Open Science, Replikation und Forschungsintegrität

Kurzfassung online lesen #

Open Science, Replikation und Forschungsintegrität #

Detailkonzept #

Open Science macht Forschung prüfbarer, gerechter und anschlussfähiger - mit Schutzgrenzen für Datenschutz, Sicherheit, geistige Rechte und Missbrauch. #

Problem der alten Logik #

Open Science ist kein Selbstzweck. Sie dient der Prüfbarkeit, Beschleunigung, Gerechtigkeit, Replikation und Vertrauen. Der Grundsatz lautet: so offen wie möglich, so geschützt wie nötig. #

Wirkungsökonomische Neuausrichtung #

Replikation darf nicht als nachrangige Tätigkeit gelten. Sie ist eine eigene Wirkleistung, weil sie Scheinsicherheit reduziert und robuste Erkenntnis stärkt. #

Ausgestaltung und Schutzlinien #

Integrität braucht institutionelle Sicherung: Interessenregister, Drittmitteltransparenz, Replikationsfonds, Retraction-Transparenz, Methodendokumentation und Schutz vor politischer oder wirtschaftlicher Verzerrung. #

Dossier #

Beispiele und Datenquellen #

• Beispiel: Ein Replikationsfonds finanziert Nachprüfungen in Medizin, Klima, KI, Bildungsforschung und Sozialpolitik, wo falsche Befunde große Folgekosten erzeugen können.
• Datenquellen: OpenAIRE/EOSC, Repositorien, Retraction-Datenbanken, Förderberichte, Datenmanagementpläne, Präregistrierungsplattformen.
• Bewertung: Anteil offener Daten, Replikationsquote, Methodentransparenz, Interessenkonfliktstatus, Datenschutz- und Sicherheitsgrenzen.

Bewertungslogik #

Wirkungspfad, Datenqualität, Systemwirkung, Schutz/Rechte und Transformationswirkung werden getrennt ausgewiesen. #

Politische Anschlussfähigkeit #

Demokratische Ausgestaltung bleibt offen; verbindlich ist nur der Rahmen aus Prüfbarkeit, Grundrechten, Wissenschaftsfreiheit, Datenrechten und Korrektur. #

Zum Detailkonzept #

Open Science, Replikation und Forschungsintegrität #

Open Science macht Forschung prüfbarer, gerechter und anschlussfähiger - mit Schutzgrenzen für Datenschutz, Sicherheit, geistige Rechte und Missbrauch. #

Zielbild und Zweck #

Das Ziel dieses Unterbereichs ist eine Wirkungsarchitektur, in der open science, replikation und forschungsintegrität nicht isoliert betrachtet wird, sondern als Teil einer lernenden Gesellschaft. Der Unterbereich soll verständlich machen, welche Zustände sich verändern sollen, welche Daten dafür benötigt werden, welche Risiken entstehen und wie demokratische Korrektur möglich bleibt. Das Zielbild verbindet drei Ebenen: erstens Erkenntnis und Wahrheit, zweitens praktische Problemlösung und Innovation, drittens digitale und institutionelle Rückkopplung. Wirkung entsteht erst, wenn diese Ebenen miteinander verbunden werden. #

Ausgangslage und Problem der alten Logik #

Open Science ist kein Selbstzweck. Sie dient der Prüfbarkeit, Beschleunigung, Gerechtigkeit, Replikation und Vertrauen. Der Grundsatz lautet: so offen wie möglich, so geschützt wie nötig. Die alte Logik arbeitet oft mit Ersatzmaßstäben: Publikationszahlen, Drittmittel, Patentanzahl, Nutzerzahlen, Automatisierungsgrad, Cloud-Migration, Geschwindigkeit oder Marktwert. Diese Größen können wichtig sein, aber sie zeigen nicht, ob ein System zuverlässiger, gerechter, resilienter, freier oder zukunftsfähiger wird. Dadurch entstehen typische Blindleistungen: doppelte Datenerhebung, teure Berichtspflichten ohne Rückkopplung, innovationsfeindliche Bürokratie, technologische Scheinsouveränität, KI ohne Verantwortlichkeit oder Forschungsförderung ohne überprüfbaren Wirkungspfad. #

Wirkungsökonomische Bedeutung #

Replikation darf nicht als nachrangige Tätigkeit gelten. Sie ist eine eigene Wirkleistung, weil sie Scheinsicherheit reduziert und robuste Erkenntnis stärkt. Wirkungsökonomisch wird nicht gefragt, ob eine Maßnahme modern, effizient, digital oder wissenschaftlich beeindruckend wirkt. Gefragt wird: Welche Zustände verändern sich? Wer ist betroffen? Welche Nebenwirkungen entstehen? Wird negative Wirkung verschoben oder sichtbar? Wird die Gesellschaft lernfähiger? Die Bewertung erfolgt nicht aus privater Moral heraus, sondern über den Referenzrahmen der SDGs, der Agenda 2030 und SDG+. Positive Wirkung liegt vor, wenn Mensch, Planet und Demokratie gestärkt werden; negative Wirkung liegt vor, wenn ökologische Lebensgrundlagen, Teilhabe, Wahrheit, Rechtsstaatlichkeit oder digitale Selbstbestimmung geschwächt werden. #

Institutionelle und rechtliche Anforderungen #

Integrität braucht institutionelle Sicherung: Interessenregister, Drittmitteltransparenz, Replikationsfonds, Retraction-Transparenz, Methodendokumentation und Schutz vor politischer oder wirtschaftlicher Verzerrung. klare Verantwortlichkeiten für Daten, Modelle, Forschung, Prüfungen und Korrekturverfahren Schutz von Wissenschaftsfreiheit, Datenschutz, Grundrechten und digitaler Selbstbestimmung verhältnismäßige Pflichten für KMU, Start-ups, Hochschulen, Kommunen und öffentliche Einrichtungen unabhängige Integritäts-, Audit- und Beschwerdestrukturen transparente Finanzierung, Interessenkonfliktregister und Revisionszyklen #

Daten, WÖk-IDs und Indikatoren #

Der Unterbereich braucht ein mehrstufiges Datenmodell: Kontextdaten, Zielzustand, Wirkungsindikatoren, Datenqualität, Unsicherheit, Schutzbedarf und Rückkopplungspfad. WÖk-IDs können dabei als Adressierungssystem dienen, damit Daten nicht nur gesammelt, sondern standardisiert in Scorecards, NWI, T-SROI und politische Wirkungsberichte übersetzt werden. Datenebene Beispiele Zielzustand Welche konkrete Verbesserung soll eintreten? Wirkungsindikatoren Welche WÖk-IDs, SDGs und SDG+-Dimensionen sind betroffen? Datenqualität Herkunft, Aktualität, Unsicherheit, Auditierbarkeit, Schutzbedarf. Rückkopplung Welche Entscheidung ändert sich durch die Information? Korrektur Wie werden Fehler, Nebenwirkungen und neue Erkenntnisse eingearbeitet? #

Politische Anschlussfähigkeit #

Der Unterbereich beschreibt keinen fertigen Parteibeschluss. Er markiert einen Rahmen, innerhalb dessen unterschiedliche demokratische Ausgestaltungen möglich bleiben. Parteien können unterschiedliche Schwerpunkte setzen: starke öffentliche Infrastruktur, mehr Markt- und Start-up-Freiheit, stärkeres Vorsorgeprinzip, kommunale Pilotierung, offene Standards oder stärkere internationale Kooperation. Unverzichtbar bleibt jedoch: Wirkung muss sichtbar, überprüfbar und korrigierbar sein. Daten und Wissenschaft bereiten Entscheidungen vor, ersetzen sie aber nicht. Normative Zumutungen, Finanzierungsentscheidungen und Prioritäten bleiben demokratisch legitimiert. #

Risiken, rote Linien und Missbrauchsschutz #

keine Personenbewertung und kein Social Scoring keine Black-Box-Entscheidungen in kritischen Bereichen keine politische Instrumentalisierung von Wissenschaft keine Datenöffnung ohne Zweckbindung, Schutz, Rollenrechte und Kontrolle keine Innovationsförderung, die schwere negative Wirkungen verdeckt keine Wirkungsbehauptung ohne Datenqualität, Unsicherheitsangabe und Korrekturpfad #

Online- und Tool-Umsetzung #

Einzeldossier online lesen #

Dossier 2: Open Science, Replikation und Forschungsintegrität #

Open Science macht Forschung prüfbarer, gerechter und anschlussfähiger - mit Schutzgrenzen für Datenschutz, Sicherheit, geistige Rechte und Missbrauch. #

Anwendungsfälle #

Beispiel: Ein Replikationsfonds finanziert Nachprüfungen in Medizin, Klima, KI, Bildungsforschung und Sozialpolitik, wo falsche Befunde große Folgekosten erzeugen können. Datenquellen: OpenAIRE/EOSC, Repositorien, Retraction-Datenbanken, Förderberichte, Datenmanagementpläne, Präregistrierungsplattformen. Bewertung: Anteil offener Daten, Replikationsquote, Methodentransparenz, Interessenkonfliktstatus, Datenschutz- und Sicherheitsgrenzen. #

Datenquellen #

Quelle Nutzung Datenqualität Primärdaten aus Projekt, Labor, Plattform oder Verwaltung direkte Evidenz zum Wirkungspfad hoch, wenn auditierbar und dokumentiert Öffentliche Statistik, EU-/OECD-/UNESCO-Daten, Destatis/Eurostat Vergleich, Kontext, Benchmark mittel bis hoch, je nach Aktualität Open-Science-Repositorien und Replikationsdaten Prüfbarkeit und Reproduzierbarkeit hoch, wenn persistent und kuratiert Qualitative Praxisdaten und Beteiligung Nebenwirkungen, Zugang, Akzeptanz mittel, braucht Triangulation Modellannahmen und Szenarien Zukunftswirkung und Risiken niedrig bis mittel, stets als Annahme kennzeichnen #

Beispielhafte Bewertungsmatrix #

Kriterium Frage Score -3 bis +3 Wirkungspfad Ist die angestrebte Zustandsveränderung klar und plausibel? -3 schädlich / 0 unklar / +3 transformativ Datenqualität Sind Daten prüfbar, aktuell, geschützt und offen genug? -3 manipulativ / 0 lückenhaft / +3 auditierbar Systemwirkung Verändert das Vorhaben Rückkopplungen statt nur Ergebnisse? -3 verschärft Risiken / 0 isoliert / +3 systemisch lernend Rechte und Schutz Sind Grundrechte, Datenschutz, Freiheit und Teilhabe gesichert? -3 verletzt / 0 ungeklärt / +3 robust geschützt Korrektur Gibt es Revisionszyklen, Beschwerde und Fehlerlernen? -3 starr / 0 ad hoc / +3 lernfähig #

Beispielrechnung Modellfassung #

Gesamtprofil = 0.25*Wirkungspfad + 0.20*Datenqualität + 0.20*Systemwirkung + 0.15*Rechte/Schutz + 0.20*Korrektur/Transformation. Die Formel ist eine Arbeitsmatrix für Demonstrationen. Rote Linien wie nicht behebbare Diskriminierung, fehlende Rechenschaft oder wissenschaftliche Manipulation lösen eine manuelle Prüfung aus und dürfen nicht durch positive Einzelwerte kompensiert werden. #

Politische und organisatorische Umsetzung #

Umsetzung kann über Pilotprogramme, Reallabore, Förderkriterien, öffentliche Beschaffung, Hochschulstrategien, Forschungsdatenräume, KI-Sandboxes, Wirkungsberichte und unabhängige Evaluation erfolgen. Demokratisch offen bleiben Tempo, Zuständigkeit, Finanzierung und Verbindlichkeit. #

Tool- und Onlinebezug #

Geeigneter Tool-Anker: Open-Science- und Replikationscheck Verlinkung zu SDG-/SDG+-Referenzrahmen, Buchankern, Glossar, WÖk-IDs, Scorecards und verwandten Bereichen. #