Die vorliegende Hausarbeit untersucht, wie digitale Bildungsplattformen wie Microsoft for Education Bildungsungleichheit im schulischen Kontext reproduzieren und verstärken. Im Zuge der Plattformisierung von Bildung werden digitale Lernumgebungen zu zentralen Infrastrukturen schulischer Organisation, die Lernprozesse, Leistungsbewertungen und soziale Interaktionen datenbasiert strukturieren. Die Arbeit stützt sich auf Bourdieus Habitus- und Kapitaltheorie, den Ansatz des digitalen Habitus, des Plattform-Kapitalismus und der Postdigitalität. Die Analyse basiert auf aktueller Literatur zur digitalen Ausstattung, Nutzung und Kompetenz in Deutschland sowie auf Forschung zu Microsoft for Education. Die Resultate weisen darauf hin, dass die Lernplattform trotz formaler Kostenfreiheit an ungleich verteilte Kapitalformen anschließt. Zugang und Nutzung setzen materielle Ressourcen, digitale Kompetenzen und selbstregulative Lernfähigkeiten voraus, die insbesondere bei benachteiligten Schüler*innen eingeschränkt vorhanden sind. Algorithmische Klassifikationen und datenbasierte Leistungsbewertung tragen zudem zur Legitimation, Stabilisierung und Verstärkung bestehender Bildungsungleichheiten bei.
Inhaltsverzeichnis
Hilfsmittelverzeichnis
1 Einleitung
2 Forschungsstand
3 Theoretischer Rahmen
3.1 Habitus- und Kapitaltheorie nach Bourdieu
3.2 Digitaler Habitus nach Biermann
3.3 Plattform-Kapitalismus
3.4 Postdigitalität
4 Analyse aktueller Literatur zu Microsoft Education
4.1 Befunde zum digitalen Zugang an deutschen Schulen
4.1.1 Ausstattung
4.1.2 Nutzungshäufigkeit
4.1.3 Lernangebote
4.1.4 Digitale Kompetenzen
4.2 Befunde zu Microsoft Education
4.2.1 Lern- und Organisationsplattform
4.2.2 Algorithmische Strukturierung
4.2.3 Kostenfreiheit als Plattformstrategie
4.3 Beantwortung der Forschungsfrage
5 Diskussion
6 Fazit und bildungswissenschaftliche Implikationen
7 Literaturverzeichnis
Abstract
Die vorliegende Hausarbeit untersucht, wie digitale Bildungsplattformen wie Microsoft for Education Bildungsungleichheit im schulischen Kontext reproduzieren und verstärken. Im Zuge der Plattformisierung von Bildung werden digitale Lernumgebungen zu zentralen Infrastrukturen schulischer Organisation, die Lernprozesse, Leistungs-bewertungen und soziale Interaktionen datenbasiert strukturieren. Die Arbeit stützt sich auf Bourdieus Habitus- und Kapitaltheorie, den Ansatz des digitalen Habitus, des Plattform-Kapitalismus und der Postdigitalität. Die Analyse basiert auf aktueller Literatur zur digitalen Ausstattung, Nutzung und Kompetenz in Deutschland sowie auf Forschung zu Microsoft for Education. Die Resultate weisen darauf hin, dass die Lernplattform trotz formaler Kostenfreiheit an ungleich verteilte Kapitalformen anschließt. Zugang und Nutzung setzen materielle Ressourcen, digitale Kompetenzen und selbstregulative Lernfähigkeiten voraus, die insbesondere bei benachteiligten Schülerinnen eingeschränkt vorhanden sind. Algorithmische Klassifikationen und datenbasierte Leistungsbewertung tragen zudem zur Legitimation, Stabilisierung und Verstärkung bestehender Bildungsungleichheiten bei.
Schlagwörter: Bildungsungleichheit; digitale Bildungsplattformen; Habitus; Plattform-Kapitalismus; Datafizierung; Microsoftfor Education; Postdigitalität
Abstract
This term paper examines how digital education platforms such as Microsoft for Education reproduce and reinforce educational inequality in school contexts. In the course of the platformisation of education, digital learning environments have become central infrastructures of school organisation, structuring learning processes, assessment practices and social interactions through data-driven mechanisms. The paper draws on Bourdieu’s theory of habitus and capital, the concept of digital habitus, platform capitalism and postdigitality. The analysis is based on recent literature on digital infrastructure, usage and competences in Germany, as well as research on Microsoft for Education. The results show that, despite its formal cost-free access, the learning platform relies on unevenly distributed forms of capital. Access and effective use require material resources, digital competences and self-regulated learning skills, which are particularly limited among disadvantaged students. Moreover, algorithmic classification and data-based performance assessment contribute to the legitimation, stabilisation and reinforcement of existing educational inequalities.
Keywords: educational inequality; digital education platforms; habitus; platform capitalism; datafication; Microsoftfor Education; postdigitality
Hilfsmittelverzeichnis
Abb. in Leseprobe nicht enthalten
1 Einleitung
Digitale Plattformen und datenbasierte Lernumgebungen sind heute nicht mehr bloß ergänzende Werkzeuge schulischer Praxis, sondern konstitutive Bestandteile pädagogischer Organisation. In einem postdigitalen Zustand, in dem digitale Technologien als selbstverständlich in schulische Routinen integriert sind (Jandric & Knox, 2022, S. 783), werden Lernprozesse, Leistungsbewertungen und soziale Interaktionen zunehmend datenförmig erfasst, analysiert und strukturiert (Erstad et al., 2023, S. 22-29). DieserWandel betrifft nicht allein didaktische Methoden, sondern verändert grundlegend, wie Bildung gedacht und umgesetztwird (Knox, 2019, S. 363-365). Lernende erscheinen dabei zunehmend als Datenprofile, deren Verhalten vergleichbar, prognostizierbar und optimierbar gemacht wird. Effizienz, Vergleichbarkeit und Optimierung der Lernprozesse spielen dabei eine zentrale Rolle, und die fortschreitende Datafizierung1 pädagogischer Praxis trägt dazu bei, Lernen als messbaren, steuerbaren und prognostizierbaren Prozess zu verstehen (Leineweber, 2023, S. 241-242).
Die Plattformisierung2 des Bildungswesens ist vor dem Hintergrund des Plattform-Kapitalismus zudem mit erheblichen Risiken verbunden. Digitale Bildungsplattformen agieren nicht nur als neutrale Infrastrukturen, sondern als privatwirtschaftliche Akteure, deren Geschäftsmodelle auf der systematischen Extraktion, Verarbeitung und Verwertung von Daten beruhen (Srnicek, 2018, S. 45). Bildung wird somit zunehmend in ökonomische Logiken großer Tech-Un- ternehmen eingebettet und von deren Technik abhängig (Redecker, 2023, S. 85-87).
Ein konkretes Beispiel für diese Entwicklung ist Microsoft for Education. Es handelt sich dabei nicht um eine einzelne Anwendung, sondern um ein umfassendes digitales Ökosystem, das unter anderem Microsoft Teams, Microsoft 365, OneDrive, Learning Analytics-Funktionen und Kl-gestützte Auswertungstools umfasst. Das System strukturiert schulische Kommunikation, Aufgabenorganisation, Leistungsrückmeldungen und Lernprozesse in integrierter Form und erzeugt dabei fortlaufend Datenspuren über das Verhalten, die Interaktionen und Leistungen von Schülerinnen (Microsoft, o. J. a). Kritische Stimmen weisen darauf hin, dass diese Datenerhebung weitreichende Rückschlüsse auf Lernende ermöglicht, während Verantwortlichkeiten für Datennutzung und Datenschutz seitens des Anbieters nur begrenzt transparent geregelt sind (Holland- Letz, 2025; Kuketz, 2025). Aus bildungswissenschaftlicher Perspektive stellt sich vor diesem Hintergrund auch die Frage nach den sozialen Folgen dieser Entwicklung, denn Bildungssysteme sind Orte der Reproduktion von Ungleichheit. In Anschluss an Pierre Bourdieu lässt sich schulischer Erfolg nicht allein als Ergebnis individueller Leistung allein begreifen, sondern auch als Folge der sozialen Herkunft als Ausdruck ungleich verteilter Kapitalausstattungen - insbesondere kulturellen, sozialen und ökonomischen Kapitals (Bourdieu, 2025, S. 143-161; Bourdieu et al., 1971, S. 19-45). Digitale Bildungsplattformen greifen in diese Reproduktionsmechanismen ein, indem sie bestimmte Formen digitaler Kompetenz, technischerAusstattung, Selbstorganisation und familiärer Unterstützung voraussetzen und bewerten. Diese Voraussetzungen sind jedoch gesellschaftlich ungleich verteilt, sodass digitale Lernumgebungen bestehende Ungleichheiten nicht nur abbilden, sondern potenziell verstärken können (Zhao, 2023, S. 641). Besonders kritisch dabei ist, dass algorithmische Voreingenommenheit soziale Ungleichheiten nicht nur passiv abbildet, sondern durch die Nutzung historischer Datensätze aktiv reproduziert (Baker & Hawn, 2022, S. 1058-1059). Dies kann dazu führen, dass bestimmten Gruppen Chancen oder Ressourcen vorenthalten oder Ressourcen unfair verteilt werden, was die bestehende digitale und soziale Kluftweitervertieft (S. 1055).
Vor diesem Hintergrund untersucht die vorliegende Arbeit die Frage, wie digitale Plattformen wie Microsoft for Education Bildungsungleichheit im schulischen Kontext verstärken und wie sich dies mithilfe von Bourdieus Habitus- und Kapitaltheorie erklären lässt.
Zur Beantwortung der Fragestellung ist die vorliegende Arbeit in sechs Kapitel aufgeteilt. Nach der Einleitung folgt ein Überblick über den aktuellen Forschungsstand zu digitalen Bildungsplattformen, Datafizierung, Learning Analytics und Bildungsungleichheit. In Kapitel 3 wird der theoretische Rahmen vorgestellt und in Kapitel 4 werden aktuelle Studien zu digitalen Bildungsplattformen und Ungleichheit ausgewertet sowie die Forschungsfrage beantwortet. Im fünften Kapitel werden die Ergebnisse diskutiert und im sechsten Kapitel ein Fazit mit bildungswissenschaftlichen Implikationen gezogen.
2 Forschungsstand
Die wissenschaftliche Auseinandersetzung mit digitalen Bildungsplattformen hat sich seit den frühen 2020er-Jahren deutlich intensiviert. Ein zentraler Strang der Forschung befasst sich mit Microsoft for Education als digitaler Lehr-LernInfrastruktur. Die Plattform wurde sowohl aus funktional-didaktischer Perspektive untersucht (Al-Qora’n et al., 2022, S. 1) als auch hinsichtlich ihrer Wirkung auf selbstregulierte Lernprozesse von Studierenden (Al-Shboul, 2024, S. 4). Die empirischen Befunde bescheinigen Microsoftfor Education dabei überwiegend eine zufriedenstellende Funktionalität und Wirksamkeit, die sich unteranderem in erhöhtem Engagement, gesteigerter Teilnahme sowie verbesserten Studienleistungen zeigt (Hazaymeh, 2025, S. 6-7). Ergänzend zeigen Studien der Akzeptanz- und Wahrnehmungsforschung, dass Lehrkräfte und Lernende Microsoft Teams mehrheitlich als praktikables und alltagstaugliches Werkzeug bewerten (Elihami & Lobo, 2024, S. 248; Mitra & Wadegaonkar, 2025, S. 538539). Zugleich wird betont, dass die Erwartungen von Lehrenden und Studierenden an Learning-Analytics-Systeme einen entscheidenden Einfluss auf deren erfolgreiche Implementation haben (Fritz et al., 2024, S. 13-14).
Neben den nutzenorientierten Arbeiten hat sich parallel eine kritisch-theoretische Forschungsperspektive etabliert, die digitale Bildungsplattformen im Kontext von Datafizierung, Macht und Ökonomie analysiert. Der Sammelband „Da- tafizierung (in) der Bildung“ versteht Datafizierung nicht als rein technische Transformation, sondern als Prozess, der tief in pädagogische Praktiken, institutionelle Logiken und gesellschaftliche Machtverhältnisse eingebettet ist. Darin wird hervorgehoben, dass datenbasierte Vermessung und Klassifikation von Lernenden nicht neutral erfolgen, sondern im Zusammenhang mit ökonomischen Interessen großer Technologieunternehmen stehen. Dadurch können neue Formen pädagogischer Steuerung und sozialer Differenzierung hervorgebrachtwerden (Schiefner-Rohs et al., 2024, S. 11-15).
Diese Perspektive wird durch einen umfassenden Literaturüberblick aus dem Erasmus+-Projekt „Agile-EDU“ weiter differenziert. Datafizierung wird darin als Teil eines komplexen bildungsbezogenen Datenökosystems beschrieben, an dem Lernende, Lehrkräfte, Bildungsinstitutionen sowie kommerzielle EdTech- und BigTech-Akteure mit unterschiedlichen Interessen an Bildungsdaten beteiligt sind. Besonders hervorgehoben wird, dass durch diese Konstellation neue Herausforderungen für Inklusion und Bildungsgerechtigkeit entstehen. Ungleicher Zugang zu digitalen Endgeräten, zu Bildungsdaten sowie zu daten- und Kl-bezogenen Kompetenzen begünstigt dabei die Entstehung neuer digitaler Spaltungen, die bestehende soziale Ungleichheiten nicht nur überlagern, sondern potenziell verstärken. Als zentrale Voraussetzung für einen verantwortungsvollen Umgang mit Datafizierung wird daher die systematische Förderung von Multiliteracies - insbesondere Daten-, Kl- und algorithmischer Literalität - bei Lernenden sowie in der Aus- und Fortbildung von Lehrkräften benannt (Erstad etal.,2023, S. 33-35).
Eine weitere Literaturanalyse zeigt, dass digitale Lernressourcen entgegen verbreiteter Erwartungen bislang keinen substanziellen Beitrag zum Abbau von Bildungsungleichheit leisten. Zwar habe sich der Zugang zu digitalen Lernangeboten insgesamt verbessert, doch profitieren vor allem Lernende aus ressourcenstarken Milieus, während sozioökonomisch benachteiligte Gruppen weiterhin durch eingeschränkten Internetzugang, geringere elterliche Unterstützung sowie geringere digitale und selbstregulative Kompetenzen benachteiligt sind. Digitale Lernressourcen entfalten ihre Wirkung somit nicht unabhängig von sozialen Voraussetzungen, sondern reproduzieren bestehende Ungleichheiten, indem sie an ungleich verteilte kulturelle und digitale Kapitalausstattungen anschließen (Zhao, 2023, S. 636-640).
Ein Review empirischer Literatur zum algorithmischen Bias im Bildungskontext zeigte zudem, dass Algorithmen in datenbasierten Lernumgebungen soziale Ungleichheiten nicht neutral abbilden, sondern systematisch reproduzieren können. Algorithmische Voreingenommenheit resultiert demnach nicht allein aus technischen Modellen, sondern maßgeblich aus der Auswahl und Operationalisierung von Variablen sowie aus der Nutzung historischer Datensätze, in denen bestehende Ungleichheiten bereits eingeschrieben sind. Besonders betroffen sind davon marginalisierte Gruppen, etwa entlang sozioökonomischer, ethnischer oder geschlechtlicher Linien, da algorithmische Prognosen und Bewertungen für diese Gruppen häufiger fehlerhaft oder benachteiligend ausfallen (Baker&Hawn, 2022, S. 1073-1075).
Der vorliegende Forschungsstand macht deutlich, dass eine theoretisch fundierte Auseinandersetzung erforderlich ist, um zu verstehen, wie digitale Plattformen wie Microsoft for Education Bildungsungleichheit nicht nur abbilden, sondern aktiv mitproduzieren. An dieser Stelle setzt die vorliegende Arbeit an.
3 Theoretischer Rahmen
Dieses Kapitel legt die theoretischen Grundlagen der vorliegenden Arbeit dar. Es umreißt Bourdieus Habitus- und Kapitaltheorie sowie Biermanns Ausführungen zum „digitalen Habitus“. Ergänzend werden Srniceks Plattform-Kapitalismus und das Konzept der Postdigitalität nach Jandric et al. eingeführt.
3.1 Habitus- und Kapitaltheorie nach Bourdieu
Die Analyse von Ungleichheit im Bildungskontext setzt das Verständnis voraus, dass gesellschaftliche Institutionen wie die Schule keineswegs neutrale Orte der Leistungsbewertung sind. Bereits in ihrem grundlegenden Werk „Illusion der Chancengleichheit“ konstatierten Bourdieu und Passeron, dass das Bildungssystem dazu neigt, soziale Privilegien in individuelle Verdienste umzudeuten und dadurch bestehende Klassenunterschiede eher legitimiert als abgebaut werden (Bourdieu et al., 1971, S. 45). Um diesen Prozess zu dekonstruieren, ist jedoch eine differenzierte Betrachtung der Ressourcen notwendig, über die Lernende verfügen. Bourdieu definiert Kapital dabei als „akkumulierte Arbeit“, die entweder in Form von Materie oder in verinnerlichter „inkorporierter Form“ existiert und den Akteurinnen die Aneignung „sozialer Energie“ ermöglicht (Bourdieu, 2012, S. 229). Er unterscheidet drei wesentliche Kapitalarten:
„Das ökonomische Kapital ist unmittelbar und direkt in Geld konvertierbar und eignet sich besonders zur Institutionalisierung in der Form des Eigentumsrechts; das kulturelle Kapital ist unter bestimmten Voraussetzungen in ökonomisches Kapital konvertierbar und eignet sich besonders zur Institutionalisierung in Form von schulischen Titeln; das soziale Kapital, das Kapital an sozialen Verpflichtungen oder „Beziehungen“, ist unter bestimmten Voraussetzungen ebenfalls in ökonomisches Kapital konvertierbar und eignet sich besonders zur Institutionalisierung in Form von Adelstiteln“ (S. 231).
Kulturelles Kapital existiert nach Bourdieu in drei Zuständen: als objektiviertes Kulturkapital, beispielsweise in Form von Büchern oder Daten, als institutionalisiertes Kulturkapital, beispielsweise in Form von akademischen Titeln und als inkorporiertes Kulturkapital in Form von Bildung. Letzteres ist als dauerhafte Disposition an den Körper gebunden. Seine Aneignung erfordert Zeit und erfolgt durch Verinnerlichung, womit es zum Bestandteil der Person - also zu ihrem Habitus - wird (S. 231-233). Dieser bildet das Bindeglied zwischen Kapital und praktischer Lebensführung: Nach Bourdieu nehmen Menschen im sozialen Raum unterschiedliche Positionen ein, die wiederum mit bestimmten Lebensbedingungen einhergehen. Diese prägen und beeinflussen Denk-, Wahrneh- mungs- und Handlungsmuster der Menschen und erzeugen so bestimmte Habitusformen (Bourdieu, 1987, S. 98). Beispielsweise sprechen Angehörige der Arbeiterklasse anders als Akademikerinnen - sie lachen über andere Witze und lieben andere Speisen, Kunst und Musik. Der Habitus ist nach Bourdieus Definition „[...] eine allgemeine Grundhaltung, eine Disposition gegenüber der Welt, die zu systematischen Stellungnahmen führt“ (Bourdieu et al., 2015, S. 31). Er setzt den Menschen jedoch auch Grenzen: „Wer den Habitus einer Person kennt, der spürt und weiß intuitiv, welches Verhalten dieser Person verwehrt ist“ (S. 33).
Kapital, Habitus und die Position im sozialen Raum beeinflussen sich nach Bourdieu gegenseitig. Hinzu kommt aber auch der zeitliche Faktor und bestimmte Kräfte des Feldes, in dem sich der soziale Raum befindet. So gelten etwa im Feld der Wirtschaft andere Logiken als im Feld der Kunst oder der Bildung. Eines haben jedoch alle Felder gemeinsam: Sie sind Austragungsorte von Machtkämpfen (Bourdieu, 2025, S. 193-196). Bourdieu führt beispielsweise ungleiche Bildungschancen auf die Privilegierung und Eliminierung bestimmter Klassen an Bildungsinstitutionen zurück (Machtkampf). Eine zentrale Rolle spielt hierbei also auch die soziale Herkunft (Bourdieu et al., 1971, S. 19-31). Indem das Bildungssystem herkunftsspezifische Unterschiede ignoriert und stattdessen so tut, als hätten alle Lernenden die gleichen Startbedingungen, wird die Auswirkung von höherem (vererbtem) Kapital der Privilegierten verschleiert und als persönliche Leistung umgedeutet. Hinter der Rechtfertigung des Erfolgs oder Nichterfolgs mit „Begabung“ oder „Schicksal“ steht eine Ideologie, die als Deutungs- und Bewertungsmuster auch von den Nicht-Privilegierten übernommen wird (S. 82-86). Sie ist wiederum als Ausdruck symbolischer Gewalt zu verstehen, deren „[...] Repressionsgehalt weder unmittelbar bewusst wird noch offen zutage tritt“ (Moebius & Wetterer, 2011, S. 2). „Kennzeichnend für die symbolische Gewalt ist, dass sie auf der symbolisch-sinnhaf- ten Ebene des Selbstverständlichen und Alltäglichen operiert und zur Bejahung, Verinnerlichung und Verschleierung von gesellschaftlichen Herrschaftsverhältnissen führt“ (S. 1). Symbolische Gewalt ist dabei Ausdruck symbolischer
Macht3, die als „Waffe“ im Kampf um symbolische Herrschaft4 eingesetzt werden kann (K. Schmidt, 2022, S. 110).
Vor dem Hintergrund der zunehmenden Durchdringung sozialer Praxis durch digitale Technologien stellt sich nun die Frage, wie sich diese ungleichheitsrelevanten Mechanismen unter Bedingungen der Digitalität theoretisch fassen lassen.
3.2 Digitaler Habitus nach Biermann
Biermann entwickelt den Begriff des digitalen Habitus als theoretische Erweiterung des bourdieuschen Konzepts. Es handelt sich also um kein völlig neues Phänomen, sondern um eine historisch situierte Ausprägung des Habitus, die sich unter Bedingungen von Digitalität und Algorithmizität formiert. Biermann knüpft dabei an den Begriff des medialen Habitus als System dauerhafter medienbezogener Dispositionen an, das Grundlagen für mediale Praktiken bereitstellt (Biermann, 2023, S. 3). Im Unterschied zu früheren Medienkonstellationen zeichnet sich der digitale Habitus nach Biermann dadurch aus, dass algorithmische Systeme zunehmend an der Strukturierung sozialer Wirklichkeit beteiligt sind. Dadurch verschiebt sich das Verhältnis von Subjekt und Struktur: Praktiken entstehen nicht allein aus inkorporierten Dispositionen, sondern im Zusammenspiel mit algorithmisch gesteuerten Umgebungen (Biermann, 2023, S. 810). Algorithmen fungieren dabei nicht mehr nur als Werkzeuge, sondern übernehmen eine ordnende, selektierende und bewertende Funktion, wodurch sie elementar mit menschlichen Handlungen verstrickt sind (S. 14-16). So bestimmen sie soziale und kulturelle Prozesse demnach zunehmend mit (S. 17). „Es werden uns Entscheidungen abgenommen, Komplexität wird [...] reduziert, damit wir uns zurechtfinden. Die Frage ist, welchen Ausschnitt der Welt wir durch diese Prozesse präsentiert bekommen“ (S. 18). Gleichzeitig werden Ungleichheiten durch die Verwendung von Algorithmen nicht behoben, sondern existieren weiter und werden zudem noch ausgebaut (S. 24). Biermann schließt daraus, dass Habitus und Feld in unterschiedlicher Intensität den Auswirkungen der Digitalisierung ausgesetzt sind und dies schließlich auch die Praxis beeinflusst.
Die Arbeitsweise der Algorithmen wiederum muss vordem Hintergrund der ökonomischen Interessen der Unternehmen analysiert werden, die Plattformen und Algorithmen entwickeln und einsetzen.
3.3 Plattform-Kapitalismus
Um die Funktionsweise und Wirklogik digitaler (Bildungs-) Plattformen zu verstehen, ist zunächst eine Einordnung in die übergeordneten ökonomischen Transformationsprozesse des 21. Jahrhunderts notwendig. Nach Nick Srnicek hat sich der Kapitalismus seit der Finanzkrise von 2008 grundlegend gewandelt, wobei mit der zunehmenden Verfügbarkeit kostengünstiger digitaler Technologien neue Geschäftsmodelle entstanden sind, die auf der systematischen Erhebung und Verwertung von Daten beruhen. Im Zentrum dieses „Plattform-Kapitalismus“ steht die Extraktion, Verarbeitung und Nutzung von Daten, die als neues Rohmaterial fungieren (Srnicek, 2018, S. 41). Dabei ist zwischen Daten und Wissen zu differenzieren: Während Daten lediglich anzeigen, „dass etwas geschehen ist“, liefert Wissen Erklärungen darüber, „warum es geschehen ist“ (S. 42). Damit Daten ökonomisch verwertbar werden, müssen sie jedoch zunächst bereinigt und in standardisierte Formate überführt werden (S. 41). In diesem Kontext fungieren Plattformen nicht als neutrale Vermittler, sondern als „neue, machtvolle Unternehmensformen“, die Daten systematisch sammeln, analysieren und monopolisieren (S. 45). Srnicek definiert Plattformen als digitale Infrastrukturen, die verschiedene Nutzergruppen miteinander verbinden und dabei als intermediäre Instanzen agieren (S. 46). Sie positionieren sich strategisch zwischen den Akteurinnen als Orte sozialer sowie ökonomischer Aktivität und sind dadurch in der Lage, diese Aktivitäten umfassend zu erfassen und auszuwerten (S. 47). Ein wesentliches Merkmal sind dabei sogenannte „Netzwerkeffekte“: Je mehr Menschen eine Plattform nutzen, desto größer wird ihr Nutzen für alle anderen, was zu selbstverstärkenden Wachstumskreisläufen und der Entstehung von Monopolen führt. Zudem nutzen diese Akteure Strategien der „Quersubventionierung“, um ihre Marktposition auszubauen, indem sie bestimmteAngebote kostenlos bereitstellen, während andere Geschäftsbereiche die Verluste ausgleichen (S. 48-49). Entscheidend ist jedoch, dass Plattformen keine wertfreien Räume darstellen. Durch ihre Regeln und Algorithmen verkörpern sie stets eine bestimmte Politik, die darüber entscheidet, welche Interaktionen sichtbar gemacht oder marginalisiert werden (S. 49). Diese Verschränkung von technischer Infrastruktur und normativer Steuerung macht sie zu zentralen Instrumenten der Datenerhebung und -kontrolle (S. 51).
Die Plattformisierung ist inzwischen so tiefgreifend, dass die Grenze zwischen dem Digitalen und dem Analogen zunehmend verschwindet. Die technologische Durchdringung aller Lebensbereiche ist damit nicht mehr nur eine Ausnahme, sondern „neue“ Normalität - ein Phänomen, das im Konzept der Post- digitalität berücksichtigt wird.
3.4 Postdigitalität
Durch die Überlegungen zum Plattform-Kapitalismus wird deutlich, dass die technologische Durchdringung pädagogischer Räume über die bloße Nutzung von Software hinausgeht. Die Allgegenwart des Digitalen wird treffend durch Nicholas Negroponte beschrieben, der voraussagte, dass wir es - ähnlich wie Luft oder Trinkwasser - nur noch durch seine Abwesenheit und nicht mehr durch seine Präsenz wahrnehmen werden (Negroponte, 1998). Dieser Gedanke bildet den Kern des Begriffs der Postdigitalität, der seit 2019 verstärkt in den Erziehungswissenschaften diskutiert wird. Er bezeichnet einen Zustand, in dem digitale Technologien nicht mehr als vom „natürlichen“ menschlichen und sozialen Leben getrennte, virtuelle Sphären existieren (Jandric et al., 2018, S. 893). Das Präfix „post-“ bezeichnet somit nicht das Ende des digitalen Zeitalters, sondern dessen vollständige und selbstverständliche Verschmelzung mit dem Alltag. Jandric et al. charakterisieren die Postdigitalität als „[...] messy; unpredictable; digital and analog; technological and non-technological; biological and informational“ (S. 895). Zugleich fungiert das Konzept als kritische Replik auf die Utopien des frühen Internets: Es adressiert die massive Machtkonzentration innerhalb der Big-Tech-Ökonomie sowie die damit einhergehenden Dynamiken von Kommerzialisierung, sozialer Ungleichheit und ökologischen Ex- ternalitäten (S. 895).
In Bildungsprozessen zeigt sich die Postdigitalität darin, dass das Digitale nicht länger als bloßes Unterstützungswerkzeug fungiert, sondern grundlegend mit pädagogischen Praktiken verwickelt ist (Jandric & Knox, 2022, S. 785). Bildung steht in diesem Gefüge unter dem massiven Einfluss von Datenökonomie, Plattformlogiken und privatwirtschaftlichen Interessen, was eine kritische Reflexion von Datenpolitik und sozialen Ungleichheiten unumgänglich macht (S. 786). In der Konsequenz fordern Jandric und Knox eine „postdigitale Ecopedagogy“, die Gerechtigkeit und Verantwortung ins Zentrum rückt und Bildung als Teil einer komplexen Welt versteht, in der Mensch, Technik und Natur eine untrennbare Einheit bilden (S. 788-791).
Mit diesen theoretischen Grundlagen - von Bourdieus Habitus- und Kapitaltheorie über den digitalen Habitus, den Plattform-Kapitalismus bis hin zur Postdi- gitalität - lassen sich nun aktuelle empirische Befunde zu digitalen Plattformen wie Microsoftfor Education analysieren.
4 Analyse aktueller Literatur
Dieses Kapitel analysiert anhand aktueller empirischer Literatur, wie digitale Plattformen wie Microsoft for Education Bildungsungleichheit im schulischen Kontext reproduzieren und verstärken. Kapitel 1.1 beleuchtet allgemeine Zugangshürden an deutschen Schulen, 1.2 spezifische Plattformmechanismen und 1.3 beantwortet die Forschungsfrage durch theoretische Synthese.
4.1 Befunde zum digitalen Zugang an deutschen Schulen
Zunächst werden die grundlegenden Voraussetzungen für den erfolgreichen Einsatz digitaler Plattformen beleuchtet. Basierend auf diversen Studien werden ungleiche Strukturen in Ausstattung, Nutzung und Kompetenzen analysiert, die ökonomisches und kulturelles Kapital reproduzieren.
4.1.1 Ausstattung
Ein zentraler Befund der Forschung zu digitalen Bildungsplattformen ist, dass deren Nutzung nicht voraussetzungslos erfolgt, sondern an spezifische materielle und infrastrukturelle Bedingungen geknüpft ist. Digitale Lernumgebungen wie Microsoft for Education setzen den kontinuierlichen Zugang zu geeigneten Endgeräten, stabilen Internetverbindungen sowie zu räumlichen Lernbedingungen voraus, die konzentriertes Arbeiten ermöglichen. Ungleichheiten können hierbei in einem oder mehreren der folgenden Bereiche auftreten: Beim individuellen Zugang, dem institutionellen Zugang, im logistischen oder politisch-ökonomischen Bereich (Barragan Moreno & Lozano Galindo, 2025, S. 3-5). Die Voraussetzungen stehen in engem Zusammenhang mit der ungleichen Verteilung ökonomischen Kapitals auf Bundes-, Landes- oder kommunalen Ebene - auch das Kapitel der Bildungsinstitute und Herkunftsfamilien ist unterschiedlich hoch (Wang, 2025, S. 2-4).
Im Rahmen der ICILS-2023-Studie wurde bei der Untersuchung der digitalen Ausstattung deutscher Schulen deutliche Unterschiede im internationalen Vergleich festgestellt-ob bei Ausstattungskonzepten, dem Vorhandensein innovativer digitaler Anwendungen wie adaptiver Lernsysteme oder pädagogischer Virtual- bzw. Augmented-Reality-Anwendungen (Niemann et al., 2024, S. 250). Auch bei der Ausstattung mit digitalen Schulbüchern liegt Deutschland deutlich zurück. Die Ergebnisse zeigen, dass lediglich ein kleiner Teil der Schülerinnen Schulen besucht, in denen zumindest 76 Prozent derAchtklässlerinnen über mobile Endgeräte verfügen. Bei nur 7,9 Prozent dieser Fälle wurde die Nutzung der Geräte zu Hause ermöglicht. Die Autorinnen verweisen hier auf die PISA- 2022-Ergebnisse, die einen signifikanten Zusammenhang zwischen den IT- Ressourcen im Elternhaus und der sozialen Herkunft der Eltern feststellten (Lewalter et al., 2023, S. 245). Zwar gaben 94 Prozent der Schülerinnen an, zu Hause einen vorhandenen Computer verwenden zu können, doch stand ,,[...] für fast jede*n zehnte*n Schülerin an nicht gymnasialen Schularten kein adäquates digitales Gerät im Haushalt für schulisches Lernen zur Verfügung [...]“ (S. 244). Lernsoftware war zwar für 69 Prozent der Gymnasiastinnen zugänglich, doch nur 56 Prozent der Schülerinnen anderer Schulen hatten dazu Zugang (S. 245). Neben der bloßen Verfügbarkeit digitaler Technologien ist jedoch auch entscheidend, ob und wie intensiv diese tatsächlich zum Einsatz kommt.
4.1.2 Nutzungshäufigkeit
Die Nutzungshäufigkeit im Unterricht ist ein zentraler Indikator dafür, wie stark digitale Technologien tatsächlich in schulische Lehr- und Lernprozesse eingebettet sind. Hierzu verdeutlichen die Befunde der ICILS-2023-Studie, dass die Nutzung digitaler Medien im Unterricht in den letzten Jahren deutlich zugenommen hat. So gaben fast 70 Prozent der Lehrkräfte in Deutschland an, digitale Medien mindestens einmal täglich im Unterricht einzusetzen. Dies stellt einen erheblichen Anstieg gegenüber früheren Erhebungszyklen dar und markiert einen deutlichen Trend hin zur routinierten Integration digitaler Tools in den Unterrichtsalltag - auch im internationalen Vergleich liegt dieser Wert inzwischen über dem vieler anderer Teilnehmerländer (Eickelmann et al., 2024, S. 39). Trotz dieser Zunahme weist die Nutzungshäufigkeit jedoch differenzierte Muster auf, die auf strukturelle und professionelle Herausforderungen hinweisen. Zum einen zeigt der internationale Vergleich, dass in Ländern mit ähnlicher oder besserer technischer Ausstattung diese häufiger täglich genutzt wird als in Deutschland (S. 30). Auch die Nutzungshäufigkeit in verschiedenen Fächern liegt hier 12,5 Prozentpunkte unter dem internationalen Mittelwert (57 Prozent) (S. 32). Die Befunde der PISA-2022-Studie deuten jedoch darauf hin, dass nicht allein die Nutzungshäufigkeit für den Kompetenzerwerb der Schülerinnen erforderlich ist, sondern auch die Art und Weise, wie sie sich mit den digitalen Technologien beschäftigen (Lewalter et al., 2023, S. 254-255).
4.1.3 Lernangebote
Im Rahmen der PISA-2022-Studie wurden deutsche Lehrkräfte befragt, wie häufig sie welche digitalen Hilfsmittel im Unterricht einsetzen. Die meisten von ihnen gaben hierauf an, kaum andere Hilfsmittel alsTextverarbeitungs- und Präsentationssoftware zu verwenden. In der näheren Betrachtung wurde festgestellt: „Lernsoftware oder Übungsprogramme, digitale Lernspiele, computerbasierte Informationsquellen wie Wikis und interaktive Lernmaterialien wie Quizze kommen bei mehr als der Hälfte der Lehrenden im Laufe eines Schuljahres nur in einigen Stunden zum Einsatz“ (S. 247). Concept-Mapping-Software, E-Portfolios sowie Datenaufzeichnungs- und -Überwachungstools wurden nur sehr selten und von lediglich 20 Prozent der Lehrkräfte genutzt - vom Rest gar nicht. Lernsoftware oder interaktive digitale Lernmaterialien wurden ebenso lediglich in sehr geringem Umfang genutzt (S. 247). Computer-AGs gab es laut der Pisa- 2022-Studie an 60 Prozent der Schulen, wobei die Anzahl der Gymnasien mit AGs ein wenig besser ausfiel als die der nicht gymnasialen Schulen mit AGs (S. 248). Am häufigsten nutzten deutsche Schülerinnen in Schulen Smartphones, gefolgt von Tablets. Nur elf Prozent von ihnen gaben jedoch an, im Unterricht täglich Lernsoftware oder-Tools zu verwenden. Dagegen benutzten 38 Prozent diese fast nie. Auch bei Lern-Management-Systemen zeigte sich ein ähnliches Bild (S. 249): Nur 17 Prozent der Schülerinnen gaben an, ein solches täglich zu nutzen. Hinsichtlich der Nutzungsarten lag Deutschland im Vergleich zu anderen OECD signifikant unter dem Durchschnitt - bei fast allen Nutzungsarten lagen jedoch die Gymnasien vor den anderen Schularten (251).
4.1.4 DigitaleKompetenzen
Bezüglich der digitalen Kompetenzen von Achtklässlerinnen in Deutschland bietet die ICILS-2023-Studie Einblicke. So liegen die computer- und informationsbezogenen Kompetenzwerte der Schülerinnen zwar mit 502 Punkten über dem internationalen Mittelwert, doch die Daten zeigen zugleich einen deutlichen Rückgang der digitalen Kompetenzen im Vergleich zu den Ergebnissen aus ICILS-2013 und 2018 auf. Dies deutet auf auf Defizite in der Kompetenzentwicklung hin (Eickelmann et al., 2024, S. 13). Mehr als 40 Prozent der Probandinnen erreichten nur rudimentäre digitale Fähigkeiten - was vor dem Hintergrund des zunehmenden Einsatzes digitaler Lernangebote paradox erscheint (S. 17). Gymnasiastinnen lagen zudem im Mittel 87 Punkte über dem Kompetenzniveau von Schülerinnen anderer Schularten, wobei eine Vergrößerung des Kompetenzunterschieds im Zehnjahreszeitraum festgestellt werden konnte (S. 18). Die Befunde weisen auf eklatante Bildungsungleichheiten beim Erwerb digitaler Kompetenzen in Deutschland hin. Diese fielen vor allem zuungunsten von Schülerinnen mit Zuwanderungshintergrund, nichtdeutscher Familiensprache und benachteiligter sozialer Herkunft aus. Nur 50 Prozent erreichen hier die untersten beiden Kompetenzstufen, und vor allem Mädchen fallen mit besonders niedrigen Kompetenzen auf - trotz eines kleinen Vorsprungs gegenüber den Jungen im Mittel (S. 19).
4.2 Befunde zu Microsoft Education
Im nun folgenden Kapitel wird Microsoft for Education genauer beleuchtet. Basierend auf Angaben des Unternehmens und empirischen Studien werden Funktionen, algorithmische Steuerungsmechanismen sowie die vermeintliche Kostenfreiheit des Systems untersucht.
4.2.1 Lern- und Organisationsplattform
Microsoft for Education wird in der schulischen Praxis nicht als isoliertes digitales Werkzeug genutzt, sondern als umfassende Infrastruktur zur Organisation von Unterricht, Kommunikation und Leistungsrückmeldung. Das Ökosystem integriert Anwendungen wie Microsoft Teams, OneDrive, Word, PowerPoint sowie Learning-Analytics-Funktionen in einer zentralen Plattform und ermöglicht damit eine kontinuierliche digitale Begleitung schulischer Lernprozesse. Aus funktionaler Perspektive verspricht diese Bündelung eine Vereinfachung organisatorischer Abläufe, eine erhöhte Transparenz von Lernständen sowie eine effizientere Zusammenarbeit zwischen Lehrkräften und Schülerinnen (Microsoft, o. J. a).
Empirische Studien attestieren Microsoft for Education grundsätzlich eine hohe Alltagstauglichkeit. Insbesondere Microsoft Teams wird von Lehrkräften und Lernenden als praktikables Instrument für Kommunikation und Feedback angesehen (Elihami & Lobo, 2024, S. 246-248). Insbesondere bei der Organisation von Unterrichtsabläufen, der Planung und Koordination von Aufgaben kommen Lehrkräfte mit der Anwendung gut zurecht, berichteten jedoch von Herausforderungen bei der Nutzung interaktiver Werkzeuge und Online-Assessments. Schülerinnen bewerteten die Benutzerfreundlichkeit und die multimedialen Inhalte positiv, betonten aber, dass persönliche Interaktion fehle und vorhandene Bewertungs- und Rückmeldestrategien bei Microsoft Teams als unzureichend erlebt werden (Mitra &Wadegaonkar, 2025, S. 536-539).
Eine nutzenorientierte Untersuchung verweist auf positive Effekte im Hinblick auf Beteiligung, Engagement und wahrgenommene Lernunterstützung, sofern die Plattform regelmäßig und strukturiert eingesetzt wird (Hazaymeh, 2025, S. 6-7).
Hinsichtlich der Einstellungen und Erwartungen von Studierenden und Lehrenden an einer deutschen Hochschule gegenüber Learning Analytics zeigte eine Analyse, dass beide Gruppen grundsätzlich positive Einstellungen und erwartete Potenziale bezüglich des Einsatzes datenbasierter Lernanalysen haben - etwa zur Unterstützung von Lehr-Lern-Prozessen und zur Verbesserung der Studienorganisation. Zugleich wurden Diskrepanzen zwischen idealen und real erwarteten Nutzungsszenarien deutlich. Darüber hinaus zeigten sich Unterschiede in den Erwartungen verschiedener Gruppen und Disziplinen, was darauf hindeutet, dass Erfahrungen, Fachkultur und Rollenverständnisse die Wahrnehmung von Learning Analytics prägen (Fritz et al., 2024, S. 12-13).
Ein häufig implizit bleibendes Merkmal digitaler Bildungsplattformen wie Microsoft for Education ist die hohe Anforderung an selbstreguliertes Lernen. So wurde in einer Studie der Einfluss des Einsatzes von Microsoft Teams auf den Leistungserfolg und die Selbstlernkompetenzen von Studierenden an einer Universität von Jordanien untersucht. Die Ergebnisse zeigten signifikante Verbesserungen derjenigen Studierenden, die mithilfe von Microsoft Teams unterrichtet wurden, im Vergleich zur Kontrollgruppe - sowohl in den Ergebnissen des Leistungstests als auch in den selbstregulativen Lernfähigkeiten (Al-Shboul, 2024, S. 19-20).
4.2.2 Algorithmische Strukturierung
Microsoft (o. J. b) beschreibt auf einer Supportseite, dass Microsoft Teams for Education über die Funktion Education Insights eine Reihe von Nutzungsdaten erhebt, verarbeitet und visualisiert , um Lehrkräften Einblick in das digitale Lernverhalten von Schülerinnen zu geben. Die Plattform versteht sich nicht nur als Kommunikations- oder Organisationswerkzeug, sondern als datenbasierte Unterstützung pädagogischer Entscheidungen: Sie erweitert die traditionellen Datenquellen wie Noten und Quiz-Ergebnisse um digital erzeugte Aktivitäten und Interaktionen (z. B. Online-Teilnahme, Kommunikation, Bearbeitungsverhalten), um Lehrende bei der Analyse von Leistung und Engagement zu unterstützen. Konkret listet Microsoft die Datenarten auf, die Education Insights erhebt und visualisiert, darunter: Aufgabenbezogene Daten, Interaktionen in Kanälen, Dateinutzung, Notebook-Bearbeitungen , Meeting-Daten , Lese- und Fortschrittsmetriken, Such- und Check-In-Daten. Diese Datenerhebung ist ereignisbasiert, was bedeutet, dass Aktivitäten automatisch protokolliert werden, sobald sie im System stattfinden. Nicht nur Lehrkräfte, sondern auch die Lernenden können Daten, die über sie gesammelt wurden, über ein eigenes Dashboard einsehen. Microsoft betont, dass diese Datensammlung im Rahmen bestehender Datenschutz- und Regulierungsbestimmungen erfolgt (Microsoft, o. J. b).
4.2.3 Kostenfreiheit als Plattformstrategie
Die grundlegenden Bestandteile von Office365Education - darunter Word, Excel, PowerPoint, OneNote und MicrosoftTeams - werden für Schülerinnen, Lehrkräfte und Bildungseinrichtungen ohne direkte Lizenzkosten angeboten, sofern eine gültige schulbezogene E-Mail-Adresse existiert. Microsoft selbst erklärt, dass dieses Angebot dazu dient, allen Beteiligten Werkzeuge für das Lernen und den Aufbau von Kompetenzen zugänglich zu machen, und spendet diese Funktionalitäten Bildungseinrichtungen kostenlos. Der Zugang bleibt erhalten, solange die Nutzerinnen an einer qualifizierten Schule eingeschrieben oder beschäftigt sind (Microsoft, o. J. c). Doch obwohl Microsoft mit der kostenlosen oder -günstigen Nutzung bestimmter Angebote für Schulen wirbt, verdeckt diese Darstellung die tatsächlichen materiellen Voraussetzungen, die für einen wirklichen Zugang notwendig sind (Marone & Heinsfeld, 2023, S. 4-5).
Die Kostenfreiheit ist dabei nicht als altruistische Geste, sondern als strategisches Element digitaler Plattformökonomie zu sehen . In der Theorie des Plattform-Kapitalismus wird herausgearbeitet, dass Plattformunternehmen auf Netzwerkeffekte und die Maximierung der Nutzerbasis abzielen, indem sie Produkte zunächst kostenlos anbieten, um eine breite Verankerung im Nutzungssystem herzustellen. Die Strategie der Quersubventionierung - also kostenlose Kernangebote bei gleichzeitiger Wertschöpfung über andere Geschäftsfelder - ist dabei ein zentrales Element zur Skalierung digitaler Märkte (Srnicek, 2018, S. 48-49). Diese ökonomischen Züge digitaler Plattformangebote sind charakteristisch für Plattformkapitalismusmodelle, in denen die Gewinnlogik nicht primär über den Verkauf einzelner Produkte, sondern über die Generierung und Auswertung großer Datenmengen realisiert wird, die wiederum als Rohmaterial fungieren (S. 90).
4.3 Beantwortung der Forschungsfrage
Die vorliegende Analyse zielte darauf ab, zu klären, wie digitale Bildungsplattformen wie Microsoft for Education Bildungsungleichheit verstärken und wie sich diese Prozesse mithilfe von Bourdieus Habitus- und Kapitaltheorie im Rahmen der Plattformisierung von Bildung erklären lassen. Es wurde deutlich, dass Microsoft for Education an spezifische Kapitalausstattungen anschließt, die sozial ungleich verteilt sind.
Der Zugang zur Plattform ist zwar formal kostenfrei, setzt jedoch ökonomisches Kapital in Form von Endgeräten, stabilen Internetverbindungen und geeigneten häuslichen Lernbedingungen voraus (Barragan Moreno & Lozano Galindo, 2025, S. 3-5; Wang, 2025, S. 2-4). Die Analyse der ICILS- und PISA-Befunde zeigte, dass diese materiellen Voraussetzungen insbesondere bei Schülerinnen an nicht-gymnasialen Schulformen und aus sozioökonomisch benachteiligten Haushalten eingeschränkt sind (Lewalter et al., 2023, S. 244-245). Die vermeintliche Niedrigschwelligkeit der Plattform verdeckt somit strukturelle Ausschlüsse, die entlang der sozialen Herkunft verlaufen und als Ausdruck ungleich verteilten ökonomischen Kapitals zu interpretieren sind. Darüber hinaus erfordert die erfolgreiche Nutzung von Microsoft for Education inkorporiertes kulturelles Kapital in Gestalt digitaler Kompetenzen, Selbstorganisationsfähigkeiten und selbstregulativer Lernstrategien. Die empirischen Befunde zeigen jedoch, dass auch diese Kompetenzen ungleich verteilt sind und signifikant mit der sozialen Herkunft, Schulform und der familiären Unterstützung korrelieren (Eickelmann et al., 2024, S. 18-20; Zhao, 2023, S. 636-640). Die Analyse zeigte zudem, dass Microsoft for Education selbst aktiv an der Formierung eines digitalen Habitus beteiligt ist. Algorithmisch strukturierte Lernumgebungen lenken Aufmerksamkeit, bewerten Verhalten und erzeugen normative Vorstellungen von „guter“ Teilnahme, Produktivität und Lernleistung. Lernende, deren Praktiken diesen algorithmisch präformierten Erwartungen entsprechen, erfahren Bestätigung und Sichtbarkeit, während Abweichungen - etwa geringere Online-Präsenz oder andere Lernrhythmen - als Defizite markiert werden. Der digitale Habitus entsteht somit im Zusammenspiel von sozialer Herkunft, schulischer Praxis und algorithmischer Steuerung und trägt zur Verstetigung bestehender Ungleichheiten bei (Biermann, 2023, S. 24; Microsoft, o. J. b).
Besonders deutlich wird dieser Mechanismus in der algorithmischen Strukturierung durch Learning-Analytics-Funktionen wie Education Insights. Die kontinuierliche Erfassung und Visualisierung von Nutzungs- und Leistungsdaten suggeriert Objektivität und Transparenz, reproduziert jedoch soziale Ungleichheiten, die bereits in den Daten eingeschrieben sind (Baker & Hawn, 2022, S. 1058-1075). In bourdieuscher Terminologie lassen sich diese datenbasierten Klassifikationen als neue Formen symbolischer Gewalt interpretieren, die soziale Differenzen in scheinbar neutrale Kennzahlen übersetzen und damit legitimieren.
Die Einbettung von Microsoft for Education in den Plattform-Kapitalismus verdeutlicht zudem, dass diese pädagogischen Effekte nicht losgelöst von ökonomischen Interessen zu betrachten sind. Die Kostenfreiheit der Plattform fungiert als strategisches Mittel zur Erzeugung von Netzwerkeffekten und zur langfristigen Bindung von Bildungseinrichtungen an Tech-Unternehmen. Schulen werden so zu Orten, wo Rohmaterial (Daten) für die ökonomische Verwertung gewonnen wird (Srnicek, 2018, S. 48-49). Im postdigitalen Kontext wird diese Plattformlogikweitgehend normalisiert. Digitale Infrastrukturen wie Microsoftfor Education erscheinen nicht mehr als externe Eingriffe, sondern als selbstverständlicher Bestandteil schulischer Organisation (Jandric et al., 2018, S. 895896). Gerade diese Selbstverständlichkeit trägt jedoch dazu bei, dass die ungleichheitsrelevanten Effekte der Plattform unsichtbar werden. Für benachteiligte Lernende kann dies zu einer Verstärkung der nachteiligen Effekte führen (Redecker, 2023, S. 88).
Digitale Plattformen wie Microsoft for Education verstärken demnach die Bildungsungleichheit, indem sie schulische Lernprozesse entlang ökonomischer, kultureller und digitaler Kapitalformen strukturieren, die sozial ungleich verteilt sind. Durch algorithmische Klassifikation, datenbasierte Bewertung und die Normalisierung plattformkapitalistischer Logiken werden bestehende Ungleichheiten nicht nur reproduziert, sondern in neuer Form legitimiert. Die Plattformi- sierung von Bildung erweist sich somit nicht als neutraler Modernisierungsschub, sondern als tiefgreifende Transformation des Bildungsfeldes mit erheblichen Konsequenzen für Bildungsgerechtigkeit.
5 Diskussion
Die vorliegende Arbeit konnte zeigen, dass digitale Bildungsplattformen wie Microsoft for Education nicht als neutrale technische Werkzeuge verstanden werden können, sondern als sozio-technische Dispositive, die pädagogische Praktiken, Subjektivierungsprozesse und Bewertungslogiken strukturieren. In Übereinstimmung mit kritisch-erziehungswissenschaftlicher Forschung zur Da- tafizierung und Plattformisierung wird deutlich, dass Digitalisierung im Bildungswesen keine automatisch egalisierende Wirkung entfaltet, sondern bestehende soziale Ungleichheiten unter bestimmten Bedingungen sogar verstärkt. Ein zentrales Ergebnis der Analyse ist, dass die vermeintliche Kostenfreiheit von Microsoft for Education eine formale Chancengleichheit suggeriert, während die tatsächliche Nutzung an ungleich verteilte Ressourcen gebunden bleibt. Ungleichheit entsteht somit nicht erst auf der Ebene individueller Lernleistungen, sondern bereits auf der Ebene der Voraussetzungen für Teilhabe. Digitale Endgeräte, stabile Internetverbindungen, ruhige Lernumgebungen sowie familiäre Unterstützung bilden eine implizite Grundlage, die insbesondere von Schülerinnen aus sozioökonomisch benachteiligten Haushalten nicht selbstverständlich erfüllt werden kann. Die Plattform verdeckt diese strukturellen Unterschiede, indem sie Lernleistungen primär als Resultat individueller Aktivität und Selbststeuerung darstellt. Darüber hinaus verdeutlichen die Ergebnisse, dass digitale Bildungsplattformen neue Formen symbolischer Gewalt hervorbringen. Durch datenbasierte Leistungsvisualisierungen, Aktivitätsmetriken und algorithmische Klassifikationen werden Lernende fortlaufend bewertet und vergleichbar gemacht. Diese Bewertungen erscheinen objektiv und neutral, sind jedoch tief in normative Annahmen über produktives Lernen, kontinuierliche Teilnahme und Selbststeuerung eingebettet. Lernende, deren Habitus diesen Erwartungen entspricht, können davon profitieren, während andere als defizitär markiert werden. So verschiebt sich symbolische Gewalt von pädagogischen Bewertungen hin zu technischen Prozessen, die damit ihrer sozialen Dimension beraubt werden. Die Plattform prägt damit die Wahrnehmungs-, Handlungs- und Bewertungsmuster von Lernenden und Lehrkräften gleichermaßen und trägt damit zur Stabilisierung bestimmter Lernnormen bei. Weil die digitalen Plattformen und deren Arbeitsweise in der Postdigitalität als selbstverständliche Bestandteile des Lebens wahrgenommen werden, erfolgt diese Form der Subjektivierung von Lernenden und Lehrkräften weitgehend unhinterfragt. Dass pädagogische und ökonomische Logiken zunehmend miteinander verschränkt werden und Bildungseinrichtungen Teil datenökonomischer Wertschöpfungsketten werden, sollte jedoch pädagogisch und bildungspolitisch reflektiert werden - vor allem hinsichtlich ihrergesellschaftlichen Macht- und Ungleichheitswirkungen.
Die vorliegende Arbeit unterliegt jedoch bestimmten Limitationen. Durch die Analyse internationaler Sekundärliteratur können die Aussagen nur auf Grundlage vorheriger Erhebungen getroffen werden, die aus unterschiedlichen Ländern stammen. Die Studien zu Microsoft for Education beschränken sich zudem häufig auf Microsoft Teams. Hinsichtlich der Datennutzung, Funktionen und institutionellen Einbettung bestehen zudem Unterschiede zu anderen Lernplattformen, weshalb die Resultate nicht auf andere Plattformen übertragen werden können. Zuletzt bleiben die Befunde aus der PISA und ICILS auf die Perspektiven von Schülerinnen und Lehrkräften beschränkt und können nur einen orientierenden Überblick bieten.
6 Fazit und bildungswissenschaftliche Implikationen
Die vorliegende Arbeit hat gezeigt, dass digitale Bildungsplattformen wie Microsoft for Education Bildungsungleichheit nicht abbauen, sondern unter postdigitalen Bedingungen in spezifischer Weise reproduzieren und transformieren. Auf der Grundlage von Bourdieus Habitus- und Kapitaltheorie, ergänzt durch Konzepte des digitalen Habitus, des Plattform-Kapitalismus und der Postdigitalität, konnte herausgearbeitet werden, dass digitale Bildung nicht voraussetzungslos ist. Vielmehr knüpfen digitale Plattformen an ungleich verteilte ökonomische, kulturelle und digitale Kapitalformen an und verstärken diese durch algorithmische Strukturierung, datenbasierte Bewertung und normative Lernanforderungen.
Für die Bildungswissenschaft ergeben sich daraus mehrere Implikationen. So bedarf es einer konsequenten ungleichheits- und machtkritischen Perspektive auf Digitalisierung. Digitale Bildung darf nicht primär als technische Modernisierung verstanden werden, sondern muss als sozialer Prozess analysiert werden, der bestehende Machtverhältnisse widerspiegelt und stabilisiert. Zudem sollten digitale Kompetenzen nicht nur funktional, sondern kritisch-reflexiv vermittelt werden. Neben Bedienkompetenzen müssen Daten-, Algorithmus- und Plattformkompetenzen systematisch Bestandteil schulischer Bildung werden, um Lernende zur Reflexion datenbasierter Bewertung und algorithmischer Steuerung zu befähigen.
Für den schulischen Alltag bedeutet dies, dass digitale Plattformen nicht unhinterfragt eingesetzt werden sollten. Lehrkräfte benötigen Zeit, Unterstützung und institutionelle Rahmenbedingungen, um digitale Tools reflektiert auszuwählen und didaktisch sinnvoll einzubetten. Schulen sollten darüber hinaus erfassen, welche Schülerinnen durch digitale Anforderungen besonders belastet oder ausgeschlossen werden, und gezielte Unterstützungsangebote schaffen, etwa durch Leihgeräte, Lernzeiten in der Schule oder individuelle Begleitung. Im Unterricht eröffnet sich die Möglichkeit, digitale Plattformen selbst zum Gegenstand kritischer Auseinandersetzung zu machen. Lernende können beispielsweise analysieren, welche Daten sie produzieren, wie diese visualisiert werden und welche Vorstellungen von Lernen darin eingeschrieben sind. Eine solche reflexive Medienbildung stärkt nicht nur digitale Kompetenzen, sondern auch die Fähigkeit zur gesellschaftlichen Kritik. Auch in der Aus- und Fortbildung von Lehrkräften sollten Fragen der Plattformökonomie, Datafizierung und algorithmischen Bewertung stärker verankert werden. Lehrkräfte benötigen nicht nur technisches Wissen, sondern auch theoretische Orientierungen, um digitale Bildungsangebote im Spannungsfeld von Pädagogik, Ökonomie und Ungleichheit einordnen zu können.
Auf bildungspolitischer Ebene ergibt sich die Notwendigkeit, klare Rahmenbedingungen für den Einsatz privatwirtschaftlicher Plattformen zu formulieren. Dazu gehören Transparenzpflichten, Datenschutzstandards, Mitbestimmungsmöglichkeiten für Schulen sowie die Förderung öffentlicher, nicht-kommerzieller Alternativen. Bildungsgerechte Digitalisierung erfordert langfristige Investitionen in Infrastruktur, Personal und pädagogische Entwicklung - nicht nur in Software. Die Plattformisierung von Bildung ist demnach als tiefgreifender gesellschaftlicher Wandel zu verstehen. Ob dieser zu einer höheren Bildungsgerechtigkeit beitragen kann, hängt maßgeblich davon ab, wie kritisch ergestaltet, reguliert und pädagogisch reflektiert wird.
7 Literaturverzeichnis
Al-Qora’n, L., Salem, O. A. S., & Gordon, N. (2022). Heuristic Evaluation of Microsoft Teams as an Online Teaching Platform: An Educators’ Perspective. Computers, 11 (12), 175. https://doi.org/10.3390/compu- ters11120175
Al-Shboul, M. (2024). The Effect of Using Microsoft Teams on the Achievement and Self-Learning Skills among Undergraduate Students in the School of Educational Sciences at the University ofJordan. Internatio- nalJournaloflnteractive Mobile Technologies (iJIM), 18 (06), 4-23. https://doi.org/10.3991/ijim.v18i06.48271
Baker, R. S., & Hawn, A. (2022). Algorithmic Bias in Education. International Journal ofArtificial Intelligence in Education, 32 (4), 1052-1092. https://doi.org/10.1007/s40593-021-00285-9
Barragan Moreno, S. P., & Lozano Galindo, O. L. (2025). Modeling digital inequality in basic education: A system dynamics simulation of educational continuity. Frontiersin Education, 10, 1715760. https://doi.org/10.3389/feduc.2025.1715760
Biermann, R. (2023). Der digitale Habitus: Das Habitus- Konzept unter Berücksichtigung von Digitalität und Algorithmizität. Medienimpulse, 61 (4), 33 Seiten-33 Seiten. https://doi.org/10.21243/mi-04-23-08
Bourdieu, P. (1987). SozialerSinmKritikdertheoretischen Vernunft (G. Seib, Übers.; Erste Auflage). Suhrkamp Verlag.
Bourdieu, P. (2012). Ökonomisches Kapital, kulturelles Kapital, soziales Kapital. In U. Bauer, U. H. Bittlingmayer, &A. Scherr (Hrsg.), Handbuch Bil- dungs- und Erziehungssoziologie (S. 229-242). VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-18944-4_15
Bourdieu, P. (2025). Die feinen Unterschiede: Kritikdergesellschaftlichen Urteilskraft (B. Schwibs &A. Russer, Übers.; 30. Auflage). Suhrkamp.
Bourdieu, P., Picht, B., Passeron, J.-C., Picht, R., Bourdieu, P., & Hartig, I. (1971). Die Illusion derChancengleichheit: Bourdieu, Pierre, [u.] Jean- Claude Passeron ; Untersuchgn zurSoziologie d. Bildungswesens am Beisp. Frankreichs. (Übers. v. Barbara u. Robert Picht. Bearb. v. Irmgard Hartig). Klett.
Bourdieu, P., Steinrücke, M., & Bourdieu, P. (with Nordmann, U.). (2015). Die verborgenen Mechanismen derMacht (J. Bolder, Übers.; Durchgesehene Neuauflage der Erstauflage 1992). VSA: Verlag Hamburg.
Eickelmann, B., Fröhlich, N., Casamassima, G., & Drossel, K. (2024). ICILS 2023 im Überblick. Zentrale Ergebnisse, Entwicklungen überein Jahrzehnt und mögliche Entwicklungsperspektiven. Waxmann Verlag GmbH. https://doi.org/10.31244/9783830999416
Elihami, & Lobo, J. (2024). Exploring MicrosoftTeams Pedagogical Effectiveness In Higher Education By Assessing Students Acceptance. Ibero- American Journal ofExercise and Sports Psychology, 19 (3), 245-249.
Erstad, O., Gilje, 0., Guömundsdottir, G., Viberg, O., Williamson, B., & Tondeur, J. (2023). Datafication in and ofEducation -a literature review. https://doi.org/10.13140/RG.2.2.35661.00483
Fritz, B., Kube, D., Scherer, S., & Drachsler, H. (2024). LearningAnalyticsin HigherEducation—Exploring Students and Teachers Expectations in Germany (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2401.11981
Hazaymeh, O. M.-A. A. (2025). The impact of Microsoft Teams on language instruction and academic achievement in higher education: A case study of English language 102 atAl-Huson University College. Journal ofFurtherandHigherEducation, 49 (5), 603-612. https://doi.org/10.1080/0309877X.2025.2477555
Holland-Letz, M. (2025, September 17). „Microsoftkann die Lernkurve mitverfolgen[1] ‘. https://www.gew.de/aktuelles/detailseite/microsoft-kann-die- lernkurve-mitverfolgen
Jandric, P., & Knox, J. (2022). The postdigital turn: Philosophy, education, research. PolicyFuturesin Education, 20 (7), 780-795. https://doi.org/10.1177/14782103211062713
Jandric, P., Knox, J., Besley, T., Ryberg, T., Suoranta, J., & Hayes, S. (2018). Postdigital science and education. EducationalPhilosophyand Theory, 50 (10), 893-899. https://doi.org/10.1080/00131857.2018.1454000
Knox, J. (2019). What Does the ‘Postdigital’ Mean for Education? Three Critical Perspectives on the Digital, with Implications for Educational Research and Practice. PostdigitalScience andEducation, 1 (2), 357-370. https://doi.org/10.1007/s42438-019-00045-y
Kuketz, M. (2025, Oktober 18). Microsoft 365 Education - Auch in Deutschland will Microsoft nicht verantwortlich sein. Kuketz IT Security. https://www.kuketz-blog.de/kommentar-microsoft-365-education-auch- in-deutschland-will-microsoft-nicht-verantwortlich-sein/
Leineweber, C. (2023). Rationalisierte Individualisierung: Erkundungen eines Schlüsselproblems (schul-)pädagogischen Handelns in derdigitalen Gesellschaft. In M. Schiefner-Rohs, S. Hofhues, & A. Breiter (Hrsg.), Datafizierung (in) derBildung (S. 241-260). transcript Verlag. https://doi.org/10.1515/9783839465820-015
Lewalter, D., Diedrich, J., Goldhammer, F., Köller, O., & Reiss, K. (Hrsg.). (2023). PISA 2022: Analyse der Bildungsergebnisse in Deutschland. Waxmann Verlag GmbH. https://doi.org/10.31244/9783830998488
Marone, V., & Heinsfeld, B. D. (2023). “Everyone pursuing their dreams”: Google’s and Microsoft’s discourse on educational technology. Computers andEducation Open, 4, 100138. https://doi.Org/10.1016/j.caeo.2023.100138
Microsoft. (o. J. c). Free Office 365 for Students and Educators | Microsoft Education. https://www.microsoft.com/en-us/education/products/office
Microsoft. (o. J. a). Microsoft365 Education. https://www.microsoft.com/de- de/education/products/microsoft-365?utm
Microsoft. (o. J. b). Student transparency in Insights: Data collected to support you—Microsoft Support. https://support.microsoft.com/en-gb/topic/stu- dent-transparency-in-insights-data-collected-to-support-you-41deef30- 5ae9-48fe-aaf6-da130096eef9?utm_source=chatgpt.com
Mitra, G., & Wadegaonkar, A. (2025). Teaching efficacy of using Microsoft Teams in virtual school education: Perceptions ofteachers and students. JournalofEducation ande-Learning Research, 12 (3), 530-541. https://doi.org/10.20448/jeelr.v12i3.7414
Moebius, S., & Wetterer, A. (2011). Symbolische Gewalt. Österreichische Zeit- schriftfürSoziologie, 36 (4), 1-10. https://doi.org/10.1007/s11614-011- 0006-2
Negroponte, N. (1998). Beyond digital. Wired, 12. Januar. https://web.me- dia.mit.edu/~nicholas/Wired/WIRED6-12.html
Niemann, J., Eickelmann, B., Schaumburg, H., & Fröhlich, N. (2024). Technologische Rahmenbedingungen in Schulen in Deutschland im internationalen Vergleich. In B. Eickelmann, N. Fröhlich, W. Bos, J. Gerick, F. Goldhammer, H. Schaumburg, K. Schwippert, M. Senkbeil, &J.
Vahrenhold (Hrsg.), ICILS 2023#Deutschland. Computer- undinformationsbezogene Kompetenzen und Kompetenzen im Bereich Computational Thinking von Schülerinnen im internationalen Vergleich. Waxmann Verlag GmbH. https://doi.org/10.31244/9783830999492.07
Redecker, A. (2023). Distance Learning and the Question of Educational Justice: A Dialogic Approach to Digital Diversity in Schools. In A. Weich & F. Macgilchrist (Hrsg.), Postdigital Participation in Education: How ContemporaryMedia Constellations Shape Participation (S. 81-101).
Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-38052- 5_5
Schiefner-Rohs, M., Hofhues, S., & Breiter, A. (Hrsg.). (2024). Datafizierung (in) der Bildung. Kritische Perspektiven auf digitale Vermessung in pädagogischen Kontexten. In Bielefeld: Transcript2024 (S. 391 pages). transcript: Bielefeld. https://doi.org/10.25656/01:28433
Schmidt, K. (2022). Bourdieu über Sprache und symbolische Gewalt. In K.
Schmidt & H. Stiemer (Hrsg.), Bourdieu in der Germanistik (S. 107 132). DeGruyter. https://doi.org/10.1515/9783110761122-005
Schmidt, R., & Woltersdorff, V. (Hrsg.). (2018). Symbolische Gewalt: Herrschaftsanalyse nach Pierre Bourdieu. Herbert von Halem Verlag.
Srnicek, N. (2018). Plattform-Kapitalismus (U. Schafer, Übers.; 1. Auflage). Hamburger Edition.
Wang, S. (2025). The impact ofthe digital divide on educational equity. SHS Web ofConferences, 222, 04004. https://doi.org/10.1051/shsconf/202522204004
Zhao, B. X. (2023). Educational Inequality: The Role of Digital Learning Resources. Lecture Notes in Education Psychology and Public Media, 7 (1), 634-642. https://doi.org/10.54254/2753-7048/7/2022980
[...]
1 „Datafication is the process through which actions, interactions and behaviours are translated into digital data that can be collected, sorted, analysed or commodified by governments and private companies“ (Erstad et al., 2023, S. 6).
2 „Platformisation refers to the widespread introduction of digital platforms into many aspects of everyday life, spanning social interaction and communication (social media platforms), online commerce, travel and transport (smartphone taxi booking services), and public services (‘Government as a Platform’)“ (Erstad et al., 2023, S. 6).
3 „Während mit dem Begriff .symbolische Gewalt' konkrete praktische Vollzüge gewaltloser Gewalt anvisiert werden, bezeichnet .symbolische Macht' die Möglichkeit zur Ausübung von symbolischer Gewalt“ (R. Schmidt & Woltersdorff, 2018, S. 8).
4 „'Symbolische Herrschaft' steht für verkannte und damit anerkannte Herrschaftsverhältnisse - Voraussetzung wie Resultat symbolischer Gewalt“ (R. Schmidt & Woltersdorff, 2018, S. 8).
- Quote paper
- Daniela Haindl (Author), 2026, Ökonomisierung der Bildung im Plattform-Kapitalismus. Bildungsungleichheit und Microsoft Education, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/1708836
