Was ist Open Science? Ein Einstieg über einen Satz, den du überprüfen würdest

Ein Satz, den du überprüfen möchtest

Kannst du dir vorstellen, dass wir eines Tages keine Universitätsforschende sein müssen, um wissenschaftliche Artikel zu veröffentlichen?

Ein konkretes Szenario. Du scrollst auf Facebook, in einer Nachrichten-App, oder über einen Link, den dir eine Freundin geschickt hat. Du stößt auf einen Satz: „Menschen, die rauchen, haben ein höheres Risiko, an einer Depression zu erkranken, als Menschen, die nicht rauchen.”¹

Du stutzt. Das kann doch nicht stimmen. Oder es klingt zu passend. Auf jeden Fall willst du es nicht einfach glauben, du möchtest es selbst nachprüfen.

Früher waren deine Möglichkeiten begrenzt. Du konntest in die Bibliothek gehen, in Google Scholar suchen — aber meistens stießt du auf eine Mauer: dreißig oder vierzig Dollar, um einen einzigen Artikel lesen zu dürfen. Für die meisten Menschen endete die Geschichte hier.

Heute hast du eine weitere Option: Du kannst die Autorin oder den Autor des Artikels direkt anschreiben und bitten, dass die Rohdaten der Studie öffentlich gemacht werden.

Das ist nicht Science-Fiction, das ist die Welt, in der wir heute leben. Du brauchst weder Master noch Doktortitel, um an Big Data heranzukommen.

Dieser Wandel hat einen Namen. Er heißt Open Science.

Woher Open Science kommt

Vor dreißig Jahren gab es im Wesentlichen zwei Wege, einen wissenschaftlichen Artikel zu lesen: ein Print-Abonnement einer Fachzeitschrift, oder über die Bibliothek der eigenen Universität. Fachzeitschriften waren teuer — ein Jahresabonnement konnte mehrere tausend Dollar kosten. Forschende übergaben ihre Artikel kostenlos den Verlagen, die Verlage verdienten Geld damit, die Leser·innen mussten zahlen — und die Autor·innen, deren Gehalt meistens aus Steuergeldern stammt, bekamen üblicherweise keinen Cent.

Dieses Abomodell hat auch die Forschenden selbst frustriert. Ich erinnere mich noch gut an Nachrichten von Kolleg·innen anderer Universitäten oder Institute: „Hat eure Bibliothek das Journal X im Abo? Wenn ja, könntest du mir bitte diesen Artikel herunterladen?” So liefen wissenschaftliche Recherchen oft genug — über ein informelles Netzwerk gegenseitiger Gefälligkeiten.

Der erste, der diese Spielregeln durchbrochen hat, war ein Physiker im Jahr 1991. Paul Ginsparg baute am Los Alamos National Laboratory eine kleine Webseite namens arXiv (Aussprache: „archive”). Seine Idee war einfach: Physiker·innen können noch nicht offiziell publizierte Artikel (Preprints) direkt hochladen, und alle können sie kostenlos lesen.

Am Anfang waren es nur Physiker·innen. Dann kamen Mathematiker·innen dazu. Danach Informatiker·innen, Biolog·innen, Chemiker·innen, Linguist·innen. Heute hat arXiv über zwei Millionen Artikel — und „alle” heißt wirklich alle. Du, ich, ein schulpflichtiges Kind, eine pensionierte Ingenieurin. Wer einen Internetanschluss hat, kann sie lesen.

Das war erst der Anfang.

In den frühen 2000er-Jahren tauchten Open-Access-Zeitschriften auf: PLOS, BioMed Central, und weitere. Sie haben das traditionelle Modell umgekehrt. Nicht die Leser·innen zahlen, sondern die Autor·innen (oder deren Institution oder Förderung) übernehmen eine Bearbeitungsgebühr (Korrektorat, Satz und so weiter). Danach steht der Artikel im Netz und ist frei lesbar.

In den 2010er-Jahren erlebte die Wissenschaft eine sogenannte „Reproduzierbarkeitskrise” (replication crisis). Vor allem in Psychologie, Medizin und den Sozialwissenschaften ließen sich viele als gesichert geltende Studien nicht reproduzieren, wenn andere Gruppen sie mit denselben Methoden nachzustellen versuchten. Das Problem war nicht zwingend Betrug. Vielmehr waren die ursprünglich veröffentlichten Daten und Methoden zu lückenhaft, als dass jemand sie hätte nachvollziehen können.

Diese Krise hat den nächsten Schritt angestoßen: Nicht nur die Artikel sollen offen sein. Auch Daten und Code sollen offen sein.

Was „offen” konkret bedeutet

Open Science ist nicht eine Sache, sondern drei zusammenhängende Sachen.

1. Open Access — Artikel, die alle lesen können

Das ist die naheliegendste Ebene. Zurück zu der Studie über Rauchen und Depression: Wenn sie Open Access ist, musst du nichts an den Verlag zahlen. Du suchst nach dem Titel und findest die Autorin meistens auf der Webseite ihrer Universität, auf ResearchGate, oder auf einem Preprint-Server wie arXiv.

Für öffentlich finanzierte Forschung schreiben mittlerweile viele Länder gesetzlich Open Access vor. Das EU-Programm Horizon Europe, das US-amerikanische NIH, UK Research and Innovation — alle haben entsprechende Vorgaben. Schließlich hast du als Steuerzahlerin schon einmal dafür bezahlt.

2. Open Data — Rohdaten, die alle prüfen können

Das Wort „Forschung” hat lange Zeit eine Art Blackbox bezeichnet: Du siehst das Ergebnis („Rauchen erhöht das Depressionsrisiko um 30 %”), aber nicht die Daten dahinter. Wie wurde diese Zahl gerechnet? Wie groß war die Stichprobe? Wie lange wurde verfolgt? Welche Störvariablen wurden kontrolliert?

Open Data öffnet diese Box. Nach der Publikation wird der originale Datensatz (entsprechend anonymisiert) in einem öffentlichen Repository hinterlegt — etwa Zenodo, OSF (Open Science Framework), Dryad. Wer will, kann ihn herunterladen und mit eigenen Werkzeugen nachrechnen.

Genau deshalb funktioniert „die Autorin nach den Daten fragen” heute überhaupt. In vielen Fällen muss man gar nicht mehr fragen — die Daten liegen schon da.

3. Open Source — Werkzeuge und Code, die alle nachvollziehen können

Die dritte Ebene ist der Code. Praktisch jede heutige wissenschaftliche Analyse läuft über Programme — statistische Modelle, maschinelles Lernen, Simulationen. Werden nur die Daten freigegeben, der Code aber unter Verschluss gehalten, kann niemand die Analyse vollständig reproduzieren.

Wer weiß, was im Programm wirklich passiert ist? Welche Zeilen wurden weggelassen, welche behalten? Vielleicht wurden 100 Datenpunkte veröffentlicht, im Programm jedoch nur 30 davon für die berichtete Korrelation verwendet. Vor der Veröffentlichung des Codes lässt sich das schlicht nicht überprüfen.

Open Source schließt diese Lücke: Der Analysecode liegt auf einer öffentlichen Plattform wie GitHub. Alle können ihn herunterladen, inspizieren, anpassen, neu ausführen.

FAIR Principles — „offen” praktisch nutzbar machen

Daten, Artikel und Code „öffentlich” zu machen ist die eine Sache. Sie tatsächlich auffindbar, verständlich und nutzbar zu machen, ist eine andere.

Stell dir vor, jemand lädt die Rohdaten einer Studie auf die eigene Webseite hoch — Dateiname data_final_2.csv, ohne jegliche Dokumentation. Technisch gesehen ist das „offen”. Praktisch findet sie niemand; wer sie findet, versteht sie nicht; wer sie versteht, kann sie nicht an den eigenen Arbeitsablauf anschließen.

2016 hat eine Gruppe von Forschenden (Wilkinson et al.) einen konkreten Standard vorgeschlagen, der „offen” wirklich brauchbar macht: die FAIR Principles. FAIR steht für vier englische Anfangsbuchstaben, die jeweils eine Grundanforderung beschreiben:

• Findable (auffindbar) Daten brauchen eine eindeutige Kennung (vergleichbar mit einer ISBN), sollen über Suchmaschinen erreichbar sein und mit klaren Titeln und Beschreibungen versehen werden.
• Accessible (zugänglich) Wer sie gefunden hat, soll sie auch wirklich herunterladen können — ohne Bezahlschranke, ohne Sonderrechte. Wenn es Einschränkungen gibt (etwa Datenschutz), müssen sie klar benannt werden.
• Interoperable (interoperabel) Das Datenformat soll offen und standardisiert sein, damit es mit gewöhnlicher Software gelesen und mit anderen Daten kombiniert werden kann. Keine proprietären Formate, die nur eine teure Software öffnen kann.
• Reusable (wiederverwendbar) Daten brauchen vollständige Metadaten: wie sie erhoben wurden, welche Einschränkungen gelten, wie zitiert werden soll. Andere sollen sie nicht nur nutzen, sondern korrekt nutzen können.

Kurz gesagt: auffindbar, zugänglich, interoperabel, wiederverwendbar.

Diese vier Prinzipien werden inzwischen von der EU, dem US-amerikanischen NIH und von großen Forschungsförderern flächendeckend übernommen. „Unsere geförderte Forschung muss FAIR-konform sein” — das ist heute in vielen Programmen eine harte Bedingung.

Meine eigene Erfahrung des Übergangs

Als ich Doktorandin war, wurde mir vom ersten Tag an beigebracht: Daten ordentlich vorbereiten, alles sauber dokumentieren. Mein Institut hat Open-Science-Konformität in Veröffentlichungen aktiv gefördert. Deshalb war alles, was ich geschrieben habe — der Code, die aufbereiteten Daten, die Artikel — öffentlich. Selbst vor der formalen Publikation habe ich meine eigene Preprint-Fassung auf Plattformen wie OSF hochgeladen.

Ich habe beide Epochen erlebt — die, in der Wissen hinter einer Bezahlschranke saß, und die, in der Forschungsdaten offen zugänglich sind. Ich bin allen Forschenden, die Open Science mittragen, ehrlich dankbar. Die Recherche ist enorm einfacher geworden. Nicht so schnell wie mit heutigem KI-Einsatz, aber immerhin muss ich nicht mehr in der Bibliothek jeden Band einzeln scannen und Artikel Zeichen für Zeichen abtippen. Meine Dankbarkeit gegenüber der Open-Science-Bewegung ist tief; deshalb halte ich mich gerne an diese Normen.

Warum dich das angeht, auch wenn du nicht forschst

Du fragst dich vielleicht immer noch: Das klingt alles nach Wissenschaftsbetrieb. Was hat das mit mir als Leser·in zu tun?

Drei Dinge, konkret.

Du kannst Behauptungen selbst überprüfen. Zurück zum Anfangssatz. In einer FAIR-konformen Welt kannst du: die Studie finden (F), kostenlos herunterladen (A), den Datensatz in Excel oder mit freier Software wie R öffnen (I), und mithilfe der Dokumentation der Autorin die Rechnung selbst nachvollziehen (R). Wenn deine Zahl nicht mit der Studie übereinstimmt, ist allein das schon eine relevante Information.

Bürgerwissenschaft wird möglich. Früher hieß „Forschung betreiben” einen Doktortitel zu haben. Heute kommen immer mehr wissenschaftliche Beiträge von Amateur·innen — pensionierte Lehrer·innen, die Vögel beobachten, Schüler·innen, die Schmetterlingswanderungen dokumentieren, Hobbyastronominnen, die mit dem Handy den Sternenhimmel festhalten. Open Science erlaubt es diesen Beiträgen, wirklich in den wissenschaftlichen Kreislauf einzutreten — weil die Werkzeuge erreichbar sind, ohne dass man zunächst ein akademisches System betreten oder ein Haus verkaufen muss, um teure Geräte zu kaufen. (Ich habe von Menschen gehört, die ihr Haus verkauft haben, um humangenetische Sequenzierungen zu finanzieren. Vor solcher Entschlossenheit verneige ich mich wirklich.)

Wissenschaft wird rechenschaftspflichtiger. Wenn Daten und Code öffentlich sind, lassen sich Ergebnisse extern prüfen. Fehler werden schneller gefunden, Betrug ist schwieriger aufrechtzuerhalten. Für die wirklich bedeutenden Fragen unserer Zeit — Klimawandel, Arzneimittelsicherheit, Bildungspolitik — ist diese externe Prüfung für die ganze Gesellschaft von Wert, nicht nur für die akademische Zunft.

Aber „offen” ist nicht die ganze Antwort

Bevor dieser Essay endet, will ich einen Faden anlegen.

Open Science ist eine willkommene Veränderung — aber kein Allheilmittel. Wenn wir sagen „Daten sollen offen sein”, setzen wir stillschweigend voraus: Eine Institution (Universität, Forschungsprogramm, Verlag) darf einseitig entscheiden, wem die Daten gehören.

Für die meisten wissenschaftlichen Daten trifft diese Annahme zu. Klimadaten, chemische Reaktionen, Trainingskorpora für große Sprachmodelle — meistens werden durch ihre Veröffentlichung niemanden verletzt. Falls die Daten menschliches Verhalten betreffen, durchlaufen sie in der Regel eine sehr gründliche Anonymisierung.

Aus meiner früheren Arbeit in der Bioinformatik weiß ich das aus erster Hand. Ich konnte mühelos große Datensätze humangenetischer Sequenzen herunterladen — wissen, dass Gruppe A mit einer bestimmten Krebserkrankung diagnostiziert war und Gruppe B nicht. Aber ich kannte weder ihre Namen, noch wo sie wohnten.

Es gibt jedoch eine Kategorie von Daten, bei der das Bild ganz anders aussieht: Daten, die zu indigenen Gemeinschaften gehören — ihre Sprachen, Kulturen, ihr traditionelles Wissen.

Wenn eine Aufnahme einer bedrohten Sprache „offen veröffentlicht” wird, wer entscheidet, wie sie verwendet werden darf? Wenn das traditionelle Wissen einer Gemeinschaft in einem offenen Repository landet, darf jedes Unternehmen es kommerzialisieren? In solchen Fällen kann „offen” nicht mehr Ermächtigung sein, sondern eine weitere Form der Ausbeutung.

Genau deshalb haben vier Jahre nach der Formulierung der FAIR-Prinzipien — im Jahr 2020 — eine Gruppe von Forschenden zur Datensouveränität indigener Völker einen parallelen Rahmen vorgelegt: die CARE Principles.

Das ist Thema des nächsten Essays.

Und um zum Anfang zurückzukehren: Erhöht Rauchen wirklich das Risiko für Depressionen? Das überlasse ich Ihnen, selbst zu prüfen, indem Sie die Rechte nutzen, die Open Science Ihnen nun gewährt!

Weiterlesen

• arXiv (arxiv.org) — offenes Preprint-Repository für Physik, Mathematik, Informatik, Linguistik und mehr.
• bioRxiv und medRxiv — die biomedizinischen Entsprechungen.
• OSF (Open Science Framework) (osf.io) — integrierte Plattform für Daten, Vorabregistrierung und Preprints.
• Plan S (coalition-s.org) — Open-Access-Initiative europäischer und weiterer Forschungsförderer.
• Wilkinson, M. D., et al. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data 3, 160018.

Im nächsten Beitrag: Wenn „offen” auf indigene Daten trifft — was die CARE Principles sind, und warum sie neben den FAIR-Prinzipien stehen, nicht an deren Stelle.