Laten we het hebben over data. Niet zomaar data, maar FAIR-data.
▶Inhoudsopgave
Dat staat voor Findable, Accessible, Interoperable, Reusable — ofwel: vindbaar, toegankelijk, uitwisselbaar en herbruikbaar. Het klinkt als bureaucratisch jargon, maar het is eigenlijk heel simpel: onderzoeksdata zó beheren dat anderen er ook iets mee kunnen.
In 2026 is dat geen luxe meer, maar een must. Maar hoe staat het eigenlijk met de Nederlandse universiteiten? Doen ze het nou écht goed, of is het vooral mooie praat? We duiken erin — eerlijk en met cijfers.
Waarom FAIR ineens zo belangrijk is
FAIR-data is geen niche-onderwerp meer. Het is het fundament van Open Science. En Open Science is de manier waarop Nederland wil dat wetenschap werkt: transparant, deelbaar, reproduceerbaar.
De VSNU — de vereniging van universiteiten — heeft al jarenlang beleid rond Open Access, FAIR data en het Plan S akkoord.
Maar beleid is één ding. De praktijk is een ander verhaal.
De Europese Commissie drukt ook hard op de knop. Met de European Open Science Cloud (EOSC) wordt gewerkt aan een federatieve infrastructuur waar onderzoekers in heel Europa data kunnen delen. Nederland doet actief mee, onder meer via het National Open Science Plan en initiatieven rondom het Accelerate Open Science platform dat oorspronkelijk door de VSNU werd opgezet om Open Science-informatie vindbaarder te maken voor onderzoekers.
Kortom: de verwachtingen zijn hoog. Maar wat leveren de universiteiten daadwerkelijk?
De realiteit: vier groepen, vier snelheden
Op basis van beschikbare informatie over beleidsplannen, infrastructuurinvesteringen en de mate waarin universiteiten data stewardship structureel hebben ingericht, kunnen we de Nederlandse universiteiten ruwweg in vier groepen verdelen. Dit is geen officiële ranglijst, maar een inschatting op basis van zichtbare stappen en publieke verklaringen.
Groep 1: De koplopers
Universiteiten als Universiteit Utrecht, Erasmus Universiteit Rotterdam en Technische Universiteit Eindhoven investeren al langer in data-infrastructuur en hebben data stewardship-programma's opgezet. Utrecht werkt bijvoorbeeld met faculteit-specifieke data stewards die onderzoekers begeleiden bij data management plans. Eindhoven heeft sterke koppelingen met de industrie, wat ervoor zorgt dat FAIR-principes al vroeg werden omarmd in technisch onderzoek.
Deze universiteiten hebben ook relatief veel ervaring met het gebruik van repositories zoals DataverseNL (ontwikkeld door DANS) en 4TU.ResearchData, de repository voor technische wetenschappen.
Groep 2: De stille vooruitgang
Ze scoren hoog op zowel vindbaarheid als toegankelijkheid van hun onderzoeksdata. Universiteiten als Universiteit van Amsterdam, Leiden University en Radboud Universiteit hebben solide plannen en doen stappen, maar de implementatie is nog niet overal even consistent. De UvA heeft bijvoorbeeld een uitgebreid Research Data Management-beleid, maar de adoptie verschilt per faculteit. Radboud werkt aan een geïntegreerde data-infrastructuur, maar er is nog werk aan de winkel qua standaardisatie van metadata.
Wat deze groep gemeen heeft: er is bewustzijn, er is beleid, maar de vertaling naar de dagelijkse onderzoekspraktijk verloopt langzaam. Training van onderzoekers blijft een bottleneck.
Groep 3: Nog volop in ontwikkeling
Universiteiten als Rijksuniversiteit Groningen, Universiteit Maastricht en Tilburg University zijn bezig met de eerste stappen. Er zijn pilotprojectjes, er zijn intentieverklaringen, maar een structurele inbedding van FAIR-data in de onderzoekscyclus ontbreekt nog vaak. Groningen werkt bijvoorbeeld aan een centrale data-registratie, maar die is nog niet volledig operationeel voor alle disciplines.
Het gevaar in deze groep is dat FAIR een side-project blijft — iets wat de onderzoeksmanager regelt, maar wat de onderzoeker zelf niet internaliseert.
Groep 4: De achterblijvers
De Open Universiteit en enkele kleinere gespecialiseerde instellingen hebben tot nu toe weinig zichtbare stappen gezet rond FAIR-data. Dat is begrijpelijk vanuit hun specifieke context — de Open Universiteit richt zich primair op online onderwijs — maar het betekent wel dat ze op afstand komen te staan van de rest van het veld.
Waar het echt misgaat (en waar het goed gaat)
Laten we eerlijk zijn over de grootste struikelblokken. Metadata is het geheim. De meeste universiteiten worstelen met één ding: goede metadata.
Data zonder metadata is als een boek zonder titel op een bibliotheek zonder catalogus. Tools zoals DANS EASY en DataCite helpen, maar onderzoekers moeten het écht doen. En dat gebeurt nog te weinig.
Data stewards zijn schaars. De VSNU en NWO pleiten al jaren voor meer data stewards — mensen die onderzoekers begeleiden bij data management. Maar er zijn simpelweg niet genoeg.
En de mensen die er zijn, zitten vaak in tijdelijke functies. Dat maakt het moeilijk om continuiteit te garanderen.
Technologie is er, adoptie niet. Repositories, cloud-oplossingen, data management platforms — het bestaat allemaal. Maar veel onderzoekers gebruiken nog steeds hun harde schijf of een SharePoint-map als "data-opslag". De kloof tussen beschikbare tools en daadkelijk gebruik is groot. Aan de andere kant: er is ook echt vooruitgang.
Het aantal onderzoekers dat een Data Management Plan (DMP) opstelt, groeit. NWO en ZonMw verplichten het al bij aanvragen. En initiatieven zoals FAIR data in sociaalwetenschappelijk onderzoek helpen om kennis te delen tussen instituten.
Wat moet er gebeuren om écht FAIR te worden?
FAIR is geen project met een einddatum. Het is een cultuurverandering.
En die vereist drie dingen: Ten eerste: belonen. Wetenschappelijke waardering draait nog steeds om publicaties en citaties. Wie zijn data deelt, krijgt daar vrijwel niets voor terug. Dat moet veranderen. Sommige universiteiten experimenteren al met het meenemen van data-outputs in beoordelingskaders, maar dat is nog uitzondering.
Ten tweede: standaardiseren. Nederland heeft een rijke traditie van samenwerking tussen universiteiten. Die kracht moet worden benut voor gezamenlijke metadata-standaarden en gedeelde infrastructuur.
Het Nationale Plan Open Science biedt hiervoor een kader, maar de uitvoering vraagt om durf en coördinatie.
Ten derde: opleiden. FAIR-data moet onderdeel worden van elke onderzoekersopleiding. Niet als een aparte cursus die niemand volgt, maar als integraal onderdeel van methodologie, statistiek en ethiek. De generatie PhD-studenten die nu opkomt, moet FAIR in alle wetenschapsgebieden als vanzelfsprekend ervaren.
Conclusie: op weg, maar nog niet op de bestemming
De Nederlandse universiteiten zijn in 2026 absoluut op weg naar FAIR. Er is beleid, er is bewustzijn, er zijn investeringen.
Maar de realiteit is dat de implementatie ongelijk loopt. De koplopers tonen het pad, maar de achterblijvers laten zien dat er nog een lange weg te gaan is. Het goede nieuws?
Nederland heeft de netwerken, de kennis en de infrastructuur om het te redden.
Het Accelerate Open Science-platform, de samenwerking via VSNU en NWO, de sterke DANS-community — alle ingrediënten zijn er. Het gaat nu om één ding: daadkracht. Want FAIR is niet het doel. FAIR is de manier waarop we ervoor zorgen dat onderzoek echt ertoe doet. Voor de wetenschap, voor de samenleving, voor iedereen die vertrouwt op betrouwbare kennis. Benieuwd naar de ervaringen met de FAIRsFAIR toolkit?