Research Data Management (RDM) promises to make research outputs more transparent, findable, and reproducible. Strategies to streamline data management across disciplines are of key importance. This paper presents results of an institutional survey (N = 258) at a medium‐sized Austrian university with a STEM focus, supplemented with interviews (N = 18), to give an overview of the state‐of‐play of RDM practices across faculties and disciplinary contexts. RDM services are on the rise but remain somewhat behind leading countries like the Netherlands and UK, showing only the beginnings of a culture attuned to RDM. There is considerable variation between faculties and institutes with respect to data amounts, complexity of data sets, data collection and analysis, and data archiving. Data sharing practices within fields tend to be inconsistent. RDM is predominantly regarded as an administrative task, to the detriment of considerations of good research practice. Problems with RDM fall in two categories: Generic problems transcend specific research interests, infrastructures, and departments while discipline‐specific problems need a more targeted approach. The paper extends the state‐of‐the‐art on RDM practices by combining in‐depth qualitative material with quantified, detailed data about RDM practices and needs. The findings should be of interest to any comparable research institution with a similar agenda.

Within the FAIR Data Austria project, supported by the Federal Ministry for Education, Science, and Research (BMBWF), a national strategy has been established to advance the creation of tailored Data Stewardship solutions for the Austrian context. The strategy, formalized as a toolbox, delineates various Data Steward models, corresponding competencies, and accessible training resources. Despite the crucial role of Data Stewardship in supporting data-driven scientific research, Austrian universities encounter challenges in its implementation. Issues include lack of consensus on the skills, roles, and responsibilities of Data Stewards, coupled with insufficient funding for these positions. This article explores these challenges and emphasizes the importance of addressing them to promote effective Data Stewardship within the Austrian academic landscape.

Im April 2021 trafen sich die Projektmitarbeiter*innen von „FAIR Data Austria“ zu einem gemeinsamen Workshop, um die Kompetenzen der Data Stewards zu identifizieren und sie den drei Data Steward Modellen zuzuordnen. Diese Modelle wurden in einem vorangegangenen Workshop im Oktober 2020, im Hinblick auf den österreichischen Kontext, erarbeitet und bereits die Aufgaben und Profile der Data Stewards definiert. Im Vorfeld bereits erhobene Kompetenzen wurden von den Workshopteilnehmer*innen um neue Kompetenzen erweitert und/oder neue Aspekte hinzugefügt bzw. konkretisiert. In Gruppenarbeiten wurden die einzelnen Modelle mit den für sie passenden Kompetenzen aus dem Kompetenz-Pool gefüllt und im Plenum diskutiert. Die Data Stewards der TU Graz gaben Einblicke in ihre bisherige Arbeit und erklärten welche Kompetenzen ihrer Ansicht nach gebraucht bzw. gefordert werden. Mit den erarbeiteten Informationen sollen nun in einem nächsten Schritt geeignete Trainingsmodule erstellt werden, die maßgeschneidert auf die einzelnen Modelle angewendet werden können. Am Ende des Projekts soll ein Self-Assessment-Toolkit entstehen, welches alle Aspekte der Data Stewardship berücksichtigt und damit den Forschungseinrichtungen eine Orientierungshilfe gibt, welches Modell für sie am geeignetsten ist.

In einem Zeitalter, das von digitalen Informationen dominiert wird, ist ein effizientes Management von Forschungsergebnissen entscheidend. Als Pionierinitiative ist das Projekt FAIR Data Austria federführend bei der Entwicklung einer Kultur des Datenaustauschs und der Zusammenarbeit, die den Prinzipien Findability, Accessibility, Interoperability und Reusability (FAIR) verpflichtet ist. Das Projekt adressiert die Herausforderungen der FAIR Prinzipien - von technischer Komplexität bis hin zu kulturellen Barrieren - durch einen umfassenden Ansatz. Dieser umfasst Initiativen zum Kapazitätsaufbau, die Einbindung der Coomunity sowie die Entwicklung von Tools und Services, um FAIR-Forschungspraktiken zu erleichtern.

Dieser Artikel gibt einen Überblick über die Ziele und aktuellen Ergebnisse des FAIR Data Austria-Projekts. In Zusammenarbeit mit unseren Projektpartnern arbeiten wir an der Entwicklung und Etablierung von Tools für das Management des Lebenszyklus von Forschungsdaten, einschließlich maschinenverarbeitbarer Datenmanagementpläne (maDMPs), Repositories für die Langzeitarchivierung von Forschungsergebnissen, RDM-Schulungen und -Support-Services, Modelle und Profile für Data Stewards und das FAIR Office Austria.

Mit den Erkenntnissen aus zwei vorangegangenen Workshops, welche sich mit den Modellen für und Kompetenzen von Data Stewards beschäftigt hatten, trafen sich die „FAIR Data Austria“-Projektmitarbeiter*innen im Juli 2021 zu einem weiteren Workshop, um Ausbildungsangebote für Data Stewards an österreichischen Universitäten zu diskutieren. Zu diesem Zweck wurden vier Ausbildungsprogramme von jeweils einer teilnehmenden Person vorgestellt und im Anschluss in einzelnen Gruppen nach ihren Stärken und Schwächen, sowohl im Hinblick auf Eignung der gesamten Ausbildung für die Modelle als auch der einzelnen Schwerpunkte/Module innerhalb der Kurse, analysiert und bewertet. Dieser Workshop hat gezeigt, dass keiner der durchleuchteten Kurse geeignet ist, ein Modell vollständig abzudecken, wenn es darum geht, die gewünschten Kompetenzen zu vermitteln. Aus der Analyse resultieren Empfehlungen der Ausbildungsangebote für gewisse Modelle, welche nun gemeinsam mit den bisherigen Projektergebnissen in die Ausarbeitung eines Self-Assessment Tools zur Modellwahl für Forschungseinrichtungen fließen werden.