Aus der Redaktion

Frauen drohen bei Künstlicher Intelligenz (KI), die bis 2030 allein in Deutschland 3 Millionen Jobs verändern könnte [1], ins Hintertreffen zu geraten. So zeigen aktuelle Zahlen von Coursera [2], dass lediglich 27 Prozent der Lernenden in Generative-AI (GenAI)-Kursen in Deutschland (102.000 Einschreibungen) weiblich sind. Dies liegt noch unter dem weltweiten Durchschnitt von 32 Prozent und reicht im Ländervergleich gerade für einen Platz in den Top Ten (Platz 9). Und das, obwohl sich allein auf Coursera im vergangenen Jahr weltweit alle 10 Sekunden jemand in einen GenAI-Kurs einschrieb.

Zum Vergleich: Die USA schneiden mit einem Frauenanteil von 37 Prozent etwas besser ab, europäisches Vorzeigeland ist Tschechien mit 45 Prozent Teilnehmerinnen in GenAI-Kursen – lediglich Ecuador (48 Prozent) und Usbekistan (50 Prozent) weisen ein nahezu ausgeglichenes Geschlechterverhältnis auf. Während die Gesamt-Kurseinschreibungen von Frauen auf Coursera im weltweiten Durchschnitt mit 46 Prozent relativ ausgeglichen sind, ist die Geschlechterlücke in Deutschland mit einem Anteil von 40 Prozent wiederum deutlich größer.

Repräsentanz, Personalisierung und Selbstwirksamkeit als Schlüssel zu mehr Gleichheit – durch KI-Weiterbildungen

Dr. Alexandra Urban, Learning Science Research Lead bei Coursera, kommentiert:
„In Deutschland sind lediglich 27 Prozent der Teilnehmenden der GenAI-Kurse von Coursera Frauen – das ist nicht nur ein deutliches Warnsignal für die Chancengleichheit, sondern auch für die Unvoreingenommenheit und Fairness neuer GenAI-Technologien. Fehlen Frauen bei der Weiterentwicklung und Programmierung von GenAI-Tools, können sich bestehende soziale Ungleichheiten und Vorurteile manifestieren und blinde Flecken entstehen. Bildungsanbieter, Unternehmen und Politik sollten daher gemeinsame Strategien entwickeln, um die bestehende Geschlechterlücke zu schließen, Frauen in gefragten IT-Bereichen besser zu fördern und Eintrittsbarrieren abzubauen. Wir bei Coursera entwickeln unsere Angebote fortlaufend weiter, damit sie unterschiedliche Erfahrungen widerspiegeln.“ Foto Coursera

Was sind mögliche Ursachen dieser Ungleichheit? Zum einen sind Frauen nach wie vor von strukturellen Nachteilen betroffen, darunter häufigerer Teilzeit und befristeter Anstellung sowie mehr geleisteter Care-Arbeit, die ihre zeitlichen Ressourcen und Chancen auf arbeitgeberfinanzierte Weiterbildungen verringern [3].

Zudem wird GenAI häufig noch als zu abstrakt und hochtechnisch wahrgenommen, weshalb es mehr Aufklärung über die zukünftige berufliche und interdisziplinäre Bedeutung von GenAI bedarf. So kann laut einer Coursera-Untersuchung die Hervorhebung von GenAI-Fähigkeiten für bestehende Karrierewege und Berufsfelder und die Verknüpfung von Kursinhalten mit persönlichen Zielen die geschlechtsspezifische Lücke bei MINT-Abschlüssen fast schließen. Weitere Schlüsselstrategien für mehr Gleichheit:

• Repräsentanz: Bei den hundert beliebtesten MINT-Kursen auf Coursera liegt der Frauenanteil bei durchschnittlich 30 Prozent, wenn mindestens eine Dozentin dabei ist. Werden die Kurse nur von Männern unterrichtet, sind es nur 23 Prozent.
• Personalisierung: Personalisierte Lernpfade ermöglichen Lernenden, GenAI-Kompetenzen speziell für ihre bestehenden Fachbereiche zu entwickeln, anstatt in technische Rollen gedrängt zu werden.
• Selbstwirksamkeit: Frauen auf Coursera schreiben sich signifikant häufiger in GenAI-Kurse für Anfänger ein als Männer. Maßgeschneiderte Unterstützung und strukturierte Anleitungen können dabei helfen, die Selbstwirksamkeit von Frauen zu stärken.

Nikolaz Foucaud, Managing Director EMEA bei Coursera, dazu:

Der vollständige Coursera-Leitfaden „Closing the Gender Gap in GenAI Skills: Strategies for empowering more women to learn and harness Generative AI“ ist verfügbar unter: https://www.coursera.org/enterprise/resources/ebook/genai-gender-gap

Die zehn beliebtesten GenAI-Kurse von Frauen in Deutschland:

1. Google AI Essentials (Google): Grundlegende GenAI-Kenntnisse

2. KI für alle (DeepLearning.AI): Künstliche Intelligenz verstehen, auch für nicht-technische Berufe
3. Prompt Engineering für ChatGPT (Vanderbuilt University): Prompt Engineering für große Sprachmodelle wie ChatGPT
4. Spezialisierung: Introduction to Generative AI (Google Cloud): Einführung in Large Language Models (LLMs) und verantwortungsvolle KI-Entwicklung
5. Generative AI with Large Language Models (Amazon Web Services, DeepLearning.AI): Grundlagen, praktische Fähigkeiten und Verständnis von GenAI und deren Anwendung mit LLMs
6. Generative KI: Einführung und Anwendungen (IBM): Einführung in GenAI mit Fokus auf Modelle und Tools für Text-, Code-, Bild-, Audio- und Videogenerierung
7. Generative KI: Grundlagen der Prompt-Technik (IBM): Grundlagen und Best Practices des Prompt Engineerings für GenAI-Modelle, auch für nicht-technische Berufe
8. Introduction to Large Language Models (Google Cloud): Einführung in LLMs und deren Anwendung, Prompts sowie Google-Tools zur Entwicklung eigener GenAI-Anwendungen
9. ChatGPT Erweiterte Datenanalyse (Vanderbilt University): Automatisierung von Aufgaben mithilfe des ChatGPT-Code-Interpreters für Anfänger
10. Generative KI im Bildungswesen (University of Glasgow): Grundlagen von GenAI im Bildungsbereich, einschließlich ethischen Aspekten und Praxisbeispielen