# Queere Perspektiven auf KI (LLMs)

# Der Turing-Moment

Wer über KI und Queerness spricht, sollte über Alan Turing sprechen. Alan Turing legte 1936 die theoretischen Grundlagen der Informatik – und wurde 1952 wegen seiner Homosexualität verurteilt, mit Hormonen „behandelt" und 1954 aus dem Leben gedrängt. Der Staat, der heute KI-Governance (*bezieht sich auf die Prozesse, Standards und Leitplanken, die dazu beitragen, dass KI-Systeme sicher und ethisch sind*) fordert, hat den Menschen hinter dem Computer einst zerstört.

![Alan Turing, 1951](https://commons.wikimedia.org/wiki/Special:FilePath/Alan_Turing_%281951%29.jpg?width=280)

*Alan Turing (1912–1954), Foto: Elliott & Fry, gemeinfrei, via Wikimedia Commons*

**Meilensteine zum Reinstreuen:**

<table id="bkmrk-jahr-ereignis-1936-t"><thead><tr><th>Jahr</th><th>Ereignis</th></tr></thead><tbody><tr><td>1936</td><td>Turing beschreibt die „Universelle Maschine" – Geburt der Informatik</td></tr><tr><td>1952</td><td>Verurteilung wegen Homosexualität, erzwungene „Therapie"</td></tr><tr><td>1954</td><td>Turings Tod</td></tr><tr><td>2009</td><td>Offizielle Entschuldigung der britischen Regierung</td></tr><tr><td>2013</td><td>Staatliches Begnadigungsurteil („royal pardon")</td></tr><tr><td>2021</td><td>Turing ziert die Rückseite der £50-Note</td></tr></tbody></table>

> **Kernbotschaft:** KI ist nie neutral. Sie trägt die Normen der Gesellschaft in sich, die sie gebaut hat – von Anfang an.

# Probleme digitaler Technologien aus queerer Perspektive

<table id="bkmrk-problem-was-passiert"><thead><tr><th>Problem</th><th>Was passiert konkret</th><th>Beleg / Beispiel</th></tr></thead><tbody><tr><td>**Binäre Gesichtserkennung**</td><td>Systeme erzwingen Kategorien „m/w", erkennen trans Personen falsch oder setzen sie der Überwachung aus</td><td>[UN-Bericht von GATE (2025)](https://gate.ngo/knowledge-portal/un-document/how-is-artificial-intelligence-harming-trans-communities/) dokumentiert strukturelle Diskriminierung, kein Einzelfall</td></tr><tr><td>**Anti-queere Stereotype in Sprachmodellen**</td><td>LLMs reproduzieren Vorurteile – nachweisbar auch auf Deutsch</td><td>Benchmark-Studie mit Community-Stereotypen queerer Menschen aus dem deutschsprachigen Raum [(Morch &amp; Braun 2026, EMNLP)](https://arxiv.org/abs/2608.30884)</td></tr><tr><td>**Erasure durch Übersetzungs-KI**</td><td>Nicht-binäre und queere Selbstbezeichnungen verschwinden in maschineller Übersetzung</td><td>[GLAAD 2026 AI Report](https://glaad.org/2026-ai-report-build-for-everyone/lgbtq-impacts/): fehlende Transparenz macht Verbesserung unbelegbar</td></tr><tr><td>**Desinformation &amp; Deepfakes**</td><td>Generative KI wird gegen trans Menschen eingesetzt, befeuert Moralpaniken und technology-facilitated violence</td><td>GATE-Bericht an die UN-Arbeitsgruppe zu Diskriminierung von Frauen und Mädchen</td></tr><tr><td>**Zensur durch Content-Moderation**</td><td>Queere Inhalte werden als „sexuell" oder „sensibel" eingestuft, Accounts shadowbannt</td><td>dokumentiert u. a. im GLAAD 2026 AI Report</td></tr><tr><td>**Rekursive Verzerrung**</td><td>Modelle trainieren zunehmend auf KI-generierten Daten – Fehler verstärken sich selbst</td><td>GLAAD 2026 AI Report zur synthetischen Trainingsdaten-Pipeline</td></tr></tbody></table>

> **Merksatz für den Talk:** „Diese Schäden sind keine technischen Bugs, sondern strukturelle Ergebnisse ausschließender Gestaltung, voreingenommener Daten und politischer Instrumentalisierung." – so sinngemäß die UN-Einsendung von GATE.

Beispiel Prompt mit DuckDuckAI üder das Modell GPT-6 Luna (11.11.2026) [![Screenshot_2026-11-11_12-16-56.png](https://wiki.gestaltwasdigital.org/uploads/images/gallery/2026-11/scaled-1680-/screenshot-2026-11-11-12-16-56.png)](https://wiki.gestaltwasdigital.org/uploads/images/gallery/2026-11/screenshot-2026-11-11-12-16-56.png)

# Chancen digitaler Technologien aus queerer Perspektive

<table id="bkmrk-chance-was-dahinters"><thead><tr><th>Chance</th><th>Was dahintersteckt</th><th>Quelle</th></tr></thead><tbody><tr><td>**Community &amp; Zugang**</td><td>Digitale Räume sind für queere Jugendliche essenzial: Information, Selbstakzeptanz, weniger Isolation (z. B. Instagram, Reddit)</td><td>Leitfaden „Digitale Medien &amp; LGBTQ+ Jugend" des Projekts QueeResilience</td></tr><tr><td>**Sichtbarkeit &amp; Empowerment**</td><td>Digitale Medien machen Identitäten sichtbar, die im Massenmedien-Alltag kaum vorkommen – mit doppelter Wirkung: Empowerment UND wachsende Anti-Queerness als Gegeneffekt</td><td>Döring, „Queerness in der Medienpädagogik", merz 2/2024</td></tr><tr><td>**Queer-feministische KI-Praxis**</td><td>KI als „materiell-diskursiver Apparat" verstehen, der Kategorien auch überschreiten kann – nicht nur reproduzieren</td><td>Sammelband „Queere KI" (transcript, Open Access)</td></tr><tr><td>**KI als Werkzeug für Selbstrepräsentation**</td><td>Generative Tools in der künstlerischen Praxis: Selbstbilder jenseits normativer Kategorien erzeugen, Communities sichtbar machen</td><td>Praxisansätze in „Queere KI" und Algorithmic-Art-Kontexten</td></tr><tr><td>**Handlungsmacht (Agency)**</td><td>Queere Jugendliche sind nicht nur betroffen, sie gestalten selbst: Community Management, digitales Engagement, Queer Joy</td><td>QueeResilience-Module (Stiftung Digitale Chancen, 2026)</td></tr></tbody></table>

> **Merksatz für den Talk:** Ambivalenz ist keine Schwäche, sondern der honesteste Befund: Dieselben Tools, die verletzen, verbinden auch.

# Persönlichkeiten, die man kennen sollte

### Alan Turing – die gemeinsame Wurzel

![Alan Turing 1951](https://commons.wikimedia.org/wiki/Special:FilePath/Alan_Turing_%281951%29.jpg?width=220)

*Alan Turing (1912–1954), Foto: Elliott &amp; Fry, gemeinfrei, via Wikimedia Commons*

<table id="bkmrk-bekannt-f%C3%BCr-grundlag"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>Bekannt für</td><td>Grundlagen der Informatik, Codeknacken im 2. Weltkrieg</td></tr><tr><td>Bezug zum Thema</td><td>Queere Geschichte und Computergeschichte sind dieselbe Geschichte</td></tr><tr><td>Schlüsselereignis</td><td>Verurteilung 1952, Begnadigung erst 2013</td></tr></tbody></table>

### Audre Lorde – die kritische Stimme

![Audre Lorde, 1980](https://commons.wikimedia.org/wiki/Special:FilePath/Audre_Lorde.jpg?width=220)

*Foto: K. Kendall, CC BY 2.0, via Wikimedia Commons*

<table id="bkmrk-bekannt-f%C3%BCr-schwarze"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>Bekannt für</td><td>Schwarze lesbische Feministin, Schriftstellerin, Aktivistin</td></tr><tr><td>Bezug zum Thema</td><td>„Die Werkzeuge des Herrschers werden das Haus des Herrschers nie abreißen" – der perfekte Rahmen für KI-Kritik: wer baut, wem nützt es?</td></tr><tr><td>Schlüsselwerk</td><td>„The Master's Tools Will Never Dismantle the Master's House" (1984)</td></tr></tbody></table>

### Joy Buolamwini – Algorithmic Justice

![Joy Buolamwini, 2018](https://commons.wikimedia.org/wiki/Special:FilePath/Joy_Buolamwini%2C_2018_%28cropped%29.jpg?width=220)

*Foto via Wikimedia Commons*

<table id="bkmrk-bekannt-f%C3%BCr-%E2%80%9Egender-"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>Bekannt für</td><td>„Gender Shades"-Studie: nachgewiesene Fehlerquoten kommerzieller Gesichtserkennung bei dunkler Haut und Frauen</td></tr><tr><td>Bezug zum Thema</td><td>Verbindet Forschung, Poesie und Kunst – Brücke zur künstlerischen Praxis im Talk-Titel</td></tr><tr><td>Schlüsselprojekt</td><td>Algorithmic Justice League; Dokumentarfilm „Coded Bias" (2020)</td></tr></tbody></table>

### Timnit Gebru – Ethical AI

![Timnit Gebru, 2018](https://commons.wikimedia.org/wiki/Special:FilePath/Timnit_Gebru_crop.jpg?width=220)

*Foto: Kimberly White, via Wikimedia Commons*

<table id="bkmrk-bekannt-f%C3%BCr-paper-%E2%80%9Eo"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>Bekannt für</td><td>Paper „On the Dangers of Stochastic Parrots" – Riesen-Sprachmodelle kritisch gelesen, bevor es mainstream war</td></tr><tr><td>Bezug zum Thema</td><td>Zeigt: Wer kritisiert, wird oft erst rausgedrängt – Machtfragen gehören mitten in die Technikdebatte</td></tr><tr><td>Schlüsselprojekt</td><td>DAIR Institute (Distributed AI Research)</td></tr></tbody></table>

# Was kann und sollte queere Medienbildung leisten?

<table id="bkmrk-auftrag-was-es-konkr"><thead><tr><th>Auftrag</th><th>Was es konkret heißt</th></tr></thead><tbody><tr><td>**Strukturen mitdenken**</td><td>Queerness nicht als „Sonderthema" behandeln, sondern Ausgrenzung, Sichtbarkeits-Ökonomien und digitalen Minderheitenstress zum festen Inhalt machen</td></tr><tr><td>**Schutz UND Empowerment**</td><td>Handlungssicherheit gegen Hate Speech, Mobbing und Desinformation vermitteln – und gleichzeitig Räume für Queer Joy, Selbstbestimmung und digitales Engagement öffnen</td></tr><tr><td>**Kritische KI-Bildung**</td><td>Vermitteln, wie Trainingsdaten und Algorithmen Wirklichkeit formen: Wer wird gesehen, wer gelöscht, wer klassifiziert?</td></tr><tr><td>**Queersensible Ansprache**</td><td>Zielgruppen ohne Ausgrenzung adressieren – Sprache, Bilder, Beispiele laufend prüfen</td></tr><tr><td>**Ambivalenz aushalten**</td><td>Weder Tech-Euphorie noch Tech-Panik: Jugendliche befähigen, Chancen und Risiken konkret zu analysieren</td></tr></tbody></table>

> Kernidee aus der Fachdebatte (Jäntschi &amp; Brodersen, merz 2/2024): „Jugendarbeit ist immer auch queere Jugendarbeit" – weil queere Perspektiven nicht optional sind, sondern Lebensrealität im Raum ist.

# Vorschläge für die queersensible Praxis (IN PROGRESS)

> **DER METHODEN TEIL IST NOCH NICHT FERTIG!** Ich will den noch anpassen, und ggf. Methoden austauschen.

Alle vier Methoden sind niedrigschwellig (Smartphone/Tablet reicht) und für Jugendarbeit, Schule und offene Formate geeignet.

### Methode 1: Meme-Werkstatt 🖼️

<table id="bkmrk-quelle-jff-handreich"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>**Quelle**</td><td>JFF-Handreichung „Queere Jugendmedienarbeit" (2023)</td></tr><tr><td>**Ziel**</td><td>Queere Alltagserfahrungen sichtbar und teilbar machen – mit Humor statt Belehrung</td></tr><tr><td>**Dauer**</td><td>60–90 Min.</td></tr><tr><td>**Ablauf**</td><td>1) Beispiele queerer Memes sammeln und entschlüsseln 2) Eigene Witz-Formate aus dem Alltag finden 3) Mit kostenfreien Apps Memes bauen 4) Galerie im Team, Feedback ohne Bewertung</td></tr><tr><td>**Queersensibler Kern**</td><td>Humor als Selbstermächtigung; die Gruppe entscheidet, was veröffentlicht wird (Zustimmung!)</td></tr></tbody></table>

### Methode 2: Perspektiven selbst machen 🎥

<table id="bkmrk-quelle-jff-handreich-1"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>**Quelle**</td><td>JFF-Handreichung „Queere Jugendmedienarbeit" (2023), Baustein „Einstellungsgrößen"</td></tr><tr><td>**Ziel**</td><td>Filmisch erfahren, wie Kameraposition Macht erzeugt: Wer ist groß, wer klein, wer schaut auf wen?</td></tr><tr><td>**Dauer**</td><td>90–120 Min.</td></tr><tr><td>**Ablauf**</td><td>1) Einstellungsgrößen (Totale, Nah, Detail) mit Beispielen zeigen 2) In Kleingruppen dieselbe Szene zweimal drehen: mal aus Machtposition, mal „auf Augenhöhe" 3) Clips vergleichen und diskutieren</td></tr><tr><td>**Queersensibler Kern**</td><td>Repräsentation wird körperlich erfahrbar – wer die Kamera hält, entscheidet über Sichtbarkeit</td></tr></tbody></table>

### Methode 3: Queer Joy digital ✨

<table id="bkmrk-quelle-queeresilienc"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>**Quelle**</td><td>QueeResilience-Workshopmodul B „Potenziale und Nutzen" (Stiftung Digitale Chancen, 2026)</td></tr><tr><td>**Ziel**</td><td>Digitale Räume nicht nur als Risikozonen denken: Was tut gut? Wo gehört die Gruppe hin?</td></tr><tr><td>**Dauer**</td><td>45–60 Min.</td></tr><tr><td>**Ablauf**</td><td>1) Sammeln: digitale Orte, Accounts, Musik, Kunst, die Queer Joy machen 2) Kartenübung: Was brauche ich, damit sich ein Raum sicher anfühlt? 3) Gemeinsam eine „Joy-Liste" für den eigenen Feed erstellen</td></tr><tr><td>**Queersensibler Kern**</td><td>Resilienz und Wohlbefinden ernst nehmen – Schutz und Freude gehören zusammen</td></tr></tbody></table>

### Methode 4: KI-Übersetzungs-Check „Right to be seen" 🔍

<table id="bkmrk-quelle-eigene-method"><thead><tr><th></th><th></th></tr></thead><tbody><tr><td>**Quelle**</td><td>Eigene Methode, inspiriert von Joy Buolamwinis Frage: Wer wird von KI erkannt – und wer wird gelöscht?</td></tr><tr><td>**Dauer**</td><td>60 Min.</td></tr><tr><td>**Ablauf**</td><td>1) Kurze Selbstbeschreibungen der Gruppe notieren (mehrstellig, wie es sich für alle richtig anfühlt) 2) Durch KI-Übersetzer in mehrere Sprachen schicken und zurückübersetzen 3) Differenzen markieren: Was ist verschwunden, was wurde „korrigiert"? 4) Ergebnistabelle fotografieren und diskutieren: Wer schreibt die Regeln?</td></tr><tr><td>**Queersensibler Kern**</td><td>Bias wird nicht behauptet, sondern selbst erlebbar – Low-Tech, hoher Aha-Effekt, sicherer Rahmen vorher klären</td></tr></tbody></table>

> 💡 **Vertiefung:** Für Methode 1 und 2 lohnt der Blick in die [JFF-Handreichung (PDF)](https://www.jff.de/fileadmin/user_upload/jff/projekte/Meko_Neukoelln/20230927_Handreichung_Queere_Jugendmedienarbeit.pdf) und auf [GenderONline – Genderprojekte am JFF](https://gender.jff.de/genderprojekte-am-jff/) – dort findest du ausgearbeitete Anleitungen und Projektbeispiele zum Weiterrecherchieren.