GenderAI

GenderAI ist eine KI-gestützte Anwendung zur Erkennung von Gender Bias in Texten.
Durch Analysen, visuelle Hervorhebungen und alternative Formulierungsvorschläge werden Nutzende dazu angeregt, ihre Sprachwahl bewusst zu reflektieren und gegebenenfalls anzupassen.

Akzeptieren Sie die Cookie Einstellung um Panopto Inhalte sehen zu können.

Panopto freischalten

Was bedeutet das Thema?

Gender Bias beschreibt geschlechterbezogene Verzerrungen in Sprache und Wahrnehmung.
Solche Verzerrungen können stereotype Rollenbilder verstärken und die Sichtbarkeit bestimmter Personengruppen beeinflussen.

Ziel des Nudges

GenderAI soll für mögliche Gender Biases sensibilisieren und eine bewusstere, inklusivere Kommunikation fördern. Die Anwendung unterstützt bei der Reflexion, ohne sprachliche Entscheidungen vorzugeben.

    Bedarfsanalyse

    • Wachsende Relevanz
      Inklusive und diskriminierungsfreie Kommunikation gewinnt in Hochschulen, Wirtschaft und Gesellschaft zunehmend an Bedeutung.
    • Fehlende Sensibilisierung
      Viele sprachliche Verzerrungen werden im Alltag nicht bewusst wahrgenommen.
    • Mangelnde Unterstützung
      Es fehlen leicht zugängliche Werkzeuge, die Gender Bias nachvollziehbar aufzeigen und konkrete Hilfestellung bieten.

    Ursachenanalyse

    • Status-quo-Bias

      Gewohnte Formulierungen werden häufig übernommen und selten hinterfragt.

    • Verfügbarkeitsheuristik

      Menschen greifen bevorzugt auf bekannte sprachliche Muster zurück.

    • Confirmation Bias

      Eigene Texte werden oft weniger kritisch bewertet als die Texte anderer.

Die Zielgruppe

Studierende, Unternehmen, Personalverantwortliche und alle Personen, die regelmäßig berufliche oder akademische Texte verfassen oder prüfen.

Mehrwert des Nudges

  • Transparenz

    Macht potenzielle Gender Biases sichtbar und nachvollziehbar.

  • Reflexion

    Fördert bewusste sprachliche Entscheidungen.

  • Einfache Anwendung

    Lässt sich unkompliziert in bestehende Schreibprozesse integrieren.

CONTACT US

Tom Hesse

tom.hesse@stud.hshl.de

Viktor Semenuk

viktor.semenuk@stud.hshl.de

Linus Graef

linus.graef@stud.hshl.de

Philip Müller

philip.mueller@stud.hshl.de