Zum Hauptinhalt springen

Metadaten und Minimum Information

Metadaten und ihre Schemas​

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 durch kontrollierte Vokabulare (im Idealfall Ontologien) und/oder Datenformate gestützt werden.

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

Domänenunabhängige Metadaten:​

Metadaten können domänenunabhängig sein und sich hauptsächlich auf Zitierangaben konzentrieren, wie beispielsweise den Titel, die Schlagwörter, die beteiligten Personen und Institutionen oder Verweise auf andere Daten. Domänenunabhängige Metadatenstandards können durch domänenspezifischere Metadaten ergänzt werden.

  • Dublin Core ist eine allgemeinere Sammlung von fünfzehn Elementen zur Beschreibung von Ressourcen im Internet. Dieser Satz wurde seit seiner ersten Veröffentlichung im Jahr 1995 durch andere Normen angepasst und erweitert.
  • DataCite ist ein DOI-Anbieter, der ein Schema mit Kernmetadaten für Forschungsdaten bereitstellt. Der Standard wird von der Community vorangetrieben und zielt darauf ab, sich in andere Standards wie Dublin Core und das ORCID-Datenschema 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 das DataCite-Schema schema bereits übernommen, allerdings mit einigen geringfügigen Anpassungen, wie beispielsweise der Zulassung anderer Schemata für persistente Identifikatoren anstelle des DOI sowie einigen Änderungen hinsichtlich der Anforderungen an die Eigenschaften.
  • PROV: Der W3C-Standard für Provenienzinformationen kann genutzt werden, um Angaben zur Herkunft wissenschaftlicher Daten zu liefern.
  • 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 stets Dublin-Core-Metadaten enthalten.

Domänenspezifische Metadaten:​

Metadaten können domänenspezifisch sein, d. h. sich auf eine bestimmte Erfassungsmethode 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 lassen sich die meisten experimentellen Parameter und Ergebnisse erfassen. Darüber hinaus gibt es Klassen für beispielsweise Publikationen, Datenformate und Probentypen. Neben der Veröffentlichung der Spezifikation als Klassendefinition im UML-Format (Unified Modeling Language) gibt es auch eine Darstellung als Ontologie. Zukünftige Veröffentlichungen 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 lässt sich auf viele Methoden anwenden und ermöglicht die Einbindung von Ontologieverweisen 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.

Mindeststandards für Informationen (MI)​

Mindestinformationsstandards (MI) sind Richtlinien, die festlegen, welche Metadaten bei der Datenübermittlung 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 Auswahl der Metadaten hängt von der Art der Daten ab und wird festgelegt, um sicherzustellen, dass die Daten gemäß den FAIR-Prinzipien hinterlegt werden. Daher sind Mindestangaben eine Teilmenge umfangreicher Metadaten, die Daten begleiten können.

Mindestangaben 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 für Mindestangaben für verschiedene Methoden entwickelt. Diese wurden im Rahmen des Projekts „Minimum Information for Biological and Biomedical Investigations (MIBBI)“ gefördert.

Obwohl der erforschte Teil des chemischen Raums sowie die dabei gewonnenen chemischen Daten rasant 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 spektroskopische Verfahren umfassen. Es finden bereits internationale Workshops statt, um die notwendige Diskussion über das MIChI in Gang zu bringen.

Softwareprojekte wie elektronische Laborjournale oder Repositorien definieren häufig eine eigene Ebene spezifischer Mindestmetadaten für chemische Experimente, die auf bestehenden Standards basieren, z. B. für die Metabolomik, oder durch die Datenformate festgelegt werden, die sie importieren.

Bestehende Ontologien sind ein guter Ausgangspunkt, um die Informationen zu ermitteln, die zur Beschreibung einer Methode, von Ergebnissen, Proben oder anderen Entitäten erforderlich sind. Darüber hinaus legen kontrollierte Vokabulare und Ontologien fest, welche zusätzlichen Metadaten zulässig sind, um aussagekräftige Metadaten zu erstellen, was wiederum die FAIR-Konformität 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 Rahmens für chemische Analysemethoden liegt.

Metadaten und die FAIR-Prinzipien​

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

Sowohl Metadaten als auch die Daten selbst sollten eindeutige persistente Identifikatoren (PID) erhalten, auf die in Veröffentlichungen und anderen Datensätzen verwiesen werden kann. Durch die hierarchische Anordnung dieser PIDs kann auf jeden Parameter in den Metadaten einzeln verwiesen werden. Maschinenlesbare Metadaten sollten in einem standardisierten Format bereitgestellt werden, wobei die Metadaten-Entitäten hinsichtlich ihrer Semantik und der Beziehungen zwischen den Entitäten 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 anderen FAIR-Richtlinien gelten ebenfalls für Metadaten.

Quellen und weitere Informationen​

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