podcast

Gender Data Gap - teamnushu.de ✨

Geschrieben von Antonia Goetz | May 25, 2022 5:25:26 PM

Der Gender Data Gap bezeichnet fehlende oder unterrepräsentierte Datensätze und Datenerhebungsverfahren für ein bestimmtes Geschlecht.¹ Das Fehlen geschlechtssensitiver Daten in der Statistik hat dabei meist negative Folgen für Frauen*.  Die geschlechtsspezifische Datenlücke durchzieht viele Lebensbereiche wie Gesundheit, Bildung, Wissenschaft, öffentliche Infrastruktur und Wirtschaft.²
Der Gender Data Gap wurde lange Zeit durch eine traditionell männliche Demographie innerhalb von Forschung, akademischer Lehre, politischen Institutionen und marktführenden Technologieunternehmen begründet.

“We need bold action to close data gaps and accelerate progress. Unless more is done by the entire global community, we will fail to achieve gender equality by 2030.” (UN WOMEN Report, Juni 2022)

Warum ist der Gender Data Gap ein globales Problem?

Das Ungleichgewicht zwischen geschlechtsspezifischer Datenverfügbarkeit und Datenbedarf betrifft Industrienationen und ärmere Länder gleichermaßen. Diversity ist allerdings nicht nur in den Führungsetagen, sondern auch in statistischen Datensätzen der Schlüssel zu einer geschlechtergerechten Gesellschaft. Die Folgen des Gender Data Gaps reichen von unwirksamen oder gesundheitsgefährdenden Medikamenten bis hin zu Algorithmen, die zu 70 Prozent auf männliche Daten trainiert sind.³
UN Women listet folgende Faktoren, die das geschlechtsspezifische Datensammeln erschweren:⁴

  • mangelnde technische Kapazitäten
  • Unterfinanzierung nationaler, statistischer Systemen
  • uneinheitliche Disaggregation (Aufschlüsselung statistischer Daten)
  • begrenzte Datenverarbeitung und mangelnde Koordinierung der Datenproduktion unter den Ländern.

Definition Gender Data Gap

Das Gender Data Gap (vereinzelt auch Gender Data Bias) wird auch Geschlechter-Datenlücke oder geschlechtsspezifische Datenlücke genannt. Das Gender Data Gap ist also ebenfalls ein strukturell bedingter Gender Gap wie Gender Pay Gap oder Gender Care Gap, mit denen sich Gender Studies und eine kritische Öffentlichkeit seit Ende der 1990er befassen. Spätestens 2019 erlangte der Begriff mit der Veröffentlichung von “Invisible Women: Exposing Data Bias in a World Designed for Men” von Caroline Criado-Perez eine breite Bekanntheit.⁵ Manche sprechen im Zusammenhang mit dem Gender Data Gap auch vom “Patriarchat der Daten”⁶.

Wie Statistik Gender und Race unsichtbar macht

Auf Basis von Datenerhebungen, Studien und Datenanalysen werden viele politische, wissenschaftliche und unternehmerische Entscheidungen getroffen. Finden in den Datensätzen beispielsweise kaum oder keine Frauen* statt, sind sie auch aus den daraus abgeleiteten Entscheidungen ausgeschlossen. Mit statistischen und algorithmischen Methoden sowie Big Data  wird immer auch die Annäherung an eine Norm unternommen. Wenn nun die meisten Datensätze (wie bisher üblich) von “weiß, männlich, cis-Gender und heterosexuell” stammen, wird dies zur impliziten Norm.⁷
Gehen wir noch einen Schritt weiter und nehmen die User*innendaten von Apps beispielsweise aus dem Bereich Bildung, Ernährung, Gesundheit, Fertility oder Dating hinzu: hier stammen die Daten mehrheitlich von einer digital vernetzten und privilegierten Minderheit aus dem Anglo-Amerikanischen und Europäischen Raum.

Datenfeminismus

Der Datenfeminismus setzt da an, wo Digital Rights Aktivismus, Big Data, algorithmische Entscheidungsfindung und datenbasierte Überwachung auf intersektionale Diskriminierungen treffen.⁸ Der Datenfeminismus hat vor allem strukturelle (und häufig diskriminierende) Machtgefüge im Blick und stellt sich die übergeordnete Frage, wie diese aufgebrochen und verändert werden können. Weil geschlechtsspezifische Daten aktuell eben noch nicht “für sich sprechen”.

Die sogenannte „Bikini-Medizin“

Der Fokus der sogenannten “Bikini-Medizin beruht auf der fälschlichen Annahme, dass sich weibliche Gesundheit kaum von der männlichen unterscheidet. Nur in den körperlichen Bereichen, die von einem Bikini bedeckt werden (Brüste, Eierstöcke, Gebärmutter) gäbe es Unterschiede zu beachten.⁹ Auch eine aktuelle Studie (Mai 2022) des George Institute for Global Health¹⁰ stellt heraus, dass der Fokus in wissenschaftlichen Artikeln zu weiblicher Gesundheit immer noch vornehmlich auf den reproduktiven Lebensjahren, insbesondere der Schwangerschaft, liegt.

Biased KI – Wie fair ranken Algorithmen?

Algorithmen basieren auf statistischen Schlussfolgerungen, welche aus erhobenen Daten berechnet werden. Sind die zugrundeliegenden Daten nicht geschlechtersensitiv, ist der Algorithmus im Ergebnis lückenhaft.¹¹ Fakt ist, dass Algorithmen aufgrund einer unterrepräsentierten Datenlage diskriminierende Rankings oder mangelhafte Diagnosen produzieren. So können Gender Biases in beispielsweise Hiring Tools („He is to doctor as she is to nurse”) oder AI Diagnostics („He is to heart attack as she is to ovarian cancer) „logisch” fortgeschrieben werden.

„In a world where we increasingly outsource our decision-making to algorithms trained on data with a great big hole in it, this problem is set to get a lot more serious very quickly. And if we don’t choose to correct the mistakes of the past now, we will blunder into a future where we have literally coded them in.”
Caroline Criado-Perez, britische Journalistin, Autorin und Aktivistin¹²

nushu podcast: Meike Zehlike forscht für mehr Fairness in der Datenlage

Meike Zehlike ist Informatikerin und KI-Technologie-Beraterin. Im Zuge ihrer Doktorarbeit am Max-Planck-Institut forschte sie zu der Frage, wie sich in datengesteuerten Ranking-Modellen eine längst überfällige Fairness herstellen lässt. In Folge #69 von „Female Business: Der nushu podcast” erfährst du,

  • warum und wie Algorithmen in Rankings diskriminieren und
  • wie Unternehmen und Organisationen mehr Fairness in ihrer Datenauswertung herstellen können.

Gender Data Gap Bedeutung für den Alltag

Die Abwesenheit geschlechterspezifischer Daten kann im Extremfall lebensgefährlich sein.¹³ Bis in die frühen 90er Jahre wurde der weibliche Organismus beispielsweise systematisch aus medizinischen Studien ausgeschlossen. Dies gilt auch für die Arzneimittelforschung (getestet vor allem an gesunden, jungen Männern). Frauen wurden quasi traditionell auf gut Glück behandelt.¹⁴ Aber auch für Männer hat das Gender Data Gap kritische Auswirkungen; beispielsweise bei unzureichender Datenlage im Bereich häusliche Gewalt gegenüber Männern.¹⁵

Gefährliche Folgen für den Alltag

Der Gender Data Gap kann nicht nur direkten Einfluss auf beispielsweise individuelle Bildungswege und medizinische Diagnosen nehmen. Seine Konsequenzen ziehen sich durch die gesamte, weibliche Lebensrealität. Plakative Beispiele sind

  • Schutzausrüstungen für Polizei und Bundeswehr, die nicht für Körper mit Brüsten konzipiert wurden.
  • Herzinfarkte, die aufgrund “atypischer” Symptome bei Frauen nicht diagnostiziert werden.
  • Crash-Tests der Automobilindustrie, bei denen der Female Dummie in der Regel auf dem Beifahrersitz platziert wird.
  • Nicht sicher gestaltete Nahverkehrsrouten.
  • Unzureichende Beleuchtung von Gehwegen in der Nacht.
  • Health Apps, die Zuckerspiegel, Schlafphasen und Blutalkohol messen können, den weiblichen Zyklus aber nicht.¹⁶

Gender Data Gap im Marketing: „Shrink it and pink it”¹⁷

Das Gender Data Gap wirkt auch tief in die globale Produktgestaltung und das entsprechende Marketing hinein. So haben Produkte “for her” nicht selten das Problem, dass wesentliche Anpassungen an weibliche Bedürfnisse versäumt werden. Während sich ausschließlich auf das verstaubte Mantra “shrink it and pink it” konzentriert wird.¹⁸ Die Folge sind niedliche Laptops, die mit der einfachen Suche nach Rezepten und Kalorienzählern beworben werden. Rasierklingen, die im “female design” präsentiert werden, aber keine der weiblichen Körperrasur entsprechende Klingen-Technologie liefern und dafür deutlich teurer sind (Hallo, Pink Tax!¹⁹). Rosa Boxhandschuhe, die für die männliche Anatomie der Hand konzipiert sind. Die Liste lässt sich für viele Produktgruppen beliebig fortführen.

Female Crash Test Dummies? Fehlanzeige

Es ist eine statistische Tatsache, dass Frauen bei Autounfällen häufiger schwer verletzt werden als Männer. Die Gründe sind bis heute nicht konkret identifiziert,²⁰ obwohl logischerweise Verbindungen zur technischen Ausstattung wie Gurt oder Airbags bestehen.  Doch zur Behebung fehlt es international an belastbaren Daten aus den Crash Test. So ist der Durchschnitts-Dummie für Crashtests der Automobilindustrie auch in Deutschland traditionell am Körper eines fahrenden “Durchschnittsmanns” orientiert. Von den fünf Sicherheitstests, die ein Automodell in der EU vor Zulassung durchlaufen muss, wird bislang meist nur in einem Test ein weiblicher Dummie einbezogen: auf dem Beifahrersitz.

Warum gibt es das Gender Data Gap?

Bei der Auseinandersetzung mit statistischen Daten zum Entwicklungsstand der Mitgliedsländer erkannte die UNO Mitte der 1990er, dass wichtige Daten zur Lebensrealität von Frauen bis dato statistisch nicht erfasst wurden.²¹  Die Ursachen für das Phänomen fehlender weiblicher Datensätze liegen vor allem  in der traditionell männlichen Demographie innerhalb der Forschung, akademischen Lehre, politischen Institutionen und marktführenden Technologieunternehmen begründet.

UNO Global Gender Statistics in 2006 eingeführt

Um Nutzung und Zugang zu geschlechterspezifischen Daten zu fördern, gründete die Statistikabteilung der UNO (UN Statistics Division) im Jahr 2006 eine Inter-Agency and Expert Group on Gender Statistics (IAEG-GS) und implementierte das Global Gender Statistics Programme.²² Auf zivilgesellschaftlicher Ebene setzt sich die internationale Organisation Open Data Watch für die Verbesserung der Datensysteme nationaler statistischer Ämter ein. Inzwischen versuchen auch private Unternehmen wie Data2X oder politische Stiftungen wie das WSI in Deutschland, gendersensitive Daten breitflächig zur Verfügung zu stellen.
“We already know that investing in women delivers returns for entire societies, but we are missing critical information to guide our investments better. And since women make up half the population, that’s like having a black hole at the center of our data-driven universe.” Hillary Clinton, Gründerin Data2X

Gendermedizin Deutschland: “Viel Interesse, wenig Lehre”²³

Ein Gutachten des Deutschen Ärztinnenbundes aus 2021 zeigt, dass 70,4 Prozent der Medizin-Fakultäten ihre Student*innen nur punktuell in Lehrveranstaltungen auf die Geschlechterunterschiede bei Krankheiten, und Therapien aufmerksam machen. Von den 38 staatlichen Hochschulen in Deutschland, an denen man Medizin studieren kann, gibt es bis dato nur eine (!), an der geschlechtersensible Medizin als Fachbereich einbeozogen wird: die Charité in Berlin.²⁴ Auch wer dort studiert, tut dies mit Medizinbüchern, in denen der männliche Körper bislang noch die Norm ist.

„Ein weiser Mann sollte berücksichtigen, dass Gesundheit der größte menschliche Segen ist und lernen, wie er durch eigene Überlegung einen Vorteil seiner Krankheit ableiten kann.“ – Hippokrates

Seit der Antike ist der medizinische default mode: male.

In jedem Zellkern stecken bei binären Menschen zwei X (female) oder ein X und ein Y (male). In jedem Organ. Das beeinflusst auch die Wirkung von Medikamenten. Hinzukommen Faktoren wie Stoffwechsel, Gewicht, Immunsystem, Hormonhaushalt und Energieumsatz beispielsweise.
Es gibt Antibiotika, die bei Frauen häufiger zu gefährlichen Herzrhythmusstörungen führen. Blutdrucksenker mit viel stärkeren Nebenwirkungen als für den männlichen Organismus. Schlafmittel, die bei gleicher Dosis nur bei Frauen zu hoher Müdigkeit und erhöhter Unfallgefahr am nächsten Tag führen. Aspirin kann bei Männern als Infarktprophylaxe eingesetzt werden. Bei Frauen funktioniert das nicht.

Im Schnitt dauert es in Deutschland 13 Jahre, bis ein Medikament auf den Markt kommt. Von heute gedacht stünden (mit entsprechenden Datensätzen!) erst ab 2035 Medikamente zur Verfügung, die auch für den weiblichen Körper geeignet sind. Theoretisch.

Quellen

¹ https://de.wikipedia.org/wiki/Gender-Data-Gap

² https://www.br.de/nachrichten/wissen/datenluecke-in-der-medizin-frauen-noch-immer-im-nachteil,SzVTJ7u; https://www.humanrights.ch/de/ipf/menschenrechte/frau/gender-data-gap-frauen-daten?gclid=Cj0KCQjw1ZeUBhDyARIsAOzAqQL-zpl-auY8TRZlhgiANPkO0Q-XXbKgq4rBI9Hg3Uj0Du1qsvGmFW4aAl2JEALw_wcB

³ https://time.com/collection/davos-2020/5764698/gender-data-gap/

https://www.unwomen.org/sites/default/files/Headquarters/Attachments/Sections/Library/Publications/2018/Issue-brief-Making-women-and-girls-visible-en.pdf

https://www.theguardian.com/books/2019/feb/28/invisible-women-by-caroline-criado-perez-review

https://www.woz.ch/-a9ec

https://www.gwi-boell.de/de/2019/01/18/datenfeminismus-big-data-ueberwachung-und-gender

https://www.gwi-boell.de/de/2019/01/18/datenfeminismus-big-data-ueberwachung-und-gender

https://healthcare-in-europe.com/de/news/kritik-bikini-medizin-frauengesundheit.html

¹⁰ https://www.liebertpub.com/doi/10.1089/jwh.2021.0425

¹¹ https://www.humanrights.ch/de/ipf/menschenrechte/frau/gender-data-gap-frauen-daten?gclid=Cj0KCQjw1ZeUBhDyARIsAOzAqQL-zpl-auY8TRZlhgiANPkO0Q-XXbKgq4rBI9Hg3Uj0Du1qsvGmFW4aAl2JEALw_wcB

¹² https://time.com/collection/davos-2020/5764698/gender-data-gap/

¹³ https://utopia.de/unsichtbare-frauen-gender-data-gap-234970/

¹⁴ https://www.br.de/radio/bayern2/sendungen/zuendfunk/gender-data-gap-warum-es-frauen-gefaehrdet-wenn-sie-unsichtbar-sind-102.html

¹⁵ https://www.aerzteblatt.de/archiv/186686/Haeusliche-Gewalt-gegen-Maenner-Unbeachtet-und-tabuisiert

¹⁶ https://www.wired.com/story/caroline-criado-perez-invisible-women/

¹⁷ https://www.emotion.de/leben-arbeit/gesellschaft/gender-data-gap

¹⁸ https://www.washingtonpost.com/lifestyle/style/the-end-of-shrink-it-or-pink-it-a-history-of-advertisers-missing-the-mark-with-women/2016/06/08/3bcb1832-28e9-11e6-ae4a-3cdd5fe74204_story.html

¹⁹ https://www.investopedia.com/pink-tax-5095458

²⁰ https://www.moment.at/story/weibliche-crash-test-dummies-frauen-sind-nicht-einfach-kleinere-maenner; https://www.spiegel.de/panorama/autosicherheit-immer-nur-maennliche-crash-test-dummies-gefaehrden-frauen-a-76b3034e-31bf-4788-bbda-330658e73b1a; https://utopia.de/unsichtbare-frauen-gender-data-gap-234970/

²¹ https://de.wikipedia.org/wiki/Gender-Data-Gap

²² https://www.humanrights.ch/de/ipf/menschenrechte/frau/gender-data-gap-frauen-daten?gclid=Cj0KCQjw1ZeUBhDyARIsAOzAqQL-zpl-auY8TRZlhgiANPkO0Q-XXbKgq4rBI9Hg3Uj0Du1qsvGmFW4aAl2JEALw_wcB

²³ https://www.aerztezeitung.de/Wirtschaft/Gendermedizin-Viel-Interesse-wenig-Lehre-416139.html

²⁴ https://www.br.de/radio/bayern2/sendungen/zuendfunk/gender-data-gap-warum-es-frauen-gefaehrdet-wenn-sie-unsichtbar-sind-102.html

²⁵ https://www.br.de/radio/bayern2/sendungen/zuendfunk/gender-data-gap-warum-es-frauen-gefaehrdet-wenn-sie-unsichtbar-sind-102.html; https://www.hr-inforadio.de/programm/themen/gender-data-gap-wie-die-statistik-frauen-unsichtbar-macht,gender-data-gap-100.html