Queere Perspektiven auf KI (LLMs) „KI und Queerness sind seit dem ersten Tag der Informatik miteinander verflochten. Es geht heute nicht darum, ob uns KI gut oder schlecht gesinnt ist – es geht darum, wer die Regeln schreibt." 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 (1912–1954), Foto: Elliott & Fry, gemeinfrei, via Wikimedia Commons Meilensteine zum Reinstreuen: Jahr Ereignis 1936 Turing beschreibt die „Universelle Maschine" – Geburt der Informatik 1952 Verurteilung wegen Homosexualität, erzwungene „Therapie" 1954 Turings Tod 2009 Offizielle Entschuldigung der britischen Regierung 2013 Staatliches Begnadigungsurteil („royal pardon") 2021 Turing ziert die Rückseite der £50-Note 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 Problem Was passiert konkret Beleg / Beispiel Binäre Gesichtserkennung Systeme erzwingen Kategorien „m/w", erkennen trans Personen falsch oder setzen sie der Überwachung aus UN-Bericht von GATE (2025) dokumentiert strukturelle Diskriminierung, kein Einzelfall Anti-queere Stereotype in Sprachmodellen LLMs reproduzieren Vorurteile – nachweisbar auch auf Deutsch Benchmark-Studie mit Community-Stereotypen queerer Menschen aus dem deutschsprachigen Raum (Morch & Braun 2026, EMNLP) Erasure durch Übersetzungs-KI Nicht-binäre und queere Selbstbezeichnungen verschwinden in maschineller Übersetzung GLAAD 2026 AI Report : fehlende Transparenz macht Verbesserung unbelegbar Desinformation & Deepfakes Generative KI wird gegen trans Menschen eingesetzt, befeuert Moralpaniken und technology-facilitated violence GATE-Bericht an die UN-Arbeitsgruppe zu Diskriminierung von Frauen und Mädchen Zensur durch Content-Moderation Queere Inhalte werden als „sexuell" oder „sensibel" eingestuft, Accounts shadowbannt dokumentiert u. a. im GLAAD 2026 AI Report Rekursive Verzerrung Modelle trainieren zunehmend auf KI-generierten Daten – Fehler verstärken sich selbst GLAAD 2026 AI Report zur synthetischen Trainingsdaten-Pipeline 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) Chancen digitaler Technologien aus queerer Perspektive Chance Was dahintersteckt Quelle Community & Zugang Digitale Räume sind für queere Jugendliche essenzial: Information, Selbstakzeptanz, weniger Isolation (z. B. Instagram, Reddit) Leitfaden „Digitale Medien & LGBTQ+ Jugend" des Projekts QueeResilience Sichtbarkeit & Empowerment Digitale Medien machen Identitäten sichtbar, die im Massenmedien-Alltag kaum vorkommen – mit doppelter Wirkung: Empowerment UND wachsende Anti-Queerness als Gegeneffekt Döring, „Queerness in der Medienpädagogik", merz 2/2024 Queer-feministische KI-Praxis KI als „materiell-diskursiver Apparat" verstehen, der Kategorien auch überschreiten kann – nicht nur reproduzieren Sammelband „Queere KI" (transcript, Open Access) KI als Werkzeug für Selbstrepräsentation Generative Tools in der künstlerischen Praxis: Selbstbilder jenseits normativer Kategorien erzeugen, Communities sichtbar machen Praxisansätze in „Queere KI" und Algorithmic-Art-Kontexten Handlungsmacht (Agency) Queere Jugendliche sind nicht nur betroffen, sie gestalten selbst: Community Management, digitales Engagement, Queer Joy QueeResilience-Module (Stiftung Digitale Chancen, 2026) 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 (1912–1954), Foto: Elliott & Fry, gemeinfrei, via Wikimedia Commons Bekannt für Grundlagen der Informatik, Codeknacken im 2. Weltkrieg Bezug zum Thema Queere Geschichte und Computergeschichte sind dieselbe Geschichte Schlüsselereignis Verurteilung 1952, Begnadigung erst 2013 Audre Lorde – die kritische Stimme Foto: K. Kendall, CC BY 2.0, via Wikimedia Commons Bekannt für Schwarze lesbische Feministin, Schriftstellerin, Aktivistin Bezug zum Thema „Die Werkzeuge des Herrschers werden das Haus des Herrschers nie abreißen" – der perfekte Rahmen für KI-Kritik: wer baut, wem nützt es? Schlüsselwerk „The Master's Tools Will Never Dismantle the Master's House" (1984) Joy Buolamwini – Algorithmic Justice Foto via Wikimedia Commons Bekannt für „Gender Shades"-Studie: nachgewiesene Fehlerquoten kommerzieller Gesichtserkennung bei dunkler Haut und Frauen Bezug zum Thema Verbindet Forschung, Poesie und Kunst – Brücke zur künstlerischen Praxis im Talk-Titel Schlüsselprojekt Algorithmic Justice League; Dokumentarfilm „Coded Bias" (2020) Timnit Gebru – Ethical AI Foto: Kimberly White, via Wikimedia Commons Bekannt für Paper „On the Dangers of Stochastic Parrots" – Riesen-Sprachmodelle kritisch gelesen, bevor es mainstream war Bezug zum Thema Zeigt: Wer kritisiert, wird oft erst rausgedrängt – Machtfragen gehören mitten in die Technikdebatte Schlüsselprojekt DAIR Institute (Distributed AI Research) Was kann und sollte queere Medienbildung leisten? Auftrag Was es konkret heißt Strukturen mitdenken Queerness nicht als „Sonderthema" behandeln, sondern Ausgrenzung, Sichtbarkeits-Ökonomien und digitalen Minderheitenstress zum festen Inhalt machen Schutz UND Empowerment Handlungssicherheit gegen Hate Speech, Mobbing und Desinformation vermitteln – und gleichzeitig Räume für Queer Joy, Selbstbestimmung und digitales Engagement öffnen Kritische KI-Bildung Vermitteln, wie Trainingsdaten und Algorithmen Wirklichkeit formen: Wer wird gesehen, wer gelöscht, wer klassifiziert? Queersensible Ansprache Zielgruppen ohne Ausgrenzung adressieren – Sprache, Bilder, Beispiele laufend prüfen Ambivalenz aushalten Weder Tech-Euphorie noch Tech-Panik: Jugendliche befähigen, Chancen und Risiken konkret zu analysieren Kernidee aus der Fachdebatte (Jäntschi & 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 🖼️ Quelle JFF-Handreichung „Queere Jugendmedienarbeit" (2023) Ziel Queere Alltagserfahrungen sichtbar und teilbar machen – mit Humor statt Belehrung Dauer 60–90 Min. Ablauf 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 Queersensibler Kern Humor als Selbstermächtigung; die Gruppe entscheidet, was veröffentlicht wird (Zustimmung!) Methode 2: Perspektiven selbst machen 🎥 Quelle JFF-Handreichung „Queere Jugendmedienarbeit" (2023), Baustein „Einstellungsgrößen" Ziel Filmisch erfahren, wie Kameraposition Macht erzeugt: Wer ist groß, wer klein, wer schaut auf wen? Dauer 90–120 Min. Ablauf 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 Queersensibler Kern Repräsentation wird körperlich erfahrbar – wer die Kamera hält, entscheidet über Sichtbarkeit Methode 3: Queer Joy digital ✨ Quelle QueeResilience-Workshopmodul B „Potenziale und Nutzen" (Stiftung Digitale Chancen, 2026) Ziel Digitale Räume nicht nur als Risikozonen denken: Was tut gut? Wo gehört die Gruppe hin? Dauer 45–60 Min. Ablauf 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 Queersensibler Kern Resilienz und Wohlbefinden ernst nehmen – Schutz und Freude gehören zusammen Methode 4: KI-Übersetzungs-Check „Right to be seen" 🔍 Quelle Eigene Methode, inspiriert von Joy Buolamwinis Frage: Wer wird von KI erkannt – und wer wird gelöscht? Dauer 60 Min. Ablauf 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? Queersensibler Kern Bias wird nicht behauptet, sondern selbst erlebbar – Low-Tech, hoher Aha-Effekt, sicherer Rahmen vorher klären 💡 Vertiefung: Für Methode 1 und 2 lohnt der Blick in die JFF-Handreichung (PDF) und auf GenderONline – Genderprojekte am JFF – dort findest du ausgearbeitete Anleitungen und Projektbeispiele zum Weiterrecherchieren.