Die Planungsphase eines Projekts wird meist von der inhaltlichen Konzeption und Herausforderungen bestimmt, die zur Erfüllung des Projektziels bewältigt werden müssen. Doch es ist wichtig, dass Datenproduzentinnen und -produzenten sich bereits in dieser initialen Projektphase mit den gewünschten Nachnutzungsszenarien für Menschen und Maschinen befassen. Sie erhöhen die Reichweite und Bedeutung der produzierten Forschungsdaten und dienen damit auch der wissenschaftlichen Reputation der Datenproduzierenden.
Die Anwendung der FAIR-Prinzipien hat Auswirkungen auf die Methoden, wie Daten zusammengestellt, modelliert und dokumentiert werden. Es hat Konsequenzen für Entscheidungen, in welchen Formaten die Speicherung erfolgt, wie die Daten aufbewahrt und weitergegeben und wie sie für die Weiterverwendung lizenziert werden. Von ihnen hängen zahlreiche weitere Schritte der Projekt- und Ressourcenplanung ab.
Doch die FAIR-Kriterien sollen nicht nur den Mehrwert von regulär publizierten Forschungsergebnissen maximieren. Die Anforderung der FAIRness richtet sich auch auf die Algorithmen, Werkzeuge und Arbeitsabläufe, die zur Erzeugung der Forschungsdaten geführt haben. Alle wissenschaftlichen digitalen Forschungsobjekte – von Daten bis hin zu Analysepipelines – sollen in den Prozess der FAIRification einbezogen werden, da alle Komponenten des Forschungsprozesses verfügbar sein müssen, um Transparenz, Reproduzierbarkeit und Wiederverwendbarkeit zu gewährleisten.
Der erste Schritt zur Nachhaltigkeit besteht darin, Ihr Projekt aus der Perspektive bestmöglicher Nachnutzbarkeit zu analysieren. Planen Sie dabei nicht zu eng nur auf konkrete und in nächster Zeit anstehende Nutzungsszenarien hin, sondern auch bereits auf mittelfristig oder langfristig angestrebte. Erwägen Sie, für welche Fragestellungen verwandter Fachrichtungen Ihre Daten auch interessant sein könnten. Priorisieren Sie ggf. bestimmte Nutzungsarten, um Ihre Aktivitäten skalieren zu können, wenn nicht alles mit den absehbar zur Verfügung stehenden Ressourcen umsetzbar ist. Diese mittel- und langfristigen Ausbaustufen brauchen Sie anfangs nur grob zu skizzieren, die Umsetzung dieser Ziele kann stufenweise erfolgen. Analysieren Sie aber sorgfältig, welche davon bereits Auswirkungen auf die Weichenstellungen am Anfang haben, und welche Konsequenzen für die anderen Stationen des Datenlebenszyklus aus Ihrer Schwerpunktsetzung folgen. Sie sehen dann klarer, welche Kriterien oder Aufgaben aufeinander aufbauen oder einander bedingen und können die Grundlagen für einen zukünftigen Ausbau und neue Nutzungen richtig legen.
Besonders in Gedächtnisinstitutionen, die die FAIRification ihrer Datenhaltung als internes Projekt planen, ist es sinnvoll, eine “FAIR Roadmap” aufzustellen, die Ziele und die zugehörigen Maßnahmen mit Prioritäten versieht. Besonderes Augenmerk sollte man auf die folgenden Themenbereiche legen, denn aus ihnen resultieren häufig eine Reihe von weiteren Aufgabenpaketen, die konkret geplant sein wollen:
Manche FAIR-Aktivitäten können von zeitlich und in der Aufgabenstellung klar begrenzten Forschungsprojekten von Anfang an relativ einfach in die Projektplanung einbezogen werden, sind aber nur mit sehr großem Aufwand in die kontinierliche Bestandserschließung zu integrieren. Dies gilt zum Beispiel für die sehr aufwändige retrospektive Aufarbeitung und Integration der Quellenmaterialien, die einer Bestandsdokumentation zugrunde liegen. Sie könnten zunächst eine nachgeordnete Priorität erhalten.