Wer hat Angst vor Datafizierung...

Eine digitale Streitschrift

Jedes Mal, wenn Studierende mit der Universität interagieren, sei es bei einem Besuch der Bibliothek oder beim Einloggen in die Lern- und Prüfungsplattform, hinterlassen sie einen digitalen Fußabdruck. Dies hat besonders im Verlauf der letzten Jahre dazu geführt, dass Hochschulen mittlerweile millionenfach Studierendendaten gehortet haben. In diesen Daten steckt zumeist das Leben der Studierenden in all seinen Formen: akademisch, sozial, persönlich und gesundheitlich. Einige dieser Maßnahmen sind nutzbringend und daher beabsichtigt. So bauen Hochschulen beispielsweise Dateninfrastrukturen auf, um das Verhalten, die Kommunikation und die Profile der Studierenden strategisch zu erfassen, damit sie ihre Bildungsinteressen besser wahrnehmen sowie ihr Bildungsangebot entsprechend anpassen oder erweitern können.

Andere Formen der Datafizierung von Studierenden ergeben sich aus der Allgegenwart von Informations- und Kommunikationstechnologien auf dem Campus sowie der Art und Weise, wie sie aufschlussreiche und analysierbare Datenspuren erzeugen, die direkt oder indirekt Studierende identifizieren können. In diesem Zusammenhang haben beispielsweise Forscher*innen aus dem Bereich der Lernwissenschaften erkannt, dass sich durch die Untersuchung der Datenströme von Studierenden Lehrstrategien entwickeln und Lernergebnisse verbessern lassen. Der Prozess der Nutzung solcher Daten zur Verbesserung von Lehre und Lernen hat in Begriffen wie „Learning Analytics“ und „Education Data Mining“ einen Ausdruck gefunden. Hier werden Daten zu den Fortschritten der Studierenden und Lernenden gesammelt, gemessen und analysiert.

Auch wenn Bildungseinrichtungen diese Instrumente gerne verwenden, um die Erfolge der Studierenden nachzuverfolgen und zu dokumentieren sowie dies als eine Art Messinstrument zur Qualitätssicherung und -verbesserung nutzen, so werden auch immer mehr Stimmen lauter, die diese Entwicklung als kritisch betrachten.

Ins Besondere wird hier als problematisch gesehen, dass die Beziehung zwischen Lehrkraft und Lernendem an digitale Technologien ausgelagert wird. Gleichzeitig verlagert sich die Lernumgebung auf ein Lernmanagementsystem. Dies birgt beim Einsatz von Learning Analytics die Gefahr, dass die Darstellung der Interaktionen in Diskussionsformen sowie andere inhärente Gadgets zu einer formalen Anforderung werden. Bildungseinrichtungen würden sich damit zu einer Art sektorübergreifendem Unternehmen entwickeln, dass immer mehr von kommerziellen Anbieter*innen bedient und kontrolliert wird. And we’re not done yet…

Das relevanteste Problem ist natürlich der Schutz von sensiblen Daten und der Privatsphäre von Studierenden und Lernenden. Bildungseinrichtungen sind zumeist überfordert mit dieser Aufgabe und obwohl das notwendige Wissen vorhanden ist, so fehlt es auch oft an Ressourcen für die Umsetzung und Einhaltung eines philanthropischen Datenschutzes.

Das Missverständnis, dass Daten in der Lage seien, „für sich selbst zu sprechen“, wurde als solches noch nicht erkannt. Und so lässt sich auch die vermeintliche Überwachung von Studierenden in einen direkten Bezug zu Bruno Latour setzen, der in seinem Schriftstück mit dem Titel „Love Your Monsters: Why We Must Care for Our Technologies As We Do Our Children“ geäußert hat, dass in Bezug auf das Design und die Entwicklung von Technologien "unbeabsichtigte Konsequenzen Teil und Bestandteil jeder Handlung sind". Ein System wie jenes der Learning Analytics ist für ihn "ein strukturierendes Instrument. Es ist nicht neutral. Es ist geprägt von aktuellen Überzeugungen darüber, was als Wissen und Lernen zählt".

So sind auch Algorithmen an sich keine neutralen, technischen Konstrukte, sondern durchaus mit normativen, politischen und epistemologischen Annahmen beladen. Datenvisualisierungen - oder auch Daten-Dashboards, wie sie häufig beschrieben werden - wirken semiotisch und schaffen Bedeutung.

Ein Ausdruck, der hier bereits öfter zur Audienz gebeten wurde, ist jener der Algokratie, der sogenannten Herrschaft der Codes, in der menschliches Handeln in Algorithmen kodiert wird und diese Kodierung dann in die Organisationarchitektur von beispielsweise Bildungseinrichtungen hineinwirkt, um dort eine Management- und Überwachungsfunktion zu erfüllen.

Malen wir dieses Bild der Algokratie aus, so befinden wir uns in dem „klaustrophobischen Labyrinth" von Kafkas "Der Prozess", in dem der Protagonist in einer Welt ohne Ausweg und mit einer bürokratischen Organisation, die im Besitz einer großen Menge an Informationen über die Menschen in ihrem Umfeld verfügt, gefangen ist.

Was im Kontext von Learning Analytics zudem von Bedeutung ist, ist der Prozess, durch den die Analysetools funktionieren, nämlich indem sie den*die Studierende dokumentieren und ihn*sie gleichsam zum Dokument machen. Studierende sind ideologischen und normativen Zwängen unterworfen mit der Erwartungshaltung, dass sie bestimmte Arten von Verhalten und Engagement zur Unterstützung dieser Ideologien zeigen. Es reicht jedoch nicht aus, dass dieses Verhalten stattfindet, es muss auch beobachtbar sein und idealerweise aufgezeichnet werden können. So gibt es im Bereich der Learning Analytics eine Reihe weiterer Überwachungstools, die in der heutigen Hochschulbildung weit verbreitet sind. Der* die Studierende wird unwissentlich oder wissentlich zu einem digitalen Dokument. Diese ontologische Statusveränderung der Studierenden wird auf gewisse Art kontaminiert und kann nur mehr schwer außerhalb der barocken Verstrickungen der digitalen Überwachung existieren, ähnlich wie Briet‘s Antilope im Zoo.

Institutionen und andere können Daten und damit zusammenhängende Artefakte nutzen, um die Entscheidungen der Studierenden mit unsichtbarer Hand zu lenken, zu beeinflussen und sogar zu manipulieren, da sich die Studierenden selten der vollen Reichweite der Dateninfrastruktur einer Institution bewusst sind. Studierende vertrauen darauf, dass Institutionen identifizierbare Daten und Informationen schützen, aber dieses Vertrauen ist unangebracht, wenn Institutionen a) ihre Datenpraktiken nicht transparent machen und b) Studierende nicht in die Lage versetzen, ihre eigenen Entscheidungen zum Schutz der Privatsphäre so weit wie möglich zu treffen. Die Datenschutzrichtlinien für Studierende sind oft schwer zu verstehen und aufzufinden.

Jüngste Publikationen versuchen zu erörtern, wie Bildungstechnologien und Datenpraktiken unter Berücksichtigung des Datenschutzes und der Zustimmung als zentrale Merkmale entwickelt und umgesetzt werden können. Einige Forschungsarbeiten haben begonnen, Lehrkräfte und Studierende als Hauptakteure bei der Entwicklung von Learning Analytic Tools sowie als Mitgestalter*innen neben Programmierenden und Datenwissenschaftler*innen zu behandeln.

Der Schwerpunkt liegt hierbei immer darauf, einen konstruktiven Umgang mit der Privatsphäre aufzuzeigen. So ist der relevanteste Punkt in diesem Kontext, dass die Datafizierung des studentischen Lebens und die damit verbundenen Probleme mit dem Schutz der Privatsphäre nur dann gerechtfertigt sind, wenn die Hochschuleinrichtungen die Studierenden schützen und ihre Interessen in den Vordergrund stellen, die Studierenden als Menschen behandeln und ihre Entscheidungen über ihr Leben respektieren.