du entscheidest nicht selbst über eine Veröffentlichung.


Lernprodukt im Überblick

Dein Metadatenplan enthält einen aussagekräftigen, nicht identifizierenden Titel und eine stabile Kennung; Zweck, Herkunft, Erhebungszeitraum, Version und fachliche Beschreibung; Formate, kontrollierte Begriffe, Datenqualität und Dokumentationsstandards; die Trennung von Metadaten und eigentlichen Daten; eine Rollen- und Rechte-Matrix; einen Datenschutz- und Vertraulichkeitscheck; eine Zugangsbeschreibung mit Begründung; Nutzungsbedingungen, Lizenz- oder Vereinbarungsstatus und Kontaktstelle sowie Aufbewahrungs-, Prüf-, Änderungs- und Löschregeln.


FAIR verstehen: auffindbar, zugänglich, interoperabel, nachnutzbar


Was FAIR bedeutet

FAIR steht für Findable, Accessible, Interoperable und Reusable – auf Deutsch: auffindbar, zugänglich, interoperabel und nachnutzbar. Die Prinzipien beschreiben Eigenschaften guten Forschungsdatenmanagements. Sie sind keine automatische Open-Data-Pflicht und keine Erlaubnis, sensible Daten zu veröffentlichen.

F – Findable (auffindbar): Ein Datensatz erhält einen eindeutigen, stabilen Identifikator oder eine dauerhaft verwaltete Kennung. Reiche Metadaten beschreiben Thema, Zeitraum, Methode, Version, verantwortliche Stelle und Beziehungen zu anderen Datensätzen. Metadaten können öffentlich auffindbar sein, obwohl die zugrunde liegenden Daten geschützt bleiben.

A – Accessible (zugänglich): Es ist klar beschrieben, wie berechtigte Personen die Daten erhalten können. Zugang kann offen, nach Registrierung, nach Prüfung eines Antrags, über eine sichere Forschungsumgebung oder gar nicht möglich sein. „Accessible“ bedeutet nicht „für alle ohne Prüfung herunterladbar“. Auch kontrollierter Zugang braucht eine verständliche Kontakt- und Antragsbeschreibung.

I – Interoperable (interoperabel): Daten und Metadaten verwenden dokumentierte, möglichst offene und verbreitete Formate, Einheiten, Codes und kontrollierte Vokabulare. Ein Wert wie „2“ ist ohne Definition unverständlich. Ein Wert mit Merkmal, Einheit, Skala, Zeitpunkt und Erhebungsmethode ist interpretierbar.

R – Reusable (nachnutzbar): Herkunft, Methoden, Qualitätsgrenzen, Version, Rechte, Einschränkungen und Nutzungsbedingungen sind dokumentiert. Nachnutzende müssen erkennen können, wofür Daten geeignet sind und wofür nicht. Eine Lizenz darf nur angegeben werden, wenn die freigebende Stelle über die erforderlichen Rechte verfügt und die Lizenzierung zulässig ist.


FAIR ist nicht gleich Open Data

Ein Datensatz kann FAIR sein, ohne öffentlich herunterladbar zu sein. Beispiel: Ein Metadatensatz beschreibt eine Beobachtungsreihe, nennt eine stabile Kennung, das Erhebungsverfahren, ein standardisiertes Format und eine Kontaktstelle. Die Rohdaten enthalten jedoch personenbezogene Beschäftigtenangaben oder vertrauliche Informationen und sind nur nach Prüfung zugänglich. Auffindbarkeit und Beschreibung bleiben möglich, während der Zugriff kontrolliert wird.

Unterscheide drei Ebenen: Metadaten beschreiben den Datensatz und seine Zugangsbedingungen; Daten enthalten Messwerte, Beobachtungen, Ereignisse und gegebenenfalls sensible oder vertrauliche Inhalte; die Zugangsentscheidung legt fest, wer aus welchem Zweck, unter welchen Bedingungen und für welche Dauer Zugriff erhält. Eine öffentliche Landingpage kann beschreibende Metadaten, eine Kontaktstelle und den Hinweis „Zugang auf Antrag“ enthalten. Sie muss keine Rohdaten, Tierkennungen, internen Raumpläne oder Freitextnotizen offenlegen.


Metadaten als Wegweiser

Metadaten sind strukturierte Angaben über Daten. Ein guter Metadatensatz beantwortet: Was wird beschrieben? Wer ist fachlich verantwortlich? Wann und wie wurden die Daten erzeugt? Welche Einheiten, Codes und Versionen gelten? Welche Qualitätseinschränkungen gibt es? Wie kann eine berechtigte Person Zugang beantragen? Welche Rechte und Pflichten gelten?

Unzureichend: „K17 neu final.xlsx“. Der Dateiname verrät weder Inhalt noch Version, Zweck, Zeitraum, Formatdefinition oder Zugangsregel.

Besser: „Standardisierte Haltungsbeobachtungen in einer fiktiven Nagetierhaltung, Erhebungsfenster 2026-Q2, Version 1.2; Beobachtungsmerkmale nach intern dokumentiertem Codebuch; Tabellenformat CSV plus Codebuch; Metadaten öffentlich, Daten kontrolliert zugänglich nach institutioneller Prüfung; keine direkten Tierhalter- oder Beschäftigtennamen; Kontakt: Datenverantwortliche Stelle des fiktiven Instituts.“

Metadaten selbst dürfen keine vertraulichen Details verraten. Ein Titel wie „Beobachtungen zu Mitarbeitenden mit Krankheitsausfällen“ wäre ungeeignet, wenn er Rückschlüsse auf identifizierbare Personen ermöglicht.


Datenformate und kontrollierte Begriffe

Ein interoperabler Datensatz vermeidet unnötige Abhängigkeit von einer einzelnen Softwareversion. Für Tabellen eignen sich beispielsweise CSV-Dateien mit dokumentiertem Zeichensatz, Trennzeichen, Dezimalformat und Spaltenbeschreibung. Ergänzende Codebücher können in verbreiteten Text- oder Tabellenformaten vorliegen. Proprietäre LIMS-Exporte sollten mit einer verständlichen Spezifikation und möglichst einem standardisierten Export ergänzt werden.

Begriffe brauchen eindeutige Definitionen. „Futteraufnahme gut“ ist eine subjektive Freitextbewertung. Ein kontrolliertes Schema könnte ein definiertes Beobachtungsmerkmal, zulässige Kategorien, eine Beobachtungsperiode und eine dokumentierte Erfassungsregel festlegen. Das Codebuch muss fachlich erstellt oder freigegeben sein; Bedeutung darf nicht erfunden werden.


Fallanalyse: Was kann gefunden werden?

Das Team sucht nach Beobachtungen in einem bestimmten Zeitraum. Es findet nur die Datei „K17_neu_final2.xlsx“. Es ist unklar, ob sie vollständig ist, wer die Daten geprüft hat und ob sie dieselbe Version wie die Auswertung enthält. Ohne nachvollziehbare Metadaten und Versionierung ist die Datei kaum zuverlässig auffindbar oder interpretierbar.

Verbessere die Beschreibung durch einen eindeutigen Titel, eine Datensatzkennung, Versionsnummer, Zeitstempel, fachlichen Kontakt, Codebuch und kurze Zugangsnotiz. Veröffentliche nicht einfach die Datei, um das Auffindbarkeitsproblem zu lösen.


Datenschutz, Vertraulichkeit und Zugriffskontrolle


Welche Daten sind personenbezogen?

Personenbezogene Daten sind Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen. Dazu können Namen, dienstliche Kontaktdaten, Benutzerkennungen, Zugriffsprotokolle, Schichtinformationen oder Freitextnotizen gehören, wenn eine Person direkt oder indirekt erkennbar wird. Auch pseudonymisierte Daten bleiben personenbezogen, solange eine Zuordnung mit Zusatzinformationen möglich ist.

Tierbezogene Beobachtungen sind nicht allein deshalb personenbezogene Daten. Sie können aber Personenbezug erhalten, wenn sie mit einer Tierhalterin, einem Tierpfleger, einer behandelnden Person, einem Dienstplan oder einer anderen identifizierbaren Information verknüpft sind. Prüfe den gesamten Datenkontext, nicht nur eine einzelne Spalte.

Anonymisierung bedeutet, dass ein Personenbezug praktisch nicht mehr hergestellt werden kann. Pseudonymisierung ersetzt direkte Kennungen durch ein Kennzeichen; eine Zuordnung bleibt mit Zusatzinformationen möglich. Pseudonymisierung ist eine Schutzmaßnahme, aber keine automatische Entlassung aus dem Datenschutzrecht.


Grundsätze der DSGVO

Die Datenschutz-Grundverordnung (DSGVO, Verordnung (EU) 2016/679) verlangt unter anderem Rechtmäßigkeit, Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung, Integrität und Vertraulichkeit sowie Rechenschaftspflicht. Im Arbeitsalltag bedeutet das: Erfasse nur Informationen, die für einen festgelegten Zweck notwendig sind; verwende Daten nicht ohne Prüfung für einen neuen Zweck; korrigiere fehlerhafte Angaben nach dem festgelegten Verfahren; bewahre personenbezogene Daten nicht unbegrenzt auf; schütze Daten durch angemessene technische und organisatorische Maßnahmen; dokumentiere Verantwortlichkeiten und Entscheidungen nachvollziehbar.

Bei wissenschaftlicher Forschung können besondere Regeln und Ausnahmen gelten, etwa nach Artikel 89 DSGVO und nationalem Recht. Daraus folgt keine pauschale Freigabe. Rechtsgrundlage, Zweck, Schutzmaßnahmen, institutionelle Zuständigkeit und gegebenenfalls Informationspflichten müssen im konkreten Kontext geprüft werden. Du entscheidest das nicht allein als Auszubildende oder Auszubildender.


Rollen und Rechte nach dem Minimalprinzip

Das Minimalprinzip (Least Privilege) bedeutet: Jede Person erhält nur die Berechtigungen, die sie für ihre konkrete Aufgabe benötigt. Rechte sollten rollenbasiert, nachvollziehbar und regelmäßig überprüft werden.

Rolle Typische Aufgabe Beispielrecht Grenze
Tierpflege-Auszubildende Beobachtungseinträge im zugewiesenen Übungsbereich erfassen Einträge anlegen, eigene Entwürfe korrigieren Keine Freigabe, kein Export kompletter Datensätze
Verantwortliche Tierpflegefachkraft Fachliche Plausibilitätsprüfung Einträge prüfen und Rückfragen dokumentieren Keine eigenständige Forschungsdatenfreigabe
Datenverantwortliche Stelle Metadaten, Versionen und Zugriffsanträge verwalten Metadaten pflegen, Anträge koordinieren Nur im festgelegten Mandat
Datenschutzbeauftragte Person Datenschutzrechtliche Beratung und Überwachung im gesetzlichen Aufgabenbereich Beratung und Prüfung Keine operative Fachfreigabe für beliebige Daten
Studienleitung oder befugte Freigabestelle Entscheidung im Rahmen der Zuständigkeit Freigabe nach Rechts- und Verfahrensprüfung Nur im genehmigten Zweck und Geltungsbereich
IT-Administration Betrieb, Sicherheit und technische Wiederherstellung Technische Administration nach Berechtigungskonzept Kein fachlicher Nutzungsentscheid; privilegierte Zugriffe protokollieren

Rollen unterscheiden sich zwischen Einrichtungen. Die Tabelle ist ein Lernmodell, keine verbindliche Organisationsanweisung. Maßgeblich sind tatsächliche Zuständigkeiten, Berechtigungsregeln, Bescheide, Verträge und Standardarbeitsanweisungen (SOPs).


Zugangsstufen statt Alles-oder-nichts

Offen: Daten und Metadaten dürfen ohne individuelle Zugangskontrolle bereitgestellt werden; Rechte und Lizenz sind geklärt. Registriert: Zugang nach Identitäts- oder Organisationsprüfung und Annahme von Nutzungsbedingungen. Kontrolliert: Zugang nach begründetem Antrag und Prüfung von Zweck, Rechtsgrundlage, Datenminimierung, Schutzmaßnahmen und gegebenenfalls Vereinbarung. Intern beschränkt: Zugriff nur innerhalb einer Organisation oder eines abgegrenzten Projekts. Gesperrt: keine Nachnutzung, wenn keine tragfähige Rechtsgrundlage oder sichere Bereitstellungsmöglichkeit besteht.

Ein Datensatz kann eine offene Metadatenseite und zugleich kontrollierte Rohdaten haben. Eine Lizenz ersetzt keine datenschutzrechtliche Prüfung. Umgekehrt ist „keine Lizenz“ nicht automatisch ein vollständiges Zugriffs- oder Vertraulichkeitskonzept.


Technische und organisatorische Schutzmaßnahmen

Geeignete Maßnahmen können – je nach Risiko und institutionellen Vorgaben – sein: persönliche Konten statt geteilter Passwörter, Mehr-Faktor-Authentisierung, verschlüsselte Übertragung und Speicherung, rollenbasierte Rechte, Protokollierung, regelmäßige Rechteprüfung, sichere Backups, getestete Wiederherstellung, getrennte Ablage von Zuordnungsschlüsseln, sichere Löschverfahren und Schulung.

Freitext ist besonders fehleranfällig: Namen, Gesundheitsangaben, Telefonnummern oder vertrauliche Beobachtungen können versehentlich enthalten sein. Nutze freigegebene Eingabefelder und Codebücher. Entferne problematische Inhalte nicht eigenmächtig, wenn dadurch ein Originalbeleg verändert würde. Sichere den Vorgang nach SOP und informiere die zuständige Stelle.


Fallanalyse: Externe Anfrage

Eine externe Arbeitsgruppe fragt nach den Rohdaten von K-17 und nennt einen plausiblen wissenschaftlichen Zweck. Du prüfst nicht selbst die Rechtmäßigkeit und versendest keine Datei. Du leitest die Anfrage an die zuständige Daten- oder Studienleitung weiter. Dort werden Zweck, Rechtsgrundlage, Datenumfang, Personenbezug, Vertraulichkeit, Nutzungsbedingungen, sichere Übermittlung, Empfängerkreis und Dokumentation geprüft.

Eine mögliche Lösung ist kontrollierter Datenzugang mit minimiertem Datensatz, Nutzungsvereinbarung, sicherem Übertragungsweg und dokumentierter Frist. Eine andere Lösung kann sein, nur aggregierte Ergebnisse oder einen Teil der Metadaten bereitzustellen. Wenn Risiken nicht angemessen beherrscht werden können, wird der Antrag abgelehnt. Wissenschaftliche Nützlichkeit allein hebt Schutzpflichten nicht auf.


LIMS, Datenqualität und Reproduzierbarkeit im Laboralltag


Was ein LIMS leisten kann – und was nicht

Ein Laboratory Information and Management System (LIMS) kann Proben, Beobachtungen, Geräte, Aufträge, Dokumente, Verantwortlichkeiten und Datenflüsse verwalten. In einem Forschungslabor können LIMS-Funktionen mit Tierhaltungsdokumentation, Studienmanagement oder anderen Fachsystemen verbunden sein. Ein LIMS ist jedoch kein Ersatz für fachliche Prüfung, Datenschutzkonzept, Genehmigungsbescheid oder SOP.

Ein System kann Datenfelder erzwingen und Änderungen protokollieren. Es kann aber falsche Eingaben, unpassende Kategorien oder unberechtigte Freigaben nicht allein durch seine Existenz verhindern. Gute Datenqualität entsteht aus klaren Definitionen, geschulten Personen, passenden Kontrollen und nachvollziehbarer Verantwortungsverteilung.

Reihen verwalteter Serversysteme in einem Rechenzentrum; die Infrastruktur steht beispielhaft für sichere Speicherung und Verwaltung digitaler Forschungsdaten.
Serverinfrastruktur als technische Grundlage digitaler Datenverwaltung. Foto: Lgate74; CC BY 3.0.


Eigene schematische LIMS-Ansicht

Das folgende Schema ist ein didaktisches Modell, keine Abbildung einer realen Softwareoberfläche und keine Arbeitsanweisung für ein bestimmtes System.

Bereich einer fiktiven LIMS-Maske Beispielinhalt Qualitätsfrage Schutzfrage
Datensatz-ID FM-OBS-2026-014 Ist die Kennung eindeutig und dauerhaft? Enthält sie versteckte Personen- oder Tieridentifikatoren?
Beschreibung Standardisierte Beobachtungsreihe Ist der Zweck verständlich? Verrät der Titel vertrauliche Details?
Zeitraum und Version 2026-Q2, Version 1.2 Sind Änderungen nachvollziehbar? Sind Zeitstempel oder Änderungsprotokolle zugriffsbeschränkt?
Datenformat CSV plus Codebuch Sind Spalten, Einheiten und Codes dokumentiert? Enthält der Export zusätzliche verborgene Spalten?
Zugang Kontrolliert nach Antrag Ist der Weg zum Antrag klar? Ist der Empfängerkreis begrenzt?
Freigabestatus Prüfung ausstehend Ist die Prüfung dokumentiert? Kann eine unbefugte Person den Status ändern?


Datenfluss und Kontrollpunkte

Station Was geschieht? Qualitätskontrolle Datenschutz- und Zugriffsprüfung
Erfassung Eine Beobachtung wird im vorgesehenen System erfasst. Pflichtfelder, Codebuch, Plausibilität Nur berechtigte Person; keine unnötigen Freitextdaten
Prüfung Fachlich zuständige Person prüft Vollständigkeit und Auffälligkeiten. Rückfrage, Korrekturhistorie, Zeitstempel Nur zuständige Rolle sieht erforderliche Details
Metadatenpflege Beschreibung, Version, Herkunft und Format werden ergänzt. Vollständigkeitscheck Metadaten auf indirekte Identifizierbarkeit prüfen
Archivierung Version und Dokumentation werden gesichert. Prüfsumme, Backup, Wiederherstellungstest Verschlüsselung und Zugriffskontrolle
Nachnutzungsantrag Ein externer Bedarf wird geprüft. Zweck und Datenumfang bewerten Rechtsgrundlage, Vertrag, Empfängerkreis und sichere Bereitstellung

Beobachte beim Durchgehen: An welcher Station kann ein Fehler entstehen? Wer darf ihn korrigieren? Wie bleibt sichtbar, was geändert wurde? Welche Daten müssen für die jeweilige Rolle sichtbar sein – und welche gerade nicht?


Datenqualität und Reproduzierbarkeit

Datenqualität ist mehrdimensional. Vollständigkeit bedeutet nicht, dass jedes Feld zwangsläufig ausgefüllt sein muss; ein nicht erhobener Wert muss als solcher gekennzeichnet sein. Korrektheit verlangt eine plausible und sachgerechte Erfassung. Konsistenz bedeutet, dass dieselben Begriffe, Einheiten und Regeln im gesamten Datensatz gelten. Aktualität und Nachvollziehbarkeit zeigen, wann ein Eintrag entstanden oder geändert worden ist und wer dafür verantwortlich war.

Eine Qualitätskette lautet: Erfassung → Validierung → fachliche Prüfung → Versionierung → Sicherung → kontrollierte Bereitstellung. Wenn ein Glied fehlt, kann die Nachnutzung leiden. Ein fehlender Zeitbezug verhindert Vergleiche. Eine nicht dokumentierte Änderung kann die Reproduktion einer Auswertung unmöglich machen. Ein offener Export mit versteckten Identifikatoren kann einen Datenschutzvorfall verursachen.

Reproduzierbarkeit braucht mehr als eine Datendatei. Notwendig sind nachvollziehbare Methoden, definierte Variablen, Versionen, Kontextinformationen, Auswertungsschritte und dokumentierte Abweichungen. Die DFG-Leitlinien zur guten wissenschaftlichen Praxis betonen Qualitätssicherung, Rollen und Verantwortlichkeiten, rechtliche und ethische Rahmenbedingungen, Dokumentation, öffentlichen Zugang im zulässigen Umfang und Archivierung.

Für Tierforschung ergänzen PREPARE und ARRIVE die Planung und Berichterstattung. PREPARE unterstützt die vorausschauende Planung; ARRIVE unterstützt die transparente Berichterstattung über Studien. Diese Leitlinien sind fachliche Standards bzw. Empfehlungen, keine eigenständigen behördlichen Genehmigungen. Sie ersetzen keine gesetzlichen Anforderungen oder lokalen Freigaben.


Fehlerfall: widersprüchliche Versionen

Eine Auswertung nennt Version 1.2, aber im gemeinsamen Ordner liegt eine Datei mit demselben Namen und verändertem Inhalt. Die Prüfsumme stimmt nicht mehr. Eine zweite Arbeitsgruppe hat bereits Ergebnisse berechnet.

Gute Praxis: Datei nicht stillschweigend überschreiben. Versionen sichern, Änderungshistorie und Verantwortlichkeit prüfen, betroffene Auswertungen identifizieren und die zuständige Datenverantwortung informieren. Danach wird dokumentiert, welche Version maßgeblich ist und ob eine Korrektur oder Neubewertung erforderlich ist. Eine Prüfsumme kann Veränderungen erkennbar machen; sie beweist für sich allein weder inhaltliche Richtigkeit noch Rechtmäßigkeit.


Rechtliche und organisatorische Leitplanken im Forschungslabor


Rechtsstand und Quellenkritik

Rechtsstand dieses Lernmoduls: 09.11.2026. Die genannten Rechtsquellen wurden für die Erstellung am 09.11.2026 geprüft. Vor einer betrieblichen Entscheidung sind die tagesaktuelle Fassung, das zuständige Landesrecht, behördliche Bescheide und die SOPs der Einrichtung zu prüfen. Dieses Lernmodul ist keine Rechtsberatung.

Unterscheide: Gesetze und Verordnungen sind verbindliche Rechtsnormen, etwa Tierschutzgesetz, Tierschutz-Versuchstierverordnung und DSGVO. Behördliche Bescheide und Auflagen sind verbindliche Entscheidungen für den jeweiligen Betrieb, die Einrichtung oder das konkrete Vorhaben. Technische und organisatorische Regeln können je nach Rechtsgrundlage, Bezugnahme und Anwendungsbereich verbindlich oder als anerkannte Regeln der Technik relevant sein. Freiwillige Standards und Leitlinien wie DFG-Kodex, ARRIVE und PREPARE unterstützen gute Praxis, ersetzen aber keine Rechtsnorm oder behördliche Entscheidung. Betriebliche SOPs regeln konkrete Arbeitsabläufe innerhalb der Einrichtung und dürfen höherrangigem Recht und Bescheiden nicht widersprechen.


Tierschutzrecht: Sachkunde, Aufsicht und Befugnis trennen

Das Tierschutzgesetz verpflichtet Personen, die Tiere halten, betreuen oder zu betreuen haben, zu art- und bedürfnisgerechter Versorgung und zu den dafür erforderlichen Kenntnissen und Fähigkeiten (§ 2 TierSchG). Die TierSchVersV konkretisiert Anforderungen an Einrichtungen und Sachkunde. Nach § 3 TierSchVersV muss die Einrichtungsleitung bzw. die verantwortliche Stelle sicherstellen, dass mit der Pflege oder Tötung betraute Personen die jeweils erforderlichen Kenntnisse und Fähigkeiten besitzen. Für Tätigkeiten zu Ausbildungs-, Fortbildungs- oder Weiterbildungszwecken gilt die dort geregelte Ausnahme nur in Anwesenheit und unter Aufsicht einer Person mit den erforderlichen Kenntnissen und Fähigkeiten.

Ein Ausbildungsabschluss oder Onlinekurs verleiht keine allgemeine Eingriffs-, Narkose-, Tötungs- oder Versuchsbefugnis. Tätigkeitsbezogene Sachkunde, konkrete Aufsicht, tierärztliche Anordnung oder Indikation, genehmigtes Versuchsvorhaben, betriebliche Zuständigkeit und behördliche Freigaben sind voneinander zu unterscheiden. Was eine Person konkret tun darf, ergibt sich aus Gesetz, Verordnung, Bescheid, nachgewiesener Sachkunde, betrieblichem Aufgabenbereich und gültigen SOPs.

Bei Unsicherheit: Tätigkeit unterbrechen, Tierwohl sichern, zuständige Fachkraft bzw. tierärztliche Stelle informieren und die betriebliche Eskalationsregel befolgen. Dieser Kurs beschreibt keine Eingriffs-, Narkose-, Tötungs- oder Versuchsschritte.


Genehmigung, vereinfachtes Verfahren und Anzeige nicht verwechseln

§ 8 TierSchG stellt Tierversuche an Wirbeltieren und Kopffüßern grundsätzlich unter Genehmigungsvorbehalt. § 8a TierSchG regelt bestimmte Fälle eines vereinfachten Genehmigungsverfahrens und enthält daneben eine gesonderte Anzeigeregelung für Versuchsvorhaben mit Zehnfußkrebsen. § 8a ist deshalb nicht pauschal ein Anzeigeverfahren. Ob ein Vorhaben genehmigungs-, vereinfachungs- oder anzeigepflichtig ist, muss anhand der konkreten gesetzlichen Voraussetzungen und der zuständigen Behörde beurteilt werden.

Auszubildende klassifizieren ein Vorhaben nicht eigenständig rechtlich und beginnen keine Versuchstätigkeit aufgrund einer eigenen Interpretation. Sie folgen den Verantwortungs- und Freigabewegen der Einrichtung.


Änderung ab 04.12.2026: EU-Tierschutzvorgaben

Die Delegierte Richtlinie (EU) 2024/1262 ändert die Anhänge III und IV der Richtlinie 2010/63/EU. Nach Artikel 2 der Delegierten Richtlinie sind die erforderlichen nationalen Vorschriften ab 04.12.2026 anzuwenden. Die deutsche TierSchVersV weist bereits eine Änderung durch Verordnung vom 10.10.2025 aus, mit der die Umsetzung der Richtlinie 2024/1262 ausdrücklich genannt wird. Zum Rechtsstand 09.11.2026 ist diese deutsche Änderungsverordnung bereits in der veröffentlichten Fassung enthalten; der unionsrechtliche Anwendungsbeginn 04.12.2026 ist davon als eigener zeitlicher Bezug zu unterscheiden.

Für die Praxis bedeutet das: Am oder nach dem 04.12.2026 nicht allein auf ältere Merkblätter oder Schulungsfolien vertrauen. Prüfe die dann geltende deutsche Fassung, landesrechtliche Vollzugshinweise, konkrete Bescheide und aktualisierte SOPs. Dieser Kurs nimmt keine noch nicht verifizierte spätere Änderung vorweg und behauptet keine pauschale Änderung sämtlicher Tätigkeitsbefugnisse.


Datenschutz und Forschungsdaten

Die DSGVO ist unmittelbar geltendes EU-Recht. Ihre Grundsätze gelten für personenbezogene Daten; Forschungszwecke können besondere Regelungen auslösen, aber nicht ohne Prüfung. Die Einrichtung muss Zuständigkeiten, Zwecke, Rechtsgrundlagen, Aufbewahrung und technische sowie organisatorische Maßnahmen festlegen. Bei Fragen zu Personenbezug, Weitergabe, Veröffentlichung oder Betroffenenrechten wendest du dich an die zuständige Datenschutz- und Datenverantwortung.

Eine Veröffentlichung von Metadaten muss ebenfalls auf indirekte Identifizierbarkeit geprüft werden. Kleine Gruppen, genaue Zeitstempel, seltene Ereignisse, Raumcodes oder Kombinationen von Merkmalen können Rückschlüsse ermöglichen. Aggregation, zeitliche Vergröberung oder Weglassen einzelner Merkmale kann Risiken verringern, muss aber fachlich vertretbar sein und darf keine irreführenden Daten erzeugen.


Lokale Zuständigkeit und Dokumentation

Die konkrete Vollzugspraxis liegt bei den zuständigen Landesbehörden. Im Fallbeispiel kann die Einrichtung zusätzliche Auflagen aus Genehmigungsbescheiden, Erlaubnissen oder Nebenbestimmungen haben. Auch eine SOP kann einen verbindlichen internen Freigabeweg festlegen. Halte fest, welche Stelle für fachliche Prüfung, Datenschutz, IT-Sicherheit, Studienfreigabe und externe Datenbereitstellung zuständig ist. Verwechsle nicht die beratende Rolle einer Datenschutzbeauftragten Person mit der fachlichen Freigabe durch Studien- oder Einrichtungsverantwortliche.


Metadatenplan erstellen: vom Datensatz zur kontrollierten Nachnutzung


Schrittfolge für dein Lernprodukt

Du arbeitest mit einem vollständig fiktiven Datensatz. Nutze keine echten Namen, Kennnummern, Schichtpläne, Gesundheitsdaten, Raumpläne oder Betriebsunterlagen.

  1. Beschreibe den Datensatz ohne identifizierende Details: Thema, Zweck, Zeitraum, Fachbereich und Version.
  2. Lege eine eindeutige Kennung fest, die keine Namen, Geburtsdaten oder anderen personenbezogenen Merkmale enthält.
  3. Beschreibe Herkunft, Erfassungsmethode, Variablen, Einheiten, Codebuch und Dateiformate.
  4. Prüfe Vollständigkeit, Plausibilität, Versionsstand, Änderungsnachvollziehbarkeit und bekannte Grenzen.
  5. Trenne Metadaten von Rohdaten und Zuordnungsschlüsseln.
  6. Markiere mögliche personenbezogene, vertrauliche oder sicherheitsrelevante Angaben.
  7. Lege Rollen, Berechtigungen und einen Antragsweg fest; wende das Minimalprinzip an.
  8. Bestimme eine Zugangsstufe und begründe sie mit Zweck, Risiko, Rechtsgrundlage und Zuständigkeit.
  9. Beschreibe zulässige Nachnutzung, Nutzungsbedingungen, Aufbewahrung, Kontakt und Prüftermin.
  10. Lass den Plan durch die im fiktiven Szenario zuständigen Rollen prüfen; dokumentiere offene Punkte statt eine Freigabe zu erfinden.


Muster-Metadatenplan für den fiktiven Datensatz

Feld Musterangabe Warum ist das sinnvoll?
Titel Standardisierte Haltungsbeobachtungen – fiktiver Beispieldatensatz Inhalt erkennbar, keine Personen- oder Tierkennung im Titel
Kennung FM-OBS-2026-014 Eindeutige interne Kennung ohne direkten Personenbezug
Beschreibung Aggregierte, standardisierte Beobachtungsmerkmale einer fiktiven Tiergruppe Zweck und Umfang werden deutlich
Zeitraum 2026-Q2 Zeitbezug ohne unnötig genaue Einzelzeitpunkte
Version 1.2, erstellt am 2026-07-15 Änderungen und Auswertungen können zugeordnet werden
Herkunft Fiktive, institutionell dokumentierte Erfassung nach Codebuch OBS-01 Provenienz und Methode werden nachvollziehbar
Formate CSV mit UTF-8; Codebuch als PDF/A oder dokumentierte Textdatei Austausch und langfristige Lesbarkeit werden unterstützt
Variablen Merkmalcode, Beobachtungsfenster, definierte Kategorie, Qualitätsflag Spalten sind durch Codebuch interpretierbar
Qualitätsstatus Fachlich geprüft; zwei fehlende Werte als fehlend markiert Grenzen werden sichtbar und nicht verdeckt
Personenbezug Freitext entfernt; Zuordnungsschlüssel getrennt und beschränkt Datenminimierung und Pseudonymisierung
Metadatenzugang Öffentlich nach Freigabe der Beschreibung Auffindbarkeit ohne Offenlegung der Rohdaten
Datenzugang Kontrolliert nach begründetem Antrag und institutioneller Prüfung Zugang folgt Risiko, Rechtsgrundlage und Zuständigkeit
Nachnutzung Nur für freigegebene Forschungszwecke gemäß schriftlicher Vereinbarung Zweck, Umfang und Pflichten sind festgelegt
Kontakt Datenverantwortliche Stelle des fiktiven Instituts Klarer Weg für Anfragen und Korrekturen
Aufbewahrung Gemäß geltendem Bescheid, Forschungsplan und institutioneller Aufbewahrungsregel Keine frei erfundene Einheitsfrist


Prüffragen für die Freigabe

Vor einer externen Bereitstellung klärt die zuständige Stelle: Ist der Zweck mit dem ursprünglichen Zweck vereinbar? Gibt es eine geeignete Rechtsgrundlage? Ist der Datensatz auf das erforderliche Minimum reduziert? Sind Personenbezug und Vertraulichkeit geprüft? Ist die empfangende Stelle bekannt? Sind sichere Übermittlung und Speicherung gewährleistet? Sind Nutzungsbedingungen, Zitierweise, Aufbewahrung und Löschung vereinbart? Gibt es eine gültige Genehmigung oder behördliche Auflage, die zu beachten ist? Sind Version und Freigabe dokumentiert?

Wenn eine Frage offen ist, lautet das Ergebnis nicht „wird schon passen“, sondern „Prüfung ausstehend“. Das ist ein professioneller Status.


Interaktive Aufgaben


Quiz: Prüfe dein Wissen

Was bedeutet das A in FAIR? (Zugänglichkeit mit klar beschriebenem Zugangsweg) (!Automatische Veröffentlichung aller Rohdaten) (!Ausschließlicher Zugriff durch Administratoren) (!Anonymisierung sämtlicher Datensätze)




Kann ein Datensatz FAIR sein, obwohl seine Rohdaten nur kontrolliert zugänglich sind? (Ja, wenn Auffindbarkeit, Zugangsweg, Interoperabilität und Nachnutzungsbedingungen beschrieben sind) (!Nein, FAIR verlangt immer einen freien Download) (!Nein, FAIR gilt nur für vollständig anonyme Daten) (!Ja, aber nur wenn keine Metadaten vorhanden sind)




Welche Aussage zur Pseudonymisierung ist richtig? (Die Zuordnung bleibt mit Zusatzinformationen möglich; die Daten können weiterhin personenbezogen sein) (!Pseudonymisierte Daten sind immer anonym) (!Pseudonymisierung ersetzt eine Rechtsgrundlage) (!Pseudonymisierte Daten dürfen stets öffentlich veröffentlicht werden)




Was beschreibt das Minimalprinzip bei Zugriffsrechten? (Jede Rolle erhält nur die für ihre Aufgabe erforderlichen Berechtigungen) (!Alle Beschäftigten erhalten dieselben Rechte) (!Administrationsrechte werden vorsorglich an alle verteilt) (!Zugriffsrechte werden nach Dienstalter vergeben)




Welche Information gehört in ein aussagekräftiges Metadatenprofil? (Version, Methode, Format, Variablenbeschreibung und Zugangsbedingungen) (!Ein Passwort für den Rohdatenordner) (!Eine private Telefonnummer der beobachtenden Person) (!Eine vollständige Liste aller Beschäftigten)




Warum sind kontrollierte Begriffe und ein Codebuch wichtig? (Sie machen Variablen und Kategorien einheitlich interpretierbar) (!Sie ersetzen jede fachliche Qualitätsprüfung) (!Sie verhindern automatisch jeden Eingabefehler) (!Sie erlauben das Weglassen von Erhebungsmethoden)




Was ist bei einer externen Datenanfrage deine angemessene Rolle als Auszubildende oder Auszubildender? (Anfrage an die zuständige Stelle weiterleiten und keine Daten eigenständig versenden) (!Datei sofort an die anfragende Person mailen) (!Die Rechtsgrundlage selbst verbindlich festlegen) (!Die Daten ohne Dokumentation aus dem LIMS exportieren)




Welche Aussage zu § 8a TierSchG ist zutreffend? (Er regelt bestimmte vereinfachte Genehmigungsfälle und enthält zusätzlich eine gesonderte Anzeigevorschrift für Zehnfußkrebse) (!Er ist generell ein Anzeigeverfahren für alle Tierversuche) (!Er ersetzt § 8 TierSchG vollständig) (!Er verleiht Auszubildenden eine Versuchsbefugnis)




Was ist bei einer widersprüchlichen Datensatzversion sinnvoll? (Versionen sichern, Änderungshistorie prüfen und die zuständige Datenverantwortung informieren) (!Eine Datei still überschreiben) (!Die Prüfsumme entfernen) (!Die ältere Auswertung ohne Prüfung weiterverwenden)




Welche Aussage zur Nutzung von ARRIVE und PREPARE ist richtig? (Sie unterstützen Planung und transparente Berichterstattung, ersetzen aber keine Genehmigung) (!Sie sind behördliche Genehmigungsbescheide) (!Sie verleihen eine allgemeine Eingriffsbefugnis) (!Sie ersetzen Datenschutz und institutionelle SOPs)





Memory-Spiel

Findbarkeit Eindeutige Kennung und reichhaltige Metadaten erleichtern das Auffinden
Zugänglichkeit Der Zugangsweg ist klar beschrieben und kann kontrolliert sein
Interoperabilität Formate, Einheiten und Begriffe sind standardisiert und dokumentiert
Nachnutzbarkeit Herkunft, Qualität, Rechte und Bedingungen sind nachvollziehbar
Pseudonymisierung Direkte Kennungen werden ersetzt, eine Zuordnung bleibt aber möglich
Minimalprinzip Jede Rolle erhält nur die für ihre Aufgabe nötigen Rechte





Zuordnungsaufgabe: Begriff und Erklärung

Ordne den passenden Begriff zu. Erklärung
Metadaten Strukturierte Beschreibung eines Datensatzes
Codebuch Definition von Variablen, Kategorien und zulässigen Werten
Prüfsumme Technischer Wert zum Erkennen von Dateiänderungen
Zugriffsmatrix Übersicht von Rollen und ihren Berechtigungen
Provenienz Dokumentation von Herkunft und Entstehung der Daten




Kreuzworträtsel

Metadaten Wie nennt man strukturierte Angaben, die einen Datensatz beschreiben?
Pseudonym Welcher Ersatzkennwert kann direkte Identifikatoren verdecken?
Version Wie heißt ein eindeutig gekennzeichneter Entwicklungsstand eines Datensatzes?
Codebuch Welches Dokument erklärt Variablen und zulässige Kategorien?
Lizenz Welcher Begriff beschreibt rechtliche Bedingungen einer erlaubten Nachnutzung?
Provenienz Wie heißt die dokumentierte Herkunft und Entstehung eines Datensatzes?





LearningApps: weitere Übungsmaterialien

Nutze die Suchseite als ergänzendes Übungsangebot. Prüfe die fachliche Qualität und den Datenschutz der gefundenen Inhalte; verwende keine echten Betriebs- oder Personendaten.


Lückentext

Ergänze die zentralen Aussagen zu FAIR-Daten und Zugriffskontrolle.
FAIR beschreibt Daten als auffindbar, zugänglich, interoperabel und

. Ein stabiler Identifikator und eine gute Beschreibung unterstützen die

. Zugänglichkeit bedeutet, dass der Zugangsweg klar geregelt ist; er kann auch

sein. Metadaten beschreiben einen Datensatz, ohne zwangsläufig die

offenzulegen. Pseudonymisierte Informationen bleiben personenbezogen, wenn eine

mit Zusatzinformationen möglich ist. Das Minimalprinzip begrenzt Berechtigungen auf das für die jeweilige

notwendige Maß. Ein Codebuch erklärt Variablen und zulässige

. Versionierung und Änderungsprotokolle unterstützen die

. Vor einer externen Weitergabe prüft die zuständige Stelle Zweck, Rechtsgrundlage, Datenumfang und

. Eine Lizenz darf nur verwendet werden, wenn die Rechte und die

geklärt sind.



Offene Aufgaben

Bearbeite alle Aufgaben ausschließlich mit fiktiven Daten, Ersatzmodellen, frei zugänglichen Dokumenten oder Videoanalysen. Keine Aufgabe verlangt ein Tierexperiment, einen Eingriff, eine Datenerhebung an realen Tieren oder die Verarbeitung echter personenbezogener bzw. vertraulicher Informationen.


Leicht

  1. FAIR-Begriffe erklären: Erstelle ein einseitiges Glossar zu Findability, Accessibility, Interoperability und Reusability. Ergänze zu jedem Prinzip ein Beispiel aus einem fiktiven Forschungslabor und ein Gegenbeispiel.
  2. Dateinamen verbessern: Erstelle aus fünf absichtlich unklaren Beispieldateinamen ein konsistentes Benennungsschema. Erkläre, warum Namen keine Personenkennungen oder vertraulichen Angaben enthalten dürfen.
  3. Metadaten erkennen: Markiere in einem fiktiven Datensatzprofil Titel, Zeitraum, Version, Methode, Format, Kontakt und Zugangsbedingung. Notiere drei fehlende Metadatenfelder.
  4. Videoanalyse FAIR: Sieh das eingebettete FAIR-Video an und verfasse eine kurze Erklärung, warum FAIR nicht mit einer öffentlichen Freigabe aller Daten gleichzusetzen ist.


Standard

  1. LIMS-Maske entwerfen: Zeichne eine fiktive LIMS-Eingabemaske mit mindestens acht Feldern. Markiere Pflichtfelder, Codebuchbezug, Rollenrechte und Felder, die keinen unnötigen Personenbezug erzeugen dürfen.
  2. Zugriffsmatrix erstellen: Entwickle für das Fallbeispiel eine Rollen-Rechte-Matrix mit mindestens fünf Rollen. Begründe für jede Rolle mindestens eine erlaubte und eine ausgeschlossene Berechtigung.
  3. Datenfluss prüfen: Erstelle ein Flussdiagramm von Erfassung über Prüfung und Archivierung bis zur Nachnutzungsanfrage. Markiere an jeder Station einen Qualitäts- und einen Datenschutzkontrollpunkt.
  4. Metadatenplan ausarbeiten: Fülle anhand des Musterplans ein vollständiges Profil für einen fiktiven Datensatz aus. Weise Metadaten- und Datenzugang getrennt aus und begründe die Zugangsstufe.


Schwer

  1. Datenschutz-Fall beurteilen: Analysiere einen vollständig erfundenen Fall mit Freitextnotiz, Zeitstempel und Raumcode. Bewerte das Risiko indirekter Identifizierung und entwickle eine datensparsame Alternative, ohne den fachlichen Sinn zu verfälschen.
  2. Nachnutzungsvereinbarung skizzieren: Erstelle eine nicht rechtsverbindliche Checkliste für eine kontrollierte Nachnutzung. Berücksichtige Zweckbindung, erlaubte Datenfelder, Empfängerkreis, sichere Übermittlung, Zitation, Aufbewahrung, Löschung und Kontaktstelle.
  3. Qualitätsaudit simulieren: Nutze zwei fiktive Versionen desselben Datensatzes mit abweichenden Prüfsummen und dokumentierten Änderungen. Entwickle einen Auditbericht, der Auswirkungen auf Auswertungen, Versionierung und Freigabe behandelt.
  4. Rechts- und Standardebenen vergleichen: Erstelle eine Tabelle, die DSGVO, TierSchG, TierSchVersV, behördlichen Bescheid, betriebliche SOP, DFG-Kodex, ARRIVE und PREPARE nach Rechtscharakter, Zweck und Zuständigkeit unterscheidet. Vermerke, welche Fragen an Fach- oder Rechtsstellen weiterzugeben sind.




Text bearbeiten Bild einfügen Video einbetten Interaktive Aufgaben erstellen



Lernkontrolle

  1. FAIR und Open Data unterscheiden: Erkläre anhand eines konkreten Beispiels, wie Metadaten öffentlich auffindbar sein können, während Rohdaten kontrolliert bleiben. Begründe, warum dies mit FAIR vereinbar sein kann.
  2. Personenbezug prüfen: Analysiere eine fiktive Tabelle mit Pseudonym, Zeitstempel, Raumcode und Freitext. Welche Kombinationen könnten eine Person indirekt identifizierbar machen? Schlage verhältnismäßige Schutzmaßnahmen vor.
  3. Rechte nach Rollen begründen: Entwickle eine Zugriffsmatrix für Auszubildende, Fachkraft, Datenverantwortung, IT-Administration und externe Forschende. Begründe das Minimalprinzip und die Protokollierung privilegierter Zugriffe.
  4. Datenqualität und Reproduzierbarkeit verknüpfen: Erkläre, wie Codebuch, Versionierung, Herkunftsdokumentation und Änderungsprotokoll die spätere Interpretation einer Auswertung unterstützen.
  5. Externe Anfrage entscheiden lassen: Formuliere einen sicheren Prozess, wie du eine externe Datenanfrage entgegennimmst, dokumentierst und an zuständige Stellen weiterleitest, ohne selbst eine unzulässige Freigabe vorzunehmen.
  6. Rechtsquellen korrekt einordnen: Erkläre den Unterschied zwischen § 8 und § 8a TierSchG. Warum ist die Aussage „§ 8a ist immer ein Anzeigeverfahren“ falsch?
  7. Sachkunde und Befugnis trennen: Erkläre anhand eines fiktiven Ausbildungsszenarios, warum Sachkunde, Aufsicht, tierärztliche Anordnung, betriebliche Zuständigkeit und behördliche Freigabe nicht gleichgesetzt werden dürfen.


Lernnachweis

Als Lernnachweis reichst du einen vollständigen Metadatenplan für einen fiktiven Forschungsdatensatz ein. Er muss Datensatz-Titel, stabile Kennung, Kurzbeschreibung, Zweck, Zeitraum und Version; Herkunft, Erhebungsmethode, Variablen, Einheiten, Codebuch und Dateiformate; Qualitätsstatus, bekannte Einschränkungen, Korrektur- und Versionshistorie; Trennung von Metadaten, Rohdaten und gegebenenfalls Zuordnungsschlüssel; Datenschutz- und Vertraulichkeitsprüfung einschließlich möglicher indirekter Identifizierbarkeit; Rollen- und Rechte-Matrix nach dem Minimalprinzip; getrennte Zugangsentscheidung für Metadaten und Daten; begründeten Antragsweg für kontrollierte Nachnutzung; Nutzungsbedingungen, Kontaktstelle, Aufbewahrungs- und Prüftermin sowie offene Punkte für zuständige Fach-, Datenschutz-, IT- oder Freigabestellen enthalten.

Bewertungskriterien: fachliche Richtigkeit, vollständige und verständliche Metadaten, nachvollziehbare Versions- und Qualitätsangaben, angemessene Schutzmaßnahmen, klare Rollenverteilung, rechtlich vorsichtige Zugangsentscheidung und korrekte Unterscheidung zwischen verbindlichem Recht und freiwilligen Standards.

Musterlösung – Kerngedanke: Ein guter Plan macht den Datensatz auffindbar und interpretierbar, ohne Rohdaten automatisch zu veröffentlichen. Er beschreibt transparent, welche Metadaten freigegeben werden können, welche Daten kontrolliert bleiben, wer über Zugang entscheidet und welche Prüfungen vor einer Nachnutzung notwendig sind. Ungeklärte Rechts- oder Freigabefragen werden als offen markiert und an die zuständige Stelle weitergeleitet.


Begründete Musterlösungen und typische Fehler

Musterlösung zu Fall K-17: Die öffentliche Beschreibung enthält eine neutrale Kennung, Zweck, Zeitraum auf geeigneter Granularität, Version, Format, Codebuch, Qualitätsstatus und Kontaktstelle. Sie enthält keine Namen, individuellen Schichtzeiten, detaillierten Raumcodes oder Freitextnotizen. Die Rohdaten bleiben kontrolliert zugänglich. Ein externer Antrag wird durch die zuständige Daten- und Studienverantwortung sowie erforderliche Datenschutz- und IT-Stellen geprüft. Bei positiver Entscheidung wird nur der erforderliche Umfang über einen sicheren Weg und unter dokumentierten Bedingungen bereitgestellt.

Warum ist das eine gute Lösung? Sie erfüllt Findability durch Kennung und Metadaten, Accessibility durch einen beschriebenen Antragsweg, Interoperability durch dokumentierte Formate und Codes sowie Reusability durch Herkunft, Qualität, Version und Nutzungsbedingungen. Zugleich werden Datenminimierung, Zweckbindung, Zugriffsbeschränkung und Verantwortlichkeit berücksichtigt.

Typische Fehler: FAIR mit „alle Daten müssen offen im Internet stehen“ gleichsetzen; Pseudonymisierung mit vollständiger Anonymisierung verwechseln; Metadaten ungeprüft veröffentlichen, obwohl Titel, Zeitstempel oder Codes Rückschlüsse ermöglichen; eine Lizenz angeben, ohne Rechteinhaberschaft und Freigabe zu prüfen; eine Datei unter demselben Namen überschreiben und damit die Reproduzierbarkeit zerstören; allen Beschäftigten pauschal dieselben Rechte geben oder gemeinsame Konten verwenden; eine externe Anfrage selbst freigeben, statt den geregelten Prüfweg einzuhalten; DFG-Kodex, ARRIVE oder PREPARE als Gesetz oder Genehmigungsbescheid darstellen; § 8a TierSchG pauschal als Anzeigeverfahren bezeichnen; aus einer Ausbildung oder einem Onlinekurs eine allgemeine Befugnis zu Eingriffen, Narkose, Tötung oder Tierversuchen ableiten.


OER und Wikipedia


Weiterführende offene Lernressourcen

FAIR-Prinzipien:

Gute wissenschaftliche Praxis und Tierforschung:

Rechtliche Primärquellen:

Mediennachweis Commons:

Eingebettete Datei Dateiseite / Quelle Urheber Lizenz / Rechtehinweis
Computer laboratory.jpg Wikimedia Commons – Computer laboratory.jpg Linda Bartlett, National Cancer Institute Public Domain Mark 1.0; Commons weist Public-Domain-Freigabe und NIH-U.S.-Government-Kontext aus
Dcentre racks.jpg Wikimedia Commons – Dcentre racks.jpg Lgate74 CC BY 3.0; Namensnennung, Lizenzlink und Hinweis auf Änderungen erforderlich

Video-Nachweis:

  • Maastricht University, „The FAIR principles explained“, veröffentlicht 28.05.2020: YouTube-Video. In der Videobeschreibung werden fachliche Credits zur FAIR-Principles-Lehreinheit von 2019 genannt.
  • Utrecht University, „Is my data FAIR? | Research Data management“, veröffentlicht 13.03.2024: YouTube-Video.

Abruf- und Prüfdatum der genannten Webquellen und Medien: 09.11.2026. Vor Veröffentlichung oder betrieblicher Anwendung sind Aktualität, Lizenzbedingungen und konkrete Rechtslage erneut zu kontrollieren.


Wikipedia und verwandte Themen

Verknüpfte Themen zur selbstständigen Vertiefung: Datenschutz, Datenschutz-Grundverordnung, Forschungsdatenmanagement, Metadaten, Datenintegrität, Reproduzierbarkeit, Laborinformations- und Managementsystem und Tierschutzgesetz.


Verknüpfte Lernbereiche

Berufliche und fachliche Bezüge: Tierpflege in Forschung und Klinik (Beobachtung, Dokumentation, Kommunikation); digitale Systeme (LIMS, Rollenverwaltung, Datensicherung, Audit-Trail und Export); Datenschutz und Informationssicherheit (Datenminimierung, Zweckbindung, Vertraulichkeit und Zugriffskontrolle); wissenschaftliches Arbeiten (Dokumentation, Reproduzierbarkeit, FAIR, DFG-Kodex, ARRIVE und PREPARE); Recht und Organisation (DSGVO, TierSchG, TierSchVersV, behördliche Bescheide und betriebliche SOPs).


aiMOOC-Projekte



Schulfach+




aiMOOCs



aiMOOC Projekte









MOOCwiki · Deutsch

Nach dem Lernen ist vor dem Lernen

Entdecke direkt den nächsten Lernkurs. Weitere Inhalte erscheinen, wenn Du weiter nach unten scrollst.

Zur MOOCwiki-Hauptseite

Mediathek

Suche verfeinern

Dein Lernplan bestimmt, was oben steht. Alle anderen Inhalte bleiben erreichbar. Seitenaufrufe beeinflussen die Auswahl nicht.

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...