KI-Modelle löschen weibliche Figuren in Kindergeschichten

Eine aktuelle Studie der University of Washington deckt erhebliche geschlechtsspezifische Verzerrungen in der Textgenerierung moderner KI-Modelle auf. Forschende um Melanie Walsh und Imani Finkley analysierten, wie sechs führende Sprachmodelle bei der Erstellung von Kindergeschichten mit sprechenden Tieren Geschlechterdarstellungen handhaben. Die Ergebnisse wurden am 25. Juni 2026 auf der ACM FAccT-Konferenz in Montréal vorgestellt. Das Forschungsteam testete die Modelle Claude Sonnet 4.5, Gemini 2.5, GPT-4o, GPT-5.1, Mistral Medium und das quelloffene Olmo 3. Auf Basis eines standardisierten Prompt-Formats wurden insgesamt 23.800 Textgenerationen erzeugt, die verschiedene Tierarten und Settings wie Farm oder Fluss kombinierten. Die Analyse ergab, dass in 57 Prozent der KI-Generationen die Figuren geschlechtsneutral oder ohne Pronomen blieben, 41 Prozent wurden maskulin kodiert, während nur 2 Prozent als weiblich identifiziert wurden. Im Gegensatz zu früheren Humanstudien, die eine ähnliche, aber schwächere Tendenz zeigten, verdrängte die KI-Neutralität weibliche Charaktere nahezu vollständig. Nach Einschätzung der Autorinnen dient die Verwendung von Es-Pronomen oder dem vollständigen Verzicht auf Geschlechtsangaben als technischer Kompromiss zur Vermeidung von Bias in unsicheren Kontexten. Dieser Ansatz entpuppt sich jedoch als strukturelle Auslöschung weiblicher und nicht-männlicher Identitäten. Besonders stark fiel die maskuline Verzerrung bei Gemini 2.5 mit 63 Prozent und GPT-5.1 mit 65 Prozent aus. Claude Sonnet 4.5 generierte zwar die meisten weiblichen Figuren mit vier Prozent, Olmo 3 schnitt mit zwölf Prozent maskulinen und 85 Prozent neutralen Charakteren am ausgewogensten ab. Parameter wie die Temperaturvariable oder die gewählte Spielstätte hatten hingegen kaum Einfluss auf das Gesamtergebnis. Lediglich bei Katzen zeigte sich eine leichte weibliche Ausrichtung, während Vögel nahezu ausschließlich neutral behandelt wurden. Die Forschenden deuten die Ergebnisse als Beleg dafür, dass KI-Systeme menschliche Narrative nicht nur kopieren, sondern sie in unvorhergesehene Richtungen verzerren. Häufig wiederkehrende Erzählmuster, wie der weise alte Eule als Autoritätspersönlichkeit, unterstreichen, wie tief verwurzelte kulturelle Tropen in Trainingsdaten nachwirken. Die aktuelle Untersuchung beschränkt sich auf englischsprachige Ausgaben. Zukünftige Arbeiten sollen weitere Sprachen sowie Verzerrungen jenseits des Geschlechterkontinuums prüfen. Insgesamt markiert die Studie einen kritischen Meilenstein für die Entwicklung fairerer KI-Systeme und verdeutlicht, dass Neutralität als Standardstrategie in der Prompt-Generierung keinesfalls automatisch Ausgewogenheit garantiert.