Simon Donig, Anna-Lena Körfer: Was bedeutet Datenqualität in den historisch arbeitenden Fächern? Auf dem Weg zu einem Daten-editorischen Framework für die Erzeugung und Publikation FAIRer Forschungsdaten

Projekte in der Digitalen Geschichte sind auf hochqualitative Datensets angewiesen – egal ob sie sie für komplexe Machine Learning-Verfahren verwenden oder ob sie sich nur für einzelne Datenpunkte interessieren, die ergänzend zu einer traditionellen hermeneutischen Analyse granular ausgewertet werden sollen. Aber was bedeutet „hochqualitativ“ eigentlich für die historisch arbeitenden Geisteswissenschaften?

Die historisch arbeitenden Geisteswissenschaften zeichnen sich durch ihre Reichhaltigkeit von möglichen Quellen und damit auch von Forschungsdaten aus: Von Transkripten, Exzerpten und Interviews, über Webseiten und Social Media-Posts, Statistiken oder Sprachaufnahmen bis hin zu Datenbanken, Software und Quellcode. Diese lassen sich nur bedingt mit einem einheitlichen Set an Qualitätskriterien beschreiben.

Der manchmal so erhellende Blick in die Nachbardisziplinen läuft häufig noch ins Leere, denn genau wie in den historischen Fächern existieren dort oftmals noch keine klaren Vorstellungen davon, wie Datenqualität zu definieren ist. Auch der naheliegende erste Blick in den ISO-Standard 8000, scheint auf den ersten Blick wenig erhellend, definiert er doch Qualität stark generalisiert als „Ausmaß, in dem ein Set interner Merkmale von Daten Anforderungen erfüllt“ (Übersetzung durch uns).

Gemeinsam ist vielen Disziplinen, dass sie mit ihrer spezifischen Implementierung der FAIR-Prinzipien einen Werthorizont eröffnen, an dessen Erreichung Qualität gemessen werden kann. Aber wie genau sieht eine gegenstandsangemessene Implementierung angesichts der Reichhaltigkeit von Forschungsdatentypen aus? Und was genau soll implementiert werden?

In der akademischen Forschung werden Merkmale von Datenqualität häufig als interne und kontextuelle Merkmale konkretisiert. Zu ersteren kann man etwa Faktoren wie die syntaktische und semantische Genauigkeit (Accuracy), Vollständigkeit (Completeness) oder Konsistenz (Consistency) zählen; letzteren kann man Faktoren wie Plausibilität oder Rückverfolgbarkeit/Provenienz zurechnen.

Das allein legt schon nahe, dass es nicht nur um Fragen der Entwicklung und Prüfung intrinsischer Qualitätsmerkmale gehen kann, sondern dass eben der Zweck und die daraus abgeleiteten Anforderungen im Rahmen unserer Fächer im Mittelpunkt stehen müssen. Dies wiederum bedeutet, dass beispielsweise variierende Dokumentationspraktiken und sparteneigene Erfassungsstandards über den gesamten Datenlebenszyklus hinweg für das relevant sein können, was letztlich ein qualitatives Datenset ausmacht.

Genügt den historisch arbeitenden Fächern die Orientierung an den FAIR-Prinzipien alleine überhaupt? Müssten angesichts der oftmals erheblichen ethischen Herausforderungen unserer Materialien nicht auch (daten-)ethische Standards, vergleichbar etwa den CARE-Prinzipien für Data Governance, mit abgebildet werden?

Das Konsortium der NFDI4Memory hat sich zum Ziel gesetzt, an der Entwicklung von Baseline Standards und der Ermittlung von Best-Practices für den Bereich Datenqualität zu arbeiten. Dazu hat sich das Konsortium entschieden, eine eigene Task Area für Datenqualität zu schaffen, deren Aufgabe von einer Ermittlung des State of the Art bis hin zur Entwicklung eines datenkuratorischen Frameworks für die Publikation FAIRer Forschungsdaten für die historisch arbeitenden Disziplinen reicht.  In unserem Vortrag zeigen wir anhand von Beispielen, welche Relevanz Fragen von Datenqualität in den historischen Fächern haben. Wir führen in das Arbeitsvorhaben ein und stellen vor, wie sich Forschende und Kuratierende an der Arbeit der TA Data Quality beteiligen können und welchen Nutzen wir uns davon für die breite historische Community versprechen.

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 17. Juli 2024, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage oder via Mailingliste)

---

---