Die Gründe dafür sind technischer wie auch soziologischer Art, und hier finden sich auch die Lösungen für eine feministische KI.
Technische Ebene: genügend gute Daten
Zuerst braucht es genügend Daten von Frauen, um ein KI-System zu trainieren. Diese Daten dürfen keine historische Diskriminierung beinhalten. So könnten zum Beispiel Daten einer Maschine beibringen, dass Frauen nur selten in der IT erfolgreich sind – weil dies in der Vergangenheit leider so war. Oder Daten könnten auch diskriminierend gelabelt werden: Ein Bild von einer Frau im Bikini kann durch ein Attribut wie «Schlampe» Abwertungen in einen Datensatz transportieren. Überhaupt müssen spezifische Daten erst einmal in ausreichender Menge zur Verfügung stehen: Hat eine Maschine kaum Gesichter von People-of-Color-Frauen kennengelernt, kann sie diese später bei Gesichtserkennungs-Anwendungen auch nicht zuverlässig erkennen.
Soziologische Ebene: gezielte Entscheide
Ein weiterer wichtiger Schritt ist die Definition von Fairness über mindestens ein so genanntes «Fairness-Mass»: Mit diesem wird beim Training eines KI-Systems festgelegt, ob und wie verschiedene Personengruppen gleichermassen von maschinellen Entscheidungen betroffen sind, also ob zum Beispiel genau so viele Frauen wie Männer bei ansonsten gleichen Ausgangsbedingungen einen Kredit erhalten. Hier ist die Debatte besonders wichtig, denn es muss entschieden werden, ob verschiedene Personengruppen vom KI-System gleich behandelt werden sollen oder eben nicht, weil besonders schutzbedürftige Gruppen bevorzugt werden müssen. Im feministischen Sinne kann es durchaus das Ziel sein, dass Frauen bei bestimmten Anwendungen bevorzugt werden, um Gleichberechtigung herzustellen. Manchmal zeigt sich die Diskriminierung eines KI-Systems erst im Einsatz: Daher sind Frauen auch hier besonders gefragt, um die sozialen Auswirkungen des Systems zu beobachten und bei Bedarf Einfluss zu nehmen auf Verbesserungen.
Wie bei den meisten soziologischen Problemen liegt die Lösung nicht (nur) in der Technik. Frauen sind heute an KI-Entwicklungen kaum beteiligt. Das bedeutet, sie sind kaum einbezogen, wenn es um die Auswahl von Datensätzen geht, um die Abwägungen von Fairness und die Evaluierung von KI-Systemen in der Praxis. Frauen gehören stärker in die KI, sowohl in der Forschung und in der Entwicklung als auch in den Führungsetagen und in den politischen Gremien.
Frauenwege durch die Stadt
Was feministischer Einfluss bewirken kann, zeigt sich in Barcelona: In der Stadtplanung wurde unter der Bürgermeisterin Ada Colau auf Basis von erhobenen Daten der öffentliche Nahverkehr so umgestaltet, dass die Bewegungsmuster von Frauen stärker berücksichtigt werden konnten. Anstatt nur die Wege zu Arbeitsstätten zu optimieren, wurde hier das Bussystem in einer Gitter-Struktur neu aufgebaut, so dass Wege leichter aneinandergereiht werden können. Denn Care-Arbeit der Frauen erfordert es oft, mehrere verschiedene Wege zurückzulegen, die nicht unbedingt sternförmig ins Stadtinnere und wieder hinaus führen. Berufstätige fahren meist nur einmal morgens zu ihrer Arbeitsstätte und danach wieder zurück. Abweichungen finden nur minimal statt, zum Beispiel zum Einkaufen, zum Sport oder zum Feierabend-Treff mit Freund*innen. Frauen mit Care-Aufgaben hingegen müssen zum Teil viele verschiedene Wege am Tag zurücklegen, die nicht unbedingt günstig auf einer Strecke liegen und deren Zielorte sie sich nicht immer aussuchen können: So liegt die KiTa vielleicht im Nachbarbezirk, die zu pflegenden Eltern wohnen am anderen Ende der Stadt, und bestimmte Geschäfte oder Behörden sind im Stadtzentrum verteilt. KI-Systeme können hier gemeinwohlorientiert und feministisch wirken, indem sie analysieren, welche Wege Frauen zurücklegen und damit die Basis legen für eine frauenorientierte Stadt- und Verkehrsplanung.
KI feministisch
KI kann also durchaus feministisch sein! Dazu müssen die Menschen, die sie entwickeln, sich den Feminismus zum Ziel setzen, entsprechende Fairness-Masse setzen, genügende und qualitativ hochwertige Daten für das Training verwenden und laufend beobachten, wie das KI-System in der Praxis wirkt. Hierfür ist es unerlässlich, dass Frauen mitforschen, mitentscheiden und mitentwickeln.
