Als vollzeitarbeitende Mutter zweier Kinder wird mir jeden Tag bewusst, wie schwer es Frauen noch immer haben, wenn sie Karriere machen wollen. Vielleicht ist es genau diese Erfahrung, die mich schon früh für gendergerechte Sprache sensibilisiert hat. Und ja – gerade in der technischen Branche, in der ich tätig bin, muss ich mich dafür noch immer erstaunlich oft rechtfertigen. Zugegeben, die Debatte ist nicht neu. Aber sie ist aktueller denn je und im Zeitalter der KI sollte sie spätestens jetzt JEDE Person zum Nachdenken bringen.
Erst kürzlich hatte ich im privaten Umfeld wieder eine Diskussion darüber, warum Gendern überhaupt wichtig sei. Für mich ist das ganz klar: Ich habe dazu eine eindeutige Meinung und diese verstärkt sich durch den Einsatz von KI drastisch!
Manche sehen es als lästige Gängelei, andere als wichtigen Schritt zu mehr Sichtbarkeit. Doch nur wenigen ist bewusst, dass diese sprachliche Entscheidung JETZT, im Zeitalter der Künstlichen Intelligenz, eine völlig neue, existenzielle Dringlichkeit bekommt?
Es geht nicht mehr nur um Höflichkeit oder politische Korrektheit. Es geht um die Qualität unserer Daten und darum, ob wir alte, diskriminierende Muster in unseren brandneuen, superintelligenten AI-Systemen für immer festschreiben wollen.
Die KI, insbesondere die großen Sprachmodelle wie Gemini und ChatGPT, lernt aus unseren Texten, unseren Daten, also aus unserer kollektiven Vergangenheit! Und genau hier schlägt das alte Sprichwort „Shit In, Shit Out“ oder, im Kontext von KI-Verzerrungen, „Bias In, Bias Out“ – mit voller Wucht zu.
Das Dilemma? Die KI, der Datensatz und das unsichtbare Vorurteil.
Künstliche Intelligenz ist nur so neutral wie die Daten, mit denen sie trainiert wurde. Schauen wir uns die Trainingsdaten an, sehen wir eine historische Schieflage.
Unsere Texte aus den letzten Jahrzehnten, egal ob Fachbücher, Zeitungen oder Online-Archive, sind oft geprägt vom generischen Maskulinum. Der „Entwickler“, der „Manager“, der „Arzt“. Frauen wurden sprachlich oft unsichtbar gemacht oder auf stereotype Rollen wie die „Sekretärin“ oder „Krankenschwester“ reduziert.
Und was macht die KI?
KI lernt: Wenn es um Führung, Technik oder hohe Gehälter geht, sind die am häufigsten genannten Bezeichnungen männlich.
- Fragt man eine KI Sätze zu vervollständigen wie „Der CEO sagte…“, wird sie statistisch wahrscheinlicher einen männlichen Namen oder ein männliches Pronomen folgen lassen, weil das ihre Datenbasis so gelernt hat.
- In Bewerbungsprozessen, wo KI-Tools Lebensläufe vorsortieren, kann ein System, das gelernt hat, dass „Ingenieur“ meist mit männlichen Namen in Verbindung gebracht wird, unbewusst weibliche Bewerbungen abwerten.
Hier reden wir vom sogenannten Gender Bias in der KI! Und ja, das gibt es wirklich und Nein, dass ist kein Halluzinieren der KI. Die KI ist auch “nicht grundsätzlich intelligent genug” um dem entgegenzuwirken, wie man mir in einer Diskussion argumentieren wollte.
Josh Bersin, betont in dem Zusammenhang immer wieder die Notwendigkeit AI verantwortungsvoll zu implementieren und den Bias zu eliminieren, besonders in HR-Systemen wie Recruiting oder Succession Planning. Er spricht von der Chance, durch Second Generation AI-Systeme Bias in Beförderungs- und Nachfolgemanagement zu reduzieren. Aber das funktioniert nur, wenn wir kritisch hinschauen, welche Daten wir füttern und welche Fragen wir stellen!
Schön und gut, aber was hat das mit der Personalentwicklung zu tun?
In der Personalentwicklung und im Corporate Learning finden sich hier unterschiedliche Bias-Möglichkeiten:
- Verzerrte Karrierewege und Skill Management: In KI-gestützten Tools für Internal Mobility oder Skill-Matching könnte ein System basierend auf historischen Daten Frauen seltener für technisch oder Management lastige Rollen vorschlagen, einfach weil die Trainingsdaten dort überwiegend Männer in diesen Positionen zeigen.
- Diskriminierung im Talent Management und der Nachfolgeplanung: Wenn unsere Jobbeschreibungen, die von KI unterstützt oder erstellt werden, den Gender Bias unserer Vergangenheit reproduzieren, sprechen sie unterbewusst nur eine Zielgruppe an. Wenn die KI „der Programmierer“ als Standard setzt, finden sich Frauen seltener angesprochen oder werden in der Vorauswahl benachteiligt.
- Lerninhalte voller Stereotype: Stell dir vor, du nutzt eine generative KI, um ein neues Lernmodul zu erstellen. Wenn du fragst: „Wie führt ein Projektleiter sein Team?“, liefert die KI möglicherweise Beispiele, die eine rein männlich konnotierte Führungskultur widerspiegeln – weil sie das aus Milliarden von Texten über Projektleiter gelernt hat.
Jan Foelsing spricht als New Learning Experte oft über die Chancen und Risiken von KI im L&D-Bereich und betont, wie wichtig es ist, die menschlichen Werte und Prinzipien nicht aus den Augen zu verlieren. Genau diese Werte – Gleichberechtigung, Diversität, Inklusion – müssen wir aktiv in die KI-Systeme hineinpflegen.
Die Lösung: Aktiv Gendern als Anti-Bias-Strategie
Die gute Nachricht: Wir sind nicht machtlos! Das Gendern in unseren Texten ist kein rein sprachliches, sondern ein strategisches Instrument im Kampf gegen AI-Bias. Es ist unsere Chance, die KI mit neuen, korrigierten Daten zu füttern.
Warum Gendern die AI „retten“ kann:
Sichtbarkeit für alle (!) Geschlechter: Indem wir konsequent auf Formulierungen achten.
Die KI lernt: Diese Rollen beinhalten ALLE Geschlechter.
Neutralisierung von Rollenbildern: Wenn die KI in der Zukunft Billionen von Texten mit inklusiver Sprache liest, wird die statistische Korrelation zwischen einer Berufsbezeichnung und einem spezifischen Geschlecht abgeschwächt. Der Algorithmus wird neutraler.
Datenreinigung von der Quelle: Die Debatte ums Gendern zwingt uns, bewusst über unsere Sprache nachzudenken. Jedes Mal, wenn wir einen inklusiven Text verfassen, produzieren wir ein Stück „Bias-freies“ Trainingsmaterial für die nächste Generation von KI.
Wir müssen die Gestaltung von Chatbots und die Datenbasis kritisch prüfen, um den Gender Bias zu mindern. Wenn wir die Sprache im Unternehmen ändern, ändern wir die Daten, die diese Systeme morgen nutzen werden.
Was sind die nächsten Schritte?
Es ist Zeit, unsere Sprache als das zu sehen, was sie ist! Der stärkste Input für die Technologie, die unsere Arbeitswelt in den nächsten Jahrzehnten prägen wird.
Was ist für eine bessere AI-Zukunft zu tun:
- Kontrolle der internen Richtlinien: Sind Guidelines für interne Kommunikation, Stellenanzeigen und Lernmaterialien bereits genderinklusiv? Falls nicht: Jetzt ist der Moment, das zu ändern!
- Sensibilisierung des Teams: AI-Bias muss zum Thema werden. Gendern ist ein aktiver Beitrag zur Datenkorrektur.
- Kritisches Hinterfragen des Outputs: „Ist dieser Text genderneutral formuliert? Welche Geschlechterrollen schwingen hier mit?“
Lasst uns gemeinsam dafür sorgen, dass wir der KI die besten Daten mitgeben. Daten, die unsere Vision einer inklusiven, chancengerechten Arbeitswelt widerspiegeln. Nur so wird die KI zu dem Superpower-Tool und nicht zum Archivar unserer alten Vorurteile.
