Im Januar 2013 hat der Wissenschaftsrat Empfehlungen zu einem Kerndatensatz Forschung verabschiedet. Der Kerndatensatz ist ein Angebot an Hochschulen und außeruniversitäre Forschungseinrichtungen, um bereits bestehende Aktivitäten bei der informationstechnischen Erfassung ihrer Forschungsaktivitäten zu unterstützen. Er stellt einen Standard zur Eigenverwaltung dieser Daten bereit, eine zentrale Datensammlung erfolgt nicht.
The Research Data Alliance (RDA) builds the social and technical bridges that enable open sharing of data.
The RDA vision is researchers and innovators openly sharing data across technologies, disciplines, and countries to address the grand challenges of society.
BioSchemas relies and extends from schema.org and aims to reuse existing standards and reach consensus among a wide number of life sciences organizations and communities.
B. Schembera, and D. Iglezakis. Metadata and Semantic Research. 12th International Conference, MTSR 2018, Limassol, Cyprus, 23-26 October 2018, Proceedings, Springer, (forthcoming)
F. Kleinkopf. Schriftenreihe des Archivs für Urheber- und Medienrecht Nomos, Baden-Baden, (2022)Immer häufiger werden digitale Methoden wie das Text- und Data-Miningzur Erkenntnisfindung eingesetzt, das die Möglichkeit bietet, Musterin großen Datensätzen zu erkennen und zugleich Grundlage desmaschinellen Lernens ist. Die Arbeit betrachtet diese Methode ausurheberrechtlicher Perspektive und berücksichtigt dabei die Bedeutungund Steuerungswirkung urheberrechtlicher Schranken, die besondereInteressenlage im Wissenschaftsurheberrecht sowie interdisziplinäreErkenntnisse. In der umfassenden Analyse wird die komplexeRechtsmaterie strukturiert, es werden Defizite aufgezeigt und konkreteLösungsvorschläge unterbreitet. Ein Schwerpunkt liegt dabei auf derlangfristigen Zugänglichkeit der erzeugten Forschungsdaten..
L. Käde. Datenrecht und neue Technologien Nomos, Baden-Baden, 1 edition, (2021)Die interdisziplinäre Analyse nimmt konkreten Bezug zu in derKI-Entwicklung eingesetzten Machine Learning (ML)-Frameworks und gibtpraxisrelevante Antworten auf damit zusammenhängendeurheberrechtliche Fragen. Insbesondere der Datenbank(werk)schutz fürML-Modelle steht dabei im Fokus. Die Arbeit bietet außerdem eineEinschätzung der Relevanz von Text und Data Mining-Schranken imKI-Kontext. Mit Blick auf die Erzeugung von Werken durch bzw. mithilfevon ML wird die Zurechnungsproblematik erörtert, eine Lösungvorgeschlagen und eine Hilfestellung zur Ermittlung eines Urhebersangeboten. Darüber hinaus erfolgt hinsichtlich etwaiger KI-Autonomieeine Einführung in die Zusammenhänge von Intelligenz, Kreativitätund Computational Creativity..