Zum Hauptinhalt springen

Metadaten und Mindestinformationen

Metadaten und ihre Schemata​

Metadaten lassen sich als „Daten über Daten“ beschreiben, d. h. als strukturierte Informationen, die Daten beschreiben, wie beispielsweise den Inhalt eines Datensatzes oder einer Datei oder den Kontext ihrer Entstehung. Einige beispielhafte Metadatenfelder sind: Titel, Schlagwörter, Erfassungsmethode/Analysetechnik, und die Liste lässt sich fortsetzen. Metadaten sollten von kontrollierten Vokabularen (idealerweise Ontologien) und/oder Datenformaten unterstützt werden.

Metadaten werden ebenso wie die von ihnen beschriebene Domäne immer spezialisierter, wobei die Hierarchie der Domänen einer hierarchischen Metadatenstruktur entsprechen kann: von einer eher allgemeinen, vollständig domänenunabhängigen Metadatenebene bis hin zu den am stärksten methoden- und anwendungsspezifischen Ebenen.

Bereichsunabhängige Metadaten:​

Metadaten können bereichsunabhängig sein und sich hauptsächlich auf Zitationsdetails konzentrieren, wie z. B. den Titel, die Schlüsselwörter, die beteiligten Personen und Institutionen oder Verweise auf andere Daten. Bereichsunabhängige Metadatenstandards können durch bereichsspezifischere Metadaten ergänzt werden.

  • Dublin Core ist ein allgemeiner Satz von fünfzehn Elementen zur Beschreibung vernetzter Ressourcen. Dieser Satz wurde seit seiner ersten Veröffentlichung im Jahr 1995 durch andere Standards angepasst und erweitert.
  • DataCite ist ein DOI-Anbieter, der ein Schema mit zentralen Metadaten für Forschungsdaten bereitstellt. Der Standard wird von der Gemeinschaft getragen und versucht, sich mit anderen Standards wie Dublin Core und ORCID Record Schema zu integrieren.
  • Die OpenAIRE-Leitlinien für Datenarchiv-Verwalter bieten eine Infrastruktur, die die Interoperabilität zwischen den diesen Leitlinien folgenden Repositorien erleichtert und die Zugänglichkeit sowie Sichtbarkeit der Daten verbessert. OpenAIRE hat bereits das DataCite schema übernommen, allerdings mit einigen geringfügigen Anpassungen, wie z. B. der Akzeptanz anderer persistenter Identifizierungsschemata anstelle des DOI, und einigen Änderungen bei den Verpflichtungen von Eigenschaften.
  • PROV: Der W3C-Standard für Provenance-Informationen kann verwendet werden, um Informationen über die Herkunft wissenschaftlicher Daten bereitzustellen.
  • Das Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH) ist ein Rahmenwerk für das Erfassen von Metadaten und lässt sich auf eine Vielzahl von Metadatenformaten anwenden. Diese sollten immer Dublin Core-Metadaten enthalten.

Domänenspezifische Metadaten:​

Metadaten können domänenspezifisch sein, d. h. sich auf eine bestimmte Erfassungsmethode in Verbindung mit einer bestimmten Analysetechnik beziehen (wie beispielsweise eine pH-Messung im Zusammenhang mit einer bestimmten Reaktion), was für die meisten anderen Bereiche außerhalb der Chemie nicht zutrifft.

  • Das Core Scientific Metadata Model (CSMD) ist ein Modell für wissenschaftliche Studien, das Entitätsklassen für Einrichtungen, Nutzer, Untersuchungen, Instrumente, Datendateien, Datensätze und Proben umfasst. Innerhalb dieser Klassen können die meisten Versuchsparameter und Ergebnisse erfasst werden. Darüber hinaus gibt es Klassen für beispielsweise Publikationen, Datenformate und Probentypen. Neben einer Veröffentlichung der Spezifikation als UML (Unified Modeling Language) Klassen Modelldefinition, gibt es auch eine Darstellung als Ontologie. Zukünftige Versionen werden sich auf die Integration des PROV Modells konzentrieren.
  • Der Investigation Study Assay (ISA) ist ebenfalls ein Metadaten-Framework mit Schwerpunkt auf biologischen Untersuchungen, das Schemata für die Darstellung von Daten in maschinenlesbaren Formaten (ISA-Tab und JSON) definiert. Es kann auf viele Methoden angewendet werden und ermöglicht die Einbeziehung von Ontologie-Referenzen für die Entitäten.
  • IUPAC – FAIRSpec ist ein Rahmenwerk, das derzeit bei der IUPAC entwickelt wird und darauf abzielt, spektroskopische Daten einschließlich der NMR-Spektroskopie abzudecken.

Mindestinformationsstandards (MI)​

Mindestinformationsstandards (MI) sind Richtlinien darüber, welche Metadaten bei der Meldung von Daten erforderlich sind. Darüber hinaus wird in diesen Richtlinien dargelegt, welches Format sowohl für diese Informationen als auch für die Daten selbst verwendet werden soll. Die MI hängen von der Art der Daten ab und werden festgelegt, um sicherzustellen, dass die Daten gemäß den FAIR-Grundsätzen hinterlegt werden. Daher sind die Mindestinformationen eine Teilmenge der umfangreichen Metadaten, die den Daten beigefügt werden können.

Mindestinformationen für chemische Untersuchungen (MIChI)​

Angesichts der stetig wachsenden Datenmengen, die in der Biologie und verwandten Disziplinen wie der Omik, der Bioinformatik und der Biochemie anfallen, wurde eine umfangreiche Sammlung von Richtlinien zur Mindestinformation für verschiedene Methoden entwickelt. Diese wurden durch das Projekt Minimum Information for Biological and Biomedical Investigations (MIBBI) gefördert.

Obwohl der erforschte Teil des chemischen Raums sowie die dabei gewonnenen chemischen Daten rasch zunehmen, gibt es nur wenige Versuche, Richtlinien für Mindestanforderungen an Informationen in der Chemie festzulegen, z. B. die Metabolomics Standards Initiative (MSI) oder das Collaboratory for the Multi-scale Chemical Sciences (CMCS). NFDI4Chem wird sich mit diesem Thema befassen, indem es Empfehlungen zu den Mindestanforderungen an Informationen für chemische Untersuchungen (MIChI) ausarbeitet, die Standards für Verfahren wie Massenspektrometrie, Kernspinresonanz und optische Spektroskopieverfahren umfassen. Es werden bereits internationale Workshops durchgeführt, um die notwendige Diskussion über die MIChI zu beginnen.

Software-Projekte wie electronic lab notebooks oder repositories definieren oft eine eigene Schicht spezifischer Mindestmetadaten für chemische Experimente, die auf bestehenden Standards, z. B. für Metabolomics, basieren oder durch die von ihnen importierten data formats definiert sind.

Vorhandene Ontologien sind ein guter Ausgangspunkt für die Ermittlung der Informationen, die zur Beschreibung einer Methode, von Ergebnissen, Proben oder anderen Einheiten erforderlich sind. Darüber hinaus definieren kontrollierte Vokabulare und Ontologien, welche zusätzlichen Metadaten zulässig sind, um reichhaltige Metadaten zu erstellen, was wiederum die FAIRness der Daten verbessert. Beispiele für Formate mit entsprechenden Ontologien oder kontrollierten Vokabularen sind mzML, CIF, NeXus und das Allotrope Data Format (ADF).

Die Chemical Analysis Metadata Platform (ChAMP) ist ein Projekt, dessen Schwerpunkt auf der Definition eines Rahmenwerks für chemische Analysemethoden liegt.

Metadaten und die FAIR-Prinzipien​

Die FAIR Guiding Principles gelten nicht nur für Daten, sondern auch für die zugehörigen Metadaten. Weitere Informationen finden Sie im FAIR-Artikel oder auf GoFair.

Metadaten sollten ebenso wie die Daten selbst mit eindeutigen persistent identifiers (PID) versehen werden, um in Veröffentlichungen und anderen Datensätzen referenziert werden zu können. Durch eine hierarchische Anordnung dieser PIDs kann jeder Parameter in den Metadaten einzeln referenziert werden. Maschinenlesbare Metadaten sollten in einem standardisierten Format bereitgestellt werden, während die Metadateneinheiten hinsichtlich ihrer Semantik und der Beziehungen zwischen den Einheiten und den eigentlichen Daten gut dokumentiert sein sollten. Dies lässt sich erreichen, indem die Metadaten als Ontologie oder als Schema in einer maschinenlesbaren Formatierung wie beispielsweise XML oder JSON definiert werden. Schemata helfen bei der Indizierung von Metadaten für Suchmaschinen, Repositorien oder andere Datenregister und tragen zudem zur Verbesserung der Interoperabilität bei (das „I“ in FAIR). Die meisten der anderen FAIR-Richtlinien gelten auch für Metadaten.

Quellen und weitere Informationen​

Ein kurzes Einführungsvideo zum Thema Metadaten (auf Deutsch) finden Sie hier.