Wir stellen uns Feuerwehrleute immer noch als Männer und Krankenschwestern als Frauen vor. Der mentale Aktenschrank für Berufe hat noch nicht mit der Realität Schritt gehalten. Natürlich gibt es Krankenpfleger und Ärztinnen. Wir reden darüber, diese Kisten zu zerstören. Die Gesellschaft versucht, die Nadel zu drücken. Aber eine neue Studie legt nahe, dass uns etwas zurückziehen könnte. Online-Bildersuche. Es könnte jahrelange Fortschritte zunichtemachen.
Warum ist das wichtig? Das Problem sind nicht nur veraltete Bilder. Es geht darum, was diese Bilder jungen Menschen signalisieren. Wenn wir einem Job standardmäßig ein Geschlecht zuweisen, schaffen wir unsichtbare Barrieren. Ein Mädchen, das gerne Dinge baut, meidet vielleicht die Schreinerei, weil die Bilder im Internet nur Männer zeigen. Ein Junge, der sich gerne um Menschen kümmert, sollte die Altenpflege lieber meiden. Er könnte befürchten, dass er zu weich aussieht. Zu unmännlich.
Die mentale Abkürzung
Unser Gehirn liebt Muster. Sie sehnen sich nach Abkürzungen. Wir sehen ein brennendes Gebäude. Wir stellen uns einen Mann in Einsatzkleidung vor. Wir sehen ein weinendes Kind. Wir stellen uns eine Frau im Kittel vor. Es handelt sich um einen automatischen Link. Nicht immer genau. Aber tief verwurzelt.
Manche Berufe sind noch immer von einem Geschlecht dominiert. Kfz-Mechatroniker sind stark männlich geprägt. Medizinische Praxisassistenten sind überwiegend weiblich. Die Daten unterstützen das Stereotyp. Aber das Stereotyp begrenzt auch die Daten. Es entsteht eine Rückkopplungsschleife. Wir sehen Männer, die einen Job machen. Wir gehen davon aus, dass es eine Männersache ist. Wir stellen Männer ein. Wir zeigen Bilder von Männern. Die Schlaufe wird enger.
Dabei geht es nicht nur um Fairness. Es geht um verschenktes Potenzial. Talentierte Hände geraten ins Abseits. Einfühlsame Köpfe werden herausgefiltert. Die Kosten sind real.
Wo die Online-Suche versagt
Denken Sie an Ihre letzte Google-Bildersuche. Sie haben „Arzt“ eingegeben. Was ist aufgetaucht? Wahrscheinlich ein Mann in einem weißen Kittel. Sie haben „Krankenschwester“ eingegeben. Wahrscheinlich eine Frau. Auch wenn Sie nach einer Ärztin suchen, könnte der Algorithmus immer noch männlich kodierte Bilder priorisieren. Es lernt aus dem, was wir anklicken. Und was wir anklicken, ist von dem geprägt, was wir bereits glauben.
Hier geht die Bildsuche schief. Es spiegelt Voreingenommenheit wider, anstatt sie zu korrigieren. Es verstärkt den Status quo. Für Studierende, die sich für eine berufliche Laufbahn entscheiden, fungieren diese visuellen Elemente als Torwächter. Sie flüstern: Das ist nichts für dich.
Das Risiko ist subtil. Es ist keine zugeschlagene Tür. Es ist ein geschlossener Vorhang. Junge Leute klopfen vielleicht nie an. Sie gehen davon aus, dass der Raum voll ist. Oder schlimmer noch, dass sie nicht willkommen sind.
Die KI-Komplikation
Fügen Sie nun künstliche Intelligenz hinzu. KI-Bildgeneratoren. Sie trainieren auf riesigen Datensätzen. Größtenteils aus dem Internet geschabt. Das Internet ist voll von geschlechtsspezifischen Bildern. Die KI lernt diese Muster. Es reproduziert sie. Schneller. Günstiger. Im Maßstab.
Wenn Sie eine KI bitten, „ein Bild eines Bauarbeiters zu erstellen“, wird möglicherweise standardmäßig ein Mann verwendet. Wenn Sie nach „Lehrer“ fragen, wird möglicherweise automatisch eine Frau genannt. Nicht, weil das Bauen von Natur aus männlich ist. Nicht, weil das Unterrichten von Natur aus weiblich ist. Aber weil die Trainingsdaten es sagen.
Dadurch wird das Problem noch schlimmer. Es zeigt uns nicht nur, was bereits existiert. Es entstehen neue voreingenommene Bilder. Bilder, die realistisch aussehen. Bilder, die sich maßgeblich anfühlen. Sie betten Stereotypen in das Gefüge digitaler Inhalte ein. Bevor wir es überhaupt bemerken.
Warum es wichtig ist, neue Maßstäbe zu setzen
Schauen wir uns das an
Die Verzerrung der Bildsuche verstärkt Geschlechterstereotypen
Die Schulen versuchen, dies zu beheben. Berufsberater nutzen charismatische Vorbilder in nicht-traditionellen Rollen, um Barrieren abzubauen. Geschlechtsneutrale Ausdrücke wie „Arzt“ oder „Arzt*“ zielen darauf ab, das Gehirn dazu zu zwingen, sich sowohl Männer als auch Frauen vorzustellen.
Im visuellen Bereich funktioniert es nicht. Eine neue Studie bestätigt, dass die Online-Bildsuche nach wie vor stark von Geschlechterstereotypen geprägt ist. Wenn Sie nach „Doktor“ suchen, erhalten Sie einen Mann im weißen Kittel. Statistisch gesehen sind Männer und Frauen in diesem Bereich gleichberechtigt. Dem Algorithmus ist es egal.
Das ist kein Grammatikfehler. Im Englischen gibt es für „doctor“ keine geschlechtsspezifische Kennzeichnung. Dennoch sind „Arzt“-Bilder immer noch männerdominiert. Das Forschungsteam hat dies anhand von Google Images, Wikipedia und der Internet Movie Database (IMDb) nachgewiesen. Schalten Sie es auf „Model“ und die Männer verschwinden.
Text ist fairer. Bilder sind nicht.
Nachrichtenartikel sind überraschend ausgewogen. Google News zeigte nur in 56 % der Texte eine Überrepräsentation von Männern. Bilder? 62 %. Wir scrollen am Text vorbei. Wir starren auf Bilder.
„Von Jahr zu Jahr verbringen die Menschen weniger Zeit mit Lesen und mehr Zeit mit dem Betrachten von Bildern.“
Visuals bleiben hängen. In einem Folgeexperiment zeigten Probanden, die nach Berufsbildern suchten, drei Tage später stärkere geschlechtsspezifische Vorurteile als diejenigen, die Artikel lasen. Der mentale Abdruck ist tiefer. Die Rückkopplungsschleife ist real.
KI wird die Voreingenommenheit verstärken
Bas Hofstra und Anne Maaike Mulders von der Radboud-Universität warnen, dass dies nicht nur ein Spiegelbild der Realität sei. Es prägt es. Wenn Algorithmen männlichen Ärzten dienen, verhärtet sich das Klischee.
Künstliche Intelligenz macht es noch schlimmer. KI-Modelle trainieren auf vorhandenen Online-Bildern. Wenn die Quelldaten verzerrt sind, ist auch die Ausgabe verzerrt. Wir riskieren, Ungleichheit zu automatisieren. Bemühungen um Geschlechtergleichstellung in der Belegschaft könnten durch einen Black-Box-Algorithmus zunichte gemacht werden.
Der Bildschirm liegt. Und wir suchen weiter.
