Forschungsdaten fristennotiz und naechster schritt

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:

1. Welche Rolle hat die fragende Person und wer ist Gegenüber?
2. Welches konkrete Ziel soll erreicht oder verhindert werden?
3. Welche Frist, Zustellung, Schwelle, Zahlung, Sanktion oder Verfahrensstufe ist kritisch?
4. Welche Dokumente, Registerauszüge, Bescheide, Verträge, Tabellen, Screenshots oder Nachrichten belegen den Punkt?
5. Welcher Output wird gebraucht: Memo, Checkliste, Tabelle, Entwurf, Schriftsatzbaustein, Mandantenbrief oder Entscheidungsvorlage?

Arbeitsworkflow

1. Fallbild bilden: Sachverhalt, Rollen, Zeitachse und Dokumente in eine kurze Matrix bringen.
2. Rechtsrahmen setzen: Normen, Zuständigkeiten, Fristen, Formfragen und Verfahrensstand zum Themenfeld Forschungsdaten prüfen.
3. Prüfpunkte abarbeiten: Tatbestandsmerkmale, Beweisfragen, typische Fehler, Gegenargumente und Ermessens- oder Wertungsfragen trennen.
4. Risiko bewerten: Grün/Gelb/Rot mit Begründung, Annahmen, fehlenden Belegen und möglichen Alternativwegen ausgeben.
5. 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)

1. Datentypen: [quantitative Messdaten in csv-Format, ca. 200 GB; qualitative Interviewdaten, ca. 30 Transkripte].
2. Erhebungsverfahren: [Beschreibung].
3. Metadaten: nach [Standard, z. B. Dublin Core, DataCite].
4. Speicherung während Projekt: institutionelles Netzlaufwerk [Bezeichnung] mit täglichem Backup; Zugriff über autorisiertes Personal.
5. 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.
6. Datenschutz: alle Probanden haben informierte Einwilligung (Anlage [n]) erteilt; Pseudonymisierung erfolgt nach [Methode].
7. 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.