Lösungsansätze zur automatisierten Erfassung und Weiterverarbeitung von strukturierten Provenance-Informationen in Forschungsdateninfrastrukturen am Beispiel von Analyse-Workflows in R

Abstract

In den Umweltwissenschaften sind derzeit viele Forschungsprojekte datengetrieben und liefern Datensätze als wesentliche Ergebnisse. Das Publizieren von Daten nach den FAIR-Prinzipien, stellt damit einen zentralen Faktor in der Entwicklung von Forschungsdateninfrastrukturen dar. Provenance-Informationen als Teil der Metadaten beschreiben die Herkunft der Daten und unterstützen damit die Bewertung, Verständlichkeit und Reproduzierbarkeit von verfügbaren Forschungsdaten. Da eine händische und nachträgliche Erfassung von strukturierten Provenance-Information zeitintensiv ist, ist der Bedarf an (teil-)automatisierten Lösungen, die ein nutzerfreundliches und nahtloses Metadatenmanagement innerhalb einer Forschungsdateninfrastruktur ermöglichen, groß.

Im Forschungsprojekt GeoKur, einem Projekt zur Kuration und Qualitätssicherung von Umweltdaten, erfolgt die Datenanalyse und -erzeugung überwiegend in der Skriptsprache R. Dieser Erfahrungsbericht stellt daher die Evaluierung von Tools zur (teil-)automatisierten Erfassung von Provenance-Informationen in R-Skripten zusammen und beschreibt zwei selbst entwickelte Ansätze: (1) die Erzeugung von Provenance-Files mithilfe des selbst implementierten R-Pakets r2provo und (2) die direkte Publikation von Provenance-Informationen aus dem Analyseskript in einen Metadatenkatalog mittels R-Paket ckanr.