Welcome to NFDI4Ing's self-paced training materials on metadata!
Here you find trainings on basic topics of research data management (RDM) like this one for metadata. These based topics are tailored to the needs and requirements of the engineering sciences.
Our trainings are designed as self-paced materials, but can be used in e.g. trainings/classrooms/courses as well.
[Dr. Marcus Gossler, [Zettelkatalog (Schlagwort) an der Universitätsbibliothek Graz. Ein Werk Schleimers in dem von ihm begründeten Katalog. Karteikarten mit alphabetisch geordneten Deskriptoren. Karteikarten in einem Schlagwortkatalog. Schlagwortkatalog 1926-93 der Universitätsbibliothek Graz.](https://upload.wikimedia.org/wikipedia/commons/7/7e/Schlagwortkatalog.jpg) Unter [CC BY-SA 3.0](http://creativecommons.org/licenses/by-sa/3.0/) Lizenz, keine Änderungen vorgenommen]
Do you have feedback for us, something content-wise to add, or found a mistake? We are looking forward to your message [via this form sheet](https://git.rwth-aachen.de/nfdi4ing/education/trainingplatform/metadata/-/issues/new) -- thank you!
Unless stated differently, these training materials are provided under a [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) licensee.
## Learning objectives
In this training you will learn:
* What metadata are
* Where you should reflect metadata
* Which standards and best practices exist (in general as well as for the engineering sciences)
### Learning objective matrix
Zur besseren Vereinheitlichung der FDM-Trainings berücksichtigen wir die [__Lernzielmatrix zum Themenbereich Forschungsdatenmanagement (FDM)__ für die Zielgruppen Studierende, PhDs und Data Stewards (Version 2)](https://doi.org/10.5281/zenodo.8010617). Für dieses Training ist folgender Ausschnitt relevant:
| Dokumentation und Metadaten | | wie Bachelor + | wie Master + | wie PhD + |
| Metadaten und Metadatenstandards | Lernende können ... | Lernende können ... | Lernende können ... | Lernende können ... |
| ___Inhalte___: Definition Metadaten; Metadatenstandards; Funktion von Metadaten; Möglichkeiten der Speicherung von Metadaten; Metadatenformate; Interoperabilität von Metadaten | ... die Begriffe Metadaten, Normdaten und kontrolliertes Vokabular erläutern. [SK 1] ... den Nutzen der Verwendung von Metadaten beschreiben. [SK 2] ... erläutern, was ein Metadatenstandard ist. [SK 1] ... erläutern, welche Funktionen Metadaten (insb. für die Nachnutzung von Daten) haben. [SK 1] | ... verschiedene Metadatenstandards benennen. [SK 1] ... unter Anleitung Metadatenstandards finden. [MK 2] ... ihre Daten auf Basis vorgegebener, einfacher Standards mit Metadaten beschreiben. [MK 3] ... Metadaten auslesen. [MK 3] | ... eigenständig nach Metadatenstandards recherchieren. [MK 3] ... eigenständig passende (disziplinspezifische) Metadatenstandards auswählen. [MK 3] ... ihre Daten eigenständig auf Basis vorhandener Standards beschreiben. [MK 3] ... verschiedene Metadatenformate benennen und beschreiben. [SK 5] | ... die Begriffe Metadaten, Normdaten und kontrolliertes Vokabular erläutern. [SK 1] ... vermitteln, welche verschiedenen Metadatenstandards existieren. [SK 2, MK 2, SoK 3] ... vermitteln, wofür Metadatenstandards verwendet werden. [SK 3] ... vermitteln, wie und wo passende (disziplinspezifische) Metadatenstandards gefunden werden. [SoK 3] ... gängige Metadatenvokabulare anwenden. [MK 3] ... maßgebliche Initiativen und Projekte zum Thema benennen. [SK 1] ... bzgl. der Auswahl von Metadatenstandards projektspezifisch beratend unterstützen. [SK 4, MK 4, SoK 3] |
[Petersen, B., Engelhardt, C., Hörner, T., Jacob, J., Kvetnaya, T., Mühlichen, A., Schranzhofer, H., Schulz, S., Slowig, B., Trautwein-Bruns, U., Voigt, A., & Wiljes, C. (2023). Lernzielmatrix zum Themenbereich Forschungsdatenmanagement (FDM) für die Zielgruppen Studierende, PhDs und Data Stewards (Version 2). Zenodo. [https://doi.org/10.5281/zenodo.8010617](https://doi.org/10.5281/zenodo.8010617). CC BY 4.0]
## 1. Definition of metadata
__Daten über Daten__
> "Metadaten bezeichnen alle zusätzlichen Informationen, die zur Interpretation der eigentlichen Daten, z.B. Forschungsdaten notwendig oder sinnvoll sind und die eine (automatische) Verarbeitung der Forschungsdaten durch technische Systeme ermöglichen."
Ein Sensor ist an einer Maschine angebracht und erfasst kontinuierlich Temperaturwerte. In diesem Fall sind die Temperaturwerte die __Daten__.
Über diesen Sensor sind jedoch weitere Daten verfügbar, z.B.:
* Um was für eine Art Sensor handelt es sich?
* Welche Hardware liegt zugrunde?
* Wer ist Hersteller des Sensors?
* In welcher Einheit wird die Temperatur gemessen?
* Wie groß ist die Messunsicherheit?
* Wo an der Maschine ist der Sensor angebracht
Diese und weitere mögliche Daten sagen zwar nichts über die zu messende Temperatur aus; gleichzeitig stellen sie aber zusätzliche Informationen zum Kontext bereit. Es handelt sich hierbei um __Metadaten__ zur Messung der Temperaturdaten mittels Sensor.
## 2. Metadata within the data life cycle
__A video introduction (German language)__
<iframewidth="560"height="315"src="https://www.youtube.com/embed/1eCMRhbi60U"title="YouTube video player"frameborder="0"allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share"referrerpolicy="strict-origin-when-cross-origin"allowfullscreen></iframe>
[Dominik Schmitz, Daniela Hausen, Ute Trautwein-Bruns. Forschungsdaten und ihre Metadaten.
RWTH Aachen University. 2018. Verfügbar unter DOI [10.18154/RWTH-2018-231101](https://doi.org/10.18154/RWTH-2018-231101) sowie [https://www.youtube.com/watch?v=1eCMRhbi60U](https://www.youtube.com/watch?v=1eCMRhbi60U). Veröffentlicht unter [CC BY 4.0](http://creativecommons.org/licenses/by/4.0/) Lizenz]
__Daten brauchen Metadaten__
Metadaten helfen ...
* Forschungsdaten zu verstehen
* Forschungsdaten zu nutzen
* Forschungsdaten zu finden
* Forschungsdaten zu verwalten
## 3. Metadaten als Schlüssel zu FAIR
__Metadaten machen Daten FAIR__
FAIRe Daten sind _Findable_, _Accessible_, _Interoperable_, und _Reusable_, d.h. Auffindbar, Zugänglich, Interoperabel, und Wiederverwendbar. In der (ingenieur)wissenschaftlichen Forschung ist eine zunehmende Anzahl an Stakeholdern in der Datenerhebung, -verarbeitung, -speicherung, -auswertung und -nachnutzung involviert. Metadaten helfen hier, mehr Kontext und zusätzliche Informationen bereitzustellen.
Mehr zu den FAIR Prinzipien in Wilkinson, M., Dumontier, M., Aalbersberg, I. et al. The FAIR Guiding Principles for scientific data management and stewardship. _Sci Data_ 33, 160018 (2016). [https://doi.org/10.1038/sdata.2016.18](https://doi.org/10.1038/sdata.2016.18).
### Metadaten für FAIRe Forschungsdaten
Grundsätzlich sollen Metadaten sowohl für Menschen (human readble) als auch für Maschinen (machine readable) lesbar sein. "Maschinen" bezieht sich in diesem Kontext auf digitale Technologien (und nicht die klassische Werkzeugmaschine).
__Auffindbarkeit__: Beschreibende Metadaten machen Datensätze für Menschen als auch (Such)Maschinen auffindbar, etwa durch Identifikatoren und Schlagworte.
__Zugänglichkeit__: Metadaten sollten für Mensch und Maschine leicht zugänglich gemacht sein.
Hier bieten sich entsprechende Datenrepositorien an (vgl. etwa [NFDI4Ing Data Collections Explorer](https://rxp.datamanager.kit.edu/) für eine Übersicht in den Ingenieurwissenschaften), die oftmals bereits entsprechende Metadatenfelder einfordern.
Da Metadaten zur Beschreibung von Datensätzen typischerweise eine kleinere Dateigröße als die Daten selbst haben, sollten Metadaten selbst nach Entfernen eines Datensatzes aus einem Repositorium erhalten werden (FAIR Principle A2.).
__Interoperabilität__: Metadaten erleichtern den (semi-)automatischen Austausch, die Interpretation, und die Kombination von Daten.
Die FAIR Prinzipien (I1., I2.) stellen hier an Metadaten die Anforderungen, selbst auf formalen Sprachen und mit genutzten Vokabularien aufgebaut zu sein.
__Wiederverwendbarkeit__: Metadaten helfen bei der Nachnutzung in zukünftiger Forschung. Dies erfordert u.a. eine entsprechende Lizenzangabe (Prinzip R1.1.), Angaben über frühere Verarbeitungsschritte der Daten (Data Lineage, Prinzip R1.2.), sowie weitere Attribute (R1.).
In Anlehnung an: [Kraft, Angelina (12.11.2017): Die FAIR Data Prinzipien für Forschungsdaten. TIB Blog, [https://blogs.tib.eu/wp/tib/2017/09/12/die-fair-data-prinzipien-fuer-forschungsdaten/](https://blogs.tib.eu/wp/tib/2017/09/12/die-fair-data-prinzipien-fuer-forschungsdaten/). Unter [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) Lizenz]
### Examples
__Findable__
Forschende haben zwei ähnliche Datensätze mit Temperaturmessungen mittels Sensoren gefunden. Leider haben beide Datensätze keinen Identifier, sodass sie erst mühsam prüfen müssen, ob es sich um den gleichen oder verschiedene Datensätze handelt.
__Interoperable__
Forschende wollen zwei ähnliche Datensätze mit Temperaturmessungen mittels Sensoren zu einem gemeinsamen Datensatz kombinieren. Allerdings ist bei einem der beiden Datensätze kein Metadatenschema angewendet worden, sodass die Einträge zwischen beiden Dateien mühsam händisch einander zugeordnet werden müssen.
__Reusable__
Mittels verschiedener Temperatursensoren werden Temperaturen an Maschinen gemessen.
Zwei Wochen später kommt die Meldung: Aufgrund eines Baufehlers in einem bestimmten Sensortyp können fehlerhafte Werte gemessen worden sein. Ohne die Information, welcher Sensor(typ) an welcher Maschine eingesetzt worden ist, können sämtliche Messungen nicht mehr als sicher korrekt angenommen werden.
__Reusable__
Forschende finden einen Datensatz mit Temperaturwerten eines Fertigungsprozesses. Den Datensatz hatte ein früherer Kollege am Institut erhoben, der aber mittlerweile die Forschungseinrichtung verlassen hat. Da sich ihr Forschungsprojekt mit der Analyse von Temperaturen während Fertigungsprozessen befasst, möchten sie den Datensatz gerne für ihre Analysen verwenden, anstatt aufwändig eigene Daten zu erheben.
Leider ist nicht ersichtlich, unter welchen Umgebungsbedingungen (Umgebungstemperatur, Luftdruck) der vorgefundene Datensatz entstanden ist.
### Short quiz on FAIR and metadata
Welche dieser Aussagen trifft zu?
- [[X]] FAIR erfordert entsprechende Metadaten
- [[ ]] Es reicht, Metadaten irgendwann mal nachzupflegen
- [[ ]] Metadaten sind pseudowissenschaftlich
- [[X]] Metadaten geben Daten mehr Kontext
## 4. Metadatenstandards
### Aufbau mittels kontrollierter Vokabulare
Metadaten haben ist gut -- und Metadaten standardisieren ist besser!
Kontrollierte Vokabulare sind systematische Sammlungen von Begriffen, die nach festgelegten Regeln und Richtlinien bearbeitet wurden, um die Mehrdeutigkeiten der natürlichen Sprache zu reduzieren. Die verschiedenen Typen kontrollierter Vokabulare sind in der Grafik dargestellt.
* __Index- oder Stichwortlisten__ sind automatisch generierte Sammlungen von Wörtern, die beispielsweise aus dem Titel oder Abstract eines Dokuments extrahiert werden. Diese Listen unterliegen keiner terminologischen Kontrolle und zählen daher nicht zu den kontrollierten Vokabularen.
* Ein __Thesaurus__ ist ein kontrolliertes und strukturiertes Vokabular zur Indexierung und zum Retrieval, das Relationen zwischen Synonymen, Vorzugsbenennungen, hierarchischen und thematisch verwandten Begriffen abbildet. Ähnlich wie ein Wörterbuch besteht ein Thesaurus aus Begriffen der natürlichen Sprache, oft aus einer Fachsprache, die nach festen Regeln terminologisch kontrolliert werden. Die Terme im Thesaurus repräsentieren Konzepte, zwischen denen hierarchische und assoziative Relationen aufgebaut werden, wodurch die Struktur des Thesaurus entsteht.
* Eine __Taxonomie__ organisiert eine Gruppe von Gegenständen durch Kategorisierung oder Klassifizierung in eine hierarchische Struktur.
* Eine __Ontologie__ ist in der Informatik eine Methode zur Wissensdarstellung, die darauf abzielt, Wissen so zu formulieren, dass es von Maschinen interpretiert und verarbeitet werden kann. Dies geschieht durch die Definition von Entitäten und deren Beziehungen in Form von expliziten Aussagen, was als semantische Tripel bezeichnet wird. Ein semantisches Tripel besteht aus drei Komponenten: Subjekt, Prädikat und Objekt, die zusammen eine Beziehung zwischen Entitäten beschreiben.
Ein __Metadatenschema__ beschreibt die Struktur von Metadaten und bestimmt, welche Elemente zur Beschreibung der Forschungsdaten verpflichtend sind und in welchem Datenformat diese angegeben werden sollen. Es gibt auch disziplinspezifische Schemata, die spezielle Elemente behandeln, die für eine bestimmte Disziplin spezifisch sind oder von ihr benötigt werden.
___Was ist ein Metadatenstandard?___
Ein __Metadatenstandard__ legt Regeln und Richtlinien für die Erstellung und Verwendung von Metadaten fest, also z.B welche und wie viele Zeichen zulässig sein sollten. Metadatenstandards sorgen für Vergleichbarkeit, erhöhen die Interoperabilität und ermöglichen Maschinenlesbarkeit.
Metadatenstandards bieten also einen Rahmen für die Erstellung von Metadaten, während Metadatenschemata konkrete Vorgaben für die Implementierung dieser Standards liefern.
___In welchen Dateiformaten werden Metadaten gespeichert?___
Die gängigsten __Dateiformate__ für Metadaten sind XML, JSON und RDF.
*`XML` steht für eXtensible Markup Language und wurde für die Speicherung und den Transport von Daten so entwickelt, dass sie sowohl von Menschen als auch Maschinen gelesen werden kann.
*`JSON` steht für JavaScript Object Notation und eignet sich zum Speichern und Übertragen von Daten. Es wird häufig verwendet, wenn Daten von einem Server auf an eine andere Webseite gesendet werden und ist leicht zu verstehen.
*`RDF` ist ein Standardmodell für den Datenaustausch im Web. RDF verfügt über Funktionen, die die Zusammenführung von Daten erleichtern, selbst wenn sich die zugrunde liegenden Schemata unterscheiden
### General / discipline-independent metadata standards
__Dublin Core__
* Dublin Core, früher bekannt als Dublin Core Metadata Element Set, ist ein internationales Metadatenschema, das von der Dublin Core Metadata Initiative (DMCI), einer unabhängigen, öffentlichen und gemeinnützigen Organisation, gepflegt wird. Das Dublin-Core-Schema wird im Allgemeinen zur Beschreibung digitaler und physischer Ressourcen verwendet. Der Dublin Core ist ein allgemeiner Standard, der zunächst von Bibliotheken verwendet wurde und für bestimmte Disziplinen angepasst werden kann.
* DCMI besteht aus 15 Elementen (bekannt als Dublin Core Metadata Element Set) sowie aus "Erweiterungsvokabularen", die Dutzende von Eigenschaften, Klassen, Datentypen und Kodierungsschemata für das Vokabular umfassen.
* Die 15 Metadatenelemente in Simple Dublin Core sind: Titel, Autor, Thema, Beschreibung, Herausgeber, Mitwirkende, Datum, Typ, Format, Identifier, Quelle, Sprache, Beziehung, Geltungsbereich, Rechte
__MODS (Metadata Object Description Schema)__
* Das Metadata Object Description Schema (MODS) ist ein XML-Schema mit MARC*-ähnlicher Semantik. MODS wurde von der Library of Congress aus der Notwendigkeit heraus entwickelt, eine Möglichkeit für die Beschreibung komplexer digitaler Objekte zu finden, die leichter zu erlernen ist als MARC und umfangreicher ist als der Dublin Core. MODS ist anwendungsfreundlicher, weil es sprachbasierte Tags und nicht die bei MARC üblichen numerischen Codes verwendet. Es gibt 20 MODS-Elemente auf oberster Ebene, von denen viele Unterelemente für eine detailliertere Beschreibung enthalten.
*[MODS User Guidelines](https://www.loc.gov/standards/mods/userguide/)
*[Beispiel zur Anwendung des MODS-Schemas und weitere Metadatenschemata](https://guides.library.cmu.edu/c.php?g=472661&p=9230176)
**MARC-Format (maschinenlesbare Katalogisierung) ist ein Standardsatz digitaler Formate für die maschinenlesbare Beschreibung von Objekten, die von Bibliotheken katalogisiert werden, wie z.B. Bücher und DVDs.
### Metadata standards in the engineering sciences
__Metadatenstandards__
* Innerhalb von NFDI4Ing gibt die Metadata4Ing Ontologie: [https://git.rwth-aachen.de/nfdi4ing/metadata4ing/metadata4ing](https://git.rwth-aachen.de/nfdi4ing/metadata4ing/metadata4ing)
__Suche nach ingenieurspezifischen Metadatenstandards__
* Der [NFDI4Ing Terminology Service](https://terminology.nfdi4ing.de/ts/) ist eine Suchmaschine für registrierte Terminologien
* Auch FAIRsharing bietet eine Suchfunktion an, hier auf "engineering" gefiltert: [https://fairsharing.org/search?q=engineering](https://fairsharing.org/search?q=engineering)
* Auch das Digital Curation Centre (DCC) bietet eine Übersicht, wenn auch nicht speziell für Ingenieurwissenschaften: [https://www.dcc.ac.uk/guidance/standards/metadata](https://www.dcc.ac.uk/guidance/standards/metadata)
## Best Practices
___Disziplinübergreifend oder Disziplinspezifisch?___
Im Vergleich miteinander haben allgemeine (disziplin_übergreifende_) Metadatenstandards eine höhere Interoperabilität, während disziplin_spezifische_ Metadatenstandards i.A. besser zur Beschreibung fachbezogener Besonderheiten sind.
___Wie erstelle ich mein eigenes Metadatenschema?___
Es besteht auch die Möglichkeit, ein individuelles Metadatenschema zu entwickeln. Es ist jedoch ratsam, vorher gründlich zu prüfen, ob dies wirklich notwendig ist oder ob ein bereits bestehendes Schema den Anforderungen des eigenen Projekts genügt. Zu beachten ist, dass ein eigenes Metadatenschema kontinuierlich über die gesamte Lebensdauer der Daten hinweg verwaltet werden muss.
Die groben Schritte für die Erstellung eines individuellen Metadatenschemas können so aussehen:
* Den Geltungsbereich des Schemas bestimmen: Welche Art von Daten soll beschrieben werden, in welchem System wird das Schema verwendet, für wen soll das Schema gelten, etc.
* Informationen sammeln: Informieren über Zwecke, Prinzipien und Aufbau und Pflege von Schemata; Ähnliche Projekte aus dem eigenen oder aus ähnlichen Fachgebieten analysieren
* Struktur des Schemas bestimmen: Entscheidung über einen Satz von Metadatenelementen (einzelne Entität) oder eine Gruppe von Metadatenelementen (mehrere Entitäten); Registrierung des Schemas bei den zuständigen Stellen
* Identifizierung nützlicher Elementgruppen und Kodierungsschemata: Welche bestehenden Elemente, Gruppierungen von Elementen und Unterelementen aus anderen Schemata können in dem Schema verwendet werden?
Detailliertere Informationen zur Erstellung eines eigenen Metadatenschemas sind (in diesem Dokument der ISO)[https://committee.iso.org/files/live/sites/tc46sc11/files/documents/N800R1%20Where%20to%20start-advice%20on%20creating%20a%20metadata%20schema.pdf] zu finden.
___Was gibt es sonst noch zu beachten?___
Anstatt in jedem Forschungsprojekt ein neues eigenen Metadatenschema zu entwerfen, ist es im Sinne der Standardisierung und Interoperabilität besser, bestehende Metadatenschema nachzunutzen. Nebenbei spart dies typischerweise auch Zeit. Selbst, wenn ein gefundenes Profil nicht vollständig passend ist, sollte dies angepasst und erweitert werden.
Mit dem [NFDI4Ing Metadata Profile Service](https://profiles.nfdi4ing.de) steht eine graphische Oberfläche bereit, auf der Profile gefunden, angepasst, und als RDF exportiert werden können.
Mehr dazu auch in [diesem Newsletterbeitrag](https://nfdi4ing.de/1-24-2/).
## Excercise: Roboter arm
<iframewidth="560"height="315"src="https://www.youtube.com/embed/Ia6RDglGQ8c"title="YouTube video player"frameborder="0"allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share"referrerpolicy="strict-origin-when-cross-origin"allowfullscreen></iframe>
[[https://www.youtube.com/watch?v=Ia6RDglGQ8c](https://www.youtube.com/watch?v=Ia6RDglGQ8c&t=0m19s)], Video lediglich zur Illustration
Informationen:
* Experiment: Roboterarm (Modell CXY-3250 Firma X. AG) wurde eingekauft. Mittels Software Y (Version 12.4.4) wurde eine Routine aufgespielt. Diese erlaubt mit dem angebrachten Werkzeug (Flaschenöffner Model Open von Firma Trink AG) Flaschen zu öffnen. Erstellt wurden Videoaufnahmen mit Kamera (Click von Firma S AG)
* Die Forschungsdaten (hier: Videoaufnahmen) werden zusammen mit den Metadaten an ein Repositorium übergeben (z.B. Universitätsbibliothek). Dort werden DOIs vergeben und (Meta)daten auffindbar und zugänglich gemacht (siehe FAIR)
Ihre Aufgabe:
* Welches Schema bietet sich zur Beschreibung der Forschenden an?
* Skizzieren und füllen Sie die fiktive SimpleRobot-Ontologie: Welche Felder müssen enthalten sein? Welche Inhalte bekommen diese?
Die Lösungsschritte werden in den nachfolgenden Abschnitten vorgestellt.
These exercise and the following graphics are taken from [Benjamin Farnbacher, Nils Hoppe, Katja Kessler, Stephan Peinkofer, Stephan Hachinger, & Christian Stemmer. (2021, Juli 22). Forschungsdatenmanagement für Daten aus High Performance Measurement and Computing an der TU München - Best-Practice Beispiele und Anwendungen. Zenodo. https://doi.org/10.5281/zenodo.5139408. [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)]
### Metadaten schema for researcher
Since researchers are simple humans (but with an institutional affiliation), e.g. the DataCite metadata schema can be used:
Further NFDI4Ing trainings connecting to the metadata topic:
* Metadata should be already created when [capturing data (DLC-2)](https://nfdi4ing.pages.rwth-aachen.de/education/education-pages/dlc-datalifecycle/html_slides/dlc2.html#/) ...
* ... in order to enable [data reuse (DLC-6)](https://nfdi4ing.pages.rwth-aachen.de/education/education-pages/dlc-datalifecycle/html_slides/dlc6.html#/)
*[Licenses](https://nfdi4ing.pages.rwth-aachen.de/education/education-pages/lizenzen/html_slides/lizenzen.html#/) are one part of metadata
## Conclusion
Thank you!
Do you have feedback to tell us, something content-wise to add, or found a mistake? We are looking forward to your response via [this form sheet](https://git.rwth-aachen.de/nfdi4ing/education/trainingplatform/metadata/-/issues/new). Thank you!
### Acknowledgement
These self-paced trainings have been created in the [National Research Data Infrastructure for the Engineering Sciences (NFDI4Ing)](https://www.nfdi4ing.de) in Task Area S-6/CC-2.
Die Autorinnen und Autoren möchten sich bei Bund, Ländern und bei der Gemeinsamen Wissenschaftskonferenz (GWK) für die Förderung und Unterstützung im Rahmen des Konsortiums NFDI4Ing bedanken. Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 442146713.
### License
__Our license__
Unless stated differently, these trainings are provided under a [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) license.
__Licens of reused software__
H5P Lizenzhinweis (MIT-Licence)
Copyright (c) 2022 Joubel Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
