Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
oecd8. März 2023 · Q006413

Time to beat the diversity gap in artificial intelligence

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag fordert mehr Beteiligung von Frauen und weiteren unterrepräsentierten Gruppen an KI und nennt dafür inklusive Arbeitskulturen, Ausbildung, Mentoring, Gründungsförderung und politische Anreize. Er stützt sich auf ausgewählte externe Statistiken und AWS-Beispiele; eine eigene Untersuchung oder unabhängige Wirkungsprüfung der beschriebenen Programme enthält er nicht.

Mittel

Der Beitrag argumentiert, dass Frauen und andere unterrepräsentierte Gruppen stärker an der Entwicklung und Nutzung von KI beteiligt werden sollten. Die Autorin, eine AWS-Geschäftsführerin, führt Beispiele von Frauen in KI-Projekten sowie externe Statistiken an: Unter anderem hätten Frauen laut den zitierten Quellen 2020 nur 26 Prozent der Beschäftigten in Daten- und KI-Berufen gestellt und 2019 18 Prozent der Führungskräfte in führenden globalen KI-Start-ups ausgemacht. Sie betont, vielfältige Teams könnten unterschiedliche Perspektiven einbringen und Fairnessprobleme eher erkennen.

Als Maßnahmen nennt der Text eine inklusive Unternehmenskultur, Mentoring, sichtbare Vorbilder, besseren Zugang zu MINT- und Cloud-Ausbildung, Unterstützung für Gründerinnen sowie Austausch zwischen Wirtschaft, Forschung und Politik. Außerdem sollten politische Anreize die Beteiligung von Frauen im gesamten KI-Lebenszyklus fördern. KI müsse menschenzentriert sein und Fairness, Datenschutz, Menschenrechte und Nachvollziehbarkeit berücksichtigen. Diversität umfasse neben Geschlecht viele weitere Hintergründe und Lebenslagen.

Der Text ist ein Meinungsbeitrag, keine eigene empirische Studie. Die Zahlen stammen aus angeführten Quellen; die AWS-Programme werden als Beispiele beschrieben, ohne dass der Beitrag ihre Wirkung unabhängig belegt.

Ausführlich lesen

Der Beitrag „Time to beat the diversity gap in artificial intelligence“ argumentiert, dass mehr Frauen und weitere bislang unterrepräsentierte Gruppen an Entwicklung und Einsatz künstlicher Intelligenz beteiligt werden müssen. Die Autorin, eine Geschäftsführerin bei AWS für Europa, den Nahen Osten und Afrika, verbindet persönliche Erfahrungen mit Beispielen, angeführten Statistiken und Vorschlägen für Unternehmen, Bildungseinrichtungen und Politik. Der Text ist ein Meinungsbeitrag mit Unternehmensbeispielen, keine eigene empirische Untersuchung.

Zur Bedeutung von KI nennt der Beitrag mögliche Anwendungen in Landwirtschaft, Gesundheit, Betrugsbekämpfung, Katastrophenhilfe und Logistik. Frauen trügen bereits dazu bei, etwa durch Projekte gegen moderne Sklaverei, zur Verringerung von Lebensmittelverschwendung, zur Entwicklung von Medikamenten und zur Verbesserung des Transports. Zugleich seien Frauen in der Branche unterrepräsentiert und erhielten zu wenig Sichtbarkeit und Finanzierung. Als Belege führt der Beitrag externe Zahlen an: Laut einem Bericht des Weltwirtschaftsforums von 2020 stellten Frauen 26 Prozent der Beschäftigten in Daten- und KI-Berufen; die OECD schätze ihren Anteil an IKT-Patenten in G20-Ländern auf 7 Prozent. Außerdem verweist der Text auf geringe Beteiligung von Frauen an Technologiegründungen und darauf, dass sie 2019 nur 18 Prozent der Führungskräfte auf C-Ebene in führenden globalen KI-Start-ups ausgemacht hätten.

Die Autorin hält vielfältige Teams für wichtig, weil sie unterschiedliche Perspektiven in Problemdefinition, Datenauswahl, Gestaltung und Training von KI-Systemen einbringen könnten und so mögliche Fairnessprobleme früher erkennbar würden. Als Ansatzpunkte nennt der Beitrag eine inklusive Unternehmenskultur, die Frauen einstellt, fördert und hält, sowie Mentoring und sichtbare Vorbilder. Zudem solle der Zugang zu MINT- und Cloud-Ausbildung erweitert werden. Der Text beschreibt dazu eigene AWS-Angebote, darunter Mentoring, kostenlose berufliche Weiterbildung, Programme für Mädchen und Initiativen zur Unterstützung von Gründerinnen. Auch weiblich geführte Start-ups bräuchten technische Qualifizierung sowie Hilfe bei Finanzierung und Marktausbau.

Weitere Empfehlungen sind ein regelmäßiger Austausch zwischen Unternehmen, Politik, Forschung und Start-up-Szene, politische Anreize für die Beteiligung von Frauen über den gesamten KI-Lebenszyklus und breiterer Zugang zu KI- und ML-Diensten über Cloud-Technologie. Die Verantwortung ende nicht bei Diversität: KI solle menschenzentriert sein, Recht und Menschenrechte achten sowie Genauigkeit, Fairness und Datenschutz berücksichtigen. Forschung solle Bias-Erkennung und -Minderung verbessern und nachvollziehbar machen, wie Modelle zu Vorhersagen gelangen. Diversität umfasse außerdem unter anderem Herkunft, Alter, Behinderung, Neurodiversität, Bildung und Lebenserfahrung.

Die Aussagen werden im Beitrag durch ausgewählte externe Statistiken, Studienverweise, persönliche Einschätzungen und Beispiele aus AWS-Programmen gestützt. Der Text legt keine eigene Datenerhebung, systematische Auswertung oder Vergleichsmethode offen. Die genannten Zahlen beziehen sich auf die jeweils zitierten Quellen und Zeitpunkte; die AWS-Initiativen werden als Beispiele der Autorin dargestellt, nicht als unabhängig geprüfter Nachweis ihrer Wirkung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung ist im Kern treu, lässt aber mehrere Zahlen zu Patenten, Risikokapital und Business-Case sowie die AWS-Investitionssumme aus. Die Einordnung stützt sich nur auf den Bericht; da er ein Gleichstellungsbeitrag ist, fallen alle Fragen zu Modellbetrieb, Governance und Tempo schwach aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Lücke bei Patenten und Risikokapital: Frauen erhalten laut OECD nur 7 % der ICT-Patente in G20-Ländern und gründen nur 10 % der Technologie-Start-ups, die Wagniskapital suchen.
  • Die Wirtschaftsbelege: Laut BCG erzielten Unternehmen mit überdurchschnittlicher Diversität 45 % ihres Umsatzes aus Innovation gegenüber 26 %, und laut Credit Suisse hatten Firmen mit Frauen im Verwaltungsrat höhere Renditen.
  • Die AWS-Maßnahmen mit Zahlen: 50 Millionen Dollar für MINT-Programme und ein globales Mentoring-Programm mit über 6.000 Gelegenheiten pro Jahr.
  • Der Hinweis auf Diversity VC, wonach Gründerinnen und weitere Gruppen weniger als 2 % des verfügbaren Risikokapitals erhalten.
  • Die Forderung nach verantwortungsvollem Umgang mit KI (Genauigkeit, Erkennung und Abschwächung von Bias, Datenschutz) als eigener Gedanke des Beitrags.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 54 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 61 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 78 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 74 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 74 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 53 %gleiches Oberthema, hilft nicht
    • amos 54 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 81 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 29 %nur am Rande erwähnt
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 73 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 29 %Hintergrund, keine Belege
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 82 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 73 %gleiches Oberthema, hilft nicht
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 49 %nur am Rande erwähnt
    • amos 32 %nur am Rande erwähnt
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 34 %nur am Rande erwähnt
    • amos 32 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht

    • SF-E2-T07 Würden Regierungen ein gemeinsam finanziertes, offenes internationales Forschungsprogramm zu Problemen der Ausrichtung von KI an vorgesehenen Zielen und Werten (Täuschungserkennung, Wertelernen, skalierbare Aufsicht) unterstützen, mit gemeinsamen Vergleichstests und Veröffentlichung, nach dem Vorbild der Europäischen Organisation für Kernforschung (CERN) oder der Internationalen Atomenergie-Organisation (IAEO)? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 69 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 64 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 47 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 55 %einzelne zitierbare Belege
    • JEV 30 %Hintergrund, keine Belege
    • amos 34 %nur am Rande erwähnt
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 50 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 54 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E5-T03 Wie können Menschen, die von KI betroffen sind, die Sicherheitszusagen ihrer Regierungen verbindlich mitbestimmen, bevor diese sie auf einem Gipfel festlegen? Zum Beispiel über einen Bürgerrat, ein Einspruchsrecht nach öffentlicher Anhörung oder eine unabhängige Vertretung mit festen Rechten, und nicht nur über Gespräche mit Fachleuten. Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →