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