FAIR

FAIR steht für Findable · Accessible · Interoperable · Reusable, vier Leitprinzipien für die nachhaltige Veröffentlichung und Nachnutzung digitaler Daten. Wilkinson et al. formulierten sie 2016 im Rahmen der Force11- und GO-FAIR-Initiativen, ursprünglich für Forschungsdaten in den Life Sciences. Heute sind sie Standard-Erwartung in der EU-Forschungsförderung (Horizon Europe), bei DataCite, beim Schweizer DLCM und in der wissenschaftlichen Verlagswelt, und sie werden zunehmend zur Bewertungslinse für Sammlungs-APIs, Editionen und Linked-Open-Data-Bestände in GLAM-Institutionen.

Eines vorweg: FAIR ist nicht dasselbe wie Open. FAIR-Daten dürfen zugangsbeschränkt sein, solange die Metadaten findbar bleiben und der Zugriffsweg dokumentiert ist. Die häufige Gleichsetzung von «FAIR» mit «frei verfügbar» wird der Praxis nicht gerecht.

Die vier Pillars mit Sub-Prinzipien

Pillar	Sub-Prinzipien
Findable	F1 globale, persistente Identifikatoren · F2 reiche Metadaten · F3 Metadaten enthalten den Identifier des Datensatzes · F4 registriert und indexiert in einer durchsuchbaren Ressource
Accessible	A1 abrufbar über ein standardisiertes Protokoll · A1.1 Protokoll ist offen, frei und universell implementierbar · A1.2 Protokoll erlaubt Authentifizierung und Autorisierung, wo nötig · A2 Metadaten bleiben erreichbar, auch wenn die Daten verschwinden
Interoperable	I1 formale, gemeinsam getragene Sprache der Wissensrepräsentation · I2 Vokabulare folgen ihrerseits den FAIR-Prinzipien · I3 qualifizierte Verweise auf andere (Meta-)Daten
Reusable	R1 reich beschrieben mit relevanten Attributen · R1.1 klare, zugängliche Nutzungslizenz · R1.2 detaillierte Provenienz · R1.3 Community-Standards der Domäne

Drei häufige Missverständnisse

«FAIR = Open»: falsch. Personenbezogene Forschungsdaten oder rechtegeschützte Sammlungsobjekte können FAIR sein, ohne öffentlich zugänglich zu sein. Entscheidend ist, dass die Metadaten findbar und der Zugriffsweg dokumentiert ist.
«Wir haben einen Server, also FAIR»: Findability ohne reiche, kontrolliert vokabularisierte Metadaten ist hohl. Ein PDF auf einer Website, das nur über seinen Dateinamen auffindbar ist, ist im Sinn von FAIR nicht findable.
«Maschinenlesbarkeit ist optional»: I1 und I3 verlangen formale Repräsentation, also RDF, JSON-LD oder strukturiertes XML. HTML-Seiten mit textuellen Metadaten erfüllen das nicht.

FAIR in der GLAM-Praxis

Zu jedem Pillar lassen sich Werkzeuge zuordnen, die GLAM-Institutionen heute haben oder brauchen:

Pillar	GLAM-Bezug
F1 (PID)	DOI, ARK, Handle, URN; siehe auch persistente Identifikatoren als eigene Authority-Strategie
F4 (Indexierung)	OAI-PMH, IIIF Change Discovery, Aggregator-Lieferung an Europeana, DDB, DPLA, Memobase
A1 (offenes Protokoll)	HTTP, IIIF, OAI-PMH, SPARQL-Endpoint
I2 (FAIR-Vokabulare)	GND, Wikidata, GeoNames, Metagrid, Getty AAT/ULAN/TGN, SKOS-publizierte Thesauri
I3 (qualifizierte Verweise)	CIDOC-CRM, schema.org, RiC-O, TEI mit `<relation>`-Markup
R1.1 (Lizenz)	Creative Commons, Rights Statements (rightsstatements.org), Public-Domain-Mark
R1.2 (Provenienz)	PREMIS und PREMIS-Events für Bitstream- und Content-Provenienz; `dct:source`, `dc:provenance`, CIDOC-CRM-Events für Sammlungs-Provenienz
R1.3 (Community-Standards)	Dublin Core, LIDO, EAD, TEI je nach Domäne

Konkret wird eine Sammlungs-Datenbank dann FAIR, wenn sie persistente IDs vergibt (F1), über OAI-PMH und IIIF auslieferbar ist (A1, F4), Authority-Verknüpfungen zu GND, Wikidata und Metagrid pflegt (I2, I3), eine CC-Lizenz pro Objekt führt (R1.1) und über Provenienz-Felder die Erschliessungs-Geschichte protokolliert (R1.2).

Komplementäre Frameworks

CARE-Prinzipien (Collective benefit · Authority to control · Responsibility · Ethics): ergänzen FAIR um indigene und communautäre Datensouveränität. Antwort auf die Beobachtung, dass FAIR allein die Formel «Daten frei für alle» zu wenig differenziert. Relevant bei ethnologischen Sammlungen und Beständen mit Provenienz aus kolonialen Kontexten.
TRUST-Prinzipien (Transparency · Responsibility · User focus · Sustainability · Technology): für die Vertrauenswürdigkeit der Repositorien selbst.
5-Sterne-Linked-Data-Modell (Tim Berners-Lee): orthogonale Hierarchie für die Linked-Data-Reife einer Veröffentlichung, deckt sich teilweise mit Interoperability.

Bewertung

Wie FAIR ein Datensatz tatsächlich ist, prüfen mehrere automatisierte und manuelle Werkzeuge.

F-UJI (FAIRsFAIR): automatisierter Test für eine DOI oder URL, mit Score pro Sub-Prinzip und konkreten Empfehlungen
FAIR Evaluator (Wilkinson et al.): der offizielle Maturity-Test mit detaillierten Indikatoren
FAIR Data Point: Spezifikation für einen Server, der FAIR-Metadaten standardisiert ausliefert
FAIRsharing.org: Verzeichnis, das FAIR-Standards, Vokabulare und Repositorien katalogisiert

In der Praxis ist eine F-UJI-Auswertung der eigenen Sammlungs-API ein guter Ausgangspunkt für eine Roadmap: welche Sub-Prinzipien erfüllt sind, wo die Lücken liegen und was mit wenig Aufwand am meisten bringt.

Schweizer Kontext

DLCM (Data Life Cycle Management): schweizweite Infrastruktur-Initiative für Forschungsdatenmanagement mit FAIR als Leitprinzip. Beratung, Tools über den DLCM Service Provider und Hosting für Schweizer Hochschulen.
swissuniversities: verlangt für Anträge im P-5-Programm «Open Science» eine FAIR-konforme Datenverwaltung.
SAGW: unterstützt die FAIR-Adoption in den Geistes- und Sozialwissenschaften, unter anderem über Infrastruktur-Dienste wie Metagrid.
OLOS (Object Long-term Online Storage) und Yareta (Genf): FAIR-konforme Repository-Services.
Memoriav, BAR und KOST: treiben FAIR-Aspekte für audiovisuelle Bestände beziehungsweise Verwaltungsakten voran, ohne das Akronym immer prominent zu führen.

Verhältnis zu anderen Standards

OAIS: bedient mehrere FAIR-Aspekte, Findability über AIPs mit Identifiern, Reusability über die PDI-Komponente. FAIR ist abstrakter, OAIS konkreter operationalisiert.
IIIF: Image- und Presentation-API sind faktisch eine FAIR-Implementation für Bildbestände, mit stabilen URIs (F1), offenem Protokoll (A1), JSON-LD-Manifesten (I1) und Cross-Manifest-Annotationen (I3).
Persistente Identifikatoren (DOI, ARK, Handle, URN): erfüllen F1 direkt. Ohne stabile IDs ist FAIR nicht möglich.
Linked Open Data: Fünf-Sterne-Daten erfüllen automatisch viele Sub-Prinzipien aus Interoperability und Reusability.
Creative Commons: deckt R1.1 direkt ab. CC0, CC BY und CC BY-SA sind die in der Forschung gängigsten FAIR-konformen Lizenzen.

Häufige Fallen

«FAIR-konform» als Selbstattest: Ohne externe Prüfung, etwa durch F-UJI, ist die Aussage wenig belastbar. Reviewerinnen und Reviewer erwarten in Förderanträgen zunehmend konkrete Belege pro Sub-Prinzip.
Identifier ohne Auflösung: Eine nirgends registrierte DOI oder ein ARK ohne Resolver bricht F1.
Vokabular-Verwendung ohne Linked Data: subject: "Reformation" als Freitext erfüllt I2 nicht, nötig ist subject: <https://d-nb.info/gnd/4049387-9>.
Versionierung vergessen: Ändern sich Daten, müssen die Versionen identifizierbar bleiben. F1 verlangt das implizit.
Lizenz-Lücken: Lizenzen für Daten und Metadaten separat deklarieren. Häufig ist nur die Datenlizenz geregelt.
Provenienz auf Sammlungsebene statt pro Objekt: R1.2 verlangt detaillierte Provenienz. «Aus dem Bestand X» reicht nicht, wenn das Sammlungsobjekt selbst eine Geschichte hat.
CARE-blind FAIR umsetzen: Bei ethnografischen oder indigenen Sammlungen kann reines FAIR ohne CARE problematisch werden. Vor einer Massen-Open-Publikation die betroffenen Communities einbeziehen.

Was FAIR nicht misst

FAIR bewertet, wie ein Datensatz veröffentlicht ist. Über seinen Inhalt sagen die Prinzipien nichts: Ein Datensatz kann reich beschrieben, lizenziert und persistent identifiziert sein und trotzdem falsche Daten enthalten.

Auch die automatisierten Tests haben eine Reichweite. Sie prüfen, was maschinell prüfbar ist, also Header, Formate und die Auflösbarkeit von Identifiern. Ob ein Vokabular für den Bestand angemessen gewählt ist und wie tief die Erschliessung reicht, bleibt eine fachliche Beurteilung. Der Score zeigt Lücken an und ersetzt diese Beurteilung nicht.