5 Speicher für das Forschungsdatenmanagement ist für Universitäten und Forschungsinstitute zu einer strategischen Frage geworden. Geräte, Simulationen, Sequenzierung, Bildgebung und Digitalisierungsprojekte erzeugen Daten schneller als je zuvor, Förderer verlangen, dass Daten verwaltet und geteilt werden, und Forschende erwarten, dass Speicher während eines Projekts und lange danach verfügbar, sicher und bezahlbar ist. Viele Einrichtungen stützen sich noch auf einen Flickenteppich aus Servern der Fachbereiche, persönlichen Laufwerken und Cloud-Konten – das gefährdet Daten und erschwert die Einhaltung der Förderrichtlinien. Dieser Artikel erklärt, was das Forschungsdatenmanagement (FDM) vom Speicher verlangt, welche Ebenen Universitäten üblicherweise bereitstellen, wie Förderanforderungen in verschiedenen Regionen sie prägen und wie zentraler Speicher nachhaltig wird. Er richtet sich an IT-Architekten in der Forschung, FDM-Teams und Bibliotheksdienste. Speziell zur Langzeitarchivierung siehe unsere Übersicht zum Speicher für die digitale Langzeitarchivierung. Der Lebenszyklus von Forschungsdaten Forschungsdaten durchlaufen Phasen mit jeweils eigenen Speicheranforderungen: Aktiv: Daten werden erhoben, verarbeitet und analysiert. Sie brauchen Leistung, Zusammenarbeit und häufigen Zugriff, oft nahe an der Rechenleistung. Geteilt: Daten werden während des Projekts mit Kooperationspartnern innerhalb und außerhalb der Einrichtung geteilt. Veröffentlicht: Daten, die Publikationen zugrunde liegen, werden mit Kennungen und Metadaten in einem Repository hinterlegt, damit andere sie finden und nachnutzen können. Archiviert: Daten werden nach dem Projekt für Überprüfung, Nachnutzung oder Compliance aufbewahrt, oft jahrelang. Gelöscht: Daten werden nach Ablauf der Aufbewahrung gelöscht, sofern sie keinen langfristigen Wert haben. Ein Speicherdienst einer Universität muss in der Regel alle diese Phasen unterstützen, mit klaren Übergängen dazwischen. Förder- und Richtlinienanforderungen nach Region Förderer verlangen zunehmend Datenmanagementpläne und den Austausch von Daten: Europa: Horizon Europe verlangt Datenmanagementpläne für Projekte, die Daten erzeugen, und fördert die FAIR-Prinzipien (findable, accessible, interoperable, reusable) mit möglichst offenem Zugang zu Daten. Nationale Förderer in ganz Europa haben ähnliche Erwartungen. Vereinigtes Königreich: Die britischen Research Councils erwarten, dass öffentlich geförderte Forschungsdaten mit möglichst wenigen Einschränkungen zugänglich gemacht und für die Nachnutzung erhalten werden. Vereinigte Staaten: Die seit Januar 2023 geltende Data Management and Sharing Policy der National Institutes of Health verpflichtet NIH-geförderte Forschende, Pläne für Datenmanagement und -austausch einzureichen und umzusetzen. Andere Bundesbehörden haben verwandte Anforderungen. Asien-Pazifik: Japan und andere Länder haben Open-Science-Richtlinien eingeführt, die Datenmanagement und -austausch bei öffentlich geförderter Forschung fördern oder verlangen. Institutionelle Richtlinien legen oft Mindestaufbewahrungsfristen für Forschungsdaten nach Projektende fest, häufig mehrere Jahre und bei klinischen oder Langzeitstudien mitunter länger. Daten zu menschlichen Studienteilnehmenden unterliegen zudem dem Datenschutzrecht, etwa der DSGVO in Europa, das einschränkt, wo und wie sie gespeichert werden. Die Speicherebenen, die Universitäten bereitstellen Speicher für aktive Forschung Hochleistungs- oder Allzweckspeicher für genutzte Daten, oft auf Clustern für wissenschaftliches Rechnen und Labor-Workstations eingebunden. Forschende brauchen gemeinsamen Zugriff, Snapshots zur Wiederherstellung und gute Leistung. Für rechenintensive Workloads sind parallele Dateisysteme oder Hochleistungs-NAS üblich. Zusammenarbeit und Sync and Share Dienste, mit denen Forschende Daten mit externen Kooperationspartnern teilen, mitunter auf Objektspeicher hinter einer Sync-and-Share- oder Datentransferplattform aufgebaut. Archiv für Forschungsdaten Großer, kosteneffizienter Speicher für Daten, die nicht mehr aktiv sind, aber aufbewahrt werden müssen. Objektspeicher passt hier von Natur aus: Er skaliert in den Petabyte-Bereich, kostet pro Terabyte weniger als aktiver Speicher, unterstützt Unveränderlichkeit und bietet S3-Zugriff für Tools und Repositorien. Speicher für Daten-Repositorien Speicher hinter dem institutionellen Daten-Repository, in dem veröffentlichte Datensätze mit persistenten Kennungen hinterlegt werden. Repository-Plattformen unterstützen zunehmend S3-kompatiblen Speicher. Speicher für die Langzeitarchivierung Für Daten mit langfristigem Wert: Speicher für die Langzeitarchivierung mit mehreren Kopien und Fixity-Prüfungen. Warum zentraler Speicher wichtig ist Datensicherheit: Server der Fachbereiche und persönliche Laufwerke sind oft weder gesichert noch überwacht. Compliance: Zentrale Dienste können Aufbewahrung, Zugriffskontrolle und Datenschutzanforderungen durchsetzen. Kosteneffizienz: Gebündelte Kapazität verbessert Auslastung und Einkaufsmacht. Auffindbarkeit: Zentrale Archive und Repositorien machen Daten auffindbar. Kontinuität: Daten bleiben erhalten, wenn Forschende oder Studierende gehen. Speicher nachhaltig gestalten Finanzierungsmodelle Universitäten finanzieren Forschungsspeicher auf unterschiedliche Weise: eine kostenlose Zuteilung pro Forschenden oder Projekt mit Gebühren darüber hinaus, Kostendeckung aus Fördermitteln, sofern Förderer Speicherkosten zulassen, zentrale Finanzierung als Forschungsinfrastruktur oder eine Mischung. Langfristiger Archivspeicher lässt sich schwer aus auslaufenden Fördermitteln finanzieren, daher finanzieren viele Einrichtungen Archivebenen zentral oder erheben eine einmalige Gebühr für einen festgelegten Aufbewahrungszeitraum. Kosten pro Terabyte Archivebenen sollten so günstig bepreist sein, dass Forschende sie dem Verbleib der Daten auf teurem aktivem Speicher oder unverwalteten Laufwerken vorziehen. Objektspeicher auf Standardhardware hilft dabei. Automatisierung des Lebenszyklus Richtlinien, die Daten nach Projektende von aktiven in Archivebenen verschieben und am Ende der Aufbewahrung eine Überprüfung anstoßen, verhindern, dass sich aktiver Speicher mit vergessenen Daten füllt. Wachstumsplanung Das Wachstum von Forschungsdaten ist ungleichmäßig: Ein neues Gerät oder ein großes Projekt kann schnell Petabytes hinzufügen. Speicher, der durch Hinzufügen von Knoten wächst, vermeidet disruptive Upgrades. Sensible Forschungsdaten Gesundheitsdaten, personenbezogene Daten und wirtschaftlich sensible Daten brauchen zusätzlichen Schutz: Zugriffskontrollen, Verschlüsselung, Audit-Logging und mitunter eigene sichere Umgebungen. Datenschutzregeln können die Speicherorte einschränken, etwa auf die EU oder das eigene Land. Planen Sie sichere Ebenen mit Blick auf diese Anforderungen und legen Sie sensible Daten nicht auf Diensten ab, die sie nicht erfüllen können. Integration in das wissenschaftliche Rechnen Aktive Daten müssen oft nahe an der Rechenleistung liegen. Objektspeicher dient zunehmend als Kapazitätsebene hinter Hochleistungs-Dateisystemen: Daten werden zur Verarbeitung auf schnellen Speicher gebracht und danach zurückgeschrieben. Workflow-Tools und Data Mover, die S3 sprechen, machen das praktikabel. Typische Muster bei Forschungsdaten Unterschiedliche Fachgebiete beanspruchen den Speicher auf unterschiedliche Weise, und ein Dienst der Universität muss mit allen zurechtkommen: Genomik und Lebenswissenschaften erzeugen große Sequenzierausgaben und Zwischendateien, mit hohem Rechenbedarf und langer Aufbewahrung der Rohdaten. Bildgebung und Mikroskopie erzeugen sehr große Bildstapel aus Elektronen- und Lichtmikroskopen, oft Terabytes pro Experiment. Simulationen in Physik und Ingenieurwesen erzeugen riesige Ausgabedateien, die vom schnellen Scratch ins Archiv verschoben werden müssen. Sozial- und Geisteswissenschaften haben oft kleinere Volumen, aber sensiblere oder rechtlich eingeschränkte Daten sowie stetig wachsende Digitalisierungsprojekte. Umwelt- und Satellitendaten treffen kontinuierlich ein und müssen für Langzeitanalysen aufbewahrt werden. Wer die Ebenen an diesen Mustern statt an einem durchschnittlichen Forschenden ausrichtet, vermeidet sowohl Überdimensionierung als auch böse Überraschungen, wenn ein neues Gerät kommt. Forschende unterstützen, nicht nur Speicher bereitstellen Technik allein sorgt nicht für gutes Forschungsdatenmanagement. Forschende brauchen Hilfe beim Schreiben von Datenmanagementplänen, bei der Wahl von Formaten, bei der Beschreibung der Daten mit Metadaten und bei der Entscheidung, was aufbewahrt wird. Bibliotheken und Forschungs-IT betreiben oft gemeinsame FDM-Beratungsdienste. Speicherteams tragen dazu bei, indem sie klare Serviceebenen mit einfachen Antragsprozessen anbieten, Kosten und Aufbewahrungsbedingungen veröffentlichen und das Verschieben von Daten zwischen den Ebenen erleichtern. Ist die verwaltete Option einfacher als eine externe Festplatte, nutzen Forschende sie. Das Projektende gestalten Am Projektende sind Daten am stärksten gefährdet. Studierende schließen ab, Postdocs ziehen weiter, und die Förderung endet. Ein guter Dienst fordert die Projektverantwortlichen auf, zu entscheiden, was archiviert, was in einem Repository hinterlegt und was gelöscht wird, und verlagert die Daten entsprechend vom aktiven Speicher. Automatische Erinnerungen, die an Projektenddaten gekoppelt sind, sowie eine Standard-Archivebene für alles, was nicht ausdrücklich behandelt wurde, verhindern, dass Daten verloren gehen oder verwaist auf teurem Speicher liegen. Checkliste: Speicher für das Forschungsdatenmanagement Speicherebenen dem Lebenszyklus der Forschungsdaten zuordnen. Förder- und regulatorische Anforderungen nach Region ermitteln. Ebenen für aktive Daten, Zusammenarbeit, Archiv, Repository und Langzeitarchivierung bereitstellen. Archivspeicher so bepreisen, dass er genutzt wird. Die Verlagerung von aktiven in Archivebenen automatisieren. Nachhaltige Finanzierung über die Laufzeit von Fördermitteln hinaus planen. Sensible Daten mit sicheren Ebenen und Kontrolle über den Speicherort schützen. Speicher in das wissenschaftliche Rechnen und in Repositorien integrieren. Für ungleichmäßiges, schnelles Datenwachstum planen. Zusammenfassung Speicher für das Forschungsdatenmanagement funktioniert, wenn er dem Lebenszyklus der Forschung folgt: schneller, kollaborativer Speicher für aktive Arbeit, bezahlbarer Archivspeicher für die Aufbewahrung, Repository-Speicher für die Veröffentlichung und Speicher für die Langzeitarchivierung bei langfristigem Wert. Förderer in Europa, im Vereinigten Königreich, in den USA und in Asien-Pazifik verlangen zunehmend, dass Daten verwaltet und geteilt werden, was zentralen, gut gesteuerten Speicher unverzichtbar macht. Objektspeicher bietet ein skalierbares, bezahlbares Fundament für Archiv-, Repository- und Langzeitebenen, während nachhaltige Finanzierung und Lebenszyklus-Automatisierung den Dienst tragfähig halten. Häufig gestellte Fragen Welchen Speicher nutzen Universitäten für Forschungsdaten? Meist eine Mischung: Hochleistungsspeicher für aktive Daten, Kollaborationsdienste, Objektspeicher für Archive und Repositorien sowie Speicher für die Langzeitarchivierung bei langfristigem Wert. Verlangen Förderer ein Forschungsdatenmanagement? Viele ja. Horizon Europe, die britischen Research Councils, die NIH und andere verlangen Datenmanagementpläne und fördern oder verlangen den Austausch von Daten. Wie lange müssen Forschungsdaten aufbewahrt werden? Das hängt von institutionellen Richtlinien, Förderanforderungen und der Art der Forschung ab, oft mehrere Jahre nach Projektende und bei manchen Studien länger. Warum Objektspeicher für Archive von Forschungsdaten nutzen? Er skaliert in den Petabyte-Bereich, kostet pro Terabyte weniger als aktiver Speicher, unterstützt Unveränderlichkeit und bietet S3-Zugriff für Tools und Repositorien. Wie finanzieren Universitäten langfristigen Speicher für Forschungsdaten? Durch Kombinationen aus zentraler Finanzierung, Kostendeckung aus Fördermitteln, kostenlosen Zuteilungen und einmaligen Gebühren für festgelegte Aufbewahrungszeiträume. Weiterführende Lektüre Speicher für die digitale Langzeitarchivierung Das OAIS-Modell und Speicher Kopien für die digitale Langzeitarchivierung Fixity-Prüfungen im großen Maßstab Datenlebenszyklus-Management
