Gender Data Gap

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Beim Gender-Data-Gap oder der Geschlechter-Datenlücke handelt es sich bei Datenerhebungsverfahren, die gesellschaftlich, wirtschaftlich oder medizinisch relevant sind, um fehlende oder unterrepräsentierte Datenerhebungen für ein bestimmtes Geschlecht. Üblicherweise, aber nicht immer, geht der Gender-Data-Gap zu Ungunsten von Frauen. Darüber hinaus bezeichnet der Begriff auch das Fehlen von Erhebungen, die nur ein Geschlecht betreffen, die aber ökonomische und politische Konsequenzen nach sich ziehen würden, wie z. B. die Menge an nicht bezahlter Arbeit bei Tätigkeiten im Haushalt von Frauen oder in der Erziehung von Kindern und die Pflege von Angehörigen. Der Begriff steht in einer Reihe von „Gender-Gaps“, die im Zusammenhang mit Genderstudies in den letzten 20 Jahren identifiziert wurden und auf die institutionell benachteiligte Situation der Frau in der Gesellschaft hinweisen.

Begriffsherkunft[Bearbeiten | Quelltext bearbeiten]

Bei der Auseinandersetzung mit statistischen Daten zur Bevölkerung und dem Entwicklungsstand der Mitgliedsländer wurde innerhalb der UNO deutlich, dass wichtige Daten zur Situation von Frauen, wie Bildungsstand, häusliche Gewalt und Einkommen, statistisch nicht erfasst wurden. Mit dem Ziel Institutionen und Länder über die Relevanz von solchen Datenerhebungen aufzuklären, wurde 2006 die Inter-Agency and Expert Group in Gender Statistics[1] gegründet.

In dem Dokument setzt sich die Inter-Agency and Expert Group in Gender Statistics als Ziel "to review and identify key initiatives and programmes that support and enhance national statistical offices’ capacity to develop gender statistics"[1], damit Gender-Daten systematischer erhoben werden. Damit beabsichtigte die Gruppe den Gender-Data-Gap in Länderstatistiken zu schließen.

Seitdem beschäftigen sich immer mehr statistische Institutionen mit dem Thema und versuchen dabei die Lücke zu schließen. Der Begriff wurde 2019 in der breiten Öffentlichkeit durch die Veröffentlichung des Buches Invisible Women von Caroline Criado Perez geläufiger.

Geschlechtsunterschiede in der Datenerhebung[Bearbeiten | Quelltext bearbeiten]

Medizin[Bearbeiten | Quelltext bearbeiten]

Ein weiteres Problem sind die oft fehlerhaften Diagnosen mancher Ärzte bei weiblichen Patienten. Der weibliche Körper reagiert bei bestimmten Krankheiten und Verletzungen anders als der männliche. Dennoch werden der männliche Körper und dessen Symptome meist als Referenz für den weiblichen genommen. Das kann zu lebensgefährlichen Fehldiagnosen bei Frauen führen, die mit einer geschlechterspezifischen Betrachtung vermeidbar wären.[2]

Auf der anderen Seite beschäftigen sich psychologische Studien überproportional häufig mit psychischen Problemen von Frauen, was eine schlechtere Datengrundlage für psychische Probleme bei Männern zur Folge hat. Psychiatrische Kliniken sind häufig nicht auf die speziellen Bedürfnisse von Männern eingestellt.[3]

Algorithmen[Bearbeiten | Quelltext bearbeiten]

Der Gender-Data-Gap wird auch in modernen Algorithmen und selbstlernenden KI-Systemen deutlich. Das liegt daran, dass diese Algorithmen ihre Funktion aus Trainingsdaten erlernen. Wenn Informationen in diesen Trainingsdaten fehlen, verzerrt oder unterrepräsentiert sind, können diese nicht oder nur mit geringerer Treffsicherheit im Algorithmus aufgenommen werden. Die Technologien und ihre Trainingsdaten spiegeln die Gesellschaft in Werten und Wissen wieder. Als Amazon beispielsweise ein KI-System zur Auswahl von Bewerbern einführte, lernte dieses den in den vergangenen menschlichen Auswahlentscheidungen vorhandenen Bias zugunsten von Männern mit und bevorzugte so wiederum Männer bei der Auswahl. Diese Algorithmen können Vorurteile auch verstärken: Ein KI-System, das trainiert wurde um Geschlechter auf Bildern zu erkennen, klassifizierte Männer, die sich in der Küche aufhielten, häufig falsch als weiblich, da in den Trainingsdaten mehr Frauen in der Küche zu sehen waren als Männer und der Algorithmus so eine falsche Korrelation gelernt hatte. Auch gibt es viele sog. „Gesundheits-Tracker“, welche Krankheiten bei Frauen aufgrund Unterrepräsentation in den Daten häufiger fehl-diagnostizieren als bei Männern. Die Folgen dieser Verzerrung können auch finanziell spürbar sein. Es wurde von Fällen berichtet, in denen die Kreditwürdigkeit und das Kreditkartenlimit aufgrund von Algorithmen für Frauen niedriger bestimmt wurde als für Männer in vergleichbaren Situationen.[4]

Produktgestaltung[Bearbeiten | Quelltext bearbeiten]

Caroline Criado Perez führt in ihrem Buch eine Reihe von Produkten auf, die auf Daten zum männlichen Körper basieren und für Frauen weniger geeignet sind: Herde, die mehr Arbeit von Frauen erfordern,[5] Handys, die zu groß für Frauenhände sind,[5] Ergometer, die keine zuverlässigen Daten zur Leistung von Frauen liefern.[5] In der Produktentwicklung wird zunehmend darauf hingewiesen, dass Gender-Aspekte in der Produktgestaltung mitberücksichtigt werden müssen.[6] Schon 2006 veröffentlichte das Fraunhofer-Institut für System und Innovationsforschung eine Studie, in der gezeigt wird, dass bestimmte Produkte eine besondere Berücksichtigung von Gender-Aspekten erfordern: Haushaltsgeräte, Computerspiele, Pflegeroboter, Airbags. Dabei steht nicht nur der Sicherheitsaspekt im Vordergrund, wie bei dem Fall von Unfällen mit Autos oder Haushaltsgeräten, die für den Körper der Frau nicht ergonomisch genug sind, sondern auch, ob Produkte dem weiblichen räumlichen Orientierungsvermögen angepasst sind oder ob bestimmte Stereotypen dadurch verstärkt werden. So müssen bestimmte Gender-Aspekte identifiziert werden, damit durch Experimente, Beobachtungen sowie Interviews relevante Daten erhoben werden (weibliche Anatomie, Bedürfnisse, Erwartungen, Nutzerinnenverhalten), die in die Produktgestaltung einfließen können.[6]

Buch Unsichtbare Frauen von Caroline Criado Perez[Bearbeiten | Quelltext bearbeiten]

Obwohl die UNO seit 2006 versucht für das Thema mehr Öffentlichkeit zu schaffen, hat  das Buch Invisible Women eine neue Welle in der Diskussion über den Gender-Gap 2019 verursacht. Durch eine Reihe von Interviews, Rezensionen und Reportagen hat das Thema die breite Öffentlichkeit erreicht und die akademische und feministische Diskussion in Fernsehen und Feulleitons gebracht.[7] Mit einer ausführlichen Recherchearbeit zeigt die Autorin Caroline Criado Perez, wie Frauen nicht nur im Arbeitsmarkt benachteiligt werden, sondern auch durch eine Datenlage, die sich meistens an Richtwerten für Männer orientiert, negativ betroffen sind. Das Thema deckt methodologische Probleme bei Studien und Grenzwerten in Wissenschaft und Technik auf und ist wegen seiner sozialen Auswirkungen hinsichtlich der Situation der Frau äußerst relevant.[8]

Rolle der UN[Bearbeiten | Quelltext bearbeiten]

Die Agenda 2030 für nachhaltige Entwicklung wurde 2015 von 193 UN-Mitgliedsstaaten unterzeichnet. Ziel ist es, wirtschaftliche, soziale und ökologische Dimensionen für eine nachhaltigen Entwicklung zu berücksichtigen. Das Kernstück der Agenda sind 17 Ziele (Sustainable Development Goals, SDG) für eine nachhaltigere Entwicklung. Dabei werden alle drei Dimensionen berücksichtigt: Soziales, Umwelt, Wirtschaft. Außerdem wurden 232 Indikatoren herausgearbeitet. 54 dieser Indikatoren sind geschlechtsspezifisch.[9]

UN Women[Bearbeiten | Quelltext bearbeiten]

UN Women (deutsch: UN-Frauen) griff bestehende Gender Data Gaps in Bezug zur Agenda 2030 2013 auf: „Die Überwachung der SDGs aus der Gleichstellungsperspektive wird durch drei Hauptherausforderungen eingeschränkt: erstens die ungleiche Erfassung geschlechtsspezifischer Indikatoren (...), zweitens Lücken in den geschlechtsspezifischen Daten und drittens Qualität und Vergleichbarkeit der verfügbaren Daten über Länder und Zeit hinweg.“

UN Women führt folgende Gründe für das Fortbestehen geschlechtsbezogener Datenlücken und fehlende Datenerhebung um diese zu schließen an:

  1. Länder würden zu wenig in die Erhebung geschlechtsspezifischen Statistiken investieren
  2. Es besteht eine Wissenslücke bei der Erhebung von Daten zu neuen und aufkommenden Themen[10]

Euro NCAP[Bearbeiten | Quelltext bearbeiten]

Die Euro NCAP (deutsch: „Europäisches Neuwagen-Bewertungsprogramm“) hat 2016 ihre Prozedur geändert. Seitdem werden auch die Ergebnisse der Frauen-Dummys bei den Sternebewertungen von Neuwagen einbezogen. Außerdem berät die UNECE (United Nations Economic Commission for Europe) über eine neue Testvorschrift, die Frauen und älteren Menschen einen besseren Insassenschutz bieten soll.[11]

Perspektiven[Bearbeiten | Quelltext bearbeiten]

Wenn die Gleichstellung der Geschlechter weiter im aktuellen Tempo verläuft, dann würde laut dem Gendergap-Bericht des Weltwirtschaftsforums 2020 die wirtschaftliche Gleichberechtigung 257 Jahre dauern und die politische Gleichstellung 94,5 Jahre. Im Bereich der Bildung beschränkt sich die Dauer bis zur Gleichberechtigung auf 12 Jahre. Im Allgemeinem variiert die Zahl des gesamten Gender-Gap jährlich. Nach der letzten Erkenntnis rechnet das Weltwirtschaftsforum 2020 mit 99,5 Jahren bis zum Erreichen der Geschlechtergerechtigkeit.[12]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. a b Inter-Agency and Expert Group in Gender Statistics. (PDF) 2013, abgerufen am 29. Juli 2020.
  2. Vera Regitz-Zargosek: Warum brauchen wir Gendermedizin? Abgerufen am 22. Juni 2020.
  3. Martin Seager and John A. Barry: Cognitive Distortion in Thinking About Gender Issues: Gamma Bias and the Gender Distortion Matrix. In: John A. Barry, Roger Kingerlee, Martin Seager, Luke Sullivan (Hrsg.): The Palgrave Handbook of Male Psychology and Mental Health. Palgrave Macmillan (Springer Nature Switzerland AG) 2019, ISBN 978-3-03004384-1, S. 87–104, doi:10.1007/978-3-030-04384-1_5.
  4. Caroline Criado Perez: We Need to Close the Gender Data Gap By Including Women in Our Algorithms. Abgerufen am 22. Juni 2020.
  5. a b c Caroline Criado Perez: Invisible Women Exposing Data Bias in a World Designed for Men. Penguin, London 2019, ISBN 978-1-78470-628-9, S. 177.
  6. a b Susanne Bührer: Beispiele für Gender- und Diversity-Aspekte. In: Susanne Bührer Martina Schraudner (Hrsg.): Gender-Aspekte in der Forschung Wie können Gender-Aspekte in Forschungsvorhaben erkannt und bewertet werden? Fraunhofer-Institut für System- und Innovationsforschung, Karlsruhe 2006, S. 170–174.
  7. GrrlScientist: Invisible Women: Exposing Data Bias In A World Designed For Men. Abgerufen am 24. August 2020 (englisch).
  8. Süddeutsche Zeitung: Rezension - Caroline Criado-Perez: "Unsichtbare Frauen". Abgerufen am 24. August 2020.
  9. Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (2017): Der Zukunftsvertrag für die Welt. Die Agenda 2030 für nachhaltige Entwicklung. (PDF) Abgerufen am 14. Juli 2020.
  10. Making women and girls visible: Gender data gaps and why they matter. (PDF) Abgerufen am 29. Juli 2020.
  11. Maßstab Mann. 21. März 2016, abgerufen am 21. Juni 2020.
  12. Hedda Nier: 99,5 Jahre bis zur Geschlechtergerechtigkeit. Abgerufen am 14. Juli 2020.