Data Governance mit FAIR und Stewardship-Metriken

# Data GovernanceData GovernanceData governance is the set of policies, roles, and processes that ensure data is accurate, secure, well-defined, and used responsibly across an organization.Vollständige Definition ansehen → mit FAIR und Stewardship-Metriken

Ein Pharma-Sponsor stellt eine einfache Frage zu Ihrem Multi-Omics-Repository: „Wie viele unserer 4.200 Datensätze kann ein externer Kooperationspartner finden, abrufen und weiterverwenden, ohne Ihr Team anzumailen?" Wenn die Antwort ein Schulterzucken ist, haben Sie ein Governance-Problem, kein wissenschaftliches Problem. 2026 ist genau diese Lücke der Grund, warum Kooperationen ins Stocken geraten, Zulassungsanträge sich verzögern und Fördermittelverlängerungen platzen.

Diese Lektion macht aus FAIR statt eines Posters an der Wand KPIs, die Sie an Sponsoren und Regulatoren berichten kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

Was FAIR tatsächlich bedeutet

FAIR ist ein Satz von Datenprinzipien, veröffentlicht 2016 (Wilkinson et al., in *Scientific Data*). Es steht für Findable, Accessible, Interoperable, Reusable. Es geht darum, dass Maschinen und Menschen mit Ihren Daten arbeiten kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen, nicht darum, alles öffentlich zu machen. FAIR ist nicht dasselbe wie open.

• Findable: Der Datensatz hat einen persistenten Identifier und reichhaltige Metadaten (Daten über die Daten: wer, was, wann, wie gemessen).
• Accessible: Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen ihn über ein Standardprotokoll abrufen, mit klaren Regeln, wer Zugang erhält.
• Interoperable: ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → nutzt gemeinsame Vokabulare und Formate, damit eine Proteomics-Datei und eine Genomics-Datei zusammengeführt werden kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.
• Reusable: ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → hat eine klare Lizenz, Provenance (die Aufzeichnung, woher die Daten kommen und wie sie verarbeitet wurden) und genug Kontext, um ihm zu vertrauen.

Die Originalreferenz: die FAIR-Prinzipien bei GO FAIR.

Warum Multi-Omics das erschwert

Multi-Omics heißt, Ebenen zu kombinieren: Genomics (DNA), Transcriptomics (RNA), Proteomics (Proteine), Metabolomics (kleine Moleküle). Jede Ebene hat eigene Dateiformate, Identifier und Repositories. Eine einzige Patientenprobe kann eine VCF-Datei (Variant Call Format, für genetische Varianten), eine FASTQ-Datei (rohe Sequenzier-Reads) und Massenspektrometrie-Output für Proteine erzeugen. Ohne gemeinsame Metadaten lassen sich diese nie auf dieselbe Bioprobe zurückführen.

Metadaten-Standards, die Sie wirklich zitieren werden

Erfinden Sie kein eigenes SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Vollständige Definition ansehen →. Regulatoren und Sponsoren vertrauen Community-Standards. Nennen Sie die echten:

• ISA-Framework (Investigation, Study, Assay): ein Modell zur Beschreibung von Experimenten.
• MIAME / MINSEQE: Mindestinformationsstandards für Microarray- und Sequenzierexperimente.
• HL7 FHIR (Fast Healthcare Interoperability Resources): der Standard für den Austausch klinischer und gesundheitsbezogener Daten, relevant, wenn Omics an Patientenakten anknüpft.
• CDISC SDTM (Study Data Tabulation Model): von der US-FDA (Food and Drug Administration) und der japanischen PMDA für Einreichungen klinischer Studien verlangt.
• Ontologien: EFO (Experimental Factor Ontology), MONDO (Krankheitsontologie) und Uberon (Anatomie) liefern kontrollierte Vokabulare, sodass „breast cancer", „BRCA" und „mammary carcinoma" auf einen Code abgebildet werden.

Öffentliche Referenz-Repositories, die FAIR schon umsetzen: die EMBL-EBI-Ressourcen des European Bioinformatics Institute (inklusive European Genome-phenome Archive, EGA, für Humandaten mit kontrolliertem Zugang) sowie dbGaP und GEO des US-NCBI.

Die Stewardship-Metriken

Stewardship ist die laufende Aufgabe, Daten governed zu halten: Owner zuweisen, Standards durchsetzen, Compliance messen. Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen nicht managen, was Sie nicht zählen. Hier die KPIs, die zählen, gruppiert nach FAIR-Säule.

Findability-KPIs

• PID-Abdeckung: Anteil der Datensätze mit persistentem Identifier (ein DOI, Digital Object Identifier, oder eine Accession Number). Ziel: 100 Prozent für alles, was extern geteilt wird.
• Metadaten-Vollständigkeit: Anteil der ausgefüllten Pflichtfelder gegenüber Ihrem SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Vollständige Definition ansehen →.
• Search Hit Rate: Anteil der internen Suchen, die den gewünschten Datensatz in den Top-Ergebnissen liefern.

Accessibility- und Reuse-KPIs

• Durchlaufzeit von Zugangsanfragen: Median-Tage von einer Anfrage für kontrollierten Zugang bis zur Entscheidung. Bei humanen Genomdaten, die von einem Data Access Committee verwaltet werden, ist das ein echter Engpass.
• Reuse Count: Zahl der eigenständigen Downloads oder Zitationen pro Datensatz.
• Lizenzklarheit: Anteil der Datensätze mit maschinenlesbarer Lizenz.

Eine durchgerechnete Kalkulation: der FAIR-Completeness-Score

Angenommen, Ihr SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Vollständige Definition ansehen → verlangt 10 Pflicht-Metadatenfelder pro Datensatz. Sie auditieren eine Stichprobe von 200 Datensätzen aus einem Repository mit 4.200.

# Metadata completeness score (illustrative)
required_fields = 10
sample = 200
# Ergebnis des Audits: insgesamt ausgefüllte Felder in der Stichprobe
fields_populated = 1_540

completeness = fields_populated / (sample * required_fields)
print(f"Metadata completeness: {completeness:.0%}")
# Metadata completeness: 77%

77 Prozent Vollständigkeit sagen dem Sponsor genau, wo Sie stehen. Nun gewichten Sie: Wenn die 3 für Findability kritischen Felder (Identifier, Titel, Assay-Typ) nur zu 60 Prozent ausgefüllt sind, ist Ihre Findability schlechter, als die Schlagzahl vermuten lässt. Berichten Sie die gewichtete Sicht, nicht nur den Durchschnitt.

Durchlaufzeit, ein zweites Rechenbeispiel

Die Median-Durchlaufzeit von Zugangsanfragen ist eine Stewardship-Metrik, die Regulatoren registrieren. Wenn Sie in Q1 Entscheidungszeiten von 3, 5, 8, 12 und 40 Tagen protokolliert haben, wird der Mittelwert (13,6 Tage) von einem AusreißererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → nach oben gezogen. Der Median (8 Tage) ist die ehrliche Zahl. Berichten Sie für Durchlaufzeiten immer Mediane und verfolgen Sie das 90. Perzentil separat, damit langsame Fälle sichtbar bleiben.

Benchmarks und Schätzungen (Stand Anfang 2026)

Harte branchenübergreifende FAIR-Benchmarks sind rar, behandeln Sie alle Zahlen also als grobe Schätzungen, nicht als geprüfte Standards.

• Untersuchungen veröffentlichter Life-Science-Datensätze haben wiederholt gezeigt, dass ein großererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → Teil nicht genug Metadaten für eine Weiterverwendung hat. Eine viel zitierte Analyse von 2020 in *PLOS Biology* zur Reproduzierbarkeit und mehrere FAIR-Reifegrad-Assessments seither legen nahe, dass die meisten Legacy-Datensätze deutlich unter voller FAIR-Compliance liegen. Gehen Sie davon aus, dass Ihr ungepflegtes Legacy-Repository eher 40 bis 60 Prozent vollständig ist als 90 Prozent, bis Sie es messen.
• Die FAIR Maturity Indicators der RDA (Research Data Alliance) geben Ihnen ein strukturiertes Self-Assessment. Werkzeuge wie FAIR Evaluation Services helfen, Datensätze gegen Community-Standards zu bewerten.
• In der EU wird der Druck politisch verstärkt: Horizon Europe-Förderungen verlangen FAIR-Datenmanagementpläne, und die 2025 verabschiedete Verordnung zum European Health Data Space (EHDS) setzt Regeln für die Sekundärnutzung von Gesundheitsdaten über die Mitgliedsstaaten hinweg. In den USA verlangt die NIH Data Management and Sharing Policy (in Kraft seit Januar 2023) von geförderten Forschenden, Data Sharing einzuplanen.

Setzen Sie Ihre eigene Baseline und verfolgen Sie dann die Verbesserung von Quartal zu Quartal. Ein realistisches Ziel für das erste Jahr: Findability (PID-Abdeckung plus Vollständigkeit der kritischen Felder) von der Baseline auf 90 Prozent für alle extern geteilten Datensätze bringen.

🎬 [VIDEO: „The FAIR Guiding Principles for scientific data" - youtube.com - eine kompakte Erklärung der vier Prinzipien mit Beispielen aus den Life Sciences]

Das Governance-Operating-Model aufbauen

Metriken ohne Owner sind Dekoration. Verteilen Sie Rollen:

• Data StewardData StewardA business-side owner responsible for the quality, consistency and appropriate use of data in their domain.Vollständige Definition ansehen →: verantwortet eine Datendomäne (zum Beispiel alle Proteomics-Assays), setzt das SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Vollständige Definition ansehen → durch und beantwortet Audit-Fragen.
• Data Custodian: betreibt die Storage- und Zugangsinfrastruktur.
• Data Access Committee (DAC): entscheidet bei Humandaten mit kontrolliertem Zugang, wer sie unter welchen Bedingungen weiterverwenden darf. Bei identifizierbaren Genomdaten ist das eine regulatorische Erwartung, nicht optional.

Governance in der Praxis: ein Repository-Workflow

1. Beim Ingest jeden Datensatz ablehnen, dem Pflichtfelder fehlen. Machen Sie das SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Vollständige Definition ansehen → zum Gate, nicht zur Empfehlung.

2. PID automatisch zuweisen beim Ingest, damit Findability nie nachgerüstet werden muss.

3. Freitext auf Ontologien mappen (EFO, MONDO), damit Suche und Interoperabilität funktionieren.

4. Lizenz und Zugangsstufe taggen (open, registriert, kontrolliert).

5. Jede Zugangsanfrage und jeden Download loggen, damit Reuse- und Durchlaufzeit-KPIs automatisch berechnet werden.

Der Bezug zur Regulierung

Wenn Sie bei der FDA oder EMA (European Medicines Agency) einreichen, sind Provenance und Nachvollziehbarkeit das ganze Spiel. Unter 21 CFR Part 11 (die US-FDA-Regel zu elektronischen Aufzeichnungen und Signaturen) und EU Annex 11 müssen Sie Audit Trails vorweisen: wer hat was, wann und warum geändert. Ihre Stewardship-Metriken dienen gleichzeitig als Compliance-Nachweis. Eine vollständige Provenance-Kette und eine maschinenlesbare Lizenz sind genau das, was ein Inspektor oder das Audit-Team eines Sponsors sehen will.

Auch der DSGVO-Aspekt (Datenschutz-Grundverordnung) zählt: FAIR „Accessible" bedeutet nie, Consent zu umgehen. Für Humandaten gilt das Leitprinzip „so offen wie möglich, so geschlossen wie nötig". Kontrollierter Zugang über ein DAC ist der Weg, auf dem FAIR und Datenschutz koexistieren.

Reporting an Sponsoren und Regulatoren

Bringen Sie die KPIs auf ein Dashboard, monatlich aktualisiert:

| Metrik | Baseline | Ziel | Aktuell |

|---|---|---|---|

| PID-Abdeckung (extern) | 62% | 100% | 91% |

| Metadaten-Vollständigkeit (gewichtet) | 55% | 90% | 78% |

| Median-Durchlaufzeit Zugang (Tage) | 21 | 7 | 9 |

| Datensätze mit maschinenlesbarer Lizenz | 40% | 95% | 88% |

(Zahlen illustrativ.) Diese eine Sicht beantwortet die Einstiegsfrage des Sponsors und macht aus „vertrauen Sie uns" eine Zahl.

Key Takeaways

• FAIR ist messbar: Verfolgen Sie PID-Abdeckung, gewichtete Metadaten-Vollständigkeit, Zugangs-Durchlaufzeit und Reuse Counts, nicht eine vage „Compliance".
• Nutzen Sie echte Community-Standards (ISA, CDISC SDTM, HL7 FHIR und Ontologien wie EFO und MONDO), damit Regulatoren und Kooperationspartner Ihren Metadaten vertrauen.
• Berichten Sie Mediane und 90. Perzentile für Durchlaufzeiten und gewichten Sie die Vollständigkeit hin zu den für Findability kritischen Feldern, damit die Schlagzahlen nicht in die Irre führen.
• FAIR ist nicht open: Kontrollierter Zugang über ein Data Access Committee erlaubt Ihnen, DSGVO, EHDS und die NIH-Sharing-Regeln gleichzeitig zu erfüllen.
• Ihre Stewardship-Metriken sind auch Audit-Nachweis für 21 CFR Part 11 und EU Annex 11, die Governance-Arbeit zahlt sich also doppelt aus.