Datenbank oder Datensätze – Zwei verschiedene Sichtweisen auf Forschungsdatenmanagement und ihre Auswirkungen

Alle funktionierenden IT-Strukturen großer Studien gleichen einan­der: Es gibt ein Kontaktmanagement, eine Studiendatenbank, Gerä­tedaten (oft mit speziellen Lösungen für Bild- und OMICS-Daten) und eine Forschungsdatenbank. Die Ausgangspunkte – sowohl konzepti­onell als auch in der zeitlichen Entwicklung der Projekte – sind jedoch oft verschieden. Basierend auf jeweils einem halben Jahrzehnt Erfah­rung in zwei großen Studien werden zwei gegensätzliche technische Sichtweisen und ihre Implikationen vorgestellt: • Aus der einen Sicht gibt es viele – relativ unabhängig agierende – Quellsysteme, in denen Originaldaten dauerhaft verwaltet wer­den. Die Aufgabe des Forschungsdatenmanagements besteht im wesentlichen in der nachträglichen Zusammenführung der Daten für die Forschungdatenbank. • Aus der anderen Sicht dienen Quellsysteme lediglich der Daten­erfassung, und nicht der dauer- haften Verwaltung erhobener Daten – diese werden bei oder direkt nach Erhebung in wenigen zentralen, eng vernetzten Datenbanken verarbeitet. Ausgehend von beiden Ansätzen können jeweils robuste Lösungen für die üblichen Anforderungen im Forschungsbereich erstellt wer­den. Die Details – beispielsweise bei Datenkuration, Rohdaten- Archi­vierung, ID-Managment, Verwaltung von Metadaten oder Umgang mit Fehlwerten sind jedoch strukturbedingt grundverschieden. Dies bedeutet auch, dass bestimmte Anforderungen in den verschiede­nen Ansätzen zur Verwunderung Aussenstehender einen deutlich verschiedenen Aufwand bei der Umsetzung erfordern. In dem Vor­trag wird zur Einführung die Infrastruktur von LIFE Child (Universität Leipzig) und der Rheinland Studie (DZNE Bonn) kurz vorgestellt. Bei­des sind auf Jahrzehnte angelegte große epidemiologische Studien, an denen der Vortragende in leitender IT-Funktion beteiligt war bzw. ist. Bezugnehmend auf strukturelle Unterschiede wird anhand vieler konkreter praktischer Beispiele demonstriert, welche Herausfor­derungen spezifische Wünsche von Studienmitarbeiter:innen sowie Einhaltung von FAIR-Prinzipien und guter wissenschaftlicher Praxis für die jeweiligen Ansätze bedeuten. Wer also immer schon wissen wollte, warum einige Datenmanager bei Begriffen wie Audit-Trail Schweißausbrüche bekommen während andere mit den Schultern zucken, was Prüfsummen mit referenzieller Integrität zu tun haben, warum einige Forschungsdatensätze täglich und andere vierteljähr­lich erstellt werden und wie man eine Studie durchführt ohne dass jemals irgendjemand die Studienkennung eines Teilnehmers sieht ist herzlich eingeladen zu dieser Tour durch die Spiegelwelten zweier Systeme