In allen drei Sessions wird deutlich, dass zukünftige Datenkompetenzen nicht allein technische Fähigkeiten umfassen, sondern ein komplexes Zusammenspiel aus methodischen, reflexiven, rechtlichen und theoretischen Fähigkeiten darstellen. Die Anforderungen betreffen nicht nur einzelne Tools oder Programmiersprachen, sondern die Fähigkeit, Social-Media-Daten in ihren sozialen, kulturellen und medientechnologischen Bedingungen zu verstehen und verantwortungsvoll damit umzugehen.
Julia Bee betont in der dritten Session, dass der Kompetenzerwerb nicht über punktuelle Schulungen lösbar sei. Die Analyse digitaler Daten erfordere eine Verzahnung von technischen, operativen und theoriebildenden Fähigkeiten, die in bestehenden Curricula kaum abgebildet ist: „Es braucht ganze Module […], weil die technischen, operativen, reflexiven und theoriebildenden Aspekte der Social-Media-Forschung eine neue Komplexität aufmachen.“ Mit diesem Hinweis wird deutlich, dass neue Datenkompetenzen nicht nur Skills (Scraping, API-Nutzung, maschinelles Lernen) umfassen, sondern auch methodologische Urteilsfähigkeit: die Fähigkeit, aus multimodalen Daten (Text, Bild, Audio, Netzwerkdaten) situiertes Wissen zu generieren und Plattformlogiken kritisch zu reflektieren.
Elena Pilipets knüpft daran an, indem sie die Bedeutung situierten und kontextsensiblen Wissens hervorhebt. Kompetenzen im Umgang mit Social-Media-Daten müssen an spezifische Forschungskontexte gebunden bleiben; universelle Verfahren oder standardisierte KI-Lösungen reichen nicht aus. Eine zentrale Kompetenz besteht darin, Daten als kulturell situierte Praktiken zu interpretieren, statt sie ausschließlich quantitativ zu objektivieren.
Aus einer anderen Perspektive verweist Steffen Albrecht auf einen positiven Trend: Der Zugang zu technischen Praktiken werde durch Open-Source-Skripte, GitHub-Repositorien und KI-gestützte Codegenerierung leichter. Dadurch würden auch fachlich weniger technisch orientierte Disziplinen besser befähigt, eigene Datenerhebungen und Analysen durchzuführen. Allerdings betont er zugleich die ungleiche Verteilung von Datenkompetenzen zwischen Disziplinen und Forschungsinstitutionen, die durch diese Öffnung nicht automatisch verschwindet: „Diese Hürden sind geringer geworden, aber das lässt sich nicht wirklich pauschal für alle Fachbereiche sagen.“
Bezogen auf die zweite Session zeigt sich außerdem, dass Datenkompetenzen immer stärker rechtlich-regulatorische Kenntnisse einschließen: Verständnis von DSGVO, DSA, Datentreuhandmodellen und ethischen Rahmenbedingungen. Jasmin Riedl schildert eindrücklich, wie wichtig Know-how zu Datenschutz, IT-Sicherheit und rechtskonformen Workflows bereits in frühen Projektphasen geworden ist — und dass Forschende oft ohne entsprechende Unterstützung beginnen müssen.
Neben technischen und rechtlichen Fähigkeiten treten damit auch Kompetenzen der psychosozialen Vorbereitung hinzu, da Forschende zunehmend mit toxischen Inhalten und Bedrohungen in extremistischen Umgebungen arbeiten. Die Sessions zeigen, dass Schutzmechanismen und Awareness für Belastungen dieser spezifischen Art von Forschung integrale Bestandteile zukünftiger Qualifikationsprofile sein müssen.
Insgesamt zeichnen die drei Sessions das Bild einer Social-Media-Forschung, die künftig weit mehr verlangt als technische Datenverarbeitung. Zentrale Kompetenzen umfassen:
Datenkompetenzen in Social-Media-Kontexten werden damit zu hybriden, interdisziplinären Fähigkeiten, die weder rein technisch noch rein geisteswissenschaftlich sind, sondern an der Schnittstelle angesiedelt sind.