Wenn KI Geschichte erzählt, fehlen oft die Frauen
Lesezeit: ca. min.
Dr. Andrea Reichenberger
Frauen sind in Wissenschaft und Technik nach wie vor unterrepräsentiert; ihre Beiträge werden vielfach systematisch nicht anerkannt.
Wie sich das gestaltet, erläuterte Dr. Andrea Reichenberger in der Gender Lecture Regensburg des Sommersemesters 2026, einer gemeinsamen Veranstaltungsreihe der Universität Regensburg (UR) und der OTH Regensburg, am Beispiel der Geschichte der Künstlichen Intelligenz (KI).
Reichenberger ist Philosophin und Wissenschafts- und Technikhistorikerin. Sie forscht an der Schnittstelle von Wissenschaftsgeschichte, Geschlechterforschung und Technikgeschichte. Derzeit arbeitet sie im DFG-Forschungsprojekt „Grete Hermann: Von Mathematik und Quantenphysik zu Politik und Ethik“. Zuvor war sie Nachwuchsforschungsgruppenleiterin am Department Mathematik der Universität Siegen sowie Vertreterin des Lehrstuhls für Technikgeschichte an der Technischen Universität München.
Seit Juli 2026 leitet Dr. Andrea Reichenberger am Forschungsinstitut des Deutschen Museums in München die Arbeitsstelle eines Akademieprojekts zur Edition wissenschaftlicher Software. Begrüßt wurde sie im Zentralen Hörsaalgebäude der UR von der Beauftragten der Universität Regensburg für die Gleichstellung von Frauen in Wissenschaft und Kunst, Professorin Dr. Astrid Ensslin (DIMAS) und Dr. Nicole Cucit, Koordinatorin des Zusatzstudiums Genderkompetenz.
„Zukunftsgestaltung braucht Geschlechtergeschichte”, sagt Reichenberger.
Matilda Joslyn Gage. Encyclopaedia Brittanica. <https://www.britannica.com/biography/Matilda-Joslyn-Gage#/media/1/223449/18666> Accessed 12. August 2026
Der Matilda-Effekt
Der Terminus technicus für die Nicht-Anerkennung wissenschaftlicher Leistungen von Frauen: Der Matilda-Effekt. Dieser beschreibt die systematische Verdrängung und Leugnung des Beitrags von Frauen in der Wissenschaft; die Arbeit dieser Frauen wird häufig ihren männlichen Kollegen zugerechnet. Der Effekt wurde 1993 von der Wissenschaftshistorikerin Margaret W. Rossiter postuliert.
Benannt ist er nach Matilda Joslyn Gage, eine Autorin und Aktivistin, die die amerikanische Frauenbewegung prägte, sich gegen die Sklaverei engagierte und religiöser wie politischer Unterdrückung widersetzte. 1870 veröffentlichte Gage den Essay Woman as an Inventor und beschrieb dieses Phänomen darin als Erste. Es gab viele Entdeckerinnen im 19. Jahrhundert. Patente konnten sie, sobald sie verheiratet waren, nur über ihren Ehemann anmelden.
Andrea Reichenberger erinnert daran, dass Geschichte (Re-)Konstruktion bedeutet: Geschichtsschreibung basiert auf Quellen und Fakten, sie bleibt jedoch von Interessen und normativen Annahmen nicht unbeeinflusst: „Geschichte ist immer eine gegenwartsbezogene Interpretation der Vergangenheit“, sagt Reichenberger.
Denn Historikerinnen wie Historiker beeinflussen, welche historischen Persönlichkeiten sichtbar werden, an welche Leistungen erinnert wird, welche Narrative weitergegeben werden. „Dominieren androzentrische Perspektiven, werden geschlechtsspezifische Machtsymmetrien auch auf epistemischer Ebene reproduziert“, sagt Reichenberger.
Es herrscht epistemische Ungerechtigkeit.
Reichenberger verweist darauf, dass das Phänomen des Matilda-Effekts heute in der philosophischen Diskussion systematisch untersucht und als epistemic injustice, epistemische Ungerechtigkeit, beschrieben wird. Die Oxford-Philosophin Miranda Fricker (Power and the Ethics of Knowing, 2007) prägte diesen Begriff. Sie forscht zu stereotypen Vorurteilen in der Wissenschaft und stellte fest, dass Aussagen und Erkenntnisse von Wissenschaftlerinnen weniger glaubwürdig eingestuft und Frauen aus der Wissensproduktion und Wissensweitergabe häufig konsequent ausgeschlossen werden. Beiträge von Frauen verschwinden aus Lehrbüchern und Narrativen; Wissenschaft erscheint männlich dominiert.
Diese fehlende Anerkennung beeinflusst Forschung, Karrierechancen und gesellschaftliche Wahrnehmung von Frauen. Umgekehrt beeinflusst dies unsere Wahrnehmung der eigenen Geschichte. Am Beispiel Künstliche Intelligenz (KI) erklärt Andrea Reichenberger, wie.
Luden zur Gender Lecture im Sommersemester 2026 an der Universität Regensburg: (v. l.) Prof. Dr. Astrid Ensslin, Dr. Andrea Reichenberger, Dr. Nicole Cucit und Manon Georg. Foto: UR / Tanja Wagensohn
Über die Geschichte der Künstlichen Intelligenz
Darthmouth-Summer-School <https://spectrum.ieee.org/dartmouth-ai-workshop> Accessed 12. August 2026
KI ist in aller Munde, beschrieben wird sie als „zukunftsorientiert“ und „innovativ“, doch „selten geht sie auf die eigene Geschichte ein“, sagt Reichenberger. Gerade diese Geschichte ist jedoch unverzichtbar, wenn technologische Entwicklungen nicht als scheinbar zwangsläufige Fortschrittsprozesse missverstanden werden sollen.
Historische Forschung mache sichtbar, dass wissenschaftliche Erkenntnisse und technische Innovationen weder geradlinig entstehen noch allein aus ihrer logischen Konsistenz oder epistemischen Überlegenheit hervorgehen. Vielmehr entwickeln sie sich in komplexen Aushandlungsprozessen, die von politischen Entscheidungen, institutionellen Strukturen, ökonomischen Interessen und kulturellen Wertvorstellungen geprägt sind.
Der Anfang? Nicht wirklich in Dartmouth.
Reichenberger nimmt das Publikum mit zu den Anfängen der KI. Frage man KI-Modelle wie ChatGPT nach den Anfängen der KI, „werden Sie immer wieder die gleiche Antwort finden, denn Sprachmodelle reproduzieren immer das, was sie an Literatur und Daten im Netz finden können.“
Als ein wichtiger Bezugspunkt in der Geschichte der Künstlichen Intelligenz gilt häufig das Dartmouth Summer Research Project on Artificial Intelligence, das im Sommer 1956 am Dartmouth College in Hanover (New Hampshire) stattfand, erläuterte die Referentin. Dabei handelte es sich um einen mehrwöchigen Forschungsworkshop, zu dem eine kleine Gruppe von Wissenschaftlern – allesamt Männer – eingeladen war, um über Möglichkeiten des maschinellen Denkens zu diskutieren. Der Förderantrag für das Projekt wurde von John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon verfasst. Darin verwendeten die Antragsteller erstmals den Begriff „Artificial Intelligence“, der sich gegenüber konkurrierenden Bezeichnungen wie „Kybernetik“ profilieren sollte.
Warum verkauft die KI uns Dartmouth als ihre Geburtsstunde?
Tatsächlich wurden in Dartmouth wichtige Forschungsansätze vorgestellt, darunter das von Allen Newell, Herbert A. Simon und Cliff Shaw entwickelte Programm Logic Theorist. Dieses konnte mathematische Theoreme innerhalb eines formalisierten Systems beweisen und gilt als das erste Programm zum automatisierten Schließen. Neu war dabei vor allem, dass Großrechner nicht mehr ausschließlich für numerische Berechnungen oder das Lösen von Differentialgleichungen eingesetzt wurden, sondern erstmals dazu dienten, Aspekte menschlicher Problemlösungsprozesse algorithmisch nachzubilden. Dennoch unterscheidet sich Logic Theorist grundlegend von dem, was heute unter Künstlicher Intelligenz verstanden wird.
Zwischen der symbolischen KI der 1950er Jahre und den heute dominierenden neuronalen Netzwerken und großen Sprachmodellen bestehen erhebliche epistemische und technische Unterschiede. Die frühe KI verstand Intelligenz als regelgeleitete symbolische Manipulation: Intelligentes Verhalten sollte durch formale Logik, explizite Wissensrepräsentationen und Suchverfahren erzeugt werden.
Moderne Verfahren des maschinellen Lernens verfolgen demgegenüber einen grundlegend anderen Ansatz. Sie beruhen auf statistischen Modellen. Erst die enorme Steigerung der Rechenleistung, Fortschritte bei Grafikprozessoren (GPUs), der Zugang zu großen Datenbeständen sowie leistungsfähige Speichersysteme ermöglichten den Übergang von lange bekannten theoretischen Konzepten zu den heute beobachtbaren Anwendungen.
Margaret W. Rossiter (1944-2025) war eine US-amerikanische Wissenschaftshistorikerin, die sich besonders mit Frauen in den Wissenschaften und amerikanischer Wissenschaftsgeschichte befasste. Von ihr stammt der Begriff Matilda-Effekt: Leistungen von Frauen in den Wissenschaften werden gern ihren männlichen Kollegen zugeschrieben. Die Frauen selbst wurden und werden übersehen. Inspiriert wurde sie von Matilda Joslyn Gage (1826-1898), Autorin des Essays Woman as an Inventor .
Roberta Wohlstetter / RAND Corporation photo
Es braucht den Kontext!
Logic Theorist etablierte symbolische Informationsverarbeitung und heuristische Suche als zentrale Konzepte der KI. Diese Ideen entstanden aus dem Umfeld des Think-Tank RAND, der strategisches Denken, formale Logik und computergestützte Experimente förderte. Einer der Logic-Theorist-Entwickler war dort tätig. Die Erkenntnisse lieferte aber eine Frau: die Historikerin Roberta Wohlstetter, Beraterin des Weißen Hauses.
Die RAND Corporation spielte in den 1950er Jahren eine entscheidende Rolle für die Entstehung der frühen künstlichen Intelligenz, weil sie ein außergewöhnliches intellektuelles Umfeld bot, in dem Mathematik, Psychologie, Informatik, Militärstrategie und Systemanalyse eng miteinander verbunden waren.
1948 gegründet und als Forschungsinstitution mit enger Verbindung zur US Air Force fungierend, sollte die RAND Corporation wissenschaftliche und technische Expertise auf langfristige strategische Probleme anwenden, insbesondere in den Bereichen nationale Verteidigung, nukleare Abschreckung, Logistik, Entwicklung von Kommunikationssystemen und Effizienzsteigerung organisatorischer Entscheidungsprozesse.
Roberta Wohlstetter untersuchte bei RAND in der Folge am Beispiel des Angriffs auf Pearl Harbor Überraschungsangriffe, Frühwarnsysteme, nukleare Abschreckung sowie Entscheidungsprozesse unter Unsicherheit.
In ihrer unter dem Titel Pearl Harbor veröffentlichten Studie gelangte sie zu dem Schluss, dass die amerikanische Seite bei den Ereignissen in Pearl Harbor einen entscheidenden Faktor massiv unterschätzt hatte: die Informationsverarbeitung als strategischen Faktor.
Den Bedarf an schneller Entscheidungsfindung untersuchte man bei RAND in der Folge mit verschiedenen Ansätzen: Spieltheorie (Modellierung rationaler Akteure), Computertechnik (Verarbeitung großer Datenmengen), Kybernetik (Steuerung und Feedback), Frühwarnsysteme (Mustererkennung) und KI-Forschng (Automatisierung von Analyse).
Damit waren wesentliche Grundlagen für die Entwicklung der Künstlichen Intelligenz gelegt.
Noch deutlicher zeigte sich jedoch die Ignoranz gegenüber den Beiträgen von Frauen in den Großrechnerprojekten, für die RAND im Auftrag der US-Regierung die Software entwickeln sollte.
Reference: Computing War Narratives - Scientific Figure on ResearchGate. Available from: https://www.researchgate.net/figure/SAGE-Situation-Display-Console-IBM-60_fig1_336886994 [accessed 11 Aug 2026] License/Lizenz: CC BY-NC-SA 4.0
Bären und Pin-ups
Eines dieser Projekte war SAGE (Semi-Automatic Ground Environment), das erste computergestützte Luftverteidigungssystem des nordamerikanischen Luftraumverteidigungskommandos NORAD aus dem Jahr 1955. SAGE sollte sowjetische Langstreckenbomber aufspüren, verfolgen und abfangen.
Was in Vergessenheit geriet, berichtet Reichenberger, war die Rolle der insgesamt circa 20% Prozent Programmiererinnen, die in diesem Projekt an der Software-Entwicklung tätig waren – insgesamt etwa 3000 Personen. Eine von ihnen war die US-Amerikanerin Marlene Hazle. Die Informatikerin war verantwortlich für Systementwicklung von SAGE-Systemen und die Ausbildung von Personal zur Bedienung der Großrechner-Anlagen.
In der Selbstdarstellung dieser Software-Geschichte komme sie aber nicht mehr vor, berichtet Reichenberger, beispielsweise in einem der Klassiker zum Thema Software-Entwicklung, Fred Brooks‘ The Mythical Man-Month. Essays on Software Engineering von 1975, bis in die 1990er hinein mehrfach aufgelegt. Auf dem Cover des Buchs sind übrigens kämpfende Bären abgebildet. Wirklich.
Eine weitere Wissenschaftlerin, deren Leistungen nahezu unsichtbar gemacht wurden, war die Mathematikerin Betty Campbell. Sie arbeitete am Radiation Laboratory des Massachusetts Institute of Technology (MIT) und war Expertin für die Auswertung von Radaraufnahmen. Anhand dieser Aufnahmen analysierte sie, wie nahe Flugzeuge daran gewesen waren, andere Maschinen abzuschießen. Campbell arbeitete unter anderem mit den Computersystemen 704 und Whirlwind und entwickelte Studien zu Softwarefehlerzyklen sowie zum Kompetenzniveau der Nutzenden.
Innovation trifft Sexismus
Das System SAGE nutzte riesige Rechner wie den AN/FSQ-7, berichtet Reichenberger. Diese Maschinen verarbeiteten Radardaten in Echtzeit und zeigten erstmals Flugbewegungen auf Bildschirmen. SAGE-Computer wurden in den 1960er-Jahren zur Basis militärischer Entscheidungen. Man entwickelte erste interaktive Displays und Eingabegeräte wie Lichtstifte. Programmiererinnen wie Hazle und Campbell berichten von einem frauenfeindlichen Klima.
In dieser Zeit entstand das erste computergenerierte Bild eines Menschen, das als Vektorgrafik auf einem Kathodenstrahlbildschirm erzeugt wurde, zu dessen Entwicklung Expertinnen wie Marlene Hazle oder Betty Campbell beigetragen hatten. Ihre Kollegen suchten sich für die Erstellung der Vektorgrafik das Bild das eines Pin-Up-Girls aus, mit Vorbild aus einem Esquire-Kalender. Bei ihren Recherchen, sagt Reichenberger, habe sie zunächst wirklich geglaubt, „die KI halluziniert“. Sie tat es nicht.
Credit: Lawrence A. Tipton. Special thanks to Benj Edwards and Vintage Computing and Gaming.
Edwards, Ben: The never-before-told story of the world's first computer art (It's a sexy dame). The Atlantic 24 Jan. 2013.
Die Wahrheit über die Pin-up-Girls (Cocktail, 1951), Themenportal Europäische Geschichte, 2016.
Entscheidend: Die veränderte Infrastruktur der Wissensproduktion
Die eigentlichen Durchbrüche der KI, die in der Geschichte der KI immer heruntergespielt werden, sagt Reichenberger, war die veränderte Infrastruktur der Wissensproduktion - und eben nicht Maschinenlernen (Machine Learning), Sprachmodelle (Large Language Models) oder neuronale Netze. Die Wissenschaftlerin erinnert an die Medizingeschichte. Es waren infrastrukturelle Fortschritte, etwa Kanalisation oder Hygiene, die die Lebenserwartung der Menschen steigerten, nicht primär die Fortschritte in der Medizin.
In der Geschichte der KI waren die infrastrukturellen Veränderungen
massive digitale Datenmengen durch das World Wide Web Consortium-geprägte Web,
standardisierte Datenaustauschformate,
globale Netzwerke,
offene Softwarebibliotheken,
kostengünstige Speicher- und Rechenkapazität,
GPU-Industrie,
Benchmark-Kulturen,
institutionalisierte Datensammlungen oder
Cloud-Infrastrukturen.
Anthropomorphisierung (Vermenschlichung) bedingt Vergeschlechtlichung.
Parallel dazu, so Reichenberger, bestehe „das Problem einer gegenderten Entwicklung“. Sie verdeutlicht dies am Beispiel des World Wide Web: Um sichere digitale Transaktionen zu ermöglichen, wurden E-Mail- und E-Commerce-Anwendungen entwickelt. Dafür war die RSA-Verschlüsselung erforderlich. Sie beruht auf der Zerlegung großer Zahlen in ihre Primfaktoren – einem mathematischen Prinzip, das bereits seit dem 19. Jahrhundert bekannt ist.
Die RSA-Verschlüsselung schuf die Grundlage dafür, zwei Parteien digital so miteinander kommunizieren zu lassen, dass Dritte nicht mitlesen können. Entwickelt wurde sie von Ronald L. Rivest, Adi Shamir und Leonard Adleman.
Eine frühere Kritikerin der KI-Forschung war Alison Adam. Sie prägte ab den 1990er-Jahren, etwa in ihrem Buch Artificial Knowing (1998), die feministische Kritik an Expertensystemen und Künstlicher Intelligenz. Ihre Kernkritik lautet, dass KI nicht neutral ist, sondern unweigerlich historische, oft patriarchale Vorurteile, Rassismus und Klassismus reproduziert. Sie warnt davor, dass Technologie, die vorgibt, objektives Wissen zu schaffen, strukturelle Ungleichheiten verschleiert und zementiert.
Als Alison Adam ihr Buch Artificial Knowing schrieb, so Reichenberger, „gab es den Hype um Large Language Models noch nicht“. Heute seien Large Language Models, Sprachmodelle, das zentrale Thema, wenn von Künstlicher Intelligenz die Rede ist. Doch was ist ein Large Language Model? „Ein statistisches Approximationssystem für Wahrscheinlichkeitsverteilungen über Token-Folgen in hochdimensionalen Vektorräumen“, erklärt Reichenberger. Um diese Definition zu verstehen, sei es hilfreich, mit Begriffen wie „Attention-Mechanismus“ und „Embedding“ vertraut zu sein.
Bader, S., Kirste, T. (2025). Large Language Models: Technische Grundlagen. In: Martens, A., Cap, C.H. (eds) Schreibende KI -- ein interdisziplinärer Diskurs. ars digitalis. Springer Vieweg, Wiesbaden. Open Access https://doi.org/10.1007/978-3-658-45839-3_6
So funktioniert ein KI-Chatbot https://www.salzburgresearch.at/blog/so-funktioniert-ein-ki-chatbot-das-konzept-hinter-large-language-models-einfach-erklaert/?utm_source=chatgpt.com
Rivest, Shamir und Adleman führten außerdem „Alice“ und „Bob“ als Synonyme für Sender und Empfänger einer Nachricht ein. Dies sollte Erklärungen und Darstellungen in der Kryptographie, bei Netzwerkprotokollen und in der Physik vereinfachen. Zum eigentlichen kryptographischen Mechanismus oder zu dessen Verständnis trug diese Personifizierung technischer Sachverhalte jedoch nichts bei, sagt Reichenberger. Für die Medien, die sozialen Netzwerke und die Comic-Industrie erwiesen sich Alice und Bob hingegen als eine Art Selbstläufer. Bis heute prägen sie die Kommunikation über wissenschaftliche und technologische Themen – selbst im Bundesamt für Sicherheit in der Informationstechnik, so Reichenberger.
Worte sind Macht
Fachbegriffe wie „Attention-Mechanismus“ oder „Embedding“ beschreiben mathematische Prozesse – es sind keine Aussagen über Bewusstsein oder Intentionalität, betont die Referentin.
Reichenbergers Beispiel in Sachen Embedding: „Arzt“ liegt häufig nahe bei „Mann“ und „Pflege“ nahe bei „Frau“. Die KI transformiert unsere Daten-Bild-Welt im Vektorraum in geometrische Muster. Der Vektorraum bildet so einen mathematisch sedimentierten Abdruck sozialer Sprache.
Es sind differentiellen Berechnungsverfahren zur Kontextkonditionierung von Tokenrepräsentationen; es geht um statistische Nähebeziehungen innerhalb eines Trainingskorpus. Wenn patriarchale Sprache im Trainingsmaterial dominiert, dann wird patriarchale Sprache wahrscheinlicher.
KI-Modelle optimieren statistische Wahrscheinlichkeiten aus historischen Daten. Nicht weil das Modell „frauenfeindlich denkt“, sondern weil Wahrscheinlichkeitsräume soziale Verhältnisse komprimieren. Mathematische Distanzen (wie der Kosinus-Ähnlichkeitswert) codieren gesellschaftlichen Sprachmuster und Vorurteile.
Es dürfen nicht wenige Personen in Sachen KI die Welt beherrschen.
Im Kern gehe es um gleichberechtigte Teilhabe, den Abbau struktureller Diskriminierung, Chancengleichheit, Diversität und epistemische Gerechtigkeit in Wissenschaft und Technik. Deshalb dürfe man nicht nachlassen, Frauen stärker sichtbar zu machen, betont Reichenberger. Sie plädiert nachdrücklich dafür, das intellektuelle Potenzial von Frauen anzuerkennen und konsequent zu nutzen, um den wissenschaftlichen und technologischen Fortschritt nachhaltig voranzubringen.
Es dürfe nicht sein, dass nur wenige Akteure im Bereich der Künstlichen Intelligenz die Welt beherrschen. Reichenberger warnt eindringlich vor einem „Datenkolonialismus“ und einem „Hightech-Feudalismus“. Die Folgen seien weitreichend – sowohl für die Gegenwart als auch für die Zukunft.
Den aufschlussreichen Ausführungen der Referentin hätte man an diesem heißen Sommertag an der Universität Regensburg ein deutlich größeres Publikum gewünscht – nicht zuletzt auch Männer.
Weiterführende Informationen
Zum Thema lesen: Caroline Criado-Perez: Unsichtbare Frauen. Wie eine von Daten beherrschte Welt die Hälfte der Bevölkerung ignoriert. Erhältlich bei der Bundeszentrale für Politische Bildung. Zur Leseprobe.
Zum Thema streamen: Hidden Figures – Unerkannte Heldinnen. Zum Trailer
Über die Vortragsreihe Gender Lectures Regensburg und das Zusatzstudium Genderkompetenz an der Universität Regensburg
Zum UR-Video “KI und der Faktor Mensch: Neue Herausforderungen für die Cybersicherheit" - Dr. Magdalena Glas (Lehrstuhl für Wirtschaftsinformatik I, Fakultät für Informatik und Data Science der Universität Regensburg)
UR Research Dynamics in the Global World
Das Team der Koordinationsstelle Chancengleichheit. Foto: UR / Tanja Wagensohn
Diesen Artikel teilen:
Comments
No Comments