Verstrickungen und Entgleisungen: Datafizierung und Plattformisierung der Reputation

Einleitung

1Die Tagung „Reputation ohne Paywall. Wissenschaftliches Publizieren im digitalen Wandel“ beschäftigt sich mit Alternativen, neuen Angeboten und Strukturveränderungen im wissenschaftlichen Publizieren, im Spannungsfeld der beginnenden Reformation der komplexen Reputationsmechanismen. Hier möchte ich diesen Anspruch einbetten und einzelne Zusammenhänge des Status quo skizzieren, zu dem die Tagung Alternativen sucht. Ich gehe also einen Schritt zurück und frage: Was stimmt mit der aktuellen Reputationspraxis nicht, so dass es eine andere, neue Reputation braucht?

2Zum einen geht es um eine ausschnitthafte Analyse des vielschichtigen und komplexen Reputationskonzepts, mit dem sich bereits der Beitrag von Georg Fischer beschäftigt. Dabei laufe ich verschiedene Stricke entlang, die sich aus dem Reputationskonzept erstrecken und einzelne zentrale Player betreffen. Deren sehr spezifische Interessen führen auf bisher wenig beleuchteten Wegen aus der Wissenschaftslandschaft ins Databrokering hinaus und wieder in sie hinein. Zum anderen möchte ich die mit diesen Verstrickungen eng verbundenen Problematiken beleuchten. Diese sind teilweise aus der Kritik an der Metrisierung der Wissenschaftsevaluation, am Oligopol innerhalb des wissenschaftlichen Publikationsfelds, am Einfluß der Großverlage bzw. Datenanalyse-Konzerne und am Wissenschftstracking der letzten Jahre bekannt.

3Die offensichtlichen und verborgenen Verstrickungen wirken sich negativ auf diverse Bereiche der Wissenschaftspraxis, des Wissenschaftsmanagement und insgesamt auf die wissenschaftliche Souveränität aus. Daher bezeichne ich die entsprechenden Folgen als ‚Entgleisungen‘. Wesentlich tiefer werden sie im Beitrag von Renke Siems in diesem Band diskutiert. Diese Entgleisungen sind weitere Gründe, wissenschaftliche Reputation von problematischen Playern und Nutzungspraktiken abzulösen und aktiv strukturelle Veränderungen voranzutreiben.

Reputation

4Die Wissenschaft genießt als Institution einen hohen gesellschaftlichen Stellenwert und wird mit großen Summen gefördert. In Deutschland schützt das Grundgesetz Art. 5 Abs. 3 die Freiheit der Wissenschaft gegen staatliche Einmischung, auf EU-Ebene sichert Art. 13 der GRCh akademische Freiheit und Forschung. Wissenschaftliche Reputation wird häufig als die ‚Währung der Wissenschaft‘ bezeichnet. Sie erfüllt zentrale Funktionen in der Wissenschaftspraxis und dem Wissenschaftsmanagement, sie wird von allen Akteur:innen begehrt und gilt als uneingeschränkt erstrebenswert. Reputation ist jedoch schwer greifbar, erstreckt sich auf sehr heterogene Gegenstände und Bereiche und widersetzt sich der Begriffsanalyse in Form notwendiger und hinreichender Verwendungskriterien.

5Der Beitrag von Georg Fischer in diesem Band befasst sich mit dem komplexen Reputationsphänomen aus soziologischer Perspektive. Fischer beschreibt Reputation in den unterschiedlichen Wechselwirkungen zwischen Bekanntheit und Qualität und analysiert Handlungen und Interaktionen rund um die wissenschaftliche Reputation als Spiele. Ähnlich wie Wittgensteins Begriff des Sprachspiels handelt es sich bei ‚Reputationsspielen‘ um ganz unterschiedliche Handlungsformen, Zielsetzungen und etablierte Regeln, die nur unter Verlust von Plausibilität unter allen gemeinsame Spielregeln subsummiert werden können.

6Einerseits beschreibt Fischer Reputation als ein Empfehlungssystem, das als ein Versprechen für die Zukunft funktioniert (Fischer 2025, 4). Vertikal nach oben gerichtet, für die ressourcenverwaltenden Organisationen verspricht Reputation, durch weitere Förderung, also Zuteilung von Ressourcen, wissenschaftliche Exzellenz zu liefern. (‚Exzellenz‘ ist ein weiterer Kernbegriff, der sich der Präzisierung widersetzt.) Aber es reiche nicht aus, nur auf die empfehlende Funktion der Reputation zu achten. Fischer geht auf die „internen Strategien und Praktiken der Reputationsverwaltung“ (ebd. 3) ein, die durch den Imperativ zur Reputationserlangung und -anhäufung entstehen und Wissenschaftspraktiken negativ prägen.

7Fischers Analyse platziert Reputation andererseits als ein Gut auf einem Statusmarkt, wo die Qualitäts- und Wertbestimmung nicht stabil ist, „da sich auch die Wertmaßstäbe permanent in Aushandlung befinden und dadurch erheblich mehr Kontingenz bei der Bewertung des Guts [ins] Spiel [bringen]“ (Fischer 2025, 4). Die Dynamiken der Wertaushandlung werden durch die „Rangordnung der Beteiligten“ (ebd.) und deren komplexe Interaktionen bestimmt. Insofern die Beteiligten hier um Ressourcen konkurrieren, könnte man hier von Interaktionen auf ‚horizontal gleicher Ebene‘ sprechen, also innerhalb des Reputations- und Konkurrenzgeschehens. Das ist natürlich eine Vereinfachung, da auch die ressourcenverwaltenden Organisation in komplexen Konkurrenzverhältnissen stehen. Die Interaktionsdynamiken basieren laut Fischer auf gegenseitiger Beobachtung und gegenseitigem Reputieren durch die Wechselwirkung aus Aufmerksamkeit (Bekanntmachung und damit auch Verbreitung) und Bewährung (der Präsentation von wissenschaftlicher Qualität). Reputation und Qualität verweisen gegenseitig aufeinander, so dass hier im nächsten Schritt die Problematik entsteht, wissenschaftliche Qualität zu erfassen. Dieses Problem wird unter anderem in der Peer-Review-Forschung diskutiert (Meadows und Wulf 2019; Barnes 2018; Hirschauer 2004; Tennant und Ross-Hellauer 2020; Biagioli 2002).

8Wo und wie genau wird Qualität im aktuellen Reputationsgeschehen (Mößner und Erlach 2022) erfasst, das Reputation als eine operationalisierte Größe behandelt, die quantifiziert und graduiert werden kann? Dieser Frage möchte ich anhand einer sortierten Darstellung der beobachtbaren Kategorien der Reputationsverwaltung nachgehen. Gleichzeitig möchte ich den Implikationen des operationalisierten Reputationsverständnis nachspüren, darunter dem schleichenden Übergang qualitativer Evaluationskriterien in bibliometrische Kennzahlen und der impliziten Annahme, Reputation sei genau mit jenen quantitativen Methoden und auf Grundlage der gemessenen Daten erkennbar und eindeutig bestimmbar. Dadurch werden zum einen weitere Lesarten des Reputationsbegriffs und die Formen ihrer Erkennung ausgeschlossen oder zumindest erschwert. Zum anderen suggeriert die Operationlisierung auch klare und spezifische Strategien, auf die eigene (personelle oder institutionelle) Reputationsbilanz einzuwirken. In der Tat richtet sich ein großer Teil der Kritiken am aktuellen Reputationssystem gegen die Manipulierbarkeit der jeweiligen Metriken (Hicks u. a. 2015; Janßen und Sondermann 2016; Pooley 2018; Retzlaff 2022; Robinson-Garcia u. a. 2019; Biagioli und Lippman 2020).

Kategorien im Reputationsspiel

9Die folgende Aufzählung hat nicht den Anspruch, erschöpfend zu sein, sondern zielt darauf ab, Kategorien zu trennen, die sich hinsichtlich der Reputationszirkulation, -generierung und -verwaltung unterscheiden. Dazu sortiere ich zunächst Fragen:

10Frage 1: Auf wen erstreckt sich wissenschaftliche Reputation bzw. wer kann sie haben?
Darunter fasse ich die ‚reputationsfähigen Einheiten‘. Dazu gehören Personen und Institutionen, Forschungsergebnisse, Publikationsorgane und deren Trägerorganisationen¹, die alle noch einmal unterteilt werden. Die meisten von ihnen haben den Status von Akteur:innen, wenn auch nicht alle, deshalb die etwas klobige Bezeichnung.

11Personen: Wissenschaftler:innen als Einzelpersonen bzw. Mitglieder von Arbeits- bzw. Forschungsgruppen.

12Forschungsergebnisse: Monografien, Sammelbände, Aufsätze, Studien, Patente etc. Diese sind meist an die Kategorien Personen oder Institutionen gebunden.

13Institutionen: Wissenschaftsstandorte wie Universitäten und außeruniversitäre Forschungseinrichtungen, wissenschaftliche und wissenschaftspolitische Gremien (Kommissionen, Räte, Fachgesellschaften).

14Publikationsorgane: Zeitschriften und Verlage, Plattformen, Blogs, wissenschaftliche Social Media etc. Speziell in Bezug auf Publikationsorgane ist es sinnvoll, ihre Trägerorganisationen zu unterscheiden: Wissenschaftsinstitutionen, kommerzielle (Konzerne, Verlage) und nicht-kommerzielle Organisationen (z.B. Redaktionen, Fachgesellschaften).

15Kommerzielle Großverlage und Medien- bzw. Data-Analytics-Konzerne (RELX, Clarivate, Digital Science) mit ihren Produkten: Datenbanken mit verschiedenen Funktionen der Wissenschaftevaluation (Scopus, Web of Science WoS, Dimensions); Instrumente zur Generierung von Indikatoren (Scopus‘ CiteScore CS, Scimago Journal Rank SJR und Source Normalized Impact per paper SNIP; WoS‘ Journal Impact Factor JIF und Journal Citation Indicator JCI ²; Dimensions mit Zitationszahlen und dem Altmetric Donut); Analyse-Anwendungen (Analytical Services, Pure, SciVal von Elsevier, RELX; Converis, InCites von Clarivate; Dimensions, Elements, Digital Science Consultance von Digital Science, Holtzbrinck); das Oligopol der ‚Big Five‘ – Elsevier, Springer Nature, Wiley, Taylor & Francis, Sage – über wissenschaftliche Zeitschriften³; Datenlieferanten (Clarivate, Elsevier) für Ranking-Ersteller (Times Higher Education Rankings THE, QS World University Rankings).

16Die Antworten (s. Tabelle 1) fallen für diese reputationsfähigen Einheiten unterschiedlich aus. In Bezug auf jede dieser Einheiten lässt sich zum einen fragen, auf welche Weise Reputation zustande kommt.

17Frage 2: Wie wird Reputation erlangt bzw. verteilt? Welche Handlungen und Prozesse generieren oder steigern Reputation?
Zum anderen geht es um den epistemischen Zugang zur Reputation.

18Frage 3: Wie wird Reputation festgestellt bzw. gemessen?
Zuletzt geht es um mögliche Kontrolle über Reputation in Bezug auf die jeweiligen Einheiten:

19Frage 4: Durch was oder wen wird Reputation kontrolliert?
Eine weitere Einschränkung betrifft den Fokus auf und die Auswahl der spezifischen kommerziellen Player hier, nämlich solcher mit besonders großem Einfluss und strategisch integrierten Anwendungen in verschiedenen Bereichen des Wissenschaftssektors. Es geht hier nicht um eine repräsentative Abbildung aller kommerziellen Player⁴ oder um einen Vergleich der besprochenen Konzerne mit nicht-kommerziellen Alternativen. Ziel ist es, die komplexe Problematik der Verknüpfung der reputationsrelevanten Anwendungen der Konzerne und Großverlage mit ihren anderen Produkten in einer zunehmend plattformisierten ökonomischen Ausrichtung aufzugreifen.

20Das bisher Gesagte lässt sich folgendermaßen in der Tabelle 1⁵ visualisieren, von links nach rechts gelesen: Die Frage 1 wird durch die Unterteilung der reputationsfähigen Einheiten mit und ohne Akteur:innenstatus in der linken Spalte implementiert, während die Fragen 2-4 in der oberen Zeile abgebildet werden. Diese nehmen in aktiver und passiver Weise am Reputationsspiel teil, das ist der erste Teil der Frage 2. Sie verteilen Reputation auf andere reputationsfähige Einheiten und erhalten Reputation von anderen reputationsfähigen Einheiten. Die Verteilung bzw. Generierung von Reputation findet durch unterschiedliche reputierende Handlungen und Prozesse statt (der zweite Teil der Frage 2), die sowohl eine aktive als auch eine passive Seite haben.

28Die Frage 3 behandelt die Formen der epistemischen Erfassung von Reputation für die jeweiligen reputationsfähigen Einheiten. Die letzte Spalte der Tabelle stellt, zum Teil aus einer Metaperspektive, die Frage 4 nach Kontrollinstanzen im Reputationsgeschehen.

29Die konkreten Inhalte der Tabellenfelder stellen einen ersten Versuch der Kartierung des Reputationsspiels dar, in Anschluss an Fischers Analyse. Hier braucht es weitere theoretische Auseinandersetzung und empirische Forschung. Bereits in dieser Darstellung sind jedoch zwei Tendenzen zu erkennen: erstens, ein Verlauf von links nach rechts, der von zunehmender Quantifizierung geprägt ist. Zweitens, ein Verlauf von oben nach unten, der vom Erkenntnisinteresse zu wirtschaftlichen Zielen führt. Letztere können, ebenfalls nach unten absteigend, in Anforderungen des New Public Management (Weingart und Taubert 2016b) an Wissenschaftseinrichtungen einerseits und kommerzielle Interessen der privatwirtschaftlichen Akteur:innen andererseits unterteilt werden. Diese Trends hängen miteinander und einem weiteren Faktor zusammen, wie ich im nächsten Abschnitt argumentiere.

Verstrickungen

30Der im letzten Abschnitt erwähnte Zusammenhang betrifft bestimmte reputationsfähige Einheiten, die den Status von Akteur:innen haben. Fischers Bild folgend bezeichne ich sie als ‚Spieler:innen‘ im Reputationsspiel. Darunter fallen:

• Wissenschaftler:innen
• Förderer
• Fachgesellschaften
• Universitäten/Bibliotheken
• Verlage
• Zeitschriften
• Indikatorensetzende Konzerne (Clarivate mit WoS InCites & JIF, Elsevier mit Scopus, SciVal und Pure, Digital Science mit Dimensions, Professional Services, Science Indicators )
• Anbieter von Analyse-Anwendungen für die Wissenschaftsevaluation und das Wissenschaftsmanagement
• Ranker (THE, QS) und ihre Datenlieferanten (Elsevier, Clarivate)
• Dritte (Informationenempfänger durch Tracking)

32Diese heterogenen Gruppen im aktuellen Reputationsspiel haben teilweise sehr unterschiedliche Rollen, Interessen und sind mit unterschiedlicher Macht ausgestattet, sowohl hinsichtlich der Repuation als auch darüber hinaus. Bestimmte Spieler:innen mit kommerzieller Ausrichtung, die mindestens teilweise im Einflussbereich der Konzerne stehen, sind kursiviert, ich bezeichne sie als ‚konzernnahe Spieler:innen‘. Ihre Positionen im Spiel sind ein Ergebnis kontingenter Entwicklung. Insbesondere drei Schritte haben diese Entwicklung geprägt, die jedoch keineswegs aus intern-wissenschaftlicher Notwendigkeit erfolgten. Die einzelnen Schritte umfassen Prozesse, die teilweise größere Zeiträume umspannen; Schritt III macht aus der aktuellen Situation heraus eine negative Prognose für die Zukunft.

• Schritt I Abhängigkeiten (späte 1940er bis Ende 1990er): Publizieren im Zeitschriften-Format, Maxfield-Garfieldsches-Modell (Lauer 2022), Machtkonzentration bei wenigen Großverlagen
  33
  • Abhängigkeit von Verlagen, Publikations-Lock-In (‚Zeitschriften-Krise‘)
• Schritt II Verstrickungen (ab 2000er): Digitalisierung des Wissenschaftsprozesses, der Wissenschaftsevaluation mit steigendem Einfluss der Bibliometrisierung und Rankisierung; Integration verschiedener Prozesse (Management, Evaluation, CRIS) in überlappenden Anwendungen
  33
  • Datafizierung der Reputation
• Schritt III Entgleisungen (ab Mitte 2010er): Großverlage werden zu Datenanalyse- und Medienkonzernen; Datenmaximierung durch Tracking und Plattformisierung aller Aktivitäten, inklusive der Messinstrumente, -inhalte und -ergebnisse
  33
  • Plattformisierung der Reputation
  • epistemische Abhängigkeit, Gefahr eines System-Lock-In (Fadeeva 2025)

34Die Entwicklungsschritte I und II haben vor allem mit der wachsenden Rolle der Konzerne und konzernnaher Spieler:innen auf alle Bereiche der Wissenschaft zu tun. Schritt I betrifft zunächst die steigende Abhängigkeit der Publikationspraxis von diesen Spieler:innen, in der ersten Phase geprägt durch ein Subskriptionsmodell, das die Rechteabgabe auf der Seite der Wissenschaftler:innen und die Gewinnabschöpfung bei Verlagen positionierte. Flankiert ist das Maxfield-Garfieldsche-Modell von zunehmender Relevanz bibliometrische Indikatoren, die Zeitschriften als Proxy für Qualität von Inhalten platzieren. Die Konzentration auf dem Zeitschriftenmarkt hin zum Oligopol der Verlage (Larivière u. a. 2015) mündete in einem Publikations-Lock-In für Wissenschaftler:innen und der Zeitschriften-Krise für die Bibliotheken. Die Bindung von Reputation an ein quantitatives Messinstrument, den JIF, wird im weiteren Digitalisierungprozess nur noch verstärkt.

35Schritt II ist durch den massiven Aufkauf vorhandener und neu entwickelter Forschungsanwendungen durch das Oligopol (Chen u. a. 2019; Posada und Chen 2018) und Clarivate bestimmt. Gleichzeitig arbeiten die Konzerne an der Entwicklung neuer Anwendungen, die mehrere Ebenen verbinden – Reputation und bibliometrische Analysen mit neuen evaluativen Funktionen, Wissenschaftsmanagement und -verwaltung. Hier findet zunehmend die Datafizierung von Reputation statt, während die Konzerne und konzernnahen Spieler:innen weitere Formen der Verwertung der quantifizierten Reputationseinheiten in ihren Services entwickeln.

36Schritt III kennzeichnet eine strukturelle Veränderung der Konzerne, keine temporale. Elsevier, SpringerNature und Wiley verändern ihr Modell von Verlagstätigkeit zur Datenanalyse⁶; Clarivate war bereits in diesem Bereich aktiv. Damit geht eine Ausrichtung auf Datenmaximierung und Plattformisierung einher, die diesem Geschäftsmodell inhärent ist. Für die Reputation bedeutet das einen weiteren Schritt der Anpassung an kommerzielle Plattformlogik. Für die Spieler:innen außerhalb des konzernnahen Bereichs ist die zunehmender Plattformisierung ein Schritt zu reputationsbezogenen, wirtschaftlichen und auch epistemischen Abhängigkeit von den Konzernen und konzernnahen Spieler:innen. Die Veränderung des Reputationsbegriffs im Übergang von Schritt II zu Schritt III, der den Übergang zur rechten Seite der Tabelle 1 thematisiert, möchte ich im nächsten Abschnitt aufgreifen.

Von Verstrickungen zu Entgleisungen

37Renke Siems' Beitrag in diesem Band beschäftigt sich mit den Folgen der Datafizierung von Wissenschaft, verstanden als Transformationsprozess eines Lebensraums in ein kommodifiziertes Gut mit neuen Verwendungsweisen und Sinnstrukturen. Dobusch und Heimstädt beschreiben die zentralen Entwicklungsstränge der strukturellen Transformation der Wissenschaft als „specialization, metrification, internationalization, platformization and visibilization“ (Dobusch und Heimstädt 2023, 3). Wie lassen sich diese Entwicklungen mit dem bisher Gesagten verknüpfen und in welcher Weise kann von einer Datafizierung und Plattformisierung von Reputation gesprochen werden? Das Zwischenglied bilden hier die bereits genannten Konzerne und konzernnahen Spieler:innen. Ihre Verbindung zum Reputationsbegriff geht mit dessen Umdeutung als quantifizierbare Daten einher, entsprechend den veränderten Interessen der Konzerne.

38Die Datafizierungs- und Plattformisierungslogik verlangt einen ständigen, instransparenten Datenfluss von Nutzer:innen zur Plattform, bei dem Daten in verwertbare Einheiten verwandelt und neue Einnahmen bzw. Einnahmequellen geschaffen werden, zum Beispiel für die Entwicklung von ‚predictive products‘ (Zuboff 2019). Es ist für die Plattform wichtig, möglichst viele Bereiche und Tätigkeitsfelder zu verbinden, damit Nutzende die Plattform bestenfalls gar nicht mehr verlassen und permanent Datenspuren hinterlassen. Im Fall von wissenschaftlichen Anwendungen werden zudem auch wissenschaftliche Produkte von eigenem Wert erzeugt. Elsevier bietet explizit ein „Elsevier research ecosystem“ an, in dem alle (mittlerweile auch KI-unterstützten) Anwendungen wie Pure, SciVal, Scopus integriert sind. Der Forschungsprozess mit allen Einzelschritten und weiteren Bereichen des Wissenschaftsmanagements „discovery, funding insight and decision-making“⁷ soll ein Verlassen des Elsevier-Ökosystems überflüssig machen. Die aktuelle KI-Erweiterung der Elsevier-Plattform ScienceDirect AI bietet KI-Assistenz für die Literatursuche, -bearbeitung und -evaluation⁸ und gibt der Plattform gleichzeitig breite Einsicht in und kontinuierliche, detaillierte Nachverfolgung des Forschungsprozesses.

39Doch inwiefern wird wissenschaftliche Reputation durch Interaktion mit der Plattform vermittelt bzw. sogar generiert? Das erfolgt fließend, einerseits durch die fortschreitende Einbindung der permanent beobachteten und gemessenen wissenschaftlich relevanten Tätigkeiten in die Plattformnutzung. So wird die Präsenz auf der Plattform nach und nach ein unumgänglicher Teil wissenschaftlicher Arbeit: Die Auswahl des konzerneigenen Publikationsorgans mit Hilfe der Suchfunktion der Plattform, die Abwicklung des Publikationsprozesses über die Plattform, die (Open-Access-)Publikation auf der Plattform, über die Leser:innen an die Publikation gelangen und selbst Nutzungsspuren hinterlassen, die wiederum in die Datenbestände der Plattform einfließen und ausgewertet werden (als Views, Downloads oder Aufnahme in die Leseliste).

40Andererseits erfolgt die durchgehende Einordnung der Publikation und der weiteren Aktivitäten in den wachsenden Pool quantitativer Evaluationsanwendungen der jeweiligen Plattform: JIF (in 2-Jahres- und 5-Jahres-Abschnitten), Immediacy Index, Cited Half-Life bei Clarivates WoS und Scopus-Metriken SNIP, Relative Database Citation Potential, Scimago Journal Rank, CiteScore bei Elsevier. Diese vielfältigen bibliometrischen Analysen legitimieren ihre eigene Nutzung und Relevanz, begleitet von einer professionellen, problembewussten Außendarstellung⁹ als Partner:innen der Wissenschaft. Die Analysen werden auf verschiedenen Ebenen in weitere eigene Anwendungen eingespeist, vom Forschungszyklus mit eigenen Anwendungen zu eigenen Current Research Information Service und Faculty Information Systems¹⁰ zu immer umfangreicheren KI-getragenen Analytic Services für die Strategieberatung von Wissenschaftsstandorten,¹¹ Förderern und sogar Regierungen¹². Für alle diese Ebenen gilt, dass der Einfluss des jeweiligen Konzerns mit der systematischen Vergrößerung des Wirkungsfelds steigt, z. B. bei der Verknüpfung der Anwendungen SciVal, Scopus und Pure mit Universitäts-Rankings bei Elsevier und entsprechenden Anwendungen bei Clarivate:

„Elsevier described its capabilities in analyzing rankings as a part of various competencies for its Analytical Services (Elsevier, 2018). Elsevier also began utilizing rankings to promote its own metrics, showcasing the correlation of Elsevier’s SciVal subject Prominence metric with the ‚Field Weighted Citation Impact‘ metric[...] used as a basis for the THE citations indicator. This was described in Elsevier’s 2019 promotional ebook ‚Understand Scopus and SciVal’s role in university rankings‘ (Elsevier, 2019a).“ 

41Zugleich steigt auch die Menge der für den Konzern verfügbar werdenden Daten aus den Institutionen und – qua global agierender Spieler:innen – dem internationalen Wissenschaftssektor. Außer der einzelnen Aktivitäten der Nutzer:innen innerhalb des Wissenschaftssektors gehören auch weitere wissenschaftsbezogenen Daten dazu, die aus den verschiedenen Anwendungen gesammelt werden. Das sind personenbezogene Daten über Wissenschaftler:innen, Studierende und weitere Angehörige der Wissenschaftseinrichtungen und Bibliotheken; Forschungsdaten sowie Daten, die in den forschungsspezifischen Anwendungen generiert werden; Daten aus dem Wissenschaftsmanagement sowie konkrete Informationen über die jeweiligen Institutionen. Die Tabelle 2¹³ zeigt den Informationsbestand des RELX-Konzerns mit nur einem Bereich seines Portfolios, Elsevier. Dieser Umfang erlaubt dem Konzern einen kontinuierlichen Datenabfluss (samt der bekannten und unbekannten Formen der Datenverwertung auch außerhalb der Akademia), systematische und intransparente Möglichkeiten der Einflussnahme und eine Position epistemischer Hoheit gegenüber den wissenschafltlichen Einrichtungen.

43Chen und Chan beschreiben diese Zirkulation von Daten, Anwendungen, Einflussnahme und Reputation paradigmatisch bei Elsevier:

„By creating an end-to-end platform that integrates the entire research life cycle and reputation management, Elsevier is able to accumulate data that it can then leverage to create analytics products, particularly those supporting university competition on rankings. To further valorize these analytics, Elsevier has actively attempted to place itself into positions to influence the development and use of metrics by academic institutions and other organizations.“ (Chen und Chan 2021, 14)

44Plattformisierung ist also einerseits der automatisierte Prozess des Übergangs der wissenschaftlichen Qualitätserfassung durch Quantitätsmessung innerhalb des konzerninternen Ökosystems. Reputationssteigernd ist in der Plattformlogik ein Verhalten, das die Präsenz der reputationssuchenden Nutzer:innen maximiert. Dieses vielerorts kritisierte Verhalten beschreibt Fischer in Form von Reputationsstrategien auf dem Statusmarkt Wissenschaft. Andererseits wirkt sich die plattforminhärente Logik der Datengenerierung und Datenverwendung auf die Strukturierung des Wissenschaftsraums aus. Siems‘ Beitrag führt aus, wie durch die Datafizierung, also Umdeutung des Wissenschaftsektors als verwertbaren Steinbruch, auch ein undurchsichtiger, globaler Markt bedient wird, dessen Interessen mindestens in vielen Bereichen geradezu konträr zu Normen und Zwecksetzungen der Wissenschaft sind.

45Die Verwendung der Daten für prädiktive Analytik, die Verwertung wissenschaftsgenerierter und personenbezogener Daten im Risk-solutions-Bereich, z.B. bei RELX LexisNexis, das für die Sicherheit von Elsevier¹⁵ zuständig ist, sind keine Ausnahme oder Missbrauch des Data-analytics-Geschäftsmodells, sie sind ihm inhärent. Der folgende unten abgebildete Hinweis auf der LexisNexis-Website im Juni 2025 zeigt den Zynismus der Situation: Ein Sicherheitsunternehmen, das Zugang zu Daten von Wissenschaftler:innen und Studierenden bekommt, das laut eigenen Angaben Identitätsdatenbanken in mind. dreistelliger Millionenhöhe betreibt und dessen Technologien die eindeutige Identifikation für Personen und Geräte „across systems, agencies, and devices“ (LexisNexis 2023, 6) erlauben, schreibt: „NOTICE: We may sell your sensitive personal data.“

Abb. 1: Screenshot der LexisNexis-Website, 28.06.2025

46Siems zeigt, dass es zu einfach wäre, sich dieses Modell als ‚Verkauf von Daten an den/die Meistbietende/n‘ vorzustellen. Ein Bericht von Christl und Ryan führt vor, welche Risiken mit der ubiquitären Praxis des Real Time Bidding verbunden sind (Ryan und Christl, o. J.), das auch im Repertoire der eingesetzten Trackingmaßnahmen der Konzerne und Großverlage in der Wissenschaft gefunden wurde. Daneben werden zahlreiche andere Trackingformen wie fingerprinting, audience tools, tracking pixel, port scanning, history sniffing oder third-party cookies eingesetzt (DFG AWBI 2021; Altschaffel u. a. 2024; Dittmann u. a. 2023; Siems 2022; Hanson 2019; Freiberg 2022). An anderer Stelle (Fadeeva 2025) argumentiere ich, dass allein die durch diese Untersuchungen bekannten technischen Trackingformen¹⁶ invasiv, durchdringend, umfassend und unausweichlich sind und eine für die Wissenschaft gefährliche, aber dem System zugrundeliegende epistemische Asymmetrie darstellen.

Resümee

47Dieser Beitrag hat sich mit verschiedenen Entwicklungen rund um das etablierte Reputationsspiel beschäftigt. Damit ist hier eine komplexe, historisch gewachsene Praxis bezeichnet, die zentrale Funktionen innerhalb der Wissenschaft erfüllt. Gleichzeitig ist offensichtlich und breit kritisiert, dass diese Praxis zuviel Gewicht auf quantifizierbare Evaluationsmethoden legt und den qualitativen Aspekt zu verlieren droht: „Um wissenschaftliche Leistung zu bewerten, braucht es einen Qualitätswert und dafür fehlt bisher ein entsprechendes Bewertungstool.“ (Sollmann und Tunger 2022, 240) Diese Entwicklung hängt mit dem Einfluss bestimmter Akteur:innen zusammen, insbesondere der Datenanalyse- und Medienkonzerne, deren neue Rollen und Interessen mit denen der Wissenschaft nur schwer zu vereinbaren sind. Es ist Zeit für ein neues Reputationsspiel.

Literatur

1. Altschaffel, Robert, Michael Beurskens, Jana Dittmann, u. a. 2024. „Datentracking und DEAL – Zu den Verhandlungen 2022/2023 und den Folgen für die wissenschaftlichen Bibliotheken –“. RuZ - Recht und Zugang 5 (1): 23–40. https://doi.org/10.5771/2699-1284-2024-1-23.
2. Barnes, OBP: Lucy. 2018. Reputation, reputation, reputation - quality control and reward systems. Preprint. OBP Blog. https://doi.org/10.11647/OBP.0173.0091.
3. Biagioli, Mario. 2002. „From Book Censorship to Academic Peer Review“. Emergences: Journal for the Study of Media & Composite Cultures 12 (1): 11–45. https://doi.org/10.1080/1045722022000003435.
4. Biagioli, Mario, und Alexandra Lippman, Hrsg. 2020. Gaming the metrics: misconduct and manipulation in academic research. Infrastructures. The MIT Press.
5. Chen, George, und Leslie Chan. 2021. „University Rankings and Governance by Metrics and Algorithms“. In Research Handbook on University Rankings: Theory, Methodology, Influence and Impact, herausgegeben von Ellen Hazelkorn und Georgiana Mihut. Edward Elgar Publishing. https://doi.org/10.4337/9781788974981.
6. Chen, George, Alejandro Posada, und Leslie Chan. 2019. „Vertical Integration in Academic Publishing“. In Connecting the Knowledge Commons — From Projects to Sustainable Infrastructure, herausgegeben von Leslie Chan und Pierre Mounier. OpenEdition Press. https://doi.org/10.4000/books.oep.9068.
7. DFG AWBI, Ausschuss für Wissenschaftliche Bibliotheken Und Informationssysteme. 2021. Datentracking in der Wissenschaft: Aggregation und Verwendung bzw. Verkauf von Nutzungsdaten durch Wissenschaftsverlage. Ein Informationspapier des Ausschusses für Wissenschaftliche Bibliotheken und Informationssysteme der Deutschen Forschungsgemeinschaft. https://zenodo.org/record/5900759.
8. Dittmann, Jana, Robert Altschaffel, und Stefan Kiltz. 2023. „Webtracking durch Wissenschaftsverlage - eine Spurensuche: Was wird genutzt, was darf man und was kann/muss/sollte man dagegen tun?“ 15. Göttinger Urheber- und Datenschutzrechtstagung, November 7.
9. Dobusch, Leonhard, und Maximilian Heimstädt. 2023. „The structural transformation of the scientific public sphere: Constitution and consequences of the path towards open access“. Philosophy & Social Criticism, Oktober 12, 1–19. https://doi.org/10.1177/01914537231203558.
10. Fadeeva, Yuliya. 2025. Wissenschaftstracking und Lock-in-Effekt. Melusina.
11. Freiberg, Michael. 2022. „Third-Party-Tracking bei Wiley und Springer: Analyse und Ausblick“. ABI Technik 42 (2): 96–104. https://doi.org/10.1515/abitech-2022-0017.
12. Hanson, Cody. 2019. User Tracking on Academic Publisher Platforms. https://www.codyh.com/writing/tracking.html.
13. Hicks, Diana, Paul Wouters, Ludo Waltman, Sarah De Rijcke, und Ismael Rafols. 2015. „Bibliometrics: The Leiden Manifesto for research metrics“. Nature 520 (7548): 429–31. https://doi.org/10.1038/520429a.
14. Hirschauer, Stefan. 2004. „Peer Review Verfahren auf dem Prüfstand: Zum Soziologiedefizit der Wissenschaftsevaluation“. Zeitschrift für Soziologie 33 (1): 62–83. https://doi.org/10.1186/s41073-020-00092-1.
15. Janßen, Melike, und Ariadne Sondermann. 2016. „Universitäre Leistungsbewertungen als Bedrohung der akademischen Identität? Ein subjektorientierter Blick auf die Beurteilung und Kontrolle wissenschaftlicher Leistungen im Zeichen von New Public Management“. Berliner Journal für Soziologie 26 (3–4): 377–402. https://doi.org/10.1007/s11609-017-0323-9.
16. Larivière, Vincent, Stefanie Haustein, und Philippe Mongeon. 2015. „The Oligopoly of Academic Publishers in the Digital Era“. PLOS ONE 10 (6): e0127502. https://doi.org/10.1371/journal.pone.0127502.
17. Lauer, Gerhard. 2022. „Datentracking in den Wissenschaften“. o-bib. Das offene Bibliotheksjournal / Herausgeber VDB, März 31, 1-13 Seiten. https://doi.org/10.5282/O-BIB/5796.
18. Meadows, Alice, und Karin Wulf. 2019. „Quality is Multi-Dimensional: How Many Ways Can You Define Quality in Peer Review?“ The Scholarly Kitchen, September 16. https://scholarlykitchen.sspnet.org/2019/09/16/quality-is-multi-dimensional-how-many-ways-can-you-define-quality-in-peer-review/.
19. Mößner, Nicola, und Klaus Erlach, Hrsg. 2022. Kalibrierung der Wissenschaft: Auswirkungen der Digitalisierung auf die wissenschaftliche Erkenntnis. Science Studies. Transcript Verlag. https://doi.org/10.14361/9783839462102.
20. Pollock, Dan, und Heather Staines. 2022. „News & Views: Publishers and Market Consolidation – Part 1 of 2“. Juni 21. https://www.deltathink.com/news-views-publishers-and-market-consolidation-part-1-of-2.
21. Pooley, Jefferson. 2018. Metrics Mania: The Case Against Academia.edu. Januar 7. https://doi.org/10.17613/M64P08.
22. Posada, Alejandro, und George Chen. 2018. „Inequality in Knowledge Production: The Integration of Academic Infrastructure by Big Publishers“. Conference paper presented auf 22nd International Conference on Electronic Publishing. 22nd International Conference on Electronic Publishing, Juni 15. https://doi.org/10.4000/proceedings.elpub.2018.30.
23. Retzlaff, Eric. 2022. „Wer bewertet mit welchen Interessen wissenschaftliche Publikationen? Eine Skizzierung des Einflusses kommerzieller Interessen auf die Forschungsoutput-Bewertung“. In Kalibrierung der Wissenschaft: Auswirkungen der Digitalisierung auf die wissenschaftliche Erkenntnis, herausgegeben von Nicola Mößner und Klaus Erlach. Science Studies. Transcript Verlag. https://doi.org/10.14361/9783839462102.
24. Robinson-Garcia, Nicolas, Daniel Torres-Salinas, Enrique Herrera-Viedma, und Domingo Docampo. 2019. „Mining university rankings: Publication output and citation impact as their basis“. Research Evaluation 28 (3): 232–40. https://doi.org/10.1093/reseval/rvz014.
25. Ryan, Johnny, und Wolfie Christl. o. J. „Europe’s hidden security crisis: How data about European defence personnel and political leaders flows to foreign states and non-state actors“. https://www.iccl.ie/digital-data/europes-hidden-security-crisis/.
26. Siems, Renke. 2022. „Lesen der Anderen“. o-bib. Das offene Bibliotheksjournal / Herausgeber VDB, März 15, 1–25. https://doi.org/10.5282/O-BIB/5797.
27. Sollmann, Anett, und Dirk Tunger. 2022. „Bibliometrie in Bibliotheken: Antworten Auf Häufige Fragen“. Information – Wissenschaft & Praxis 73 (5–6): 237–44. https://doi.org/10.1515/iwp-2022-2235.
28. SPARC. 2019. „Landscape Analysis: The Changing Academic Publishing Industry – Implications for Academic Institutions“. März 28.
29. SPARC. 2021. „2021 Update: SPARC Landscape Analysis and Roadmap for Action“. September.
30. SPARC, Scholarly Publishing and Academic Resources. 2020. „2020 Update - SPARC Landscape Analysis and Roadmap for Action“.
31. Tennant, Jonathan P., und Tony Ross-Hellauer. 2020. „The Limitations to Our Understanding of Peer Review“. Research Integrity and Peer Review 5 (1): 1–14. https://doi.org/10.1186/s41073-020-00092-1.
32. Weingart, Peter, und Niels C. Taubert, Hrsg. 2016a. „Wandel des wissenschaftlichen Publizierens – eine Heuristik zur Analyse rezenter Wandlungsprozesse“. In Wissenschaftliches Publizieren: zwischen Digitalisierung, Leistungsmessung, Ökonomisierung und medialer Beobachtung. Forschungsberichte (Berlin-Brandenburgische Akademie der Wissenschaften), Band 38. De Gruyter Akademie Forschung.
33. Weingart, Peter, und Niels C. Taubert, Hrsg. 2016b. Wissenschaftliches Publizieren: zwischen Digitalisierung, Leistungsmessung, Ökonomisierung und medialer Beobachtung. Forschungsberichte (Berlin-Brandenburgische Akademie der Wissenschaften), Band 38. De Gruyter Akademie Forschung.
34. Zuboff, Shoshana. 2019. The age of surveillance capitalism: the fight for a human future at the new frontier of power. Profile books.