Jump to ContentJump to Main Navigation
Show Summary Details
More options …

Bibliothek Forschung und Praxis

Ed. by Bonte, Achim / Degkwitz, Andreas / Horstmann, Wolfram / Kaegbein, Paul / Keller, Alice / Kellersohn, Antje / Lux, Claudia / Marwinski, Konrad / Mittler, Elmar / Rachinger, Johanna / Seadle, Michael / Vodosek, Peter / Vogt, Hannelore / Vonhof, Cornelia

Online
ISSN
1865-7648
See all formats and pricing
More options …
Volume 37, Issue 2

Issues

Zahlen, Daten, Fakten – ein Forschungsinformationssystem als Grundlage des Qualitätsmanagements für die Forschung am Karlsruher Institut für Technologie (KIT)

Dr. Philipp Fondermann / Dominique Köppen
Published Online: 2013-07-08 | DOI: https://doi.org/10.1515/bfp-2013-0026

Zusammenfassung

Der Beitrag zeigt zunächst, wie sehr ein Qualitätsmanagement-Regelkreis für die Forschung auf die Dokumentation von Forschungsinformationen mithilfe eines Forschungsinformationssystems (FIS) angewiesen ist. Nach einem Überblick über die generellen Einsatzmöglichkeiten dieser Systeme wird als Fallstudie das Projekt KIM-FIS vorgestellt, in dessen Rahmen die Bibliothek des Karlsruher Instituts für Technologie (KIT) derzeit ein Forschungsinformationssystem als Grundlage eines Qualitätsmanagements für die Forschung implementiert.

Abstract

The contribution shows, to what extent a Quality-Management for Research and Development depends on documentation of current research information using a Current Research Information System (CRIS). As a case study the project KIM-FIS, in which the library of the Karlsruhe Institute of Technology (KIT) is implementing a CRIS as a fundament for an R&D-Quality Management, is introduced.

Schlüsselwörter: Qualitätsmanagement; Qualitätsmanagement-Regelkreis; Forschungsinformationen; Forschungsinformationssystem; Current Research Information System

Keywords: Research information; Current Research Information System (CRIS); quality management; Research and Development (R&D)

1 Measurement und Management im Qualitätsmanagement-Regelkreis

Wissenschaft braucht Management, und Management braucht Measurement. Das gilt heute auch und in immer stärkerem Maße für Hochschulen und andere Forschungseinrichtungen.

Diese Position hat sich in der Wissenschaftspolitik weitgehend durchsetzen können und prägt heute die Rahmenbedingungen des Wissenschaftssystems. Wesentliche mit dieser Position verbundene Schlagworte sind: institutionelle Autonomie, Wettbewerb, leistungsorientierte Mittelverteilung, New Public Management, Effizienz, Evaluation, Transparenz.1

Daher befassen sich viele Hochschulen derzeit mit der Implementierung eines institutionalisierten Qualitätsmanagements für die Forschung. Die meisten Konzepte sehen einen sogenannten ‚Regelkreis‘ mit den drei Phasen (1) Informationsgewinnung (2) Evaluation und (3) FollowUp vor.2 Stets muss dabei in einem ersten Schritt durch Gewinnung, Dokumentation und Aufbereitung sogenannter ‚Forschungsinformationen‘ über die wissenschaftlichen Aktivitäten und Ergebnisse der Institution und ihrer Teile Transparenz hergestellt werden. Unter Forschungsinformationen versteht man dabei Meta-Daten zu Publikationen, Projekten, Patenten, Partnern, Promotionen und Preisen. Verbreitet ist das Diktum von den „6 magischen Ps“.3 In einem zweiten Schritt werden diese zunächst überwiegend quantitativen Informationen einer Qualitätsbeurteilung durch interne wie externe Instanzen auf Grundlage verabredeter, häufig fachspezifischer Qualitätskriterien zugeführt, um die Zahlen zum Sprechen zu bringen. Was geeignete Indikatoren für Qualität in den verschiedenen Wissenschaftsdisziplinen sind, bleibt umstritten,4 in der Regel werden aber zu den Quantitäten Bezugsgrößen und Schwellenwerte wie Zielvereinbarungen, Benchmarks, Ressourcen, Impact etc. in Beziehung gesetzt. Fast immer ist im dritten und letzten Schritt ein Follow Up, also ein qualifiziertes und konstruktives Feedback durch die strategisch verantwortliche Ebene, vorgesehen. Dieser Regelkreis beziehungsweise -zyklus, der das präzise Zusammenspiel zahlreicher Instanzen, Mechanismen und Infrastrukturen voraussetzt, wird häufig von speziellen Stabsstellen oder Dienstleistungseinheiten, die Bewertungskompetenz hinzuziehen oder selbst aufbauen, koordiniert.

Die erwähnte Gewinnung von Forschungsinformationen am Beginn des QM-Zyklus kann nur mithilfe einer integrierten und serviceorientierten IT-Infrastruktur, in diesem Fall mithilfe eines sogenannten Forschungsinformationssystems, erfolgen.

2 Forschungsinformationssysteme

2.1 Steigende Nachfrage und wachsendes Angebot

Informationen über ihr Personal und ihre Finanzen erhalten die Hochschulen nach der Umstellung von Kameralistik auf Doppik aus sogenannten Enterprise-Resource-Planing-Applikationen wie SAP. Zu Studium und Lehre lassen sich schon seit Längerem aus Campus-Management-Systemen, die alle wesentlichen Prozesse des Student Lifecycle von der Bewerbung um einen Studienplatz bis zur Graduierung unterstützen, Informationen gewinnen. Nur im Betätigungsfeld Forschung und Innovation, mithin einem Kerngeschäft der Hochschulen und außeruniversitären Forschungseinrichtungen, sind konsistente Informationen über die Forschungsaktivitäten und -ergebnisse der Einrichtung und ihrer Teile bis heute in der Regel nur mühsam zu gewinnen, da sie lediglich lokal, isoliert und in sehr unterschiedlicher Quantität und Qualität dokumentiert sind.

2.2 Funktionsweise

Die Performance eines FIS beruht in erster Linie auf einer Datenintegrationsleistung, bei der sich grob drei Kernprozesse unterscheiden lassen: (1) die Datenerhebung, also das Zusammenziehen von Daten aus verschiedenen internen und externen Quellen, (2) das sogenannte Mapping, also die Zuordnung der Daten auf unterschiedliche Strukturen und Teile der Organisation, und schließlich (3) die Aufbereitung und Erschließung der Forschungsinformationen für unterschiedliche Stakeholder innerhalb und außerhalb der Organisation.

2.2.1 Datenerhebung aus internen und externen Quellen

Während der Datenerhebung gelangen Informationen auf verschiedenen Wegen ins System. Zum einen sammelt das FIS selbsttätig Informationen über die zur Organisation und ihren Wissenschaftlern affiliierten Forschungsaktivitäten und -ergebnisse durch eine automatisierte Synchronisierung des Mengendatenbestands mit verschiedenen externen Datenquellen. Im Fall der Publikationen sind das beispielsweise Web of Science, Scopus, PubMed oder die DNB. Aber auch bei Projekten und Patenten werden externe Datenquellen zur Vervollständigung des Bildes genutzt. Leitend bei der Identifizierung von zur eigenen Organisation gehörigen Daten sind bislang zumeist Eigenname und Affiliierung, also Instituts- und Institutionszugehörigkeit des Wissenschaftlers. Verlässlicher wird das Mapping jedoch durch Nutzung einer der gängigen Researcher-IDs respektive einer Meta-Researcher-ID, die, wenn sie auch im lokalen FIS bekannt ist, die Genauigkeit beim automatisierten Import signifikant erhöht.5 Zum anderen fallen Informationen im Rahmen von Serviceworkflows, also der systemgestützten Interaktion der Nutzer mit Dienstleistern an: Nur ein Beispiel ist ein Antrag auf Projektförderung über das FIS, durch den schon vor Projektbeginn alle Eckdaten ins System gelangen. Die Möglichkeit der manuellen Ergänzung des Datenbestands durch sämtliche Nutzerrollen schließlich besteht jederzeit, wobei in der Regel ein Doublettencheck erfolgt und in Einzelfällen zusätzliche Qualitätssicherungsprozesse ablaufen müssen.

Durch die kombinierte Nutzung interner wie externer Datenquellen können entsprechend leistungsfähige lokale Installationen die Partikularsichten einzelner externer Repositorien überwinden und eine Art Meta-View auf die Leistungen einer Person oder Institution gewinnen.

2.2.2 Mapping auf Aufbauorganisation und Matrixstrukturen

In der Phase des sogenannten Mappings von Informationen werden die Mengendaten gegen verlässliche Personal- und Organisationsdaten auf die verschiedenen Ebenen und Instanzen der Aufbauorganisation, also beispielsweise zu Person, Teilinstitut, Institut und Fakultät beziehungsweise Department, sowie auf etwaige querliegende Strukturen, also fakultäts- oder bereichsübergreifende Forschungsverbünde innerhalb der Organisation, automatisiert oder teilautomatisiert aggregiert. Diese logische Operation nimmt ihren Ausgang von der Verknüpfung eines Forschungsdatums mit einem einzelnen Wissenschaftler. Aus dessen Affiliierung, also seiner organisatorischen Zugehörigkeit, wie sie beispielsweise mithilfe eines Identitätsmanagement-Systems aus dem personalführenden System ans FIS gemeldet wird, lässt sich eine Publikation einem Institut und idealiter auch einer seiner Binnenstrukturen zuordnen. Wenn nun aus dem Organisations-Management – idealiter sind diese Stammdaten wie auch die zum Personal im ERP-System autoritativ hinterlegt – zusätzlich bekannt ist, wie das betreffende Institut in der Aufbauorganisation eingebettet ist, wird auch eine Aufwärtsaggregierung möglich. Zusätzlich können beispielsweise Projekte, Publikationen und Patente, sofern eine Relation hergestellt wurde, auch untereinander in Beziehung gesetzt werden, sodass eine dreidimensionale Matrix, ein sogenannter ‚Würfel‘ entsteht.

2.2.3 Aufbereitung und Erschließung für verschiedene Stakeholder

Im letzten Schritt erzeugt das System für seine zahlreichen Stakeholder auf Grundlage eines komplexen Rechte- und Rollen-Konzepts unterschiedliche Sichten: Der einzelne Wissenschaftler sieht in einem individuellen Profil den Datenraum seiner Forschungsergebnisse und kann die Informationen beispielsweise zur Erstellung eines CV oder einer Publikationsliste nutzen. Institutsleiter und ihre Stäbe sehen den Datenraum ihres Instituts und können die Informationen zur informierten Steuerung oder zur komfortablen Erstellung verschiedenster Berichte nutzen. Die Stabsstellen und Dienstleistungseinheiten der Zentraladministration erhalten Informationen über den für Sie relevanten Bereich, die Forschungsförderung beispielsweise zu Forschungsprojekten, die Bibliothek zu Publikationen oder die Abteilung Internationales zu internationalen Forschungskooperationen.

Nicht zuletzt besteht die Möglichkeit, Informationen über Forschungsaktivitäten und -ergebnisse im World Wide Web darzustellen. Zum einen können Institute und andere Einheiten, in denen Forschung und Innovation koordiniert sind, die ihnen zugeordneten Ergebnisse im Rahmen ihrer Website automatisiert und tagesaktuell darstellen. Zum anderen kann die Organisation ein alle Leistungen der Institution zusammenfassendes Forschungsportal6 aufsetzen, in dem auch die interessierte Öffentlichkeit sich über die Aktivitäten und Ergebnisse der Personen, Institute und Forschungsfelder der Einrichtung informieren kann.

2.3 Next Generation CRIS

Die Softwareprodukte haben sich in den letzten Jahren enorm schnell weiterentwickelt, und die Anbieter innovieren ständig. Aktuelle Trends in der IT, die auch auf Forschungsinformationssysteme gewirkt haben und wirken, sind etwa Social Media, Unified Communication & Collaboration (UCC), Next Generation Business Intelligence (BI) oder Mobile IT. Diese Entwicklungen sind überwölbt vom Mega- bzw. Metatrend der Konvergenz, also der Verschmelzung zuvor separater Anwendungen und Funktionalitäten zu multifunktionalen Hardware- und Softwarelösungen.

Die Forschungsinformationssysteme der neuesten Generation7 sind tief in lokale integrierte und Service-orientierte Architekturen eingebettet und interagieren sowohl mit einem Identity Management, aus dem sie Personal- und Organisations-Stammdaten beziehen, als auch mit anderen großen Anwendungen wie beispielsweise einem Campus Management System8 oder einem Business Warehouse. Leistungsfähige Social-Media-Funktionalitäten erlauben es Wissenschaftlern, direkt aus ihrem FIS-Profil heraus mit anderen Wissenschaftlern zu kommunizieren und sogar Primärdaten ähnlich wie in Virtual Research Environments auszutauschen.9 Auch was Reporting und Business Intelligence betrifft, sind Forschungsinformationssysteme heute teils sehr leistungsfähig in Bezug auf die Suche, Filterung und Auswertung der Mengendaten. Die Softwareergonomie ist aktuellen Standards angeglichen, und die Systeme und Dienste sind inzwischen auch auf Mobile Devices wie Smartphones und Tablets verfügbar.

Mit den Potenzialen eines ‚Next Generation CRIS‘ kann der gesamte Forschungszyklus, auch Scientific Lifecycle genannt, auf einer integrierten Plattform unterstützt werden (Abb. 1).

: Rund um den Scientific LifecycleZum hier zugrundegelegten Science-Lifecycle-Modell vgl. Fondermann; Höllrigl (Anm. 8) S. 123.
Abb. 1

: Rund um den Scientific Lifecycle10

Die Reporting- und Business-Intelligence-Komponenten eines FIS, die in Abb. 1 nicht dargestellt sind, dürfen dabei nicht als Teil des Science-, sondern des Science-Management-Lifecycle gesehen werden, der aus den fünf Phasen (1) Managemententscheidung (2) Ressourcenzuweisung (3) Forschung (4) Resultate (5) Evaluierung besteht und im QM-Regelkreis seine vergröberte Variante hat.

2.4 Internationalisierung und Standardisierung

Teil gleich mehrerer Empfehlungen des Wissenschaftsrates zur Bewertung und Steuerung von Forschungsleistung ist nicht nur die Ausprägung lokaler Infrastrukturen zur Dokumentation von Forschungsaktivitäten und -ergebnissen, sondern auch die Entwicklung institutionsübergreifender Strukturen und Standards:

Der Wissenschaftsrat empfiehlt eine rasche, möglichst länderübergreifende Verständigung über Mindeststandards der Datenerhebung und eine Harmonisierung der vielerorts noch im Aufbau befindlichen Berichtssysteme an Hochschulen und außeruniversitären Einrichtungen.11

In Deutschland engagiert sich eine jüngst ins Leben gerufene Arbeitsgruppe der Deutschen Initiative für Netzwerkinformation (DINI) für eine Standardisierung von Forschungsdaten.12 Auf europäischer Ebene hat sich die European Organisation for International Research Information (EuroCRIS)13 in den letzten Jahren sehr um die Erarbeitung des weltweit immer mehr Anhänger findenden, auch vom Wissenschaftsrat zur Verwendung empfohlenen14 Common European Research Information Format (CERIF)15 verdient gemacht. Derzeit wird in EuroCRIS durch eine enge Zusammenarbeit mit dem US-amerikanischen Consortia Advancing Standards in Research Administration Information (CASRAI)16 am Zusammenschluss der Konzepte beider Partner zu einem globalen Datenmodell gearbeitet.

3 Das Implementierungsprojekt

3.1 Das Karlsruher Institut für Technologie (KIT)

Das KIT17 entstand 2009 aus der Fusion der ehemaligen Universität Karlsruhe (TH) mit dem etwa 10 km entfernten, bei Eggenstein-Leopoldshafen gelegenen ehemaligen Forschungszentrum Karlsruhe. Das KIT – zugleich Universität des Landes Baden-Württemberg und Forschungszentrum der Helmholtz-Gemeinschaft – ist heute eine der größten Forschungseinrichtungen Europas mit über 9.000 Mitarbeitern, rund 400 Professoren, annähernd 24.000 Studierenden und beinahe 800 Millionen Euro Jahresbudget.

3.2 Projekt KIM-FIS – Zahlen, Daten, Fakten

Ein erklärtes Ziel der von einem hauptamtlichen, rein strategisch operierenden Chief Information Officer18 entwickelten Struktur- und Entwicklungsplanung des KIT für die Informationsversorgung und -verarbeitung19 ist die sukzessive Ablösung der ‚gewachsenen‘ heterogenen Applikationslandschaften in den drei großen Geschäftsfeldern HR und Finance, Studium und Lehre sowie Forschung und Innovation durch lediglich drei aufeinander abgestimmte und über ein integriertes Identitätsmanagementsystem20 miteinander verbundene große Anwendungssysteme. Jedes dieser Großprojekte ist ein wichtiger Baustein im Konzept des Karlsruher Integrierten Informationsmanagements (KIM).

Bereits 2010 entschied das Präsidium des KIT daher für den Aufbau eines Forschungsinformationssystems im Rahmen des Projekts KIM-FIS. Das Label ‚KIM‘ als Akronym für ‚Karlsruher Integriertes Informationsmanagement‘ verpflichtet die Projektverantwortlichen zur Orientierung an den Prinzipien des Integrierten Informationsmanagements, denen das KIT beim Ausbau seiner IT-Infrastrukturen für die Informationsversorgung und -verarbeitung konsequent folgt.21 Ziel des Projekts KIM-FIS ist die Gewinnung verlässlicher Informationen über die Forschungsaktivitäten und -ergebnisse des KIT und seiner Teile. Mittel ist die Ablösung der heterogenen und redundanten Infrastrukturen zur Dokumentation von Forschungsinformationen zugunsten eines großen, zentral betriebenen hochverteilten Systems. Mit ihm interagieren im Zielzustand alle ca. 140 Institute des KIT als Mandanten, validieren automatisiert importierte Informationen, pflegen Daten manuell ein und nutzen ihre Partikularsicht für Reports und Öffentlichkeitsarbeit. Zugleich laufen alle Informationen zentral zusammen und erlauben auch übergeordnete Sichten und Auswertungen durch die zentrale Administration. Im Rahmen eines aufwendigen und transparenten Anbieterauswahlverfahrens entschied sich eine 20-köpfige Auswahlkommission, in der alle Stakeholder vertreten waren, für die Software CONVERIS© der AVEDAS AG als Plattform.

Koordiniert wird die Implementierung von einer der Bibliothek (BIB) zugeordneten, hauptamtlichen Projektleitung. Die Erarbeitung der Fachkonzepte zur Erhebung und Verarbeitung von Publikations-, Projekt- und Technologietransferdaten erfolgt in Fach-Arbeitsgruppen, die von den jeweils zuständigen Dienstleistungseinheiten, also der Bibliothek (BIB), der Forschungsförderung (FOR) und der Abteilung Innovationsmanagement (IMA), zusammengestellt und geleitet werden. Hinzu kommen eine Arbeitsgruppe Berichtswesen (BW), in der eine Auswahl der wichtigsten Stakeholder der Reportingfunktionalitäten des Systems vertreten ist, sowie eine Arbeitsgruppe Integration (INT), die zu den Fachkonzepten die IT-Konzepte erarbeiten hilft.

Das Projekt KIM-FIS zerfällt insgesamt in zwei Phasen: Im Rahmen der Phase I wurden zunächst Publikationen und Projekte im System erfassbar gemacht. In der anstehenden Phase II, die vom Ministerium für Wissenschaft und Kunst des Landes Baden Württemberg gefördert wird, stehen u. a. die Themen Innovation (INNO) und Berichtswesen (BW) zur Bearbeitung an. Das Modul INNO wird zu Publikationen und Projekten mit den Patenten ein weiteres wichtiges ‚P‘ hinzufügen. Im Modul Berichtswesen (BW) soll das FIS des KIT zur autoritativen Quelle für Forschungsinformationen und damit u. a. zur Grundlage eines Qualitätsmanagements für die Forschung am KIT ausgebaut werden.

4 Die KIT-Bibliothek als (Forschungs-) Informationsversorger

4.1 Vorbemerkung

Die Zuständigkeiten der Universitätsbibliotheken haben sich in den letzten Jahren rapide ‚entgrenzt‘. Eine moderne Universitätsbibliothek ist heute für die Bereitstellung relevanter Informationen und Services in allen Phasen des Scientific Lifecycle verantwortlich.22 Entsprechend strebt die KIT-BIB eine Unterstützung des gesamten Forschungszyklus „von der Bereitstellung ubiquitärer Information über die Schaffung komfortabler virtueller Arbeitsumgebungen und modernster Publikationsservices für den Transfer in den wissenschaftlichen Fachdiskurs bis zur multimedialen Verbreitung in Form von Lehrinhalten für Studierende“23 an und fühlt sich als Informationsversorger im besten Sinne auch für die Gewinnung, Dokumentation und Aufbereitung von Forschungsinformationen jedweder Art zuständig.

4.2 Dienste für Frontend und Backend

4.2.1 Dienste im Frontend – die Wissenschaftler

4.2.1.1 Publikationen

Wissenschaftlern bietet die KIT-BIB mithilfe des FIS eine Reihe von Services im Zusammenhang mit der Dokumentation und Nutzung von Publikationsdaten an. Dazu gehört zuallererst die möglichst automatisierte, vollständige Erhebung aller Publikationen des KIT und ihre Zurverfügungstellung an Wissenschaftler, ohne dass diese die Daten selbst hätten erheben müssen. Möglich wird das durch die nächtliche Synchronisierung mit externen Datenbanken und das intelligente Mapping gegen die HR- und ORGA-Stammdaten. Parallel zum Implementierungsprojekt erweitert das KIT im Rahmen des Entwicklungsprojekts FIS Open Access Repository (FIS-OAR) das FIS in enger Zusammenarbeit mit dem Anbieter um Komponenten zur Verwaltung von Volltexten, um so die teils historisch gewachsene Trennung zwischen Forschungsdaten und Repositorien zu überwinden. Die im System verwalteten Volltexte werden auf Grundlage eines Schalenmodells weltweit, campusweit oder auch nur intern publiziert. Durch Schnittstellen zum Beispiel zu SHERPA/RoMEO werden zudem Verbindungen zu anderen Open-Access-Projekten und -Plattformen geschaffen. Das Projekt ist ein wichtiger Baustein in der Open-Access-Strategie des KIT,24 das im Oktober 2011 als erste deutsche Forschungseinrichtung den internationalen Compact for Open Access Publishing Equity (COPE)25 unterzeichnete und sich damit in die Reihe prominenter Förderer des zukunftsträchtigen Open-Access-Publikationswegs eingereiht hat. Ein weiterer via FIS angebotener Dienst ist die künftig elektronische Antragstellung zur Genehmigung einer Publikation, zu der die Wissenschaftler des Großforschungsbereichs des KIT bis heute verpflichtet sind (s. u.). Sobald der Antrag durch die Institutsleitung genehmigt ist, geht der Datensatz in den Publikationenbestand ein. Auf Datenqualität wird dabei größter Wert gelegt: In allen Fällen – ob automatisierter Import, manuelle Eingabe oder Antrag auf Genehmigung zur Publikation – durchlaufen die bibliographischen Daten einen Qualitätssicherungsprozess, in dessen Verlauf von Bibliotheksmitarbeitern geprüft wird, ob die Angaben bibliothekarischen Standards entsprechen.26

Was Quantität und Qualität von Publikationsdaten betrifft, war und ist die Ausgangslage am KIT übrigens gut: Vor allem im Großforschungsbereich der Organisation, der der Helmholtz-Gemeinschaft deutscher Forschungszentren angehört, gibt es schon lange eine Nachweispflicht für Forschungsaktivitäten und -ergebnisse im Rahmen der sogenannten Programmorientierten Förderung (PoF), dem Mittelverteilungsmechanismus der HGF. Zudem sind dem Großforschungsbereich des KIT zugehörige Wissenschaftler einer Publikationsordnung unterworfen, die die Vorlage jeder Publikation vor der Veröffentlichung zur Genehmigung bei der Institutsleitung verlangt. Das führt in der Publikationsdatenbank für den Großforschungsbereich bereits heute zu einem Erfassungsgrad von annähernd 90 Prozent. Die Abdeckungsrate für den Universitätsbereich ist wegen des Fehlens der o.g. Zwänge mit geschätzten 60 Prozent naturgemäß niedriger, hier hängt alles vom Recherchefleiß der BIB und der Bereitschaft der Wissenschaftler zur Meldung einer Publikation ab.

4.2.1.2 Projekte

Die Forschungsförderung (FOR) versteht sich als zentraler Dienstleister im Zusammenhang mit der Einwerbung von drittmittelgeförderten Projekten. Entsprechend plant FOR eine Unterstützung großer Teile des Project Lifecycle von der Antragstellung über die Bewilligung bis zu Durchführung und Abschluss anhand des Forschungsinformationssystems. Ähnlich wie im Fall der Beantragung einer Publikation zur Genehmigung werden in diesem Fall bereits zu einem frühen Zeitpunkt zu allen geplanten Projekten Datensätze angelegt, die nach einer Bewilligung in die Projektdatenbank überführt werden. Die Informationen finden sich dann umgehend auf den Projektlisten der Projektbeteiligten und auf Wunsch auch in den jeweiligen Web-Profilen, ohne dass der bislang übliche Mehrfachaufwand zur Datenerfassung für verschiedene Zwecke anfällt.

4.2.2 Dienste im Backend – Zentralverwaltung und Wissenschaftsmanager

4.2.2.1 Stakeholder

Für die Leitung und die zentralen Dienste des KIT einerseits und die lokal verantwortlichen Wissenschaftsmanager in den Instituten und internen Forschungsverbünden andererseits soll KIT-FIS durch Steigerung der Datenquantität, -qualität und -konsistenz eine verlässliche Grundlage für die Beurteilung der wissenschaftlichen Leistungsfähigkeit des eigenen Verantwortungsbereichs, die Erarbeitung strategischer Entscheidungen, ein effizienteres akademisches Controlling, Berichtswesen und Qualitätsmanagement sowie noch bessere Platzierungen des KIT in den wichtigsten Hochschulrankings schaffen helfen. Entsprechend soll das FIS im Modul BW befähigt werden, diejenigen Instanzen, die in besonderer Weise auf verlässliche Informationen über die Forschungsaktivitäten und -ergebnisse des KIT angewiesen sind, bei der Gewinnung, Aggregierung und Darstellung von Informationen zu unterstützen.

4.2.2.2 Reporting und Business Intelligence

Grundlage für die Realisierung von Reporting- und BI-Diensten ist natürlich zunächst eine hinreichende Datenquantität und -qualität. Hinzukommen müssen Software-Funktionalitäten, die eine möglichst flexible Betrachtung und Auswertung dieser Mengendaten durch Backend-Nutzer, v. a. Wissenschaftsmanager und Zentralverwaltung, ermöglichen.

Einerseits muss dafür das automatisierte und verlässliche Mapping von Forschungsinformationen auf die vertikale Achse, also die Ebenen der Aufbauorganisation vom Wissenschaftler über Teilinstitut und Institut bis hin zu Fakultät oder Department sichergestellt werden. Dafür braucht es sowohl korrekte Informationen zur Teilinstituts- und Institutszugehörigkeit der Wissenschaftler als auch korrekte Informationen über die Einbettung der einzelnen Institute in der Aufbauorganisation. Andererseits muss ein Mapping auf die horizontale Achse, also allfällige Matrixstrukturen wie die KIT-Zentren und die Helmholtz-Programme, an denen sich das KIT beteiligt, ermöglicht werden. Zuletzt ist die Fächerklassifikation für Reporting und BI von großer Bedeutung: Zusätzlich zur etablierten DDC-Klassifizierung soll die Referenzierung von Forschungsleistungen auf die Fächermatrix des Statistischen Landesamtes möglich werden, denn in diesem System werden auch HR- und Financedaten klassifiziert. So würde eine Zuweisung von Inputfaktoren und Outputdaten auf eine Fächermatrix möglich werden. Ein automatisiertes Mapping von Forschungsinformationen auf die horizontale Achse, also Zentren, HGF-Programme und Fächer, ist schwierig, denn das Wissen über die Zugehörigkeit des einzelnen Datums ist in der Zentralverwaltung nicht vorhanden und kann auch im System nicht hinterlegt werden. Daher wird hinsichtlich des Matrixstrukturen-Mappings derzeit ein Modell favorisiert, in dem die Institutsleitung verpflichtet wird, Forschungsergebnisse ihres Instituts regelmäßig manuell oder teilautomatisiert zuzuweisen. Am Ende gehören Forschungsdaten immer mindestens einem Institut, können aber darüber hinaus je nachdem zu bis zu n Matrixstrukturen gehören und in deren Bilanzen und Berichten erscheinen.

Die Bedarfsermittlung zum Modul BW hat gezeigt, dass Wissenschaftsmanager und ihre Stäbe in den meisten Fällen für die Berichtserstellung Rohdaten, etwa einen MS Excel Export, gegenüber aggregierten Daten bevorzugen. Als Grund wird die größere Flexibilität bei der weiteren Erschließung, Ordnung und Aufbereitung der Informationen angegeben, und wirklich konnten die marktüblichen Forschungsinformationssysteme mit ihren oft eingeschränkten Filter-, Such- und Aggregierungsfunktionalitäten noch nicht jedes Erkenntnisinteresse befriedigen. Jedoch haben sogenannte Reporting Engines der neuesten FIS-Generation die flexible Parametrisierung von Berichten erheblich erleichtert und stellen – vorausgesetzt, die Mengendatenquantität und -qualität im System lässt es zu und die Daten können gegen verlässliche Stammdaten gemappt werden – nahezu unbegrenzte Möglichkeiten zur Konfiguration von Reports zur Verfügung.

4.2.2.3 Business-Intelligence-Engine

Das KIT implementiert die BI-Engine der Software CONVERIS© 5 und wird sie zunächst dem sogenannten Präsidialstab als der mit Reporting, Controlling und Qualitätsmanagement für die Forschung befassten Stabsstelle sowie einigen Wissenschaftsmanagern zur Verfügung stellen.

: Startseite BI-Engine von CONVERIS©
Abb. 2

: Startseite BI-Engine von CONVERIS©

Das Tool erlaubt die Erstellung von dreierlei Berichten: Zum einen lassen sich Reports, also Listen- und Tabellendarstellungen nach einer Such- und Filteroperation erstellen. Dabei handelt es sich in landläufiger Unterscheidung um nicht-aggregierte Daten. Aggregiert, also aufbereitet, sind hingegen die Darstellungen der Analysis, die die Generierung eines Sets verschiedener Charts zur Visualisierung von Entwicklungen von Quantitäten beziehungsweise Anteiligkeiten für einen Organisationsteil in einem bestimmten Zeitraum ermöglichen. Das Dashboard schließlich erzeugt in einem Splitscreen eine Synopse zuvor definierter Reports und Analysen und bietet bei jedem Aufruf tages- oder sogar stundenaktuelle Informationen.

Der Prozess der Konfiguration beziehungsweise Parametrisierung der Reports, Analysen und des Dashboards ist denkbar einfach gehalten und arbeitet – softwareergonomisch günstig – mit dem Drag&Drop-Prinzip. Die Nutzer wählen zunächst den Organisationsteil aus, für den der Bericht erstellt werden soll, und definieren im Anschluss daran relevante Parameter und Zeiträume. Die links vertikal strukturiert angezeigten Entitäten, Attribute und Relationen können dabei beliebig ‚angefasst‘ und als Spalten- oder Filterkriterium in den nach einem ‚Drop‘ immer wieder neu auf Grundlage der Mengendaten berechneten Report hineingezogen werden. Jede der Report-, Analysis- oder Dashboard-Konfigurationen kann als individualisiertes Template gespeichert und nach der Erstellung immer wieder ohne erneuten Konfigurationsaufwand angewendet werden. Auch die automatisierte, beispielsweise wöchentliche oder monatliche Berichtserstellung und eine Zustellung per Mail oder via System an dazu berechtigte Mitarbeiter ist möglich. Hinzu kommt wegen der großen Nachfrage die Möglichkeit eines Exports von Daten als Excel, BibTeX oder Endnote. Auch hier kann die ausgegebene Datenmenge flexibel parametrisiert werden.

4.3 Nachhaltigkeit und Betriebskonzept

Eine der größten Herausforderungen für IT-Implementierungsprojekte besteht darin, die Organisation rechtzeitig in die Lage zu versetzen, die neue Infrastruktur nach Ende des Projekts zu übernehmen, dauerhaft zu betreiben und fortwährend an die sich wandelnden Bedürfnisse der Nutzer anzupassen.27 Am KIT wurde daher bereits während des Projekts ein Betriebskonzept erarbeitet, das die anfallenden Aufwände auf die drei Ebenen Anwenderbetreuung, Anwendungsbetreuung und Anwendungsbetrieb schichtet und Zuständigkeiten klar zuweist. Die BIB spielt auch hier eine große, bzw. die beherrschende Rolle.

Danach ist – wie bei den anderen großen Applikationen Enterprise Resource Planning und Campus Management – für Gestellung, Monitoring und Wartung der virtualisierten Hardware das Steinbuch-Centre-for-Computing (SCC), also das zentrale Rechenzentrum, zuständig. Für die Anwendungsbetreuung und die Problembehandlung zeichnet in Zusammenarbeit mit dem Anbieter, der bei Bedarf per Fernzugriff unterstützt, die BIB verantwortlich. Darüber hinaus hat die BIB für die Anwenderbetreuung ein Service Interface in Form eines Webportals aufgesetzt, das zielgruppenspezifisch über die via FIS angebotenen Dienste informiert, FAQs beantwortet und schriftliche Eingaben unter Nutzung eines Trouble-Ticket-Systems entweder im Hause oder an andere Dienstleistungseinheiten zur Bearbeitung weiterleitet.

5 Akzeptanz und Compliance

5.1 Akzeptanz

Die Diskussionen mit Wissenschaftlern und Wissenschaftsmanagern haben gezeigt, dass die Nutzer bei Weitem nicht alles schätzen, wofür Auftraggeber und Projektleitung sich begeistern. Skepsis, ja sogar Widerstand gründen zum Teil in der Social-Network-Anmutung einiger Oberflächen und Funktionalitäten; hier leidet die Akzeptanz eines FIS unter dem häufig laxen Umgang großer Portale mit Nutzerdaten. Weiterhin erzeugt die Automatisierung des Mappings von Forschungsinformationen zusammen mit den Reporting-Funktionalitäten des Systems Furcht vor einer totalen Transparenz, die von Leitung, Zentraladministration und Wissenschaftsmanagern zur Verhaltenskontrolle genutzt werden könnte. Die Kritiker verweisen gern auf die grundgesetzlich verbriefte Freiheit von Forschung und Lehre und zeigen sich überzeugt, hier werde eine ‚Überwachungsabsicht‘ vor den Wissenschaftlern durch ein darüber gebreitetes Bündel verführerischer Dienste bewusst verborgen, wie weiland im trojanischen Krieg, als der Priester Laokoon beim Anblick des hölzernen Pferdes sprach: timeo Danaos et dona ferentes, übersetzt: „Ich fürchte die Danaer, auch wenn sie Geschenke bringen.“

Das gesamte Projektteam befindet sich im steten Dialog auch mit Skeptikern und versucht seit Beginn der ersten Anforderungserhebungen in 2010 ein Maximum an Transparenz und Beteiligung sicherzustellen. Immer wieder wird dabei die große Aufmerksamkeit hervorgehoben, die im Projekt der sogenannten Compliance, also der IT-Sicherheit und dem Datenschutz, gewidmet wird.

5.2 Compliance

Weniger die IT-Sicherheit, also der Schutz des Systems vor unbefugtem Zugriff, als vielmehr der Datenschutz, sprich: die Wahrung der informationellen Selbstbestimmung der Nutzer, ist eine der großen Herausforderungen eines solchen Projekts. Verstöße in diesem Bereich können akzeptanzverhindernd wirken und erhebliche Verzögerungen nach sich ziehen. Vor der Inbetriebnahme einer zur Verarbeitung personenbezogener Daten geeigneten IT-Infrastruktur, idealiter bereits in der Planungsphase, sollten daher Fachjuristen und Personalvertretung nicht nur informiert, sondern konstruktiv eingebunden werden.

Für die konkrete Ausprägung etwa des Datenmodells, der Mappingprozesse, der Datenerfassungsworkflows teils bis hinunter zum konkreten Bildschirmdialog oder des Rechte&Rollen-Konzepts sind datenschutzrechtliche Vorgaben zu beachten, wie sie national auf dem Bundesdatenschutzgesetz, auf Landesebene im Wesentlichen auf dem jeweiligen Landesdatenschutzgesetz und organisationsintern schließlich auf Ordungsmäßigkeiten wie Satzungen oder Benutzungsordnungen aufruhen. Generell gilt: Für die Erhebung, Speicherung und Weitergabe personenbezogener Daten können nur die ausdrückliche Einwilligung des Betroffenen (Opt-In) oder eine dienstliche Verpflichtung der datenverarbeitenden Stelle Rechtsgrundlage sein. Das Rechte&Rollen-Konzept etwa muss für jedes Recht auf ein personenbezogenes Datum, ob Create, Change, Delete oder View, eine Rechtsgrundlage nachweisen können und ist daher recht restriktiv: Ein Wissenschaftler sieht seinen eigenen Datenraum, ein Wissenschaftsmanager sieht den Datenraum seines Verantwortungsbereichs, die Bibliothek sieht nur Publikationen und die Forschungsförderung sieht nur Projekte. Eine übergeordnete Sicht ist nur dem Präsidialstab, der für das ‚akademische Controlling‘ verantwortlichen Stabsstelle, zugestanden, denn die Bewertung der Output-Daten, eventuell sogar ihre Inbeziehungsetzung zu Input und anderen Bezugsgrößen wie Zielvereinbarungen, Benchmarks etc. soll nur dort erfolgen, wo mit dem dienstlichen Auftrag eine Rechtsgrundlage existiert und die entsprechende Kompetenz zur Qualitätsbeurteilung nachgewiesen ist.

Unverzichtbar ist in diesem Zusammenhang die Erstellung eines sogenannten Verfahrensverzeichnisses, zuweilen auch Vorabkontrolle genannt, das präzise beschreibt, welche Daten im System von wem auf welcher Rechtsgrundlage zu welchem Zweck erhoben, prozessiert und gespeichert werden. Das Verfahrensverzeichnis wird in der Regel in enger Zusammenarbeit mit Fachjuristen erarbeitet und kann anschließend von der Personalvertretung – die beispielsweise in Baden-Württemberg gemäß Landespersonalvertretungsgesetz im Fall der „Einführung und Anwendung technischer Einrichtungen“, die dazu bestimmt beziehungsweise dazu geeignet sind, „das Verhalten und die Leistung der Beschäftigten zu überwachen“28, Mitbestimmungsrecht hat – einer formalen Vereinbarung mit dem Dienstherren zu den allgemeinen und speziellen Sorgfaltspflichten aller Nutzer des FIS zugrunde gelegt werden. Um die allgemeinen und speziellen Sorgfaltspflichten des Anbieters und des KIT im Zusammenhang des Fernzugriffs des Software-Providers festzuschreiben, wurde zudem mit der AVEDAS ein Vertrag zur Auftragsdatenverarbeitung nach § 7 Landesdatenschutzgesetz abgeschlossen.

Doch selbst wenn es nicht gelingt, die Kritiker zu überzeugen, und die Widerstände bleiben: Auch ohne die Nutzung des Systems durch alle Wissenschaftler sind und bleiben Datenquantität und -qualität gut.

6 Backend-Rollout: Datenqualität ohne Frontend-Nutzer

Die bisher betriebenen Publikationsdatenbanken EVA STAR und KAROLA werden nach einer vollständigen Migration der Mengendaten in das FIS abgeschaltet. Ebenso wird die von FOR seit Längerem betriebene Datenbank FORDAT zur Erfassung von Informationen über drittmittelgeförderte Projekte des KIT abgelöst. Damit werden sich Publikations- und Projektdaten erstmals in einem System befinden und zunächst dem Backend, also Teilen der Zentralverwaltung und einigen Wissenschaftsmanagern, zur Verfügung stehen. Die Frontend-Nutzer, hauptsächlich die Institute mit den dort beschäftigten Wissenschaftlern, werden zu einem späteren Zeitpunkt angebunden.

Der massive Import von Daten aus externen Quellen, die Datengewinnung im Zuge der Erbringung wichtiger Services und die Zuweisung von Verantwortung für die Datenqualität an die Fachabteilungen führt in punkto Datenquantität und -qualität zu einer gewissen Unabhängigkeit von Akzeptanz und Nutzung des FIS durch einzelne Wissenschaftler. Andere Implementierungsprojekte, die diesbezüglich stark auf die Beteiligung der Wissenschaftler gesetzt haben, haben bislang keine verlässliche Datengrundlage für Reporting und BI gewinnen können.

Footnotes

  • 1

    Vgl. in diesem Sinne beispielsweise: Wissenschaftsrat: Empfehlungen zur Bewertung und Steuerung von Forschungsleistung. Halle a. d. Saale 2011, S. 48. Ebenso: Wissenschaftsrat: Empfehlungen zu einem Kerndatensatz Forschung. Berlin 2013, S. 7. 

  • 2

    Vgl. zum Regelkreismodell in Theorie und Praxis beispielsweise: Nickel, Sigrun: Institutionelle QM-Systeme in Universitäten und Fachhochschulen. Konzepte – Instrumente – Umsetzung. Gütersloh 2007 (=Arbeitspapier Nr. 94 des Centrums für Hochschulentwicklung gGmbH). 

  • 3

    Besonders die Westfälische-Wilhelms-Universität Münster stellt die 6 Ps ins Zentrum ihres Konzepts zur Dokumentation von Forschungsinformationen. Vgl. zum Konzept und zum Projekt beispielsweise: Herwig, Sebastian; Höllrigl, Thorsten: All roads lead to Rome: Establishing Best Practices for the Implementation and Introduction of a CRIS. In: Jeffery, Keith G.; Dvorak, Jan (Ed.): e-Infrastructures for Research and Innovation. Linking Information Systems to Improve Scientific Knowledge Production. Proceedings of the 11th International Conference on Current Research Information Systems. Prague 2012, S. 93–102. 

  • 4

    Zum Stand der Debatte vgl. beispielsweise: Wissenschaftsrat (2011, Anm. 1) S. 19 u. 38 ff. In diesen Kontext gehört auch: Wissenschaftsrat (2013, Anm. 1) S. 7. 

  • 5

    Vgl. Jörg, Brigitte; Höllrigl, Thorsten; Sicilia, Miguel-Angel: Entities and Identities in Research Information Systems. In: Jeffery, Keith G.; Dvorak, Jan (Ed.): e-Infrastructures for Research and Innovation. Linking Information Systems to Improve Scientific Knowledge Production. Proceedings of the 11th International Conference on Current Research Information Systems. Prague 2012, S. 185–194. 

  • 6

    Die Westfälische-Wilhelms-Universität Münster hat basierend auf der Software CONVERIS der AVEDAS AG unter https://www.unimuenster.de/forschungaz/area/3763 ein solches Forschungsportal für die ganze Organisation aufgesetzt. 

  • 7

    Vgl. zu den Effekten aktueller Trends in der IT auf die Funktionalität der CRIS-Systeme und zum Next-Generation CRIS: Fondermann, Philipp; Höllrigl, Thorsten: Integration, Service Orientation and Convergence – Advancing Research Information Management at the Karlsruhe Institute of Technology. In: Jeffery, Keith G.; Dvorak, Jan (Ed.): e-Infrastructures for Research and Innovation. Linking Information Systems to Improve Scientific Knowledge Production. Proceedings of the 11th International Conference on Current Research Information Systems. Prague 2012, S. 119–128. 

  • 8

    Vgl. Schöpfel, Joachim; van Baelinghem, Marie-José; Sparrow, Laurent: Linking CRIS to Education. In: Jeffery, Keith G.; Dvorak, Jan (Ed.): e-Infrastructures for Research and Innovation. Linking Information Systems to Improve Scientific Knowledge Production. Proceedings of the 11th International Conference on Current Research Information Systems. Prague 2012, S. 139–146. Vgl. Hierzu auch: Berkhoff, Karin; Ebeling, Britta; Lübbe, Sven: Integrating research information into a software for higher education administration – benefits for data quality and accessibility. In: Jeffery, Keith G.; Dvorak, Jan (Ed.): e-Infrastructures for Research and Innovation. Linking Information Systems to Improve Scientific Knowledge Production. Proceedings of the 11th International Conference on Current Research Information Systems. Prague 2012, S. 167–176. 

  • 9

    Vgl. zum Verhältnis zwischen CRIS und Social Networks u. a.: Bittner, Sven; Müller, Andre: Social Networking Tools and Research Information Systems: Do They Compete? In: Proceedings of the ACM WebSci’11. Koblenz 2011, S. 1–4. 

  • 10

    Zum hier zugrundegelegten Science-Lifecycle-Modell vgl. Fondermann; Höllrigl (Anm. 8) S. 123. 

  • 11

    Empfehlungen zur Bewertung und Steuerung von Forschungsleistung. Wissenschaftsrat (2011, Anm. 1) S. 48. Vgl. auch: Wissenschaftsrat (2013, Anm. 1) S. 5. 

  • 12

    www.dini.de/ag/fis. 

  • 13

    www.eurocris.org. 

  • 14

    Vgl.: Wissenschaftsrat (2013, Anm. 1) S. 23. 

  • 15

    http://www.eurocris.org/Index.php?page=featuresCERIF&t=1. Zum Thema vgl. weiterhin: Jörg, Brigitte; Dvorak, Jan; Vestdam, Thomas: Streamlining the CERIF XML Data Exchange Format: Towards CERIF 2.0. In: Jeffery, Keith G.; Dvorak, Jan (Ed.): e-Infrastructures for Research and Innovation. Linking Information Systems to Improve Scientific Knowledge Production. Proceedings of the 11th International Conference on Current Research Information Systems. Prague 2012, S. 221–230. sowie Jörg, Brigitte: The Common European Research Information Format Model (CERIF). In: Jeffery, Keith G.; Asserson, Anne (Ed.): Data Science Journal volume CRISs for European e-Infrastructure number 9. Paris 2010, S. 24–31. 

  • 16

    www.casrai.org. 

  • 17

    www.kit.edu. 

  • 18

    www.kit.edu/eps/cio. 

  • 19

    Vgl. zur IT-Governance und zur IT-Strategiebildung des KIT u. a.: Fondermann, Philipp; Juling, Wilfried: Ein Motor des Mergers? Zum Integrierten Informationsmanagement am Karlsruher Institut für Technologie während und nach der Fusion. In: Vogl, Raimund; Tröger, Beate; Schwartze, Stefan (Hg.): Fortschritte des integrierten Informationsmanagements an Hochschulen. Integrierte Bereitstellung, einheitlicher Zugang und individuelle Verteilung. Münster 2012, S. 71–83. 

  • 20

    Vgl. hierzu u. a.: Höllrigl, Thorsten; Schell, Frank; Hartenstein Hannes: Federated Identity Management as a Basis for Integrated Information Management. In: it – Information Technology, Vol. 51/1, München 2009, S. 14–23. 

  • 21

    Vgl. hierzu u. a.: Labitzke, Sebastian; Nussbaumer, Martin; Hartenstein, Hannes; Juling, Wilfried: Integriertes Informationsmanagement am KIT: Was bleibt? Was kommt? In: Bode, Arndt; Borgeest, Rolf (Hg.): Informationsmanagement in Hochschulen. Berlin, Heidelberg 2010, S. 35–46. 

  • 22

    „Wissenschaftliche Informationsinfrastrukturen sind Einrichtungen, wie beispielsweise Archive, Bibliotheken, objektbezogene Sammlungen, Forschungsdatensammlungen und Fachinformationszentren, die sich mit der systematischen Sammlung und Bereitstellung von Daten, Informationen und Wissensbeständen befassen. Sie sind eine notwendige Voraussetzung von Forschung, Studium, Lehre, Nachwuchsförderung, Technologieentwicklung und Wissenstransfer in sämtlichen Disziplinen.“ Gesamtkonzept für die Informationsinfrastruktur in Deutschland. Empfehlungen der Kommission Zukunft der Informationsinfrastruktur (KII) im Auftrag des Ausschusses der Gemeinsamen Wissenschaftskonferenz des Bundes und der Länder. O. O. 2011. http://www.gwk-bonn.de/fileadmin/Papers/KII_Gesamtkonzept.pdf, S. 7. 

  • 23

    Scholze, Frank; Tobias, Regine (Hg.): 24 Stunden sind eine Bibliothek – Lernen, Forschen, Kooperieren. Die innovative Bibliothek. KIT Scientific Publishing: Karlsruhe 2012, S. 65. 

  • 24

    http://www.bibliothek.kit.edu/cms/open-access.php. 

  • 25

    http://www.oacompact.org/. 

  • 26

    Vgl. zum Validierungsprozess auch: Tobias; Regine, Karl, Volker: Einführung eines integrierten Forschungsinformationssystems am Karlsruher Institut für Technologie. In: Bittner, Sven; Hornbostel, Stefan; Scholze, Frank (Hg.): Forschungsinformation in Deutschland. Anforderungen, Stand und Nutzen existierender Forschungsinformationssysteme. Berlin 2012 (=IfQ Working Paper No. 10), S. 55–63. 

  • 27

    Vgl.: Fondermann; Juling (2012, Anm. 21) S. 81. 

  • 28

    Personalvertretungsgesetz für das Land Baden-Württemberg, §79, Abs. 3, Satz 12. 

About the article

Published Online: 2013-07-08

Published in Print: 2013-07-08


Citation Information: Bibliothek Forschung und Praxis, Volume 37, Issue 2, Pages 172–181, ISSN (Online) 1865-7648, ISSN (Print) 0341-4183, DOI: https://doi.org/10.1515/bfp-2013-0026.

Export Citation

© 2013 by Walter de Gruyter. This article is distributed under the terms of the Creative Commons Attribution 3.0 Public License BY-NC-ND 3.0

Comments (0)

Please log in or register to comment.
Log in