Gedanken zur Zeit · Technik & Wissenschaft
KI und Geschlecht: Was die Studie über GPT tatsächlich zeigt
Eine Arbeit von 2024 findet asymmetrische Antworten in bestimmten GPT-Tests. Der virale Schluss auf alle großen Sprachmodelle und eine bewiesene Trainingsursache geht zu weit.
„Every major LLM“ sei gegen Männer voreingenommen, behauptet ein von Peter verlinkter Beitrag von @FarhanBuildsAI. Als Grundlage dient eine reale Forschungsarbeit: „Surprising gender biases in GPT“ von Raluca Alexandra Fulgu und Valerio Capraro, veröffentlicht 2024 in Computers in Human Behavior Reports. Reale Befunde verdienen Beachtung. Sie sollten aber nicht mit einer viel weiter reichenden Social-Media-Deutung verwechselt werden.
Fakten: konkrete Modelle und konkrete Aufgaben
Die Arbeit untersucht GPT-3.5, GPT-4 und GPT-4o, nicht sämtliche großen Sprachmodelle aller Anbieter und nicht deren aktuellen Stand im November 2026. Der Abstract der veröffentlichten Fassung beschreibt acht Experimente. Die frei lesbare frühere arXiv-Fassung beschreibt sieben; beide Versionsstände werden hier ausdrücklich auseinandergehalten. Gelesen wurden der veröffentlichte Abstract im Hochschularchiv, die abgebildete erste Verlagsseite und der frei zugängliche Preprint. Der vollständige veröffentlichte Verlagsartikel war nicht direkt lesbar.
In den Sprachaufgaben sollten die Modelle mögliche Verfasser kurzer, nach Art von Grundschulkindern formulierter Sätze erfinden. Die Aufgaben enthielten weiblich oder männlich konnotierte Stereotype. Die Autoren berichten eine Asymmetrie: Männlich stereotypisierte Aussagen wurden häufiger weiblichen Verfassern zugeordnet als umgekehrt. Das ist ein Befund über diese Aufgabenstellung, keine allgemeine Messung gesellschaftlicher Benachteiligung.
Der Preprint dokumentiert den verwendeten Prompt: Gefragt war nach einem vorstellbaren Namen, Alter und Geschlecht. Für jede Aussage wurde die Anfrage zehnmal in einer neuen Sitzung wiederholt. Es ging also nicht um die Identifizierung realer Kinder mit bekannten Biografien. Auch die auffällige Zuschreibung bei einem Satz über eine Zeichnung eines Jungen ist ein bestimmtes Testresultat, keine pauschale Fehlerquote von 90 Prozent für alle Geschlechtsfragen.
Moralische Dilemmata sind kein universeller Wertekompass
Weitere Versuche stellen GPT-4 künstliche Extremsituationen zur Verhinderung einer nuklearen Apokalypse. Die Autoren berichten unterschiedliche Bewertungen je nach Geschlecht der betroffenen und handelnden Personen. Zugleich sind die Effekte aufgabenabhängig: Im veröffentlichten Abstract wird ein Unterschied zwischen Misshandlung und Folter beschrieben; bei einer direkten Rangordnung moralischer Verstöße trat das berichtete Muster nicht in gleicher Weise auf. Diese Einschränkungen gehören zum Befund, nicht an seinen Rand.
Aus Antwortskalen auf hypothetische Fragen folgt weder ein bewusster Wunsch einer Maschine noch eine verlässliche Prognose ihrer Entscheidungen in realen Anwendungen. Die im X-Post behauptete Ursache durch das übliche Sicherheitstraining ist ebenfalls stärker formuliert als der Nachweis: Die Autoren diskutieren Nachtraining und Inklusivitätsbemühungen als Erklärung. Die hier geprüften Versuche isolieren jedoch nicht kontrolliert eine bestimmte Trainingsänderung als eindeutige Ursache. Selbsterklärungen eines Sprachmodells geben keinen direkten Einblick in seinen Trainingsprozess.
Kommentar
Fairness muss auch unerwartete Asymmetrien ernst nehmen – unabhängig davon, wen sie benachteiligen könnten. Dazu braucht es wiederholbare Tests mit klaren Aufgaben, Modellversionen und Vergleichsbedingungen. Eine Studie über bestimmte GPT-Antworten wird nicht überzeugender, wenn daraus „alle KI ist gegen Männer“ wird. Der sinnvolle nächste Schritt ist Überprüfung und Replikation, nicht die Verwechslung einer interessanten Untersuchung mit einem abschließenden Urteil.
Quellen
- FarhanBuildsAI: vollständiger Langtext und abgebildete erste Artikelseite
- Università Milano-Bicocca: veröffentlichter Abstract, acht Experimente, Online-Datum 22.11.2024
- Fulgu und Capraro: Verlagsfassung 2024, DOI (vollständiger Verlagsartikel nicht direkt lesbar)
- Fulgu und Capraro: frei zugänglicher früherer Preprint, sieben Experimente; Methoden und Grenzen
KI-Hinweis: Recherche, Faktenabgleich, Struktur und Formulierung dieses Beitrags erfolgten mit KI-Unterstützung. Der Kommentar wurde von Peter A. Gebhardt zur Veröffentlichung freigegeben; er ist kein wörtliches Zitat. Quellenstand: 8. November 2026.