Gender-Data-Gap – Warum auch beim Bewerbermanagement das Geschlecht den Unterschied macht

Als Gender-Pay-Gap bezeichnet man den Unterschied im Gehalt von Männern und Frauen, die dieselbe Arbeit verrichten. Doch was bedeutet nun Gender-Data-Gap? Und was für Auswirkungen sind mit dem Begriff verbunden?

Datenerhebung findet alltäglich und zu allen Zeitpunkten statt. Zugleich werden anteilsmäßig immer noch mehr Daten über Männer als über Frauen gesammelt oder diese werden nicht nach Geschlechtern unterschieden. Dies führt allerdings nicht, wie man nun meinen könnte, zu einer Gleichbehandlung, sondern dem Gegenteil. Spezifische, Geschlechter-spezifische Verschiedenheiten werden ignoriert, mit zum Teil fatalen Konsequenzen. Ein Beispiel: Bei Crashtests werden zumeist männliche Dummies eingesetzt. Daraus folgt, dass die Wahrscheinlichkeit für Frauen - die oft eine andere Statur als Männer besitzen - bei einem Verkehrsunfall zu sterben wesentlich höher ist, als bei Männern. *

Auch im Zusammenhang mit Bewerbungen erleben wir zunehmend automatisierte Prozesse, die auf der Auswertung von vielen Daten beruhen. Künstliche Intelligenz arbeitet, indem sie Sonderfälle zu minimieren sucht. Dafür werden die Computer-Programme mit sogenannten Trainingsdaten versorgt. Kommen in diesen Datensätzen nur wenige Frauen vor, werden diese vom Algorithmus als irrelevante Abweichungen ignoriert. So kann es zu Verzerrung kommen.

Ein Beispiel: Jobbörsen, bei denen sich Bewerber*innen ein Profil anlegen, um von den Unternehmen gefunden zu werden, filtern unbewusst die Profile von Frauen heraus oder lassen diese an das untere Ender der Liste rutschen - wodurch sie praktisch unsichtbar bleiben. So hat der Algorithmus gelernt, dass beispielsweise die Tätigkeiten „Programmieren“ oder „Umzugshilfe“ überwiegend von Männern verrichtet werden. Entsprechend zeigt die Trefferliste hier Männer zuerst an und die Frauen werden auf Grund der anteilsmäßigen Seltenheit (= Abweichung/Sonderfall) auf die hinteren Plätze sortiert.

Um diese Ungerechtigkeit zu beheben, bedarf es Veränderung auf mehreren Ebenen. Zum einen können Algorithmen gezielt so entwickelt und trainiert werden, die geschlechtlichen Unterschiede zu vergessen und damit eine Gleichbehandlung der Bewerberprofile zu ermöglichen. Dafür braucht es aber vorrangig ein gesellschaftliches Bewusstsein und den Willen, mehr Diversität bei Karrieren und Berufsbildern zu verwirklichen.

 

*Weiterführende Literatur: Caroline Criado-Perez: Unsichtbare Frauen: Wie eine von Daten beherrschte Welt die Hälfte der Bevölkerung ignoriert (2019)

Inspiration und Quelle: https://www.zeit.de/zeit-spezial/2021/01/gender-data-gap-frauen-maenner-datenerhebung-diskriminierung

Bildquelle: würfel cube info 3D © moonrun - fotolia.com

Zurück

gesbit logoberliner senat

Mobile Version