Gemäß der guten wissenschaftlichen Praxis gilt es, Projektprozesse und -ergebnisse nachvollziehbar zu dokumentieren. Wie viele andere deutsche Universitäten hat auch die LMU ein Regelwerk hierzu verabschiedet – die “Ordnung der Ludwig-Maximilians-Universität München zur Sicherung guter wissenschaftlicher Praxis”. Mitglieder der LMU müssen sich beim Verfassen von wissenschaftlichen Publikationen oder der Erhebung von Forschungsdaten daran orientieren.

Anhand der in der Planungsphase festgelegten Kriterien wird entschieden, welche der erhobenen Rohdaten als relevant angesehen werden. Die als relevant bewerteten Rohdaten werden archiviert und die übrigen gezielt gelöscht. Wichtig ist hierbei die Daten in ein für die geplante Forschungsarbeit geeignetes, nachhaltiges Datenformat umzuwandeln und eine entsprechende Kooperationsplattform zur Unterstützung des Datenaustausches und der Datenintegration zu wählen. In gemeinschaftlichen Projekten sind die einzelnen Vorgaben und das Vorgehen mit Blick auf eine kollaborative Forschungsumgebung zu berücksichtigen. Sollte darüber hinaus z.B. noch Forschungssoftware verwendet bzw. eigenständig (weiter-)entwickelt werden, empfiehlt sich auch hier eine Beschreibung und Aufnahme dieser Komponenten in das Datenmanagement.

Transparenz über die als relevant erachteten Daten wird durch eine möglichst detaillierte Dokumentation gewährleistet. Sinnvoll ist die Anreicherung durch ein Mindestmaß an Metadaten*, unter anderem Dokumentation von Ort und Datum der Entstehung und Dokumentation der Informationen zum Gerät, mit welchem die Daten erzeugt wurden. Ebenso sollten persistente Identifikatoren** vergeben werden, um ein eindeutiges Identifizieren und Zuordnen der Daten zu ermöglichen. In diesem Prozess auch die Verwendung von fachspezifischen Standards zu berücksichtigen. Auch die Wahl einer sicheren Datenablage und die Anwendung von Backup-Mechanismen, ggf. durch Nutzen der lokalen Infrastrukturen, sind von zentraler Rolle. Ein weiterer zu berücksichtigender Aspekt in der Phase der Aufbereitung und Dokumentation ist die Datenvisualisierung sowie die Datensicherung.

* Als Metadaten werden die Daten über Daten bezeichnet. Diese enthalten strukturierte Informationen über Forschungsprozesse und -ergebnisse. Beispiele für Metadaten sind: bibliografische Metadaten (z.B. Titel, Autor), inhaltliche Angaben (z.B. Schlagwörter) und administrative Metdaten (z.B. Dateityp, Lizenz, Zugriffsrechte).

** Ein persistenter Identifikator ist eine eindeutige Referenz einer Ressource durch die Vergabe eines Codes. Weit verbreitete Beispiele für persistente Identifikatoren sind Digital Object Identifier (DOI) oder URN.