Die Bereitstellung von Forschungsdaten in frei zugänglichen Datenbanken („Repositories“) bietet sowohl für die Wissenschaft insgesamt als auch für einzelne Forschende erhebliche Vorteile. In einem aktuellen Artikel haben sich rund 90 Autorinnen und Autoren – darunter Kliniker, Wissenschaftler und Ingenieure, auch aus Deutschland, mit genau dieser Frage beschäftigt [1].
Im Kern geht es um eine ebenso einfache wie unbequeme Überlegung: Wenn medizinische Forschung durch öffentliche Mittel finanziert wird, sollte es dann nicht auch der Öffentlichkeit und der wissenschaftlichen Gemeinschaft möglich sein, nicht nur die Ergebnisse zu sehen, sondern auch deren Entstehung vollständig nachzuvollziehen?
Die Initiative steht im engen Zusammenhang mit Programmen wie dem Gold Standard Science (GSS) des US-amerikanischen National Institute for Health sowie dem FAIR-Prinzip (findbar, zugänglich, interoperabel, wiederverwendbar) und den TRUST-Prinzipien (Transparenz, Verantwortung, Nutzerorientierung, Nachhaltigkeit, Technologie). Ziel ist es, Transparenz, Reproduzierbarkeit und die Anwendung von Best Practices zu stärken, also genau die Voraussetzungen, die notwendig sind, um Forschung überprüfbar und weiterentwickelbar zu machen. Gleichzeitig gilt es, die Interessen der Primärforschenden zu berücksichtigen: Wer Daten erhebt, sollte die Möglichkeit haben, diese zunächst selbst auszuwerten und zu publizieren.
Ein erster, naheliegender Schritt ist die konsequente Offenlegung von Finanzierungsquellen und potenziellen Interessenkonflikten. Das schafft Vertrauen und ist eine zentrale Voraussetzung dafür, dass öffentliche Mittel weiterhin in die Forschung fließen. Transparenz wird damit nicht zur Kür, sondern zur Pflicht im Interesse eines echten wissenschaftlichen Fortschritts.
Bereits heute bieten viele Publikationen an, die zugrunde liegenden Studiendaten bereitzustellen. Dennoch gibt es hier noch erheblichen Verbesserungsbedarf. Notwendig sind unter anderem detaillierte Angaben zur Herkunft der Daten, klare Kennzeichnungsprotokolle, nachvollziehbare Schritte der Datenbereinigung, ein transparenter Umgang mit fehlenden Werten sowie gut strukturierte Datenwörterbücher und Versionierungen. Entscheidend dabei ist: Die Daten müssen nicht nur zugänglich, sondern auch qualitativ hochwertig, gut dokumentiert und tatsächlich wiederverwendbar sein.
Ein weiterer zentraler Punkt ist die Bereitstellung des Analyse-Codes. Ohne diesen ist es oft schwierig und manchmal unmöglich, die berichteten Ergebnisse zu überprüfen. Gemeint ist hier der konkrete Code, mit dem statistische Auswertungen durchgeführt wurden. Die Forderung ist daher klar: Neben Publikationen und Datensätzen sollten auch Analyse-Codes in offenen, versionierten Repositorien (z. B. GitHub oder GitLab) abgelegt werden, ergänzt um ausreichende Dokumentation, die eine echte Reproduzierbarkeit ermöglicht.
Dabei geht es nicht darum, bestehende Publikations- oder Datenstrukturen zu ersetzen, sondern sie sinnvoll zu ergänzen. Ein solcher Ansatz würde es Gutachtern und Lesern erleichtern, Ergebnisse zu prüfen und zu validieren. Gleichzeitig fördert er die Reproduzierbarkeit, ein zentrales Ziel moderner Wissenschaft. Gleichzeitig eröffnet dies neue Möglichkeiten für kollaborative Innovation. Forschende können bestehende Analysen auf neue Fragestellungen übertragen, ihre Sichtbarkeit erhöhen und ihre Glaubwürdigkeit stärken. Transparenz wird damit selbst zu einer Währung wissenschaftlicher Qualität. Gleichzeitig darf aber nicht übersehen werden, dass ein erzwungener Grad an Transparenz auch unbeabsichtigte Nebenwirkungen haben kann, wie etwa zusätzlichen Aufwand oder Unsicherheiten im Umgang mit sensiblen Daten.
Fazit: Richtig umgesetzt, stärkt mehr Offenheit auch Vertrauen, Reproduzierbarkeit und wissenschaftlichen Fortschritt, ohne dabei ethische, rechtliche und datenschutzrechtliche Grenzen zu überschreiten. Die entscheidende Frage bleibt jedoch: Reicht es, Transparenz nur zu empfehlen oder ist es an der Zeit, sie verbindlicher einzufordern? Moderne Open-Source-Tools liefern längst die technischen Voraussetzungen. Nun geht es darum, den nächsten Schritt zu definieren.
- Klonoff DC, Espinoza J, Mader JK, Heinemann L, Cobelli C, Kerr D, et al. Research Code Sharing in Support of Gold Standard Science. J Diabetes Sci Technol. 2026:19322968251391819. Epub 20260114. doi: 10.1177/19322968251391819. PubMed PMID: 41532590.
Mit freundlichen Grüßen
