Die Schulung richtet sich an Entwickler:innen, Data Scientists, Wissenschaftler:innen und Studierende, die in Softwareprojekten oder datengetriebenen Anwendungen forschungsnah arbeiten.
Voraussetzungen: Grundverständnis für Softwareentwicklung oder Data Science, Interesse an methodischer Qualität
12:30–14:30 Uhr: Vertiefung, Gruppenarbeit oder Übungen
14:30–17:00 Uhr: Transfer, Diskussion & Abschluss
Dieses kompakte Tagesformat ist auf ca. 8 Zeitstunden ausgelegt und bietet eine ausgewogene Mischung aus Input, Anwendung und Reflexion – bei maximal 30 Minuten Pause.
Lernziele nach dem Lehrbaummodell
Diese Lernziele orientieren sich am Lehrbaummodell (Ellmann 2022) und fördern nachhaltiges Lernen auf kognitiver, motivationaler und metakognitiver Ebene.
Stamm: Planung & Motivation:
Die Teilnehmenden erkennen die Bedeutung methodisch sauberer Arbeit und reflektieren ihre Verantwortung in forschungsnahen Software- und Datenprojekten.
Kommunikation:
Die Lernenden lernen, Unsicherheiten, Methodenentscheidungen und Limitationen sachlich zu begründen und nachvollziehbar zu dokumentieren – auch im Austausch mit Dritten (z. B. Peer Review).
Material & Struktur:
Die Teilnehmenden nutzen Richtlinien (DFG, FAIR), Tools zur Dokumentation und Versionierung sowie Standards zur Datenorganisation und Reproduzierbarkeit.
Gedächtnis & Aufmerksamkeit:
Zentrale Prinzipien guter wissenschaftlicher Praxis werden anhand von Beispielen und Übungsformaten strukturiert verankert (z. B. Reproduzierbarkeit, Nachvollziehbarkeit, Transparenz).
Aktivierung & Lernstörung:
Die Lernenden analysieren reale und simulierte Projektbeispiele auf Verstöße gegen gute wissenschaftliche Praxis und entwickeln gemeinsam geeignete Lösungsstrategien.
Gipfel: Überprüfung & Transfer:
Die Teilnehmenden reflektieren eigene Projekte, wenden Leitlinien an und formulieren konkrete Maßnahmen zur Qualitätssicherung, Dokumentation und ethischen Verantwortung.
Kursbezogene Ziele
Wissenschaftliches Arbeiten in technischen Projekten fundiert verstehen
Verantwortung für transparente und reproduzierbare Softwareentwicklung übernehmen
Werkzeuge und Strategien für methodisch saubere Forschung anwenden
Quelle des Lehrbaummodells zur Gestaltung effektiver Lehre in der IT vom Inhaber:
M. Ellmann (2022). Effektives Lehren und Lernen in der Informatik, Wirtschaftsinformatik und verwandten Fachgebieten. Veröffentlicht in: Informatik Spektrum, Springer Nature. SPRINGER NATURE Link:
https://doi.org/10.1007/s00287-022-01436-5
Bin ich bereit für die Schulung „Gute wissenschaftliche Praxis in der IT“?
Reflektieren Sie kurz Ihre Vorkenntnisse und Interessen – das hilft Ihnen bei der Einordnung:
</> Wenn Sie mindestens 3 Kästchen ankreuzen, ist diese Schulung hervorragend geeignet, um Ihre methodische Kompetenz zu vertiefen.
Datenschutzhinweis: Ihre Eingaben in dieser Checkliste werden nicht gespeichert und nicht an den Server übertragen.
Nächste Kurstermine
Hinweis: Gesetzliche Feiertage wurden bei der Terminberechnung automatisch berücksichtigt.
Startzeitraum
Kontakt
02
Nov
2026
bis 03.11.2026
2 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
16
Nov
2026
bis 17.11.2026
2 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
30
Nov
2026
bis 01.12.2026
2 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
14
Dec
2026
bis 15.12.2026
2 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
28
Dec
2026
bis 29.12.2026
2 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
Kein passender Termin dabei? Gerne prüfen wir individuelle Schulungswünsche.
Mathias Ellmann
Ing., M. Sc.
Musterzertifikat
Dies ist die erste Seite des Zertifikats für Gute wissenschaftliche Praxis in der IT:
Das vollständige Musterzertifikat kann auf Anfrage per E-Mail bereitgestellt werden.
Häufige Fragen zur Gute wissenschaftliche Praxis IT Schulung
Für wen ist die Gute wissenschaftliche Praxis IT Schulung geeignet?
Die Gute wissenschaftliche Praxis IT Schulung richtet sich an Entwickler:innen, Data Scientists, Wissenschaftler:innen und Studierende, die in forschungsnahen Software- oder Datenprojekten arbeiten.
Welche Voraussetzungen gelten für die Gute wissenschaftliche Praxis IT Schulung?
Ein Grundverständnis in Softwareentwicklung oder Data Science ist hilfreich. Interesse an methodischer Qualität und wissenschaftlicher Integrität ist erwünscht.
Welche Inhalte behandelt die Gute wissenschaftliche Praxis IT Schulung?
Thematisiert werden u. a. DFG-Leitlinien, FAIR-Prinzipien, Reproduzierbarkeit, Peer Review, Datenmanagement, Verantwortungsethik und offene Wissenschaft.
Wie lange dauert die Gute wissenschaftliche Praxis IT Schulung?
Die Schulung dauert 2 Tage, jeweils von 08:30 bis 17:00 Uhr. Die Teilnahme ist in Hamburg oder remote möglich.
Was kostet die Teilnahme an der Gute wissenschaftliche Praxis IT Schulung?
Die Teilnahmegebühr beträgt 1.428,00 € inkl. MwSt. Darin enthalten sind Kursunterlagen, Praxisbeispiele und das Zertifikat.
Was sind die Lernziele der Gute wissenschaftliche Praxis IT Schulung?
Sie lernen, wissenschaftliche Prinzipien wie Nachvollziehbarkeit, Transparenz und Reproduzierbarkeit in IT-Projekten umzusetzen und methodisch sauber zu arbeiten.
Erhalte ich ein Zertifikat?
Ja. Nach erfolgreicher Teilnahme erhalten Sie ein offizielles Teilnahmezertifikat: „Gute wissenschaftliche Praxis in der IT – Methoden, Standards und Verantwortung“.
Welche Standards werden in der Schulung behandelt?
Behandelt werden u. a. die DFG-Leitlinien zur guten wissenschaftlichen Praxis, FAIR-Prinzipien für Daten und Standards zum Forschungsdatenmanagement.
Welche Tools oder Methoden werden vorgestellt?
Sie lernen Werkzeuge und Methoden zur strukturierten Dokumentation, Versionierung, Datenaufbereitung und zum Umgang mit Unsicherheit kennen.
Was unterscheidet diese Schulung von anderen wissenschaftlichen Kursen?
Die Schulung kombiniert IT-spezifische Anwendungsfälle mit wissenschaftlicher Methodik und ethischer Reflexion – praxisnah, interdisziplinär und transferorientiert.
