Offene Daten und FAIRe Daten sind zwei wichtige Konzepte im Bereich der Datennutzung und -bereitstellung, deren Unterschiede immer wieder für Verwirrung sorgen. Obwohl sie einige Gemeinsamkeiten haben, verfolgen sie unterschiedliche Ziele und basieren auf unterschiedlichen Prinzipien.
Offene Daten
Offene Daten zeichnen sich durch ihre freie Zugänglichkeit und Nutzbarkeit aus. Im Idealfall stehen sie jedermann uneingeschränkt und kostenlos zur Nutzung, Weitergabe und Weiterentwicklung zur Verfügung. Dies kann in verschiedenen Formaten geschehen, z.B. über Open Data Portale oder APIs. Die Open-Data-Bewegung fördert Transparenz und Zusammenarbeit in Forschung und Wissenschaft, indem sie den Austausch von Wissen und die Reproduktion von Ergebnissen ermöglicht. Sie können auch zur Chancengleichheit in der Wissenschaft beitragen, weil der Zugang zu Daten (z. B. in Entwicklungsländern) nicht von finanziellen Ressourcen abhängt.
FAIRe Daten
Im Gegensatz dazu steht FAIR Data für Daten, die “findable, accessible, interoperable, and reusable”, also auffindbar, zugänglich, interoperabel und wiederverwendbar sind. FAIR Data konzentriert sich darauf, sicherzustellen, dass Daten so organisiert und dokumentiert sind, dass andere sie leicht finden, darauf zugreifen, damit interagieren und sie verwenden können. Dies beinhaltet die Verwendung einheitlicher Metadatenstandards, -formate und -protokolle, klare und konsistente Datenbeschreibungen sowie die Bereitstellung dauerhafter und eindeutiger Identifikatoren für die Daten.
FAIR steht nicht einfach für Offenheit: Das ‘A’ in FAIR bedeutet ‘zugänglich unter genau definierten Bedingungen’. Es gibt legitime Gründe, Daten zu schützen, z.B. Privatsphäre, nationale Sicherheit und Wettbewerbsfähigkeit. FAIR fordert keinen unbeschränkten Zugang zu Daten, sondern transparente Bedingungen für den Zugang und die Weiterverwendung. (Siehe https://www.go-fair.org/)
Fazit
Ein zentraler Unterschied zwischen Open Data und FAIR Data besteht darin, dass Open Data sich auf die uneingeschränkte Freigabe von Daten konzentriert, während FAIR Data sicherstellt, dass diese Daten so organisiert und dokumentiert sind, dass sie für andere leicht zugänglich und nutzbar sind.
Vor dem Hintergrund der wachsenden Rolle von KI in der Chemie ist die Interoperabilität großer Datenmengen für Maschinen besonders relevant, da LLM und neuronale Netze nur so gut sind wie die Daten(mengen), mit denen sie trainiert werden.
Beide Konzepte spielen eine wichtige Rolle bei der Förderung von Transparenz, Innovation und Zusammenarbeit in der Wissenschaft. Obwohl NFDI4Chem ein starker Befürworter von offenen Daten ist, liegt unser Hauptaugenmerk darauf, dass die Daten FAIR sind. Denn ohne Fairness verlieren offene Daten ihren Wert.
