Warum Daten- und Materialaustausch in der Ingenieurforschung wichtig sind

Ingenieurforschung hängt von reproduzierbaren Ergebnissen und transparenten Methoden ab. Wenn Forscher ihre Daten und Materialien offen teilen, schaffen sie eine Grundlage, die andere verifizieren, erweitern und auf neue Probleme anwenden können. Diese Praxis ist zu einem bestimmenden Merkmal der strengen Ingenieurwissenschaften geworden, in denen die Fähigkeit, Experimente zu replizieren und Modelle zu validieren, die Glaubwürdigkeit der veröffentlichten Ergebnisse direkt beeinflusst.

Die technischen Disziplinen stellen einzigartige Herausforderungen für den Daten- und Materialaustausch dar. Im Gegensatz zu einigen Bereichen, in denen Daten häufig in Form von kleinen Tabellen oder einfachen Messungen vorliegen, kann die technische Forschung massive Datensätze aus Sensornetzwerken, komplexe Simulationsergebnisse, CAD-Dateien, Quellcode für benutzerdefinierte Analysewerkzeuge und physische Prototypen umfassen. Die effektive gemeinsame Nutzung dieser Ressourcen erfordert eine bewusste Planung und ein solides Verständnis der besten Praktiken.

Über die unmittelbaren Vorteile für einzelne Forscher hinaus beschleunigt die weit verbreitete Übernahme von Daten und Materialaustausch das Innovationstempo in der gesamten Ingenieursgemeinschaft. Wenn eine Forschungsgruppe ihre experimentellen Daten zur Verfügung stellt, können andere Gruppen alternative Hypothesen testen, maschinelle Lernmethoden anwenden oder Datensätze aus mehreren Quellen kombinieren, um breitere Schlussfolgerungen zu ziehen. Diese kollaborative Dynamik reduziert den doppelten Aufwand und ermöglicht es dem Gebiet, schneller voranzukommen, als es durch isolierte Arbeit möglich wäre.

Best Practices für den Umgang mit Forschungsdaten

Der Datenverarbeitungsprozess in der technischen Forschung umfasst den gesamten Lebenszyklus von Daten: Sammlung, Verarbeitung, Analyse, Speicherung, gemeinsame Nutzung und Konservierung. Jede Phase bietet Möglichkeiten zur Verbesserung der Qualität, Nutzbarkeit und des langfristigen Werts. Die folgenden Praktiken befassen sich mit den wichtigsten Aspekten des Datenmanagements für Ingenieurforscher.

Organisieren Sie Daten mit standardisierten Formaten und Rich Metadata

Standardisierte Datenformate verringern die Reibung, wenn andere versuchen, gemeinsame Daten zu verwenden. Bei numerischen Daten sollten Formate wie CSV, HDF5 oder NetCDF anstelle von proprietären Tabellenkalkulationsformaten in Betracht gezogen werden, die möglicherweise eine bestimmte Software erfordern. Bei Geodaten werden GeoTIFF- oder Shapefile-Formate weitgehend unterstützt. Der Schlüssel liegt in der Auswahl von Formaten, die eine breite Zugänglichkeit mit der Fähigkeit zur Darstellung der vollen Komplexität der Daten ausgleichen.

Metadaten verwandeln Rohdaten in nutzbare Informationen. Eine CSV-Datei mit Spannungsmessungen bedeutet wenig ohne Kontext. Metadaten sollten beschreiben, was die Daten darstellen, wie sie gesammelt wurden, welche Einheiten verwendet werden, Datum und Ort der Sammlung, Instrumentenspezifikationen und alle angewandten Verarbeitungsschritte. Standards wie die Dublin Core Metadata Initiative oder domänenspezifische Schemata wie die des NASA Earth Observing System Data and Information System bieten strukturierte Rahmenbedingungen für die Metadatenerstellung.

Datenqualität durch Validierung und Reinigung sicherstellen

Die gemeinsame Nutzung von Daten ohne Validierung birgt das Risiko, dass sich Fehler ausbreiten, die die spätere Forschung beeinträchtigen können. Ingenieure sollten Qualitätskontrollverfahren am Ort der Datenerhebung festlegen. Bei Sensordaten kann dies die regelmäßige Kalibrierung von Instrumenten und die Überprüfung auf Drift oder Ausreißer umfassen. Bei Simulationsdaten wird durch die Validierung mit analytischen Referenzwerten oder experimentellen Ergebnissen die Genauigkeit des Modells überprüft.

Die Datenreinigung sollte klar dokumentiert werden. Werden Ausreißer entfernt, so sind die Kriterien für die Entfernung anzugeben. Werden fehlende Werte interpoliert, so sollte die Interpolationsmethode angegeben werden. Idealerweise werden sowohl die Rohdaten als auch die gereinigte Version gemeinsam genutzt, so dass andere Forscher die Auswirkungen der Reinigungsentscheidungen auf die Endergebnisse bewerten können.

Wählen Sie seriöse Repositories mit persistenten Identifiern aus

Die Auswahl des Ortes, an dem Daten gespeichert werden sollen, ist eine wichtige Entscheidung. Seriöse Repositories bieten mehrere Vorteile gegenüber persönlichen oder institutionellen Websites. Sie bieten dauerhafte Identifikatoren wie DOIs (Digital Object Identifiers), die sicherstellen, dass Daten auch dann auffindbar bleiben, wenn die Hosting-Institution ihre Webinfrastruktur ändert. Sie setzen auch Metadatenstandards durch, verwalten Zugriffskontrollen und garantieren eine langfristige Aufbewahrung.

Für die technische Forschung bieten Repositories wie Zenodo, Figshare und domänenspezifische Optionen wie Nature Scientific Data recommended Repositories zuverlässige Plattformen. Überlegen Sie sich bei der Auswahl eines Repositorys, ob es Versionierungsfunktionen bietet, die in Ihrem Feld üblichen Dateigrößen verarbeitet und Embargozeiten zulässt, wenn dies aus Patent- oder Veröffentlichungsgründen erforderlich ist.

Umfassende Dokumentation

Die Dokumentation sollte es einem anderen Forscher ermöglichen, die Daten zu verstehen und wiederzuverwenden, ohne die Originalautoren kontaktieren zu müssen. Ein Datenwörterbuch oder Codebuch, das jede Variable, ihre möglichen Werte und ihre Bedeutung definiert, ist von wesentlicher Bedeutung. Bei komplexen Datensätzen kann eine README-Datei im Klartextformat die Gesamtstruktur, die Beziehungen zwischen Dateien und alle Annahmen beschreiben, die bei der Datenerhebung oder -verarbeitung getroffen werden.

Bei der technischen Forschung, die experimentelle Daten umfasst, sollten die Dokumentation die Versuchsanordnung, die Gerätespezifikationen, die Kalibrieraufzeichnungen, die Umweltbedingungen und etwaige Abweichungen vom geplanten Protokoll umfassen, um so viel Kontext zu schaffen, dass ein kompetenter Forscher auf demselben Gebiet das Experiment reproduzieren oder die Daten zuverlässig auf ein neues Problem anwenden kann.

Adressdatenschutz, Vertraulichkeit und Sicherheit

Während technische Daten oft keine menschlichen Probanden betreffen, gibt es Situationen, in denen Privatsphäre und Vertraulichkeit entstehen. Forschung mit menschlichen Teilnehmern, wie Benutzerstudien in der Mensch-Computer-Interaktion oder Biomechanik, können persönlich identifizierbare Informationen enthalten. In diesen Fällen müssen Daten anonymisiert oder de-identifiziert werden, bevor sie geteilt werden, und Forscher müssen die Anforderungen des institutionellen Überprüfungsgremiums und relevante Vorschriften wie DSGVO oder HIPAA einhalten.

Bei proprietären oder exportkontrollierten Daten müssen Forscher die Einschränkungen sorgfältig durchgehen. In einigen Fällen kann der Austausch abgeleiteter Daten oder aggregierter Ergebnisse, die keine sensiblen Details preisgeben, einen Wert bieten und gleichzeitig das geistige Eigentum schützen. Die Beratung mit institutionellen Technologietransferbüros oder Rechtsberatern zu Beginn des Forschungsprozesses hilft, Komplikationen zu vermeiden, wenn es Zeit zum Teilen ist.

Best Practices für den Austausch von Engineering-Materialien

Materialien in der technischen Forschung gehen über Datendateien hinaus und umfassen Designdateien, Softwarecode, Hardwarespezifikationen, experimentelle Protokolle und physische Proben. Die gemeinsame Nutzung dieser Materialien ermöglicht es anderen Forschern, Ergebnisse zu reproduzieren und effektiver auf der Arbeit aufzubauen, als es Daten allein ermöglichen würden.

Teilen Sie vollständige und zugängliche Materialien

Ein häufiger Mangel in veröffentlichten Forschungsergebnissen ist die unvollständige Materialfreigabe. Ein Artikel könnte ein neuartiges Sensordesign beschreiben, aber nur ein Foto des zusammengebauten Geräts enthalten, so dass andere Forscher die Dimensionen, Materialauswahl und Montageverfahren erraten können. Das Teilen des gesamten Materialsatzes bedeutet die Bereitstellung von CAD-Dateien, Materialrechnungen, Montageanweisungen und Quellcode für jede Firmware oder Steuerungssoftware.

Bei Software ermöglicht die gemeinsame Nutzung der kompletten Codebasis, die in der Forschung verwendet wird, einschließlich Build-Scripts, Testsuiten und Dokumentation, anderen die gleichen Analysen. Noch besser, die gemeinsame Nutzung einer containerisierten Umgebung wie einem Docker-Image stellt sicher, dass die Software auf verschiedenen Systemen identisch läuft. Diese Vollständigkeit beseitigt das Problem "Es funktioniert auf meinem Computer", das die Computerforschung plagt.

Wählen Sie offene und nicht-proprietäre Formate

Offene Formate maximieren die Zugänglichkeit und Langlebigkeit gemeinsam genutzter Materialien. Für CAD-Dateien werden STEP- oder IGES-Formate in verschiedenen Softwarepaketen weit verbreitet unterstützt, im Gegensatz zu proprietären Formaten, die das Öffnen teurer Lizenzen erfordern. Für 3D-Druckdateien sind STL- oder OBJ-Formate Standard. Für Bilder werden PNG- oder TIFF-Formate proprietären Formaten vorgezogen.

Wenn proprietäre Formate unvermeidlich sind, sollten Forscher auch eine Open-Format-Konvertierung oder eine detaillierte Spezifikation bereitstellen, die es anderen ermöglicht, die notwendigen Werkzeuge nachzubilden. Das Prinzip ist, Barrieren für den Zugang zu minimieren. Ein Forscher an einer kleinen Institution oder in einem Entwicklungsland sollte in der Lage sein, mit gemeinsamen Materialien zu arbeiten, ohne teure proprietäre Software zu benötigen.

Klare Lizenzbedingungen festlegen

Ohne eine klare Lizenz gibt es gemeinsame Materialien in einem rechtlichen Graubereich. Andere können unsicher sein, ob sie die Materialien verwenden, ändern oder weiterverteilen können. Die Wahl einer geeigneten offenen Lizenz löst diese Mehrdeutigkeit und fördert die Wiederverwendung. Für Daten sind die Creative Commons CC0- oder CC-BY-Lizenzen beliebte Entscheidungen. Für Software bieten Open-Source-Lizenzen wie MIT, BSD oder GPL gut verstandene Begriffe.

Die Wahl der Lizenz hat praktische Auswirkungen. Eine permissive Lizenz wie MIT erlaubt die kommerzielle Nutzung und erfordert nicht, dass abgeleitete Werke Open Source sind. Eine Copyleft-Lizenz wie GPL verlangt, dass abgeleitete Werke auch unter den gleichen Bedingungen vertrieben werden. Forscher sollten diese Unterschiede verstehen und Lizenzen auswählen, die mit ihren Zielen für die Arbeit übereinstimmen. Institutionelle Rechtsbüros können bei Bedarf Anleitung geben.

Dokumentverfahren für die Reproduzierbarkeit

Experimentelle Verfahren in der technischen Forschung können komplex und subtil sein. Ein veröffentlichter Artikel kann den allgemeinen Ansatz in wenigen Absätzen beschreiben, aber das eigentliche Protokoll kann spezifische Schritte, Timing, Umweltbedingungen und Fehlerbehebungsverfahren beinhalten, die im Haupttext nicht erfasst werden. Das Teilen detaillierter Protokolle als ergänzendes Material oder über Plattformen wie protocols.io bietet den Detailgrad, der für eine genaue Reproduktion erforderlich ist.

Videodokumentation wird zunehmend wertvoll für physikalische Experimente und Herstellungsprozesse. Ein kurzes Video, das zeigt, wie man Komponenten ausrichtet, Klebstoffe aufträgt oder Geräte bedient, kann Informationen vermitteln, die Text und statische Bilder nicht vermitteln können. Forscher sollten in Betracht ziehen, Videoergänzungen zu erstellen, die die wichtigsten Schritte ihrer Verfahren durchlaufen.

Gewährleistung langfristiger Zugänglichkeit und Versionskontrolle

Gemeinsames Material muss im Laufe der Zeit zugänglich bleiben. Persönliche Websites und institutionelle Seiten sind anfällig für das Verschwinden, wenn Forscher Institutionen verlegen oder Systeme modernisiert werden. Die Verwendung etablierter Repositories mit Erhaltungsverpflichtungen schützt vor Linkfäule. Materialien sollten persistente Identifikatoren zugewiesen werden, und das Repository sollte eine klare Politik haben, um den Zugang über Jahrzehnte zu erhalten.

Die Versionskontrolle ist besonders wichtig für Software und ständig aktualisierte Ressourcen. Git-Repositories, die auf Plattformen wie GitHub oder GitLab gehostet werden, bieten eine vollständige Historie der Änderungen, so dass Forscher auf die genaue Version verweisen können, die in einer bestimmten Studie verwendet wurde. Für große Datensätze, die nicht in Git gespeichert werden können, ermöglichen Repositorien, die Versionierung unterstützen, wie Zenodo, Forschern, Datensätze zu aktualisieren, während sie den Zugriff auf frühere Versionen beibehalten.

Gemeinsame Herausforderungen beim Daten- und Materialaustausch meistern

Trotz einer breiten Übereinstimmung über die Bedeutung des Teilens stehen Forscher vor praktischen Hindernissen.

Geistiges Eigentum und Kommerzialisierungsbedenken

Die technische Forschung hat oft kommerzielles Potenzial, und Forscher oder ihre Institutionen möchten möglicherweise Patente einreichen, bevor sie Details öffentlich teilen. Die gemeinsame Nutzung muss bei richtiger Verwaltung nicht mit der Kommerzialisierung in Konflikt stehen. Die Einschüchterungsfristen in Repositorien ermöglichen es Forschern, die Veröffentlichung zu verzögern, bis Patentanmeldungen eingereicht werden. Die gemeinsame Nutzung nicht wesentlicher Aspekte der Arbeit oder die Bereitstellung von Daten mit reduzierter Auflösung während der Embargo-Periode kann die Wissenschaft immer noch voranbringen und gleichzeitig das geistige Eigentum schützen.

Einige Förderagenturen und Zeitschriften verlangen nun einen Datenaustausch innerhalb eines bestimmten Zeitrahmens nach der Veröffentlichung. Die Planung dieser Anforderungen ab Projektbeginn hilft Forschern, Konflikte in letzter Minute zu vermeiden. Die Einbeziehung von Datenmanagement und -austauschplänen in Förderanträgen stellt sicher, dass die notwendigen Ressourcen und Zeitpläne frühzeitig festgelegt werden.

Verwalten großer und komplexer Datensätze

Technische Datensätze können extrem groß sein. Hochauflösende Sensornetzwerke, Langzeitsimulationen und Videoaufzeichnungen von Experimenten können Daten in Terabytes erzeugen. Übertragen, Speichern und Teilen von Daten in diesem Maßstab stellt technische Herausforderungen dar. Forscher sollten prüfen, ob der vollständige Datensatz gemeinsam genutzt werden muss oder ob abgeleitete oder zusammengefasste Daten den Anforderungen an die Reproduzierbarkeit dienen.

Für sehr große Datensätze stellen Repositories, die sich auf Big Data spezialisiert haben, wie die DesignSafe Cyberinfrastructure für das Naturgefahren-Engineering oder die NOAA National Centers for Environmental Information die notwendige Infrastruktur für Speicherung und Zugriff zur Verfügung. Cloud-basierte Sharing-Plattformen können auch große Transfers effizient abwickeln. Die Einbeziehung eines Plans für Datengröße und -übertragung in den Datenmanagementplan trägt dazu bei, dass das ausgewählte Repository die Daten aufnehmen kann.

Umgang mit proprietären und Drittanbieter-Materialien

Ingenieurforschung verwendet häufig kommerzielle Software, proprietäre Hardware oder Daten von Drittanbietern, die nicht frei verteilt werden können. Wenn proprietäre Tools für die Forschung unerlässlich sind, wird die gemeinsame Nutzung kompliziert. Forscher sollten die genauen Versionen und Konfigurationen der verwendeten proprietären Tools dokumentieren, damit andere mit Zugang zu denselben Tools die Arbeit reproduzieren können. Die Bereitstellung alternativer Implementierungen mit Open-Source-Tools erhöht, wenn möglich, die Zugänglichkeit der Forschung.

Bei der Nutzung von Daten Dritter, die Lizenzbeschränkungen unterliegen, sollten Forscher die Quelle und die Nutzungsbedingungen eindeutig angeben. In einigen Fällen kann der Dateneigentümer die Erlaubnis für eine begrenzte Weiterverbreitung zu Forschungszwecken erteilen.

Der Austausch von Daten und Material findet nicht in einem Vakuum statt, sondern die Forscher müssen innerhalb des Rahmens arbeiten, der von Zeitschriften, Förderagenturen und ihren Fachkreisen festgelegt wurde.

Anforderungen an das Journal

In immer mehr Fachzeitschriften wird gefordert, dass Autoren Datenverfügbarkeitserklärungen einfügen und unterstützende Daten in einem anerkannten Repository hinterlegen. Einige Zeitschriften gehen noch weiter und verlangen, dass Gutachter während des Überprüfungsprozesses Zugriff auf Daten und Code haben, um Ansprüche zu überprüfen. Autoren sollten die spezifischen Anforderungen ihrer Zielzeitschrift frühzeitig im Schreibprozess überprüfen und entsprechend planen.

Zeitschriften in verschiedenen technischen Teilbereichen haben unterschiedliche Erwartungen. Das Journal of Engineering Mechanics kann andere Anforderungen haben als IEEE Transactions on Signal Processing. Die Vertrautheit mit den Normen der spezifischen Zeitschrift und der Community hilft Forschern, die Erwartungen zu erfüllen, ohne in letzter Minute zu krabbeln.

Mandate der Förderstelle

Die wichtigsten Fördereinrichtungen, darunter die National Science Foundation (NSF), die National Institutes of Health (NIH) und der Europäische Forschungsrat (ERC), haben eine gemeinsame Datennutzungspolitik, die für die geförderte Forschung gilt.

Die Einhaltung der Mandate der Förderagenturen ist nicht optional, die Nichterfüllung kann sich auf die künftige Förderfähigkeit auswirken. Die Forscher sollten die Datenmanagementplanung als integralen Bestandteil der Projektplanung und nicht als nachträglichen Einfall betrachten. Viele Institutionen bieten Ressourcen und Vorlagen an, um Forscher bei der Erstellung konformer Pläne zu unterstützen.

Disziplinspezifische Normen und Standards

Verschiedene Ingenieurdisziplinen haben ihre eigenen Normen und Standards für den Datenaustausch entwickelt. Im Bauingenieurwesen bietet die DesignSafe Plattform beispielsweise einen Community-Standard für den Austausch von Experimental- und Simulationsdaten in der Naturgefahrenforschung. In der Bioengineering-Community bieten Standards wie ISA-Tab strukturierte Formate zur Beschreibung experimenteller Metadaten.

Die Teilnahme am Normungsprozess innerhalb der Forschergemeinschaft ist ein wertvoller Weg, um einen Beitrag zu diesem Bereich zu leisten und gleichzeitig sicherzustellen, dass die Normen den tatsächlichen Bedürfnissen entsprechen.

Die Rolle von Repositories, Identifiers und Metadatenstandards

Die Infrastruktur für den Daten- und Materialaustausch ist in den letzten Jahren erheblich ausgereift. Zu verstehen, wie man diese Infrastruktur effektiv nutzt, ist eine Kernkompetenz für moderne Ingenieurforscher.

Persistente Identifikatoren und ihr Wert

Eine persistente Kennung wie ein DOI oder Handle stellt sicher, dass ein Datensatz auch dann auffindbar und zitierbar bleibt, wenn sich sein physischer Standort ändert. Wenn ein Datensatz einen DOI hat, können Forscher ihn in ihren Artikeln mit der Gewissheit referenzieren, dass der Link weiterhin funktioniert. Publisher und Indexierungsdienste erkennen DOIs, und sie werden zunehmend von Zeitschriften für Datenzitierungen benötigt.

Wenn ein Datensatz mit einem DOI zitiert wird, kann die Nutzung verfolgt werden, indem Metriken bereitgestellt werden, die die Auswirkungen der Daten demonstrieren. Dies ist besonders wichtig für Nachwuchsforscher, die den breiteren Einfluss ihrer Arbeit über traditionelle Publikationen hinaus zeigen müssen.

Metadaten-Standards für die Ingenieurforschung

Metadatenstandards bieten gemeinsame Vokabulare und Strukturen zur Beschreibung von Daten, wodurch es einfacher wird, Datensätze aus verschiedenen Quellen zu entdecken und zu integrieren. Die FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable) bieten ein hochrangiges Framework, und domänenspezifische Standards implementieren diese Prinzipien für bestimmte Datentypen.

Für die technische Forschung variieren Metadatenstandards je nach Unterfeld. Das NASA Earth Science Data and Information System (ESDIS) stellt Standards für Geodaten und Umwelttechnik bereit. Das International Committee on Materials and Mechanical Engineering hat Standards für Materialdaten entwickelt. Die Verwendung des entsprechenden Standards für den Forschungsbereich maximiert die Auffindbarkeit und Nutzbarkeit gemeinsamer Daten.

Zukünftige Richtungen im Daten- und Materialaustausch für die Ingenieurforschung

Die Landschaft des Daten- und Materialaustauschs entwickelt sich weiter, neue Technologien und sich ändernde Erwartungen prägen die Zukunft der Art und Weise, wie die Ingenieurforschung betrieben und verbreitet wird.

Automatisierte Workflows für die Datenverwaltung werden immer ausgefeilter. Tools, die automatisch Metadaten aus Instrumentenausgaben generieren, Daten anhand von Gemeinschaftsstandards validieren und Daten in Repositorien hinterlegen, verringern die Belastung für Forscher. Die Einführung dieser Tools wird es einfacher machen, Datenaustausch in regelmäßige Forschungsworkflows zu integrieren, ohne dass dadurch ein erheblicher Aufwand entsteht.

Maschinelles Lernen und künstliche Intelligenz stellen neue Anforderungen an qualitativ hochwertige, gut dokumentierte Datensätze. Ingenieurforscher, die ihre Daten nach bewährten Verfahren austauschen, tragen zu einem wachsenden Pool von Trainingsdaten bei, der den Fortschritt in Bereichen wie vorausschauender Wartung, Materialfindung und Designoptimierung beschleunigen kann. Der Wert gut kuratierter Engineering-Datensätze wird mit der Reife dieser Methoden nur noch steigen.

Offene wissenschaftliche Praktiken, einschließlich Daten- und Materialaustausch, werden eher erwartet als außergewöhnlich. Nachwuchsforscher, die starke Datenmanagementgewohnheiten entwickeln, werden gut positioniert sein, um die Standards ihrer Bereiche zu erfüllen und die Chancen zu nutzen, die ein offener Austausch für Zusammenarbeit, Sichtbarkeit und Wirkung schafft.

Schlussfolgerung

Ein effektiver Umgang mit Daten und Materialien in der technischen Forschung ist eine Fähigkeit, die sowohl den einzelnen Forscher als auch die breitere wissenschaftliche Gemeinschaft belohnt. Nach den hier beschriebenen Best Practices, die Daten mit standardisierten Formaten und reichen Metadaten organisieren, die Datenqualität sicherstellen, seriöse Repositorien auswählen, umfassende Dokumentation bereitstellen, Datenschutz und Sicherheit ansprechen, vollständige Materialien in offenen Formaten teilen, klare Lizenzen festlegen und Verfahren im Detail dokumentieren schafft eine Grundlage für reproduzierbare, vertrauenswürdige Forschung.

Forscher, die in diese Praktiken investieren, finden, dass sich der Aufwand auszahlt. Ihre Arbeit erreicht ein breiteres Publikum, ihre Ergebnisse werden leichter verifiziert und darauf aufgebaut, und ihre Beiträge auf dem Gebiet werden durch Zitate und die Wiederverwendung ihrer Daten und Materialien klarer erkannt. In der sich schnell entwickelnden Landschaft der technischen Forschung ist die Fähigkeit, effektiv zu teilen, nicht nur eine Compliance-Anforderung, sondern ein Wettbewerbsvorteil.