Plädoyer für eine transformative statt datafizierungsgetriebene Bildungssteuerung

„Wir brauchen noch mehr Daten!“ – vom uneingelösten Lösungsversprechen der Datengesellschaft

In unserer heutigen Datengesellschaft sind wir daran gewöhnt, dass sich unser soziales Miteinander über pausenloses digitales Datenteilen vollzieht und dass wir ständig (daten)überwacht werden.[1] Wenig überraschend ist in einer solchen Gesellschaft datenbasierte Steuerung zum quasi alternativlosen Denkmodell avanciert. Von staatlichen wie privatwirtschaftlichen Akteuren gleichermaßen praktiziert, gilt sie als Voraussetzung für Effizienzsteigerung, wirtschaftlichen Erfolg, Sicherheit und sozialen Wohlstand, aber auch für die Bewältigung sozialer und planetarer Herausforderungen. Entsprechend normal ist es für uns Bürger*innen geworden, regelmäßig große Mengen persönlicher Daten preiszugeben, um auf Services aller Art zugreifen zu können, sofern sie unser Leben erleichtern oder zu unserer gefühlten Sicherheit beitragen.

Gleichzeitig ist immer mehr Menschen bewusst, dass die exzessive Datafizierung unseres Lebens und damit unsere immer größere Abhängigkeit von algorithmischen Entscheidungssystemen enorme Schattenseiten hat. Umfangreiche wissenschaftliche Studien[2], aber auch wiederkehrende Datenskandale haben uns die diversen (Neben-) Effekte und schädlichen Dynamiken der Datafizierung vor Augen geführt, darunter die Verstärkung sozialer Ungleichheit, wachsende soziale Ängste, die zunehmende Konzentration von Macht, Geld und (politischem) Einfluss, gesellschaftliche Manipulierbarkeit, Vulnerabilität digitaler Infrastrukturen oder auch die massiven Betriebskosten für Technologien, Server und Infrastrukturen (inkl. Strom, Wasser oder seltene Erden, etc.[3]). Dies alles, so zeigt sich eindrücklich, sind keine potenziellen Risiken mehr, sondern bereits greifende Realeffekte, die – zieht man ehrliche Bilanz – viele der Probleme, die eigentlich über Daten gelöst werden sollten, kaum verbessert bzw. in manchen Fällen sogar verschlimmert haben.

Kerncharakteristikum eines dominanten Denkmodells ist jedoch, dass es mit wachsender gesellschaftsstruktureller Verfestigung zunehmend weniger als solches in Frage gestellt werden kann, auch weil Sachzwänge immer mehr Eigendynamik entfalten, weil machtvolle Profiteure der Datengesellschaft Alternativen verhindern, aber auch, weil wir schlichtweg verlernen solche Alternativen zu denken.

Und so werden angesichts der massiven Probleme und (Neben-)Effekte der Datafizierung zwar auch immer wieder (moderate) Regulierung und (meist individuell zu verantwortende) Datensouveränität als wichtige politische Ziele ausgelobt, bleiben aber eingebettet in das stets gleiche, fast schon konservative Lösungsversprechen: (Noch) Mehr Daten, mehr Datenzentralisierung sowie (noch) bessere Technologien könnten die Probleme und negativen Effekte adressieren und schlussendlich auflösen. Angesichts der bisherigen Befunde erscheint dies jedoch mindestens unwahrscheinlich. Wahrscheinlicher ist, dass noch exzessivere Datafizierung auch die Probleme und Nebeneffekte weiter verstärken wird.

In vielen historischen Phasen der gesellschaftlichen Transformation gab es ähnliche Momente: Sachzwänge und festsitzende Denkmodelle haben die Erkundung von Alternativen massiv erschwert, selbst wenn viele Menschen unter den gegebenen Strukturen gelitten haben. Dennoch ist es der Menschheit immer wieder gelungen, aus Altem zu lernen, neue Ansätze auszuprobieren und soziale Innovation voranzubringen. Tatsächlich verstärken sich die Indizien, dass wir in der Datengesellschaft an einem ähnlich kritischen Punkt des potenziellen Wandels stehen: Immer mehr Menschen erleben am eigenen Leib, wie Datentracking zur Waffe gegen die Demokratie wird, erste Länder experimentieren mit radikalen „Roll-Back“-Politiken (z.B. Social Media-Verbote für Kinder) und immer mehr Gemeinschaften und Organisationen etablieren alternative Steuerungsmodelle, welche Werte wie gemeinschaftliches Sinnerleben, Ethik oder Nachhaltigkeit ernstgemeint ins Zentrum rücken. Auch Daten und Technologien können in solchen alternativen Steuerungsmodellen eine wichtige Rolle spielen, werden aber ganz anders normativ eingebettet. Noch sind diese Gegenbewegungen nicht stark genug, um gesamtgesellschaftlich wirksam zu sein, aber dies ist nur eine Frage der Zeit. Ein guter Moment also, um die vermeintliche Alternativlosigkeit von „noch mehr Daten“ selbstbewusst in Frage zu stellen.

 Beispiel Bildungssystem: Daten- und Vermessungsexpansion trotz fehlender und schädlicher (Neben-)Wirkungen

Über die letzten Jahrzehnte hinweg war das Bildungssystem anschauliches Exempel für die weltweite Durchsetzung datenbasierter Steuerung und damit einer zunehmend exzessiveren Datafizierung. Hierzu gehören die Implementation diverser (internationaler, nationaler und lokaler) Leistungstests, Instrumente der Lerndiagnostik, Schulmanagement-, Monitoring-, Berichterstattungs- und Accountabilitysysteme, Learning Analytics oder adaptiv-personalisierter Lerntechnologien. Begründet wurde jede Welle weiterer Datafizierung mit dem sich stets wiederholenden Versprechen: Über eine bessere Datengrundlage könnte effizienter und passgenauer gesteuert werden, damit würden sich Leistungsoutput erhöhen und Bildungsungleichheit verringern, Bildungsakteure würden zur systematischen Qualitätsverbesserung angehalten, während ihnen mehr Zeit für „wirkliche Bildungsarbeit“ verschafft würde.

Ebenfalls seit ihrer flächendeckenden Installierung haben Wissenschaftler*innen die Effekte der datenbasierten Bildungssteuerung untersucht. Und immer wieder haben sie dabei auch auf die hinter den Erwartungen zurückbleibenden sowie auf schädliche (Neben-)Wirkungen hingewiesen und gemahnt, diese Wirkungen bildungspolitisch deutlich stärker zu berücksichtigen. So gab Mary Smith bereits 1991[4] einen Überblick über die gängigsten nichtintendierten Effekte externer Testungen in Schulen, darunter die Verschiebung von Lernzeit auf Testen und dessen Vorbereitung, die Verengung von Lehransätzen zuungunsten kreativer Didaktik, curriculare Verschiebungen (z.B. Reduktion sozialwissenschaftlichen oder künstlerischen Unterrichts; Fokus auf Basiskompetenzen), Belastungswirkungen und Angst bei Lehrkräften oder die Verengung von organisationalem Entscheiden auf Testwerte. Es sind dieselben Befunde, die knapp 30 Jahre später für internationale Bildungsvergleichsstudien identifiziert werden[5], neben weiteren Effekten wie Korruption und Betrug insbesondere in ohnehin benachteiligten Schulen, sowie eine Torpedierung von Innovation, weil Bildungssysteme dazu über gingen, andere (vermeintlich leistungsstärkere) Systeme zu kopieren, anstatt wirklich neue Ansätze zu entwickeln. Interessant ist hierbei auch, dass in den Forschungen die Stärke der negativen Effekte zwar mit der Sanktionsgewalt der Dateninstrumente sowie mit der individuellen Datenschärfe korreliert (d.h. je personalisierter die Daten, desto stärker treten die Effekte auf), die Effekte als solche aber schlussendlich immer greifen, weil datenbasierte Steuerung ja per definitionem Konsequenzen aus erhobenen Daten zieht.

Der wichtigste Befund ist jedoch zweifellos, dass die Produktion von Daten als solche keine der Probleme löst, unter denen das Bildungssystem leidet. So haben über 20 Jahre datenbasierte Bildungssteuerung zwar zunehmend detailliert ausgeleuchtet, wie sich soziale Ungleichheit auf Lernleistungen auswirkt, wie diese Ungleichheit (re)reproduziert wird, wie gestresst Kinder und Lehrkräfte im Bildungssystem sind, aber auch, wie eine gezielte Förderung bei der Lernverbesserung helfen kann. Dies ist dann eigentlich auch immer die zentrale Schlussfolgerung: Es braucht mehr Unterstützungsressourcen, mehr Personal, mehr Geld. Es lässt sich durchaus fragen, was weitere Datafizierung an substanziell anderen bzw. neuen Ergebnissen liefern soll, die andersartige Schlussfolgerungen nach sich zögen.

Gleichzeitig gibt es Datafizierung nicht umsonst. So haben amerikanische Wissenschaftler*innen berechnet, dass die USA allein für bundesstaatliche Schulleistungsstudien jährlich ca. 1,7 Milliarden Euro ausgeben, um die Tests zu designen, zu entwickeln, zu verwalten, auszuwerten sowie die entsprechenden Berichte zu erstellen.[6] Hinzu kämen Kosten für internationale Tests wie PISA oder TIMMS, Hochschuleingangstests usw. Dass sich mit wachsender Expansion des Bildungsmonitorings auch der dafür notwendige kostspielige Entwicklungs- und Verwaltungsapparat zunehmend aufbläht, wurde auch in anderen Studien nachgewiesen, inklusive immer neuer Institutionen oder Datenservice-Stellen, die jedoch wenig mit dem Kerngeschäft von Bildung – der Pädagogik – zu tun hätten.[7] Mit anderen Worten: Während Daten per se keine der Bildungsprobleme lösen, knapst ihre Erzeugung und Verwaltung gleichzeitig weitere Ressourcen von der Pädagogik ab. Erstaunlicherweise scheinen diese Kosten, die Dateninstrumente erzeugen und die damit nicht für das pädagogische Kerngeschäft zur Verfügung stehen, in keiner öffentlichen Debatte eine substanzielle Rolle zu spielen. Hierzu gehören der Vollständigkeit halber auch die wachsenden ökologischen Kosten, die die zunehmende Digitalisierung der datenbasierten Bildungssteuerung erzeugt und die vor allem die „vermessene“ Generation wird tragen müssen.[8]

Man könnte wie gesagt argumentieren, dass es trotzdem wert ist, all diese Kosten und Nebeneffekte in Kauf zu nehmen, weil die Vermessung wirklich einen weitreichenden positiven Effekt nach sich zieht, d.h. eine signifikante Leistungssteigerung (zumindest in den vermessenen Bereichen) erzielt wird, die Ungleichheit (zumindest im Sinne der vermessenen Indikatoren) tatsächlich langfristig abnimmt oder die Lehrkräfte wirklich eine Entlastung und Effizienzsteigerung ihrer Arbeit erleben. Doch selbst dort sehen wir nach aktueller Datenlage das Gegenteil: So sinken in Deutschland wie auch in vielen anderen OECD-Staaten die Leistungsergebnisse sowie die Motivation der Schüler*innen; Schulabbruchquoten und psychisches Belastungsempfinden nehmen hingegen ebenso zu wie Bildungsungleichheit.[9] Auch die Lehrkräfte beklagen eine zunehmende Überlastung, sodass Krankheits- und Ausfallquoten das Bildungssystem immer mehr an die Grenze bringen.[10] Dies bedeutet natürlich nicht, dass datenbasierte Bildungssteuerung nicht auch an unterschiedlichen Stellen positive Effekte erzeugt hat – insbesondere dort, wo sie mit ausreichend Ressourcen gekoppelt wurde. Im Gesamtbild vermitteln die Zahlen jedoch eine eindeutige Botschaft: Datenbasierte Bildungssteuerung wurde mit dem Versprechen eingeführt, die Zahlen zu verbessern, und dieses Versprechen wurde nicht eingelöst. Länder, die Instrumente wie Schüler-ID bzw. schüler*innenscharfes Bildungsmonitoring über die Schullaufbahn hinweg bereits im Portfolio haben (z.B. USA, Finnland), haben übrigens mit ähnlich enttäuschenden Bildungstrends zu kämpfen.[11] Es ist also zu erwarten, dass auch dieses Instrument keinen radikalen Trendwechsel produzieren wird.

Plädoyer für einen transformativen Ansatz datengestützter Bildungssteuerung statt noch mehr Vermessung

Wie dargelegt, erzeugen die dominanten Denkmodelle sowie die bereits erzeugten Sachzwänge der Datengesellschaft auch im Bildungssystem eine Situation, in der angesichts fehlender oder schädlicher Wirkungen trotzdem eher an einem „Wir brauchen noch mehr Daten“ festgehalten wird als das System als solches zu überdenken und gezielt etwas Anderes auszuprobieren. Genau dies erleben wir konkret mit der Debatte um die geplante Einführung von Bildungs-ID, Bildungsregister & Co., die – erneut – mit denselben Versprechen legitimiert werden wie all die bisher eingeführten Dateninstrumente. Damit ist die Einführung eines weiteren Vermessungsversuchs weder innovativ, noch spricht die oben skizzierte Evidenzlage dafür, dass diese Instrumente nun wirklich die Wende bringen werden.

Doch wie könnte es anders sein? Was könnte stattdessen getan werden, um die immer brennenderen Probleme anzugehen? In der Tat gibt es hier einige Möglichkeiten; Möglichkeiten, die gleichermaßen Plädoyer sind für einen transformativen Ansatz datengestützter Bildungssteuerung jenseits von Vermessungsregimen und linearen Wirkmodellen.

Zunächst ist hierbei radikal anzuerkennen, was nicht nur die Daten eindeutig und immer wieder zeigen: Das Bildungssystem braucht Personal und Ressourcen; Lehrkräfte und Schüler*innen schreien nach Entlastung und mehr Zeit; die Menschen wünschen sich ein stärkeres Sinnerleben und Miteinander, gerade in der heutigen Welt.[12] Diese Bedürfnisse zu erfüllen, sollte die Priorität sein, und zwar ohne hierbei immer weitere Instrumente der Datenerhebung zwischenzuschalten, sondern direkt und unmittelbar. Vermessungsinstrumente, die Pädagog*innen oder Schüler*innen vor allem als belastend und als diese Ziele torpedierend erleben, sollten entsprechend kritisch überprüft werden. Sofern weitere Dateninstrumente oder zentralisierte Datenapparate als Option diskutiert werden, gilt es einen ehrlichen „Kassensturz“ voranzustellen: Welche Kosten würden hierdurch produziert? Wer würde von dem Investment unmittelbar, wer eher mittelbar und wer gar nicht profitieren? Welche Nebeneffekte sind angesichts der umfangreichen, mehr als 20-jährigen Forschungsbefunde zu erwarten? Und vor allem: Welche Erkenntnisse werden realistisch erwartet, die nicht entweder schon bekannt sind, oder die nicht effizienter über lokal-pädagogische Maßnahmen gelöst werden können?

Gleichzeitig würde ein transformativer Ansatz datenbasierter Bildungssteuerung anerkennen, dass Daten und Technologien in unserer Gesellschaft eine Kernbedeutung haben, was aber vor allem bedeutet, dass Daten und Technologien im Bildungssystem zum Thema kritischer Auseinandersetzung und Gestaltung gemacht werden müssen. Hierzu zählt auch sich bewusst zu werden, dass Daten ganz viel sein können und quantifizierte Vermessungsregime, inklusive der hierdurch entstehenden Machtasymmetrien, das zwar in der Datengesellschaft aktuell dominante, aber keineswegs alternativlose Steuerungsmodell sind. Unter der Erkenntnis, dass Daten ohnehin niemals objektiv sind, sondern immer Resultat bestimmter Produktionskontexte und Modellierungen (hier: von Lernen), lassen sich Datenproduktionen genauso mit der Sichtbarmachung von Diversität, mit Kreativität, mit bewusst erzeugter Mehrdeutigkeit, mit Partizipation und zwischenmenschlichem Austausch zusammendenken. Auf Bildung übertragen, ginge es mit anderen Worten darum, möglichst vielen Bildungsakteuren Agency und Selbstwirksamkeit im Kontext möglichst vielfältiger Datenproduktionen zu ermöglichen und damit den Umgang mit Potentialen, Limitationen und (Neben-)Effekten von Datafizierung zu stärken. Ein solches Verständnis wäre wiederum deutlich dichter dran an ohnehin schon gängigen Datenpraktiken pädagogischer Professionen, tatsächlich aber auch an Maßnahmen wie z.B. Datengesprächen mit heterogenen Stakeholdern, die bereits von einigen Qualitätsinstituten umgesetzt werden.

Zu einem solchen, möglichst früh erlernten Umgang mit Datafizierung als heterogene und kontroverse Produktions- und Auseinandersetzungskontexte, gehörten dann auch die Diskussion digitaler Grundrechte, ethischer Fragen sowie die bewusste Verantwortungsübernahme im Kontext von Datenproduktionen und Datennutzung -anstatt eines Abhakens von DSGVO-Konformität. Anstatt für eine noch effizientere und exzessivere Aufblähung des Vermessungsregimes könnten neue Technologien (z.B. Künstliche Intelligenz), sofern kritisch abgewogen, wiederum bewusst dafür genutzt werden, unsere eigenen Stereotype datenbasierter Steuerung herauszufordern und sie könnten uns dabei helfen, möglichst vielfältige Bilder von Bildung zu erzeugen – und dadurch wirklich neue Erkenntnisse zu generieren.[13] Am Ende würde eine derartige datengestützte Bildungssteuerung deutlich mehr dem Ziel einer tatsächlichen Transformation des Bildungssystems hin zu einem „lernenden System“ entsprechen[14], in dem auch Bildungssteuerung gewillt ist, die eigenen Werte und Denkmodelle datensouverän statt datafizierungsgetrieben zu reflektieren und anzupassen.

[1] Siehe für eine Einführung zur Datengesellschaft: Houben, D., & Prietl, B. (Hrsg.). (2018). Datengesellschaft: Einsichten in die Datafizierung des Sozialen. transcript Verlag.

[2] Im internationalen Raum haben sich viele dieser Untersuchungen unter dem Begriff „Critical Data Studies“ vereinigt (https://en.wikipedia.org/wiki/Critical_data_studies).

[3] Das Thema planetarer Ressourcenverbrauch durch Technologie wird aktuell auch zunehmend in den Medien aufgegriffen, z.B.: https://www.tagesschau.de/wirtschaft/energie/kuenstliche-intelligenz-energieverbrauch-100.html

[4] https://www.academia.edu/11381569/Unintended_Consequences_of_External_Testing_
in_Elementary_Schools

[5] https://journals.sagepub.com/doi/10.1177/2096531119878964

[6] https://www.brookings.edu/wp-content/uploads/2016/06/11_assessment_chingos_final_new.pdf

[7] https://journals.sagepub.com/doi/full/10.1177/14749041211007496

[8] Tannock, S. (2025). On education and degrowth. British Journal of Sociology of Education, 46(4), 454-468.

[9] Siehe hierzu bspw. https://deutsches-schulportal.de/schule-im-umfeld/nationaler-bildungsbericht-mehr-schulabbrecher-und-fachkraeftemangel/; https://www.tagesschau.de/wissen/bildungstrend-2024-100.html

[10] https://www.lehrer-online.de/aktuelles/aktuelle-nachrichten/news/na/umfrage-ergebnisse-lehrergesundheit-belastungserfahrungen-und-unterstuetzungsbedarfe/

[11] https://edition.cnn.com/2025/09/09/us/student-testing-scores-drop-hnk; https://www.helsinkitimes.fi/finland/finland-news/domestic/24581-finland-s-pisa-results-continue-to-decline-sparking-concern.html

[12] Zum Thema, wie sich Schüler*innen und Lehrkräfte die Bildung der Zukunft wünschen, z.B. mit kritischem Blick auf Daten und Technologien, arbeitet inzwischen eine wachsende Zahl an Forschung. Siehe etwa https://www.sciencedirect.com/science/article/pii/S0016328724001174

[13] https://link.springer.com/chapter/10.1007/978-3-032-01539-6_4

[14] Sliwka, A., & Klopsch, B. (2024). Das lernende Schulsystem: Paradigmenwechsel in der Bildung. Beltz.