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)