Die FAIR-Prinzipien sollen ein nachhaltiges Forschungsdatenmanagement sicherstellen, indem Forschungsdaten für die Nachnutzung sicher aufbewahrt werden und den Zugang zu ihnen zu ermöglicht wird. Für diesen Zweck wurden die FAIR Data Prinzipien entwickelt. Diese beschreiben, wie Wissenschaftlerinnen und Wissenschaftler Forschungsdaten und weitere wichtige Informationen über die Daten (Metadaten) aufbereiten sollen. FAIR wird z.B. vom FWF oder von der Europäischen Kommission als Standard des Forschungsdatenmanagements eingesetzt.
Findable
Daten und Metadaten sollten sowohl von Menschen als auch von Computersystemen leicht zu finden sein. Grundlegende maschinenlesbare und beschreibende Metadaten ermöglichen die Entdeckung interessanter Datensätze.
Accessible
Daten und Metadaten sollten archiviert und so verfügbar gemacht werden, dass sie von Maschinen und Menschen leicht abgerufen und heruntergeladen werden können.
Interoperable
Die Daten sollten so vorliegen, dass sie ausgetauscht, interpretiert und in einer (semi-) automatisierten Weise mit anderen Datensätzen von Menschen sowie Computersystemen kombiniert werden können.
Reusable
Eine gute Beschreibung der Daten (Metadaten) sorgt dafür, dass diese für zukünftige Forschung wiederverwendet werden können und mit anderen Datenquellen vergleichbar sind. Daten sollten dauerhaft zitierbar sein (z.B. mit einem DOI). Zudem sollten die Bedingungen, unter denen die Daten nachgenutzt werden können, von den Forschenden anhand festgelegter, möglichst offene Lizenzen geregelt werden.
FAIR Data Prinzipien für Forschungsdaten
Im Blog der technischen Informationsbibliothek Hannover findet sich eine prägnante Erläuterung des FAIR Data Konzeptes für Forschungsdaten inklusive einer Checkliste, wie Forschungsdaten FAIR gemacht werden können.
Des Weiteren bietet die GO FAIR einen Überblick über den FAIRification Process. FAIRsharing.org bietet ein Verzeichnis von Standards, Datenbanken und Leitlinien.