Stel je voor: je hebt maandenlang hard gewerkt aan een onderzoek. De data zit vol in jouw laptop, verspreid over mappen met namen als "FINAL_v3_ECHTDEFINITIEVE.xlsx".
▶Inhoudsopgave
En dan vraagt een collega: "Mag ik die data gebruiken?" Dan pas besef je: niemand kan dit terugvinden, begrijpen of hergebruiken.
Pijnlijk, want het hoeft niet zo te zijn. In 2026 zijn de regels duidelijker dan ook. Tijd om het goed te doen.
Wat zijn FAIR-data en waarom moet je je druk maken?
FAIR staat voor Findable, Accessible, Interoperable en Reusable. Vier simpel klinkende woorden, maar ze veranderen hoe je met onderzoeksdata werkt.
Het idee is eigenlijk heel logisch: data moet vindbaar zijn, toegankelijk, te combineren met andere data, en bruikbaar voor anderen. Makkelijk gezegd, maar in de praktijk een hele klus. De FAIR-principes zijn al sinds 2016 internationaal gepubliceerd, maar in 2026 zijn ze geen advies meer. Ze zijn norm. Zowel Nederlandse als Europese richtlijnen vragen steeds vaker dat onderzoeksdata FAIR is opgeslagen.
Denk aan subsidie-eisen van ZonMw, NWO en de Europese Commissie. Als je geen rekening houdt met FAIR, loop je het risico dat je onderzoek niet meer gefinancierd wordt. Of nog erger: dat jarenlang werk waardeloos wordt omdat niemand het kan begrijpen.
De vier FAIR-pilaren stap voor stap uitgelegd
1. Findable: vindbaar voor mens én machine
Data is alleen nuttig als je het kunt vinden. Klinkt voor de hand liggend, maar in de praktijk zit een enorme hoeveelheid onderzoeksdata verborgen in persoonlijke mappen, oude harde schijven of achter betaalmuren.
FAIR vraagt dat data een unieke en persistente identifier krijgt, zoals een DOI (Digital Object Identifier). Daarnaast moet de data rijk zijn beschreven met metadata: wie heeft het verzameld, wanneer, onder welke voorwaarden, en met welke methode. In Nederland spelen zoals DANS (Data Archiving and Networked Services) een belangrijke rol.
2. Accessible: toegankelijk, ook over grenzen heen
DANS biedt onderzoekers een plek om data duurzaam te archiveren en vindbaar te maken via hun platform Easy.
Ook universiteiten hebben steeds vaker eigen data repositories waar je data kunt uploaden met automatisch gegenereerde identifiers. Vindbaar is niet genoeg. Data moet ook daadwerkelijk toegankelijk zijn. Dat betekent duidelijke toegangsprotocollen: wie mag wat zien, en hoe kom je aan de data?
FAIR vraagt niet per se dat alles open is. Soms zijn er goede redenen om data af te schermen, bijvoorbeeld bij persoonsgegevens of vertrouwelijke bedrijfsinformatie.
3. Interoperable: spreek dezelfde taal als anderen
Maar zelfs dan moet duidelijk zijn hoe je toegang kunt aanvragen en onder welke voorwaarden. De Europese richtlijn inzake open data en hergebruik van overheidsinformatie zorgt ervoor dat door de overheid gefinancierd onderzoek zo veel mogelijk open toegankelijk moet zijn. In 2026 geldt dit steeds harder.
Als je onderzoek met publiek geld is betaald, dan is de verwachting dat de data ook voor de samenleving toegankelijk is.
Tenzij er een goede reden is om dat niet te doen. Stel dat jouw data perfect is beschreven, maar in een formaat dat alleen jouw specifieke software kan lezen. Dan is het voor anderen waardeloos.
Interoperabel betekent dat data te combineren is met andere datasets en werkt in verschillende applicaties. Gebruik daarvoor gangbare standaarden en formaten.
Veelgemaakte fout: alles in Excel
Denk aan het gebruik van algemeen geaccepteerde metadata-standards, zoals Dublin Core of discipline-specifieke standaarden zoals MIAME voor genomics of DICOM voor medische beelden. Ook het gebruik van gecontroleerde woordenlijsten en ontologieën helpt enorm.
In Nederland stimuleert het GO FAIR-initiatief samenwerking tussen onderzoeksinstituten om precies deze interoperabiliteit te verbeteren. Excel is handig, maar niet bedoeld als data-archief. Voor langdurige opslag en interoperabilieit zijn formaten als CSV, JSON of XML beter geschikt.
4. Reusable: bouw voort op elkaars werk
Ze zijn leesbaar voor vrijwel elke software en verouderen niet snel. Het doel van FAIR is uiteindelijk dat anderen jouw data kunnen hergebruiken.
Daarvoor moet de data goed gedocumenteerd zijn: welke licentie geldt er? Welke versie is het? Hoe precies is de data verzameld? Zonder deze informatie is hergebruik bijna onmogelijk.
Een goede data management plan (DMP) is hierbij onmisbaar. Steeds meer subsidieverschaffers vragen al in de aanvraagfase om een DMP.
NWO, ZonMw en Horizon Europe vragen expliciet hoe je data FAIR gaat maken. In Nederland bieden tools zoals de DMPonline van DCC (Digital CCC) ondersteuning bij het opstellen van zo'n plan.
Wat betekent dit voor jou als onderzoeker?
De overheid en financiers verwachten in 2026 dat je bekend bent met de FAIR data principes voor onderzoekers.
Maar laten we eerlijk zijn: niemand verwacht dat je alles in één keer perfect doet. Het gaat om vooruitgang. Begin klein. Kies één project en maak de data daarvan volledig FAIR.
Leer van de ervaring en breid uit. De meeste Nederlandse universiteiten hebben inmiddels Research Data Management-teams die je kunnen helpen.
Ze bieden advies, trainingen en soms zelfs hands-on ondersteuning bij het opschonen en publiceren van data. Gebruik die hulp.
Je staat er niet alleen voor.
De Nederlandse en Europese context in 2026
Nederland speelt een voortrekkersrol in Open Science. De VSNU heeft al jaren een actief beleid rond Open Access en FAIR data.
Het nationale programma Open Science Nederland (OSNL) coördineert de inspanningen van universiteiten, KNAW, NWO en andere partijen.
Het doel: in 2026 is Open Science de norm, niet de uitzondering. Op Europees niveau zorgt de European Open Science Cloud (EOSC) voor een virtuele omgeving waar onderzoekers data kunnen delen en hergebruiken over instituten en landen heen. De EU Open Data Directive versterkt daarnaast de verplichting om overheidsinclusief onderzoeksdata open beschikbaar te stellen.
De boodschap is duidelijk: FAIR is geen optie meer. Het is de manier waarop we in 2026 onderzoek doen. De vraag is niet óf je meedoen, maar hoe snel je aan de slag gaat.
Conclusie: begin vandaag, niet morgen
FAIR-data maken klinkt misschien als extra administratie, maar het is eigenlijk gewoon goede onderzoekspraktijk.
Het zorgt ervoor dat jouw werk langer meegaat, en door je data FAIR te maken krijg je meer citaties voor jouw artikel en écht impact. Of je nu net begint met onderzoek of al jarenlang data verzamelt: het is nooit te laat om FAIR te worden.
Begin met het stellen van de juiste vragen: Is mijn data vindbaar? Kan iemand anders erbij? Kan het gecombineerd worden met andere data? En kan het hergebruikt worden? Beantwoord die vier vragen goed, en je bent al een eind op weg.
Veelgestelde vragen
Hoe zorg ik ervoor dat mijn onderzoeksdata vindbaar is?
Om je data vindbaar te maken, is het cruciaal om een unieke identifier toe te kennen, zoals een DOI, en deze te koppelen aan een gedetailleerde metadata-beschrijving. Denk aan informatie over de verzameling, de methode en de voorwaarden, en maak gebruik van platforms zoals DANS of universiteitsrepositories om je data te archiveren.
Wat houdt het principe ‘Interoperable’ precies in bij FAIR-data?
Interoperable data betekent dat je data moet kunnen worden begrepen en gebruikt door andere onderzoekers, ook als ze verschillende tools of methoden gebruiken.
Wat zijn de gevolgen als ik geen rekening houd met FAIR-principes bij mijn onderzoek?
Dit vereist duidelijke documentatie over hoe je toegang kunt aanvragen en onder welke voorwaarden, en het is belangrijk om ervoor te zorgen dat de data in een standaard formaat is opgeslagen. Als je geen rekening houdt met FAIR-data, loop je het risico dat je onderzoek niet meer gefinancierd wordt, omdat subsidie-eisen steeds vaker FAIR-conformiteit vereisen. Bovendien kan je werk waardeloos worden als niemand de data kan begrijpen of hergebruiken.
Wat is het verschil tussen open data en FAIR-data?
Hoewel gerelateerd, zijn open data en FAIR-data niet hetzelfde. Open data zijn data die vrij beschikbaar zijn voor hergebruik, terwijl FAIR-data zich richt op de principes van vindbaarheid, toegankelijkheid, interoperabiliteit en herbruikbaarheid. Data kan open zijn, maar niet per se FAIR. Er zijn verschillende opties voor het opslaan en archiveren van je data, zoals data-archieven en repositories.
Waar kan ik mijn onderzoeksdata veilig opslaan en archiveren?
DANS biedt bijvoorbeeld het platform Easy aan, waar universiteiten vaak ook hun eigen repositories hebben.
Kies een optie die past bij de eisen van je onderzoek en de beveiliging van je data.