Deutsch
Contact Us
Contact Us
Deutsch
Contact Us
Contact Us
Xavo
LAB Operator
Leitfaden

FAIR-Labordaten: So werden Gerätedaten maschinenlesbar

Labordaten sind FAIR, wenn Menschen und Software sie finden, abrufen, verstehen und wiederverwenden können, ohne die Person fragen zu müssen, die sie erzeugt hat. Ob das gelingt, hängt weniger von der Datenplattform am Ende der Kette ab als davon, was an der Laborbank passiert, wo die Daten entstehen.

Die Daten müssen direkt vom Gerät kommen, in einem offenen Format und mit ihrem Kontext, der im Moment der Entstehung erfasst wird: Probe, Methode, Gerät, Person und Kalibrierstatus. Dabei helfen Gerätekonnektivität auf Basis offener Standards (SiLA 2, OPC UA LADS), Standardformate wie das Allotrope Simple Model, ein Lab Execution System, das den Kontext erfasst, sowie LIMS, ELN oder SDMS mit offenen Schnittstellen.

FAIR im LaborWo Sie anfangen

Hintergrund

Warum Labordaten so selten FAIR sind

Die FAIR-Prinzipien wurden 2016 in Scientific Data veröffentlicht. Neu war der Fokus auf Maschinen: Daten sollen von Software nutzbar sein, nicht nur von Menschen, die sie lesen.

Die meisten Labordaten erfüllen das nicht, und die Gründe beginnen an der Laborbank. Geräte schreiben proprietäre Dateiformate. Wichtiger Kontext – welche Probe, welche Methodenversion, welche Waage – steht auf Papier oder nur im Kopf. Werte werden von Hand in Tabellen und ins LIMS übertragen. Jedes System kennt einen Teil der Geschichte, und nichts verbindet sie.

Das nachträglich in einem Data Lake aufzuräumen, ist teuer und wird nie vollständig. Viel einfacher ist es, die Daten strukturiert, in offenem Format und mit Kontext zu erfassen, wenn sie entstehen.

Ein Wägewert wird in einem geführten Workflow mit Probe, Methode, Person und Zeitpunkt erfasst und ergibt auffindbare, zugängliche, interoperable und wiederverwendbare Daten
FAIR im Labor

Was die FAIR-Prinzipien für Labordaten bedeuten

Die vier Prinzipien übersetzt in das, was sie im Labor brauchen, was meist im Weg steht und was hilft.

PrinzipWas es im Labor bedeutetWas im Weg stehtWas hilft
Findable (auffindbar)Jedes Ergebnis und jede Rohdatendatei hat eine eindeutige ID und genug Metadaten, um nach Probe, Methode, Gerät oder Datum gefunden zu werdenDaten auf lokalen Geräte-PCs, Dateinamen als einzige MetadatenErfassung an der Laborbank mit IDs und Metadaten, registriert im LIMS, SDMS oder einem Datenkatalog
Accessible (zugänglich)Berechtigte Personen und Systeme können die Daten über eine standardisierte, dokumentierte Schnittstelle abrufenDaten in Herstellersoftware eingeschlossen oder manuell exportiertOffene APIs, Standardprotokolle, klare Zugriffsrechte
Interoperable (interoperabel)Daten nutzen offene Formate und gemeinsame Vokabulare, sodass andere Systeme sie ohne eigenen Parser lesen könnenProprietäre Formate, Freitext, unterschiedliche Bezeichnungen für dasselbeOffene Gerätestandards (SiLA 2, OPC UA LADS), das Allotrope Simple Model, kontrollierte Vokabulare und Ontologien
Reusable (wiederverwendbar)Daten haben genug Kontext, um ihnen später zu vertrauen und sie wiederzuverwenden: Methode, Bedingungen, Gerätestatus, wer was getan hatKontext auf Papier, fehlende Angaben zu Kalibrierung und MethodeEin Ausführungssystem, das jeden Schritt, das Gerät und seinen Status mit Audit Trail festhält
Werkzeuge

Die Werkzeuge, die Labordaten FAIR machen

Waage, pH-Meter und Titrator senden strukturierte Werte über einen Connector
Gerätestandards

Offene Standards für die Geräteanbindung

SiLA 2 und OPC UA LADS sind offene Standards, mit denen Laborgeräte ihre Funktionen einheitlich beschreiben und Daten in vorhersehbarer Struktur liefern. Nicht jedes neue Gerät braucht einen eigenen Parser.

Wie die beiden Standards funktionieren und wie LabOperator sie nutzt, lesen Sie in How OPC UA LADS, SiLA and LabOperator power the AI-enabled lab (auf Englisch).

Strukturierte Ergebnistabelle mit Proben-IDs und Status
Datenformate

Standardformate für Gerätedaten

Das Allotrope Simple Model (ASM) der Allotrope Foundation beschreibt Gerätedaten in JSON und nutzt dabei gemeinsame Begriffe aus den Allotrope-Ontologien. Für viele gängige Geräteausgaben gibt es bereits Konverter.

Warum das zählt: Ergebnisse von Geräten verschiedener Hersteller landen in derselben Form – genau das brauchen Analytics und KI.

Schritt-für-Schritt-Ablauf auf dem Tablet mit angebundener Waage
Ausführung

Kontext direkt an der Laborbank erfassen

Ein Lab Execution System (LES) hält jeden Schritt des Ablaufs fest, während er passiert: welche Probe, welche Methodenversion, welches Gerät mit welchem Kalibrierstatus, wer es wann gemacht hat. Dieser Kontext bleibt mit dem Ergebnis verbunden.

Warum dieser Kontext für Compliance, Automatisierung und KI zählt, beschreibt Why metadata is the missing link in the AI-enabled laboratory (auf Englisch).

Wo Sie anfangen

Ein praktischer Weg zu FAIR-Labordaten

Für erste Fortschritte brauchen Sie kein großes Datenprogramm. Fangen Sie dort an, wo die Daten entstehen:

  • Erfassen Sie, wo Daten entstehen: Listen Sie Ihre Geräte auf, die Formate, die sie erzeugen, und jede Stelle, an der Werte von Hand eingetippt werden.
  • Beenden Sie zuerst das Abschreiben: Binden Sie die meistgenutzten Geräte an, damit Werte digital erfasst werden.
  • Erfassen Sie Kontext an der Laborbank: Führen Sie den Ablauf in einem Ausführungssystem aus, damit Probe, Methode, Gerät und Person mit jedem Ergebnis festgehalten werden.
  • Nutzen Sie offene Formate und gemeinsame Begriffe: Bevorzugen Sie Geräte und Software mit SiLA 2, OPC UA LADS oder ASM und einigen Sie sich auf Bezeichnungen für wichtige Parameter.
  • Registrieren Sie Daten in Ihren führenden Systemen (LIMS, SDMS oder Datenkatalog) mit eindeutigen IDs und machen Sie sie über dokumentierte APIs verfügbar.
  • Regeln Sie die Governance: Wer darf worauf zugreifen, wie lange werden Daten aufbewahrt, und wer verantwortet welches Vokabular?

In regulierten Laboren unterstützen dieselben Schritte auch die Datenintegrität. FAIR zielt auf Wiederverwendung, ALCOA+ auf einen vertrauenswürdigen Datensatz. Wer Daten mit Kontext an der Laborbank erfasst, deckt beides ab – wie, zeigt ALCOA+ am Laborplatz.

LabOperator

Wie LabOperator hilft

LabOperator ist unsere herstellerunabhängige Plattform für Laborausführung und Gerätekonnektivität. Sie liest Daten direkt von Waagen, pH-Metern, Titratoren und anderen Geräten und speichert sie in dem SOP-Schritt, in dem sie entstanden sind – zusammen mit Probe, Methode, Gerätestatus, Person und Zeitpunkt.

LabOperator hat in Forschungs-, Entwicklungs- und Pharmalaboren mehr als 1.000 Laborgeräte angebunden, und das Geräteportfolio deckt über 95 Hersteller ab. LabOperator unterstützt SiLA 2 und OPC UA LADS und übergibt strukturierte Daten mit Kontext über die offene API an Ihr LIMS, ELN oder Ihre Datenplattform.

Sprechen Sie mit uns über Ihre LabordatenUnterstützte Geräte ansehen

FAQ

Häufige Fragen

Was bedeutet FAIR für Labordaten?

FAIR steht für findable, accessible, interoperable und reusable – auffindbar, zugänglich, interoperabel und wiederverwendbar. Für Labordaten heißt das: Jedes Ergebnis lässt sich über seine Metadaten finden, über eine Standardschnittstelle abrufen, von anderen Systemen ohne eigenen Parser lesen und später wiederverwenden, weil sein Kontext festgehalten ist.

Welche Werkzeuge machen Labordaten FAIR und maschinenlesbar?

Vor allem Gerätekonnektivität auf Basis offener Standards (SiLA 2, OPC UA LADS), Standarddatenformate wie das Allotrope Simple Model, ein Lab Execution System, das den Kontext an der Laborbank erfasst, und führende Systeme (LIMS, ELN, SDMS) mit offenen APIs.

Ist FAIR dasselbe wie ALCOA+?

Nein. ALCOA+ zielt auf Datenintegrität: einen Datensatz, der zuordenbar, lesbar, zeitnah, original, korrekt und vollständig ist, wie Behörden es erwarten. FAIR zielt auf die Wiederverwendung durch Menschen und Maschinen. Beides überschneidet sich stark, und die Erfassung mit Kontext an der Laborbank unterstützt beides. Siehe ALCOA+ am Laborplatz.

Brauchen wir einen Data Lake, um Labordaten FAIR zu machen?

Für den Anfang nicht. Ein Data Lake kann Daten speichern und bereitstellen, aber keinen Kontext ergänzen, der nie erfasst wurde. Der größere Hebel ist die strukturierte Erfassung mit Metadaten an der Laborbank. Eine zentrale Plattform wird nützlich, sobald das steht.

Welche Standards sind für FAIR-Labordaten wichtig?

Für die Geräteanbindung SiLA 2 und OPC UA LADS, für Gerätedatenformate das Allotrope Simple Model. SiLA 2 und OPC UA LADS erklären wir in How OPC UA LADS, SiLA and LabOperator power the AI-enabled lab (auf Englisch).

Was ist das Allotrope Simple Model (ASM)?

ASM ist ein JSON-basiertes Format der Allotrope Foundation für Gerätedaten. Es nutzt gemeinsame Begriffe aus den Allotrope-Ontologien, damit Ergebnisse von Geräten verschiedener Hersteller auf dieselbe Weise gelesen werden können.

Spielt FAIR im GMP-Labor eine Rolle?

Ja. GMP-Labore erzeugen große Mengen an Methoden-, Stabilitäts- und Prozessdaten, die für Trendanalysen, Untersuchungen und Prozessverbesserung wertvoll sind. Sind sie FAIR, lassen sie sich wiederverwenden – und dieselben Erfassungspraktiken unterstützen die Anforderungen an die Datenintegrität.