Dieses Kapitel beschäftigt sich mit Datenflüssen und spezifischer der Frage, wie Daten innerhalb von Dateninfrastrukturen „beweglich“ gemacht werden. Während Datenflüsse im Rahmen datenbasierter Steuerung bzw. Schulentwicklung oftmals funktional betrachtet und auch visuell dargestellt werden – also etwa bezüglich einer möglichst „reibungsfreien“ Datenweitergabe – liegt der Fokus dieses Kapitels im Sinne einer critical data studies Perspektive vor allem auf den für Datafizierung hochgradig konstitutiven Reibungen, Brüchen, Spannungen sowie auf der aktiven „Herstellung“ von Datenbewegung als Festschreibung, aber auch als Verhandlung bestimmter datafizierter Sichtbarkeiten. Gleichzeitig stellt sich die Frage, ob und wie die Darstellung einer derartigen Perspektive modelliert und damit visualisiert werden kann. Beides diskutieren wir am Beispiel von Unterrichtsausfalldaten, deren Produktion, Verarbeitung und Weitergabe uns im DATAFIED-Verbund als hochpolitischer, und als ebenso komplexer und ambivalenter Prozess begegnet ist.

Die hohe Dynamik fließender Daten und die bedingte Unsichtbarkeit von Datenflüssen erfordern sowohl einen Metablick auf die Gesamtheit der am Datenfluss Beteiligten, als auch Optionen des „Zooming-In“, um Details, Brüche und Ambivalenzen zu Tage zu fördern. Diese und weitere Einsichten erarbeiten Juliane Jarke, Sigrid Hartong, Tjark Raabe, Vito Dabisch, Angelina Lange, Irina Zakharova und Andreas Breiter in Ihrem Beitrag Kap. „Zur Erfassung und Modellierung der „Hinterbühne“ von Datenflüssen: Das Beispiel Unterrichtsausfall“. Als produktive Ergänzung zu bisherigen Forschungen diskutieren die Autor*innen, inwieweit die Visualisierung von Datenflüssen auch alternative Sichtweisen auf datafizierte Schule ermöglichen können. Zudem zielt der Beitrag darauf ab, die Möglichkeiten und Grenzen der Erfassbarkeit und Visualisierung von Datenflüssen auszuloten. Argumentiert wird, wie sich einerseits mit Hilfe von Dokumentenanalysen, Interviews oder teilnehmenden Beobachtungen Einblicke in den Entstehungs-, Distributions- und Nutzungskontext von Daten(flüssen) gewinnen lassen und andererseits wie die Schwierigkeiten der Visualisierung von Datenflüssen durch die Erstellung eigener Modellierungen und deren Adaptionsprozess zu problematisieren sind. Mit ihren Ansätzen Datenflüsse zu modellieren können die Autor*innen zweierlei zeigen: zum einen, dass durch ein Heranzoomen nur ein Ausschnitt der hochgradig mobilen und komplex verschachtelten Datenflüsse zeigbar wird und zum anderen, dass ein Herauszoomen und Blick auf Datenflüsse aus der Vogelperspektive zwangsläufig Unschärfen und Ungenauigkeiten produziert. Die Aushandlungsprozesse zur Ausgestaltung der Datenmodellierungen sind jedoch die für den Forschungsprozess besonders fruchtbaren Momente. Mit ihrem Beitrag leisten die Autor*innen einen Beitrag zu Arbeiten, die sich für Modellierungen von Datenflüssen als Forschungsgegenstand interessieren und innerhalb des Forschungsprozesses eigene Visualisierungen zu erstellen suchen.