Zu Beginn wird das Konzept "Learning Analytics" definiert. Es wird erläutert, welche Daten an einer Universität bereits heute genutzt werden und worin der Unterschied zu Learning Analytics besteht. Anhand eines Beispiels wird die Anwendung von Learning Analytics im universitären Kontext gezeigt sowie die Relevanz von Data Literacy für den Umgang mit Learning Analytics verdeutlicht. Im Anschluss wird ein Modell für Learning Analytics aufgestellt. Anhand dieses Modells werden zunächst die Stakeholder*innen von Learning Analytics auf verschiedenen Ebenen erläutert. Ziele von Learning Analytics werden beschrieben und mit den Stakeholder*innen in Verbindung gebracht. Die Konzepte der "Data Clients" und "Data Subjects" werden erklärt sowie die Daten vorgestellt, die bei Learning Analytics erhoben werden. Anschließend wird ein Überblick über die Datenanalyse gegeben, in welchem auf die Datenvorbereitung, verschiedene mögliche (quantitative und qualitative) Analyseverfahren und Algorithmen, Visualisierung sowie Datennachbereitung eingegangen wird. Die Datenerhebung, -verarbeitung und -visualisierung wird durch zu beachtende externe und interne Restriktionen sowie durch mögliche explizite und implizite Bias kritisch beleuchtet. Zuletzt werden mögliche zukünftige Entwicklungen im Bereich Learning Analytics beispielhaft aufgezeigt. Hierbei handelt es sich um Teil 3 einer 6-teiligen Serie.