NeDa: Neue Daten, neues Wissen? Digitale Infrastrukturen der Leistungsbewertung in der Wissenschaft

Abstract

Leistungsmessung ist im Zuge der Diskussion um Qualitätssicherung ein wichtiger Faktor im universitären Reformdiskurs geworden. Dabei geht es nicht mehr allein um Fragen der leistungsorientierten Mittelvergabe als individuelles Anreizsystem, sondern zunehmend auch grundlegend darum, wissenschaftliche Leistungen bewerten zu können, um organisationale Steuerungsentscheidungen z.B. im Bereich der Profilbildung (vgl. Schimank/ Meier 2014) treffen zu können. Genutzt werden dafür in zunehmendem Maße neue technische Infrastrukturen, um wissenschaftliche Leistung definieren und Informationen darüber generieren zu können (vgl. Gläser 2008; Biesenbender/ Hornbostel 2016; McCoy/ Rosenbaum 2019; Lim 2019; Krüger und Petersohn 2022a; Krüger und Petersohn 2022b; Krüger 2024). Die Generierung von empirisch gesichertem Wissen über Forschungsleistung ist dabei jedoch äußerst voraussetzungsvoll (vgl. Hicks et al. 2015; Hornbostel 2016; Jappe et al. 2018). Als Grundlage hierfür sind sowohl eine entsprechend fundierte aussagekräftige Datenlage als auch entsprechende Instrumente vonnöten, die nicht nur Daten zusammentragen, sondern auch hinsichtlich relevanter Fragestellungen über die Inhalte und Qualität von wissenschaftlicher Leis- tung auswerten können. Dies hat nicht nur Einfluss auf die Selbststeuerung von Hochschulen und die Entwicklung eines „bibliometric self” der darin tätigen Wissenschaftler*innen (Lim 2019). Zudem finden die Ergebnisse Eingang in einflussreiche Rankings. So werben z.B. Elsevier und Clarivate Analytics damit, dass ihre Datenbanken für das Times Higher Education World University Ranking bzw. für das REF 2021 genutzt werden. Diese Infrastrukturen der wissenschaftlichen Leistungsmessung spielen damit eine zunehmende Rolle in der Selbst- und Fremdbeobachtung von Wissenschaft, indem sie sowohl für internes als auch für externes Reporting genutzt werden. Datei-Upload durch TIB