Entlarvung geschlechtsspezifischer Vorurteile

Anhand einer systematischen Literaturrecherche wird in diesem Papier untersucht, wie einige KI-Algorithmen voreingenommen sind, eine Situation, die ein gro es ethisches und soziales Risiko darstellt, da automatisierte Systeme aktiv an einer Vielzahl von Entscheidungen beteiligt sind. Es wird auch er rtert, wie der Mangel an Vielfalt in KI-Entwicklungsteams und Trainingsdatens tzen die Wahrscheinlichkeit von Voreingenommenheit erh ht. Dar ber hinaus werden die ethischen und sozialen Auswirkungen dieser Voreingenommenheit in verschiedenen Kontexten beleuchtet, z. B. am Arbeitsplatz, wo automatisierte Rekrutierungstools weibliche Bewerber diskriminieren, oder in der Medizin, wo Diagnosen f r Frauen aufgrund fehlender repr sentativer Daten weniger genau sind. Aus regulatorischer Sicht wird die Unzul nglichkeit verbindlicher rechtlicher Rahmenbedingungen einger umt. Zwar gibt es Bem hungen wie das von der Europ ischen Union vorgeschlagene KI-Gesetz oder die ethischen Empfehlungen der UNESCO, doch fehlt es vielen dieser Vorschriften an wirksamen Durchsetzungsmechanismen. Im Gegensatz dazu haben L nder wie Kanada obligatorische Instrumente zur Bewertung der Auswirkungen von Algorithmen eingef hrt, die ein effektiveres Modell darstellen.