Das Data Sharing und die FAIRifizierung von Forschungsdaten spielen in der Epidemiologie eine zunehmend wichtigere Rolle. FAIRifizierung bedeutet, Daten so aufzubereiten, dass sie den FAIR-Prinzipien (Auffindbarkeit, Zugänglichkeit, Interoperabilität und Wiederverwendbarkeit) entsprechen. Unsere Fachgruppe begegnet den sich daraus ergebenden Möglichkeiten und Herausforderungen mit innovativen Data Science-Methoden: Wir entwickeln Methoden und Anwendungen zur FAIRifizierung, zur Analyse integrierter Daten sowie zur Datenintegration selbst – zum Beispiel in Record Linkage- und Pooling-Studien sowie bei föderierten Analysen. Bei Letzteren werden Analysecodes zu den Daten übermittelt, sodass personenbezogene Daten nicht transferiert werden müssen, wodurch Datenschutz beim Data Sharing gewährleistet bleiben. Überdies beteiligen wir uns an der Entwicklung von Tools und Infrastrukturen zur FAIRifizierung von Forschungsdaten.

Unsere Ziele sind:

• Verbesserung der Forschungsdateninfrastruktur
• Unterstützung beim Data Sharing und der FAIRifizierung von Forschungsdaten
• Stärkung der föderierten Datenanalyse
• Anwendung, Vergleich, Anpassung und Weiterentwicklung innovativer Data Science-Methoden

Unsere vielfältigen Forschungsinteressen verfolgen wir in Projekten mit internen und externen Kooperationspartnern – insbesondere im Projekt NFDI4Health, dessen Geschäftsstelle in dieser Fachgruppe angesiedelt ist.

Zu unseren Interessen gehören:

• Entwicklung von Tools zur Stärkung der FAIR-Kriterien
• Weiterentwicklung der föderierten Datenanalyse, einschließlich Implementierung verteilter Analyse-Methoden wie beispielsweise föderiertes GAMLSS
• Verbesserung des Record Linkage forschungsrelevanter Datenquellen in Deutschland
• Aufbau eines zentralen Katalogs gesundheitsrelevanter (Meta-)daten

Timm Intemann
Fachgruppenleiter

Kontakt:
Dr. rer. nat.
Timm Intemann
Tel: +49 (0)421 218-56984
Fax: +49 (0)421 218-56941

Email:
intemann(at)leibniz-bips.de