Warum KI ohne geschlechtersensible Daten nicht funktionieren kann

Von Sicherheitsgurten in Autos, die für Frauen unsicherer sind als für Männer (weil sie am durchschnittlichen männlichen Körpern getestet wurden), über Spracherkennungstechnologien, die Frauen mit geringerer Wahrscheinlichkeit richtig verstehen als Männer (weil viele Algorithmen auf überwiegend männlichen Datensätzen trainiert wurden), bis hin zu Medikamenten, die bei Frauen andere Nebenwirkungen verursachen (weil Frauen nicht in die klinischen Studien einbezogen wurden) - wir leben in einer Welt, die für Männer entwickelt wurde, weil wir weitgehend keine Daten über Frauen gesammelt haben. Dies ist die geschlechtsspezifische Datenlücke (Gender Data Gap). Um eine Welt zu schaffen, die für Frauen genauso gut funktioniert wie für Männer, müssen wir diese Lücke schließen.

Der Gender Data Gap

Im Gegensatz zum weit verbreiteten Begriff Gender Pay Gap, der die Lohnlücke zwischen Männern und Frauen beschreibt, bezieht sich der Gender Data Gap auf Ungleichheiten in der gesellschaftlichen Entwicklung im Allgemeinen: Die meisten Entscheidungen über die Gestaltung des gesellschaftlichen Zusammenlebens basieren auf Daten, die vor allem Männer betreffen - männliche Körper gelten als Norm und prototypische männliche Biografien werden beispielsweise bei der Berechnung von Renten- und Pensionsansprüchen herangezogen.

Daten bestimmen mehr denn je jeden Aspekt unseres Lebens, von der Medizin über den Verkehr bis hin zur Wirtschaft und zum Krisenmanagement. Trotz des bestehenden Mangels an geschlechtsspezifischen Daten werden bereits heute künstliche Intelligenz und Algorithmen für medizinische Diagnosen und Bewerbungsverfahren eingesetzt. Diese Algorithmen verwenden statistische Schlussfolgerungen, die auf gesammelten Daten basieren - wenn die zugrunde liegenden Daten jedoch nicht geschlechtersensibel sind, kann der Algorithmus unvollständig und verzerrt sein.

Frauen in der IT unterrepräsentiert

Data Science und Artificial Intelligence sind aufstrebende Bereiche mit einem hohen Bedarf an qualifizierten Arbeitskräften. Dennoch sind Frauen in diesen Bereichen nach wie vor unterrepräsentiert. Ein Sektor, der von einer homogenen Gruppe dominiert wird, kann anfällig für Gruppendenken und mangelnde Innovation sein. Wenn Frauen und andere marginalisierte Gruppen in der IT-Branche unterrepräsentiert sind, kann es an wichtigen Perspektiven und Denkweisen fehlen, die zu neuen Ideen führen können. Produkte und Technologien können auch weniger benutzerfreundlich für Frauen sein, wenn Frauen nicht an ihrer Entwicklung beteiligt sind.

Unsere Welt lagert Entscheidungsprozesse zunehmend an Algorithmen aus, die mit Daten trainiert wurden, die ein erhebliches Geschlechtergefälle aufweisen. Wenn wir die Fehler der Vergangenheit jetzt nicht korrigieren, werden wir sie auch in zukünftige Innovationen einprogrammieren.

Mehr Informationen und Quellen:

• We Need to Close the Gender Data Gap By Including Women in Our Algorithms
• Solutions to Close Gender Data Gaps