Schulentwicklung mit Daten unterstützen

Einleitung

Daten können Schulentwicklung unterstützen, wenn sie eine pädagogische Frage beantworten. Sie sollen Gespräche verbessern, Entscheidungen nachvollziehbarer machen und Lernende gezielter unterstützen – nicht Menschen auf Kennzahlen reduzieren.

Für Schulleitungen gilt deshalb: erst die Entwicklungsfrage, dann die Daten. Die DSGVO verlangt unter anderem Zweckbindung und Datenminimierung. Datengestützte Schulentwicklung wird wirksam, wenn Daten als Ausgangspunkt für gemeinsame Interpretation und konkrete Maßnahmen dienen.

Leitidee: Daten sind Hinweise, keine Urteile

Eine Kennzahl zeigt nur einen Ausschnitt. Ein Mittelwert erklärt nicht, warum sich etwas verändert hat. Nutzungsdaten zeigen Aktivität, aber nicht automatisch Lernqualität. Deshalb werden quantitative Daten mit Beobachtungen, Rückmeldungen und professioneller Erfahrung verbunden. Diese Verbindung mehrerer Perspektiven heißt Triangulation.

Leitsatz: Daten dienen der Pädagogik. Sie sind kein Selbstzweck.

Drei Fragen für Schulleitungen

Entwicklungsbereich	Datensparsame Frage	Mögliche Quelle
Lernfortschritt	Verbessert sich eine ausgewählte Kompetenz über die Zeit?	Wiederholte Lernstandschecks, möglichst auf Gruppenebene ausgewertet
Nutzung	Wird eine eingeführte Maßnahme tatsächlich genutzt?	Aggregierte Nutzungszahlen, kurze Rückmeldungen, Beobachtung
Entwicklung	Verändert sich der gewünschte schulische Prozess?	Zielbezogene Befragung, Prozessdaten, Gesprächsprotokolle ohne unnötige Personendaten

Datensparsame Toolbox

Werkzeug	Sinnvolle Nutzung	Grenze
Aggregierte Zeitreihen	Entwicklungen auf Jahrgangs-, Fach- oder Schulebene erkennen	Kleine Gruppen können Rückschlüsse auf Einzelne ermöglichen
Kurze Lernstandschecks	Lernfortschritte sichtbar machen und Förderung anpassen	Einzelwerte gehören nur dorthin, wo sie für Förderung erforderlich sind
Anonyme Kurzbefragungen	Wahrnehmungen und Umsetzungserfahrungen erfassen	Echte Anonymität ist in sehr kleinen Gruppen schwer zu sichern
Pseudonymisierte Nutzungsdaten	Nutzungsmuster prüfen, wenn dies für den Zweck erforderlich ist	Pseudonymisierte Daten bleiben grundsätzlich personenbezogene Daten
Qualitative Stichproben	Gründe, Barrieren und Erfahrungen verstehen	Aussagen sind nicht automatisch auf die ganze Schule übertragbar

Datenminimierung praktisch

Vor jeder neuen Erhebung klärt die Schulleitung sieben Punkte: Zweck, Entscheidung, kleinste nötige Datentiefe, bereits vorhandene Daten, Zugriffsrechte, Speicherdauer und Beteiligung der Betroffenen. Wenn eine Information für die Entscheidung nicht benötigt wird, wird sie nicht zusätzlich erhoben.

Die konkrete Verarbeitung personenbezogener Daten richtet sich zusätzlich nach Schulrecht, Landesrecht und den Vorgaben des Schulträgers beziehungsweise der zuständigen Datenschutzstellen.

Rollen statt Vollzugriff

Schulleitungen brauchen nicht automatisch alle Individualdaten. Ein datensparsames Rollenmodell trennt Ebenen:

Ebene	Typische Nutzung
Lernende und Lehrkraft	Individuelle Rückmeldung und Förderung
Fach- oder Jahrgangsteam	Muster in Gruppen erkennen und Unterricht weiterentwickeln
Schulleitung	Aggregierte Trends, Zielerreichung, Umsetzung und Unterstützungsbedarfe
Schulaufsicht oder Träger	Nur die für den jeweiligen Auftrag erforderliche Datentiefe

Von Daten zu Taten

Ein einfacher Entwicklungszyklus verhindert Datensammeln ohne Wirkung:

Entwicklungsfrage: Eine konkrete Veränderung benennen.
Datengrundlage: Wenige passende Datenquellen auswählen.
Datenschutz: Datenmenge, Zugriff und Speicherdauer begrenzen.
Dateninterpretation: Ergebnisse im Team mit Kontextwissen deuten.
Schulentwicklungsmaßnahme: Eine überprüfbare Maßnahme vereinbaren.
Evaluation: Nach angemessener Zeit erneut prüfen und nachsteuern.

Dashboard ohne Kennzahlenfalle

Ein gutes Dashboard beantwortet eine Führungsfrage. Es zeigt Trend, Bezugszeitraum, Datenquelle, Kontext und nächste Entscheidung. Es vermeidet Ranglisten einzelner Personen und einen scheinpräzisen Gesamtscore aus nicht vergleichbaren Kennzahlen.

Sinnvoll ist außerdem, Verteilungen oder Spannweiten mitzudenken: Ein Durchschnitt kann Unterschiede zwischen Gruppen verdecken.

Mini-Fall: Leseförderung

Eine Schule möchte wissen, ob eine neue Leseförderung wirkt. Die Schulleitung benötigt dafür keine vollständigen individuellen Lernbiografien.

Die Schule vergleicht Lernstandsverteilungen über mehrere Messzeitpunkte, dokumentiert die Umsetzung der Förderbausteine und ergänzt kurze Rückmeldungen der beteiligten Teams. Anschließend werden die Befunde gemeinsam interpretiert. Erst dann entscheidet die Schule über Fortführung, Anpassung oder zusätzliche Unterstützung.

Gesprächskultur vor Kontrollkultur

Datennutzung gelingt eher, wenn Mitarbeitende wissen, wofür Daten erhoben werden, wer sie sieht und welche Entscheidungen daraus folgen. Schulleitung schafft dafür transparente Regeln, gemeinsame Deutungsräume und die Möglichkeit, Daten zu widersprechen oder Kontext hinzuzufügen.

Quellen und Orientierung

Die Datenschutz-Grundverordnung nennt in Artikel 5 unter anderem Zweckbindung und Datenminimierung. Die Ständige Wissenschaftliche Kommission der Kultusministerkonferenz veröffentlichte 2026 ein Gutachten zur datengestützten Entwicklung und Steuerung in Schulen. Das Institut für Bildungsanalysen Baden-Württemberg beschreibt datengestützte Qualitätsentwicklung ausdrücklich als Prozess von Dateninterpretation, Maßnahmenplanung und erneuter Überprüfung.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Diesen aiMOOC als Battle spielen

Was steht am Anfang datengestützter Schulentwicklung? (Eine konkrete Entwicklungsfrage) (!Die Sammlung möglichst vieler Daten) (!Ein Ranking aller Klassen) (!Die Auswahl eines Dashboards)

Was bedeutet Datenminimierung? (Nur die für den Zweck notwendigen Daten verarbeiten) (!Alle verfügbaren Daten dauerhaft speichern) (!Nur digitale Daten verwenden) (!Daten grundsätzlich öffentlich machen)

Was zeigt eine hohe Nutzung einer Lernplattform sicher? (Dass die Plattform häufig genutzt wurde) (!Dass alle Lernenden viel gelernt haben) (!Dass der Unterricht automatisch besser wurde) (!Dass keine zusätzlichen Rückmeldungen nötig sind)

Warum werden mehrere Datenquellen kombiniert? (Um Befunde aus verschiedenen Perspektiven zu prüfen) (!Um möglichst viele Kennzahlen zu produzieren) (!Um jede Person einzeln zu bewerten) (!Um qualitative Rückmeldungen zu vermeiden)

Was gilt für pseudonymisierte Daten? (Sie können weiterhin personenbezogene Daten sein) (!Sie sind immer vollständig anonym) (!Sie dürfen ohne Zweck gespeichert werden) (!Sie benötigen keine Schutzmaßnahmen)

Welche Darstellung hilft gegen eine Kennzahlenfalle? (Trend mit Kontext und klarer Fragestellung) (!Ein einziger Gesamtscore für alle Bereiche) (!Eine Rangliste einzelner Lehrkräfte) (!Eine möglichst große Zahl unverbundener Indikatoren)

Welche Datenebene ist für Schulleitungen häufig angemessen? (Aggregierte Trends auf Gruppen- oder Schulebene) (!Jede einzelne Klickfolge aller Lernenden) (!Private Notizen aller Lehrkräfte) (!Vollständige personenbezogene Lernbiografien ohne Zweck)

Warum sind kleine Gruppen beim Datenschutz besonders sensibel? (Weil einzelne Personen leichter erkennbar werden können) (!Weil dort grundsätzlich keine Daten entstehen) (!Weil Durchschnittswerte dort immer falsch sind) (!Weil dort keine Lernfortschritte gemessen werden dürfen)

Was folgt auf die gemeinsame Interpretation von Daten? (Eine überprüfbare Maßnahme) (!Automatisch eine Sanktion) (!Die sofortige Veröffentlichung aller Rohdaten) (!Die Löschung jeder Dokumentation)

Was ist ein sinnvolles Ziel eines Schuldashboards? (Eine Führungsfrage verständlich unterstützen) (!Menschen auf eine Kennzahl reduzieren) (!Alle verfügbaren Daten gleichzeitig anzeigen) (!Unterschiedliche Kennzahlen zu einem beliebigen Score addieren)

Memory

Datenminimierung	Nur notwendige Daten
Zweckbindung	Festgelegter Verwendungszweck
Triangulation	Mehrere Perspektiven verbinden
Aggregation	Daten auf Gruppenebene zusammenfassen
Pseudonymisierung	Zuordnung nur mit Zusatzinformation
Interpretation	Daten mit Kontextwissen deuten

Drag and Drop

Ordne die richtigen Begriffe zu.	Datengestützter Entwicklungsprozess
Entwicklungsfrage	Klären, welche Veränderung untersucht werden soll
Datenquelle	Möglichst wenige zweckgeeignete Informationen auswählen
Schutzmaßnahme	Zugriff, Datentiefe und Speicherdauer begrenzen
Interpretationsrunde	Befunde gemeinsam mit Kontextwissen deuten
Maßnahmeprüfung	Nach der Umsetzung erneut Daten betrachten

Kreuzworträtsel

Datensparsamkeit	Welches Prinzip verlangt, nur notwendige Daten zu nutzen?
Triangulation	Wie heißt das Verbinden mehrerer Datenperspektiven?
Aggregation	Wie heißt das Zusammenfassen von Einzelwerten auf Gruppenebene?
Pseudonymisierung	Wie heißt das Ersetzen direkter Identifikatoren durch Kennzeichen?
Dashboard	Wie heißt eine kompakte Übersicht wichtiger Entwicklungsdaten?
Zweckbindung	Welches Prinzip verbindet Datenerhebung mit einem festgelegten Verwendungszweck?

LearningApps

Lückentext

Offene Aufgaben

Leicht

Dateninventur: Notiere drei Datenquellen, die Deine Schule bereits nutzt, und kennzeichne, welche davon personenbezogen sind.
Entwicklungsfrage: Formuliere zu einem aktuellen Schulentwicklungsziel eine Frage, die mit möglichst wenigen Daten beantwortet werden kann.
Kennzahlenkritik: Wähle eine häufig genutzte Kennzahl und notiere zwei Dinge, die sie nicht erklären kann.
Datenschutzcheck: Prüfe eine bestehende Erhebung auf Zweck, Zugriff und Speicherdauer.

Standard

Dashboard-Prototyp: Entwirf eine Ein-Seiten-Übersicht mit höchstens fünf Informationen zu einem Schulentwicklungsziel.
Triangulation: Kombiniere zu einem Thema eine quantitative und eine qualitative Datenquelle und begründe die Auswahl.
Rollenmodell: Entwirf für eine Datensammlung, welche Rolle welche Datentiefe sehen darf.
Interpretationskonferenz: Plane eine 30-minütige Teamsitzung, in der Daten ohne Schuldzuweisung gemeinsam interpretiert werden.

Schwer

Datenfolgenabschätzung: Analysiere ein geplantes digitales Monitoring auf mögliche Fehlinterpretationen, Reidentifikation und unnötige Datensammlung.
Schulentwicklungszyklus: Entwickle für ein reales Ziel einen vollständigen Ablauf von Frage, Daten, Interpretation, Maßnahme und erneuter Prüfung.
Datennutzungskultur: Entwirf gemeinsam mit Kollegium, Lernenden und Eltern Grundsätze für eine faire und transparente Datennutzung.
Evaluation: Vergleiche zwei mögliche Maßnahmen und entwickle ein datensparsames Design, mit dem ihre Wirkung sinnvoll eingeschätzt werden kann.

Lernkontrolle

Transferfall Lernplattform: Eine Plattform wird häufig genutzt, die Lernergebnisse verändern sich aber kaum. Erkläre, welche zusätzlichen Daten oder Gespräche Du für eine sinnvolle Interpretation brauchst.
Transferfall Befragung: Eine kleine Arbeitsgruppe soll anonym befragt werden. Analysiere das Risiko der Wiedererkennbarkeit und schlage eine datensparsame Alternative vor.
Transferfall Dashboard: Ein Dashboard zeigt nur Durchschnittswerte. Erläutere, welche Fehlinterpretationen entstehen können und wie die Darstellung verbessert werden kann.
Transferfall Schulleitung: Begründe, warum eine Schulleitung für Schulentwicklung nicht automatisch Zugriff auf alle individuellen Lern- und Nutzungsdaten benötigt.
Transferfall Zielkonflikt: Eine Maßnahme verbessert messbare Ergebnisse, wird aber von Lernenden als belastend erlebt. Entwickle einen Prozess, wie beide Perspektiven in die Entscheidung einfließen.
Transferfall Datenkultur: Entwirf Regeln für eine Teamsitzung, damit Daten als Lernanlass und nicht als Instrument persönlicher Schuldzuweisung genutzt werden.

Lernnachweis

Für einen überzeugenden Lernnachweis solltest Du zeigen, dass Du:

eine konkrete Entwicklungsfrage formulieren kannst,
geeignete und sparsame Datenquellen auswählst,
Datenminimierung, Zweckbindung, Aggregation und Pseudonymisierung unterscheiden kannst,
Kennzahlen im Kontext und aus mehreren Perspektiven interpretierst,
Rollen und Zugriffsrechte begründet festlegst,
aus Daten eine überprüfbare Maßnahme ableitest und später erneut prüfst,
Grenzen von Nutzungsdaten, Mittelwerten und kleinen Gruppen erkennst,
eine respektvolle Datennutzungskultur für die Schule gestalten kannst.

OERs zum Thema

Verknüpfte Lernbereiche

Schulentwicklung mit Daten unterstützen

aiMOOC-Projekte

Inhalte werden geladen ...

Mediathek wird aus dem Wiki geladen ...

Frag mich zum aktuellen Lerninhalt oder wähle eine kurze Hilfe.

Textmodus bereit

Sprache