Weltweit ist nicht einmal jede vierte KI-Fachkraft eine Frau. Das zeigt eine aktuelle Auswertung des Karrierenetzwerks LinkedIn für den “Global Gender Gap Report” des World Economic Forums, der im Dezember veröffentlicht wurde. Deutschland fällt in diesem Report besonders auf. Einerseits gehört Deutschland zu den erfolgreichsten Ländern in dem KI-Ranking. Bei der Angabe von KI-bezogenen Kompetenzen in den Mitgliederprofilen von LinkedIn für beide Geschlechter liegen nur die USA und Indien vor Deutschland. Andererseits arbeiten in Deutschland besonders wenige Frauen im KI-Bereich. Nur 16 Prozent aller KI-Fachkräfte in Deutschland sind demnach weiblich. Damit liegt Deutschland im internationalen Vergleich auf dem drittletzten Platz vor Brasilien (14 Prozent) und Mexiko (15 Prozent) und innerhalb der Europäischen Union zusammen mit Polen auf dem letzten Platz, wenn es um die Repräsentation von Frauen im Bereich künstliche Intelligenz (KI) geht. Die Expertin Manuela Lenzen warnt trotzdem davor, KI zu dramatisieren.

ZEIT ONLINE: Frau Lenzen, fangen wir mit den guten Nachrichten an: Deutschland liegt im internationalen KI-Ranking auf dem dritten Platz. Nur USA und Indien sind noch fitter in KI-Fragen. Allgemein gilt Deutschland nicht gerade als Digitalisierungsvorreiter. Ist das nicht verwunderlich?

Manuela Lenzen: Nein, mich wundert nicht, dass Deutschland gut abschneidet. Es gibt hier eine sehr erfolgreiche Tradition der KI-Grundlagenforschung, die Ausbildung von KI-Fachkräften in Deutschland ist sehr gut. Gerade im Nachwuchsbereich gibt es viel innovative Forschung, interessante Projekte, Zentren und Institute. Man darf da KI nicht mit Digitalisierung verwechseln. Auch wenn wir hier schlechtes WLAN haben und es mit dem Breitbandausbau auf dem Land nicht so gut läuft, steht die KI-Forschung gut da. 

ZEIT ONLINE: Ständig liest man von Robotern, die unsere Arbeitsplätze bedrohen. Gleichzeitig soll aber die Digitalisierung die Kommunikation im Büro effizienter und besser machen: Roboter, KI und Digitalisierung, die Unterschiede sind vielen Menschen gar nicht klar. Erklären Sie doch bitte noch einmal.

KI ist ein Etikett, das Maschinen interessant macht

Lenzen: Digitalisierung bedeutet erst einmal nur, dass Daten computerlesbar gemacht werden. Heute steht Digitalisierung auch für die Durchdringung immer weiterer Bereiche durch Möglichkeiten der Datenverarbeitung. Der Begriff KI ist vor allem eins: sehr gehyped. Er ist ein Etikett, das zurzeit gerne verwendet wird, um Maschinen und Programme interessant zu machen. Es ist die Rede von sprechenden Kühlschränken und smarten Häusern, weil sich damit Geld verdienen lässt. Tatsächlich ist gar nicht genau definiert, was unter KI zu verstehen ist. Es ist ein Forschungsfeld, bei dem es darum geht, Systeme zu entwickeln, die möglichst komplexe Probleme selbstständig lösen können, es geht um Programme und Roboter, die sich auf neue Situationen einstellen, die lernen können und Sprache verwenden. Also etwas konkreter: Maschinen, die zum Beispiel medizinische Diagnosen stellen, mit Aktien handeln oder irgendwann mal unsere Autos steuern sollen.

ZEIT ONLINE: Woher kommt dieser Hype?

Lenzen: Der aktuelle Hype hat damit zu tun, dass es jetzt genug Daten und ausreichend starke Rechner gibt, damit Verfahren des maschinellen Lernens, die es schon länger gibt, wirklich gut arbeiten können. Die Ergebnisse sehen wir etwa bei der Bilderkennung oder bei Übersetzungsprogrammen. Ob es heute schon Systeme gibt, die den Titel “intelligent” verdienen, ist umstritten, das ist eine Definitionsfrage. So intelligent wie der Mensch ist jedenfalls noch keine Maschine.

ZEIT ONLINE: Und was sind dann die sogenannten KI-Kenntnisse?

Lenzen: Menschen mit KI-Kenntnissen sind Menschen, die diese Maschinen programmieren und trainieren können oder zumindest eine Idee davon haben, wie sie funktionieren. Ich wäre aber vorsichtig damit, auf Basis von KI-Kenntnissen, die sich Nutzer bei LinkedIn selbst zuschreiben, Rückschlüsse auf das KI-Level eines Landes zu ziehen. Es könnte zum Beispiel sein, dass Frauen zurückhaltender damit sind, sich bestimmte Kenntnisse zuzuordnen. Damit wäre das Ergebnis also nicht ganz so aussagekräftig.