8 Datenspeicherung und -archivierung

8.1 Einführung und Lernziele

Das folgende Kapitel gibt einen näheren Einblick in den vierten Abschnitt des Forschungsdatenlebenszyklus: der Archivierung und Speicherung von Daten.

Nach Abschluss dieses Kapitels können Sie…

• …die Risiken des leichtfertigen Umgangs mit Daten einschätzen.
• …Strategien für ein sicheres Backup anwenden.
• …die Anforderungen für die (Langzeit-)Archivierung benennen.
• …die Vor- und Nachteile relevanter Dateiformate erkennen.
• …den Vorteil besonderer Vorkehrungen, die zur Archivierung und Langzeitverfügbarmachung von Daten getroffen werden müssen, nachvollziehen.

8.2 Speichermedien und -orte: Vor- und Nachteile

Wie bereits in Kapitel 7 angemerkt, sollten Forschungsdaten regelmäßig gespeichert sowie die Fortschritte und Änderungen möglichst über Versionen gekennzeichnet und gut dokumentiert werden.

Das Speichern sollte auf unterschiedlichen Medien erfolgen. Bei Ihrer Entscheidung für ein Medium sollten Sie nach Ludwig/Enke (2013, S. 33) die folgenden Faktoren beachten:

• Größe der Datensätze
• Anzahl der Datensätze
• Häufigkeit des Datenzugriffs

Speichermedien haben verschiedene Eigenschaften, wodurch es je nach Medium teils erhebliche Unterschiede beim Schutz vor Datenverlust und vor unbefugtem Zugriff gibt. Im Folgenden bekommen Sie einen kompakten Überblick über die Eigenschaften, Vorteile und Risiken der häufigsten Speichermedien und -orte:

8.3 Datensicherheit und -verschlüsselung

Wie sich aus der vorigen Auflistung der Vor- und Nachteile verschiedener Speicherorte und -medien schon erkennen lässt, stellt sich nicht nur die Frage, wo Sie Daten speichern sollten, sondern auch, wie Sie sie speichern. Sie können zur Sicherung und Sicherheit ihrer (sensiblen) Daten beitragen, indem sie z. B. ihre Speichermedien in einem separaten, abschließbaren Raum oder Schrank aufbewahren sowie Notebooks durch ein Schloss vor Diebstahl sichern. Müssen Sie sich zur Einsicht der Daten erst in einen Account einloggen, kann es zusätzlich sinnvoll sein, eine Zwei-Schritt-Verifizierung am besten über einen physischen Authentification Key (z. B. YubiKey) zu nutzen. Informieren Sie sich aber vorher darüber, ob der Server bei dem Sie sich einloggen auch eines der vom Authentification Key angebotenen Protokolle unterstützt.

Mit physischem Schutz ist es jedoch nicht getan; auch digital müssen Ihre Daten geschützt werden. Ein wichtiger Faktor dabei ist die Datensicherheit, welche durch Datenverschlüsselung gewährleistet werden kann. Verschlüsselungssoftware kann Ihnen zusätzliche Hilfe bieten, um sowohl einzelne Dateien als auch Speicherorte abzusichern. Beachten Sie auch, dass insbesondere im Umgang mit sensiblen Daten besondere Vorkehrungen getroffen werden müssen.

Die Datenverschlüsselung setzt nach Corti et al. (2014, S. 88) auf drei Ebenen an, um unautorisierten Zugriff und ungewollte Änderungen sowie Zerstörung und Offenlegung von Daten zu verhindern:

8.4 Datenvernichtung

Eng mit der Datensicherheit ist auch die Datenvernichtung verknüpft. Wer bereits eine Datenrettung in Anspruch nehmen musste oder selbst durchgeführt hat, weiß, dass simples Löschen der Daten diese nicht endgültig vernichtet. Somit können die Daten von Unbefugten wiederhergestellt werden. Wie zerstört man daher Daten richtig? Zunächst hängt die Beantwortung dieser Frage von der Art des gewählten Speichermediums ab.

Selbst die Neuformatierung von Festplatten löscht Daten nicht restlos; stattdessen wird die Referenz auf die Datei gelöscht, was sie ohne Nutzung bestimmter Wiederherstellungssoftware lediglich unauffindbar macht. Um Daten daher endgültig zu löschen, müssen diese vor der Formatierung überschrieben und der Datenträger tiefenformatiert werden. Dabei können Ihnen beispielsweise die Programme Eraser, WipeFile oder Permanent Eraser behilflich sein. Soll die Festplatte danach nicht weiter benutzt werden, sollten Sie die Festplatte bei sehr sensiblen Daten über eine Firma vernichten lassen, die sich auf die Vernichtung von Datenträgern spezialisiert hat.

Der einfachste Weg, USB Sticks zu löschen, ist, diese physisch zu zerstören. Dies gilt auch für externe Festplatten, CDs/DVDs und nicht-digitale Daten. Das Deutsche Institut für Normung (DIN) hat mit der 2012 veröffentlichten DIN 66399 insgesamt drei Schutzklassen und sieben verschiedene Sicherheitsstufen für die Aktenvernichtung abhängig vom jeweiligen Datenträger entwickelt. Die Vorgabe der DIN 66399 sieht vor, dass je höher die Schutzklasse und die Sicherheitsstufe für die Daten ist, die Restpartikelgröße (d. h. die Zerkleinerungsstufe) in Abhängigkeit zur Gesamtgröße des ursprünglichen Datenträgers nach der Aktenvernichtung kleiner werden muss, um sicherzustellen, dass der physische Datenträger nicht mehr zusammengesetzt werden kann. Auch hierfür müssen Maschinen verwendet werden, die in den meisten Fällen nur Firmen besitzen, die sich auf die Vernichtung von Daten spezialisiert haben.

8.5 Backup

Gegenteilig zu diesen Maßnahmen, mit denen Sie Daten endgültig und sicher löschen, können Daten auch unbeabsichtigt verloren gehen. Um Daten nicht aus Versehen zu löschen oder durch Unfälle zu zerstören, müssen Sie regelmäßig Backups machen.

Das Erstellen einer Sicherungskopie von Daten sollte immer auf einem Speichermedium erfolgen, welches von der üblicherweise genutzten Infrastruktur getrennt ist. Ein Backup sollte planvoll und strukturiert vorgenommen werden. Somit sollten die Daten möglichst regelmäßig gesichert werden, um im Bedarfsfall eine Datenrekonstruktion möglichst einfach durchführen zu können. Bevor Sie jedoch ein Backup machen, sollten Sie organisatorische Fragen klären:

• Gibt es bereits laufende Backup-Pläne? Wie sehen diese aus?
• Wovon soll wie oft ein Backup gemacht werden?
• Wo sollen die Backups gespeichert werden?
• Wie sollen die Backups gespeichert werden? (z. B. Beschriftung, Sortierung, Dateiformat)
• Welche Backup-Tools können helfen?
• Wie ist der Umgang mit sensiblen Daten?

8.6 Datenarchivierung

Neben der Datenspeicherung steht die Datenarchivierung als weiterer notwendiger Schritt im Forschungsdatenlebenszyklus. Während die Datenspeicherung vor allem die Speicherung der Daten während des laufenden Arbeitsprozesses in der Projektlaufzeit umfasst, wie sie in den bisherigen Abschnitten dieses Kapitels behandelt wurden, beschäftigt sich die Datenarchivierung damit, wie die Daten nach Abschluss des Projekts so nachnutzbar wie möglich zur Verfügung gestellt werden können. Oft wird begrifflich nochmals zwischen der Datenaufbewahrung in einem Repositorium und der Datenarchivierung im Sinne einer Langzeitarchivierung (kurz „LZA“) unterschieden. An vielen Stellen, so auch in den „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ der DFG aus dem Jahr 2019 („Leitlinie 17: Archivierung“) werden beide Begriffe jedoch äquivalent gebraucht. Wenn im Folgenden von Aufbewahrung oder Datenaufbewahrung die Rede ist, ist die Aufbewahrung von Daten in einem Forschungsdatenrepositorium gemeint. Wird jedoch von Datenarchivierung gesprochen, ist damit eine Langzeitarchivierung intendiert. Die Unterschiede beider Varianten sind Thema dieses Abschnitts.

Mit der Datenaufbewahrung in einem Forschungsdatenrepositorium geht im Grunde meist eine Veröffentlichung der produzierten Daten einher. Eine solche Veröffentlichung kann und muss im Fall von sensiblen Daten, wie etwa personenbezogenen Daten, auch zugangsbeschränkt geschehen. Gemäß der guten wissenschaftlichen Praxis müssen Repositorien sicherstellen, dass die publizierten Forschungsdaten für mindestens zehn Jahre aufbewahrt und zur Verfügung gestellt werden, anschließend ist die Verfügbarkeit jedoch nicht mehr notwendigerweise gegeben, wird aber dennoch meistens weiter gewährleistet. Sollten Daten nach dieser Mindestaufbewahrungsfrist auf Entscheidung des Betreibers aus dem Repositorium entfernt werden, muss der Verweis auf die Metadaten weiter vorhanden bleiben. Repositorien werden meistens in drei unterschiedliche Arten unterteilt: Institutionelle Repositorien, Fachrepositorien und fachübergreifende bzw. generische Repositorien. Eine vierte eher spezifische Variante sind sogenannte Software-Repositorien, in denen Software bzw. reiner Softwarecode veröffentlicht werden kann. Diese sind üblicherweise auf jeweils eine Programmiersprache ausgelegt (z. B. PyPI für die Programmiersprache „Python“).

Institutionelle Repositorien umfassen all jene Repositorien, die durch meist staatlich anerkannte Institutionen bereitgestellt werden. Dazu können Universitäten, Museen, Forschungseinrichtungen oder andere Einrichtungen gehören, die ein Interesse daran haben, Forschungsergebnisse oder andere Dokumente von wissenschaftlicher Bedeutung der Öffentlichkeit zur Verfügung zu stellen. Im Rahmen der „Leitlinien zur Sicherung guter wissenschaftlicher Praxis“ der DFG (2019) wird offiziell gefordert, dass die Forschungsdaten, die einem wissenschaftlichen Werk zugrunde liegen, mindestens „in der Einrichtung, wo sie entstanden sind, oder in standortübergreifenden Repositorien aufbewahrt“ werden müssen. (DFG 2019, S. 22) Beachten Sie außerdem vor der Veröffentlichung Ihrer Daten die Hinweise in der Forschungsdaten-Leitlinie der Frankfurt UAS und suchen Sie frühzeitig Kontakt zum Forschungsdatenreferenten, um zu besprechen wie und wo Sie die Daten veröffentlichen können, um gemäß der guten wissenschaftlichen Praxis zu handeln. Auch wenn Sie ihre Daten bereits in einem Journal veröffentlicht haben, ist es häufig möglich, diese auch an Ihrer Einrichtung zu veröffentlichen. Fragen Sie dazu beim Verlag an oder schauen Sie in Ihren Vertrag.

Neben der Veröffentlichung im institutionellen Repositorium können Sie Ihre Daten auch zusätzlich in einem fachspezifischen Repositorium publizieren. Gerade die Veröffentlichung in einem renommierten fachspezifischen Repositorium kann stark zur Steigerung Ihrer wissenschaftlichen Reputation beitragen. Um zu erfahren, ob für Ihren Forschungsbereich ein passendes fachspezifisches Repositorium vorhanden ist, lohnt sich die Suche über den Repositorien-Index „re3data“. 

Sollte kein passendes Repositorium dabei sein, ist die letzte Möglichkeit die Veröffentlichung in einem großen, fachübergreifenden generischen Repositorium. Eine kostenlose Variante bietet der von der Europäischen Kommission finanzierte Dienst Zenodo. Gebührenpflichtige Dienste zur Veröffentlichung von Daten bieten für den deutschen Raum RADAR und international figshare. Die am häufigsten verwendete Variante stellt im europäischen Raum vermutlich Zenodo dar. Achten Sie bei einer eventuellen Veröffentlichung auf Zenodo darauf, ihre Forschungsdaten auch einer oder mehrerer Communities zuzuordnen, die in gewisser Weise eine Fachspezifik innerhalb dieses generischen Angebots widerspiegeln.

Unabhängig davon, wo Sie ihre Daten letztendlich veröffentlichen, achten Sie immer darauf zusätzlich zu den Daten auch eine beschreibende "Metadatendatei" mit zu veröffentlichen, in welcher die Daten beschrieben werden und der Kontext der Datenerhebung dargelegt ist (siehe Kapitel 4). Schauen Sie bei der Auswahl Ihres bevorzugten Repositoriums auch darauf, ob dieses in irgendeiner Weise zertifiziert ist (z. B. CoreTrustSeal). Ob ein Repositorium zertifiziert ist, ist bei „re3data“ direkt ersichtlich.

Je älter Daten werden, desto wahrscheinlicher ist es bei den heutigen sich rasant weiter entwickelnden digitalen Möglichkeiten, dass diese Daten zukünftig womöglich nicht mehr geöffnet, gelesen oder verstanden werden können. Gründe dafür gibt es einige: Es fehlt die benötigte Hardware und/oder Software oder wissenschaftliche Methoden haben sich so stark verändert, dass Daten jetzt auf andere Arten und Weisen mit anderen Parametern erhoben werden. Moderne Rechner und Notebooks verzichten beispielsweise mittlerweile fast immer auf ein CD- oder DVD-Laufwerk, wodurch diese Speichermedien nicht mehr flächendeckend genutzt werden können. Die Langzeitarchivierung zielt daher darauf ab, die langfristige Nutzung von Daten über einen nicht näher bestimmten Zeitraum hinweg über die Grenzen von Medienverschleiß und technischen Neuerungen sicherzustellen. Das umfasst sowohl die Bereitstellung der technischen Infrastruktur als auch organisatorische Maßnahmen. LZA verfolgt dabei den Erhalt der Authentizität, Integrität, Zugänglichkeit und Verständlichkeit der Daten.