Über den Gender AI Gap, KI-Geprahle und die Frage, welche Art von KI-Nutzung wir eigentlich belohnen (#195)
🎯 #DRANBLEIBEN Deep-Dive über die andere Lücke: männlich codierte KI-Hype- und Statuskultur
Du liest #DRANBLEIBEN - Einordnungen zu Tech und Gesellschaft, von André Cramer. Ich bin Berater, Speaker und Podcast-Host von DRANBLEIBEN - Gespräche über unsere Zukunftsoptionen und Code & Konsequenz - Tech-Industrie Reflexionen. Lerne mehr über mich hier auf meiner Website, auf LinkedIn, Bluesky oder Mastodon!
Read this deep-dive in English here
Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!
Diesmal geht es um ein Thema, das mir schon eine Weile unter den Nägeln brennt. Ich erinnere mich an eine Diskussion aus meiner Zeit bei der Telekom, es war in 2024. Eine Kollegin hatte im Social Intranet einen Artikel gepostet und darin gefragt, warum die ganzen internen KI-Events eigentlich so männlich dominiert seien. Das schlug Wellen. Lebhaft, kontrovers, mit jeder Menge Reaktionen. Auch sehr viele Reaktionen von Männern, die mir zeigten, dass hier die Oberfläche nicht durchdrungen wurde. Es strotzte nur so von Feedback wie „ja, dann kommt doch auch endlich zu diesen Events, liebe Frauen. Es hält euch ja keiner ab.“
Genau dieses „kommt doch einfach“ hat mir damals gezeigt, wo das Problem liegt. Es behandelt eine kulturelle Frage wie eine reine Anwesenheitsfrage. Als müssten Frauen nur den Raum betreten, und schon wäre alles gut. Die eigentliche Frage, warum sich dieser Raum für so viele überhaupt so männlich anfühlt, bleibt dabei unberührt.
Heute, mit weiterem Abstand und möglicherweise vermuteter Reifung des KI-Themas, kehrt genau dieses Muster zurück, nur größer. Die übliche Erzählung kennst du wahrscheinlich. Frauen nutzen weniger KI, also müssten sie bei KI aufholen. Wir haben jetzt auch einene Begriff dafür, den Gender AI Gap. Mich treibt eine andere Lücke um. Die männlich codierte Hype- und Statuskultur rund um KI, und die Frage, ob Organisationen gerade die falsche Art von KI-Nutzung belohnen.
Dieser Frage will ich hier wirklich auf den Grund gehen. Ich habe meine Gedanken dazu sortiert, eigene Eindrücke und Erlebnisse eingeflochten und ziemlich umfangreich recherchiert. Auf diese Reise durch Studien, eigene Beobachtungen und ein paar unbequeme Fragen nehme ich dich gern mit. Es wird wieder etwas ausführlicher. Hol dir also am besten einen Kaffee ☕, dann legen wir los.
Mein nächster Berührungspunkt mit dem Gender AI Gap kam letztes Jahr über eine Studie. Das war „Global Evidence on Gender Gaps and Generative AI“, eine Arbeit von Nicholas Otis, Solène Delecourt, Katelynn Cranney und Rembrand Koning an der Harvard Business School. Sie bündelt 18 Studien mit über 140.000 Menschen weltweit, und ihr Befund ist unbequem eindeutig. Frauen nutzen generative KI nahezu überall seltener als Männer, über Regionen, Branchen und Berufe hinweg. Bemerkenswert fand ich besonders eine Stelle. Bemerkenswert fand ich besonders eine Stelle. Die Lücke verschwindet nicht, sobald Frauen und Männer den gleichen Zugang zu den Tools haben. Sie bleibt. Mangelnder Zugang erklärt sie also nicht. Die Autor*innen halten denn auch ausdrücklich fest, dass die Ursachen damit noch nicht geklärt seien.
Das Thema und diese Insights aus der Studie habe ich danach in einigen Führungskräftetrainings genutzt. Und ich bekam sehr positive Resonanz. Mehrere Male kamen Frauen hinterher auf mich zu und bedankten sich, dass ich Gender und KI überhaupt aufgegriffen hatte. Das sei ungewöhnlich, das hätten sie so nicht erwartet und auch so noch nicht erlebt. Ein Dankeschön für eine Selbstverständlichkeit, das sagt vielleicht schon was ganz Wichtiges über den Normalzustand.
Zurück zu mir kam das Thema dann vor zwei Wochen über LinkedIn. Ein Posting von Colette Rückert-Hennen, CHRO bei EnBW und HR-Influencerin oder „Top Voice”, „Die Zukunft der KI braucht mehr Frauen”, aufgepoppt in meinem Feed über einen Kommentar von Robert Franken, ein von mir sehr geschätzter Transformationsberater und Aktivist für Gender Equality. Der Beitrag von Rückert-Hennen macht etwas Verständliches und gut Gemeintes. Er erzählt den Gap als Mut- und Skill-Thema. Frauen nutzten KI seltener, riskierten dadurch Anschluss und Sichtbarkeit, also sollten sie mutiger werden, ausprobieren, mitgestalten.
Genau dieses Framing stört mich aber. Und ehrlich gesagt macht es mich sogar ein Stück weit wütend. Mein Ärger zielt dabei auf den Reflex dahinter, der als Vordenken durchgeht, nur weil ihn eine „Top Voice” ausspricht. Schiebt dieser Reflex doch schlicht die ganze Bringschuld den Frauen zu. Er liest Zurückhaltung als Rückstand.
Wollen wir den enormen kulturellen Herausforderungen rund um KI wirklich mit den immer gleichen Reflexen aus der Mottenkiste begegnen? Trau dich, streng dich an, mach dich sichtbar. Oder erkennen wir endlich an, dass es hier ehrliche Kulturarbeit braucht? Ich will an die Ursachen. Das ewige Herumdoktern an den Symptomen bringt uns nicht weiter. Besonders betroffen macht mich dabei, dass solche Ratschläge an Frauen so oft von Frauen selbst kommen, und zwar von mächtigen Frauen aus dem System. Mein Appell ist und bleibt derselbe: KI-Einführung muss als ein ganzheitliches und umfassendes Kulturprojekt behandelt werden. Wenn man das tut, dann würde man auch beim Thema Gender AI Gap zu anderen Schlüssen kommen.
Macht man das nicht, lässt man die Frage aus, die mir die wichtigere scheint. Aufholen, wozu eigentlich? Und wohin?
In genau diese Richtung hatte als Einziger Robert Franken die Diskussion genudged. Sein Punkt ging sinngemäß so: Teilhabe woran überhaupt? KI-Systeme seien nicht neutral, und Skepsis könne ein berechtigtes Urteil sein. Frauen gehörten deshalb in die Entwicklung, in Governance und Gestaltung. Teilhabe an der Gestaltung, nicht nur an der Nutzung.
Das trifft einen Nerv. Ich gehe von dort aus aber noch einen Schritt weiter und frage eben nach der Kultur. Welche Form des Mitmachens feiern wir gerade eigentlich sehr laut, und stößt diese möglicherweise viele Frauen ab?
Ich habe das in einem Kommentar versucht und eine andere Sicht reingeworfen. Resonanz gab es keine. Überrascht hat mich das nicht. So ein Gedanke ist schwer zu liken, ohne sich gegen die implizite Hype- und Chef-Kultur zu stellen. Das ist sozial riskant, weil es Macht benennt. Und Machtbenennung wird auf LinkedIn vielleicht gelesen, aber selten öffentlich unterstützt. Womöglich mag auch der Algorithmus machtkritische Töne nicht besonders.
Bleiben wir kurz bei dieser Irritation, denn sie ist der eigentliche Ausgangspunkt dieses Deep-Dives. Aus meiner Beratungspraxis und auch in meinem eigenen Freundes- und Bekanntenkreis höre ich regelmäßig von Frauen, auf die die Aufhol-Geschichte überhaupt nicht passt. Sie nutzen KI längst. Souverän, selbstverständlich und produktiv. Und sie sind trotzdem genervt. Die Technologie stört sie dabei am wenigsten. Was nervt, ist der Lärm drumherum. Das ständige Tool-Geprahle, die Effizienzfantasie, das laute „AI-first”-Gerede, die Gleichsetzung von viel Output mit guter Arbeit.
Der Gender AI Gap zeigt also möglicherweise nicht nur, dass Frauen KI seltener nutzen. Er zeigt vielleicht auch, dass viele Organisationen eine Form von KI-Nutzung belohnen, die nicht weniger Frauen aus guten Gründen abstößt: laut, statusorientiert, effizienzfixiert, qualitätsblind.
Ein ehrlicher Einschub gehört aber hierher. Die Nutzungslücke ist real und eben gut belegt. Frauen nutzen KI im Schnitt seltener, das wische ich mit keiner Anekdote weg. Ich kenne zugleich genug Frauen, die KI sehr intensiv nutzen und einfach nur genervt sind von diesem ganzen AI Bragging.
Und ich habe eine Mutmaßung. Vollends belegen kann ich sie nicht, aber die zitierten Studien deuten in diese Richtung. Mich deucht, dass diese Kultur selbst einer der Gründe für die niedrigere Nutzung ist. Wer den Lärm, das Geprahle und die Effizienzfixierung abstoßend findet, hält von vornherein Abstand. Eine Art „lasst mich mit eurer KI in Ruhe und macht ihr mal”. Aus Reibung wird Rückzug, und der Rückzug taucht dann in der Statistik als Gap auf.
Was die Forschung zeigt
Warum die Lücke selbst bei gleichem Zugang bleibt, ließ die Harvard Business School Synthese wie gesagt offen. Genau dieses Warum ist hier die spannende Frage.
Vorab das Mengengerüst, denn die Grundbeobachtung ist solide. Die Lean-In-Erhebung vom März 2026 unter rund 1.000 US-Erwachsenen findet 78 Prozent Nutzung bei Männern und 73 Prozent bei Frauen, bei der täglichen Nutzung 33 zu 27 Prozent. Das ist kein Abgrund, aber ein stabiles Muster.
Die bislang stärkste Antwort darauf liefert eine britische Studie von Anfang 2026, „Women Worry, Men Adopt“, von Fabian Stephany und Jedrzej Duszynski, unter anderem am Oxford Internet Institute. Die beiden drehen die übliche Lesart um. Auf Basis repräsentativer UK-Daten aus 2023 und 2024, rund 8.000 Personen, kommen die Autoren zu einem klaren Befund. Frauen nutzen GenAI im Schnitt seltener, weil sie gesellschaftliche Risiken anders gewichten.
Stephany und Duszynski haben in der Studie einen Index geschaffen aus Sorgen um mentale Gesundheit, Privatsphäre, Klimaeffekte und Arbeitsmarktfolgen. Dieser Index erklärt zwischen 9 und 18 Prozent der Nutzungsunterschiede und gehört bei Frauen zu den stärksten Prädiktoren überhaupt. Bei jungen Frauen wiegt er schwerer als digitale Bildung oder formale Qualifikation. Die Forschenden sprechen von einer „other-oriented” Vorsicht, einer Haltung, die stärker an den Folgen für andere ausgerichtet sei. Und sie halten fest, diese Vorsicht könne ein berechtigtes Urteil sein.
Das ist der erste entscheidende Punkt. Skepsis ist hier kein Defizit. Vielmehr ist sie eine Form früher Problemerkennung. Wer Datenarbeit, Deepfakes, algorithmische Diskriminierung, Energiehunger und kreative Entwertung früher ernst nimmt, ist nicht ängstlich. Diese Personen sehen eben mehr.
Catherine Connelly, Professorin an der DeGroote School of Business in Hamilton, hat das in einem Interview zugespitzt. Frauen stellten häufiger Qualitäts-, Ethik- und Folgenfragen, während manche Kolleginnen vor allem auf den Tempogewinn schauten. In Umgebungen, in denen KI als unhinterfragbarer Fortschritt gerahmt werde, gerieten genau diese Menschen unter Verdacht. Sie gälten schnell als Bremserinnen, als „anti-tech”.
Und damit sind wir mitten in der eigentlichen Frage.
KI wird männlich codiert
KI ist selbstverständlich nicht an sich männlich. Das wäre eine platte Behauptung, und sie wäre falsch. KI wird aber in vielen organisationalen Kontexten männlich codiert. Sie eignet sich hervorragend als Trophäe, weil sie alles auf einmal verspricht. Vorsprung, Kontrolle, Tempo, Skalierung, Automatisierung, Zukunftsbesitz, you name it.
Wer die neuesten Tools kennt, kann Modernität performen. Wer ständig von Agents, Automatisierung und Prompting redet, kann Kompetenz markieren. Wer „AI-first” fordert, kann Führungsstärke simulieren. Wer mehr Output erzeugt, kann Produktivität behaupten. Wer skeptische Einwände als Bremse abtut, kann sich selbst zum mutigen Zukunftsmenschen erklären.
Für dieses Verhalten fehlen uns noch Begriffe. Ich versuche es mal mit etwas wie KI-Statusperformanz. Oder zugespitzt: KI-Geprahle. Im Englischen liegt das bereits genannte AI Bragging nahe. Ich meine damit keine legitime Neugier auf neue Werkzeuge. Es geht mir um den sozialen Gebrauch von KI als Überlegenheitsmarker. Tool-Name-Dropping, Early-Adopter-Gehabe, aggressives „AI-first”, das Reden über Automatisierung als Führungssignal, die Verwechslung von Lautstärke mit Können.
Direkte Forschung zu diesem exakten Phänomen gibt es noch kaum. Aber der theoretische Unterbau ist da und ich finde ihn tragfähig. Die Soziologin Judy Wajcman zeigt seit Jahrzehnten, dass Technologie keine neutrale Sache ist, die zufällig in eine soziale Welt fällt. Sie ist in Design und Gebrauch geschlechtlich codiert, und sie formt Beziehungen und Machtordnungen mit. In „Feminism Confronts AI“ hat Wajcman das zuletzt direkt auf KI bezogen. Im deutschsprachigen Raum macht Eva Gengler einen verwandten Punkt. In ihrem Buch „Feministische KI" argumentiert sie, KI reproduziere die Machtstrukturen einer ungleichen Gesellschaft, die in Daten und Zielsetzungen der Systeme weiterwirken. Feministische KI ziele darauf, diese Macht gerechter zu verteilen, und gehe damit über reine Frauenförderung hinaus.
In den Kontext passt auch eine kleine Interviewstudie von Anfang 2026, „Living in the tensions“, die Gender als Performance in MINT untersucht. Die befragten Frauen berichten von drei wiederkehrenden Mustern. Dem Stereotyp, Frauen seien weniger analytisch. Dem Druck, sich an männlich codierte Normen anzupassen. Und dem Zwang, Zugehörigkeit ständig sichtbar zu beweisen. Zugehörigkeit muss dort performt werden, immer wieder neu.
Und die grundsätzliche Kritik an der Tech-Bro-Kultur liefert das Vokabular für eine Umgebung, in der Aggression, Abstraktionsfetisch und die Geringschätzung fürsorglicher Orientierungen als Stärke gelesen werden. Eine Studie macht den Zusammenhang besonders greifbar. Hao Peng, Misha Teplitskiy, Daniel M. Romero und Emőke-Ágnes Horvát haben in „The Gender Gap in Scholarly Self-Promotion on Social Media“ die wissenschaftliche Selbstpromotion auf Twitter untersucht. Über sechs Jahre, 23 Millionen Tweets zu 2,8 Millionen Fachartikeln von 3,5 Millionen Forschenden. Ihr Befund: Frauen bewerben ihre eigenen Arbeiten rund 28 Prozent seltener als Männer. Der Abstand wächst mit Leistung und Status und ist am größten bei produktiven Frauen an Spitzeninstitutionen. Und selbst wenn Frauen offensiver werden, springt dabei weniger Sichtbarkeit heraus als bei Männern.
Die Autor*innen ziehen daraus eine klare Konsequenz. Man solle die Institutionen reparieren und nicht die Frauen. Genau das ist der springende Punkt. Akademische Plattformen belohnen einen männlich codierten Stil der Selbstdarstellung. Wer ihn nicht bedient, verschwindet, unabhängig von der Qualität der Arbeit.
Übertragen auf KI heißt das: Es geht nicht allein darum, wer KI nutzt. Es geht darum, wer KI-Nutzung sichtbar als Kompetenz, Zukunftsnähe und Führungsstärke inszenieren kann und wer dafür Anerkennung bekommt.
Die Asymmetrie der Anerkennung
Hier wird nochmal die Lean-In-Erhebung interessant, und zwar gegen ihre eigene Pointe gelesen. Lean In findet nämlich mehr als die Nutzungslücke. Unter den Beschäftigten, die KI nutzen, berichten 27 Prozent der Männer von Lob für diese Nutzung, aber nur 18 Prozent der Frauen. 37 Prozent der Männer fühlen sich von Vorgesetzten zur KI-Nutzung ermutigt, bei Frauen sind es 30 Prozent. Frauen sind fast doppelt so häufig der Ansicht, KI werde Frauen Jobs kosten, und sie sorgen sich deutlich öfter, bei KI-Nutzung als Schummlerinnen zu gelten.
Sheryl Sandberg, Gründerin von Lean In und ehemalige COO von Meta, deutet das als bekannte Verzerrung in neuem Gewand. Männer würden eher für Mühe gelobt, Frauen eher kritisiert, und Vorgesetzte merkten oft nicht einmal, dass sie Männer stärker ermutigten. Ihre Schlussfolgerung bleibt aber der alte Reflex und auch das, was Colette Rückert-Hennen ausruft. Frauen sollten sich sichtbarer machen.
Die Daten erzählen jedoch eine andere Moral. Wenn dieselbe Praxis bei Männern Status erzeugt und bei Frauen kaum, dann ist das Problem nicht die Zurückhaltung der Frauen. Dann ist es die Belohnungsstruktur. Der Gender AI Gap ist eben auch ein Anerkennungs- und Sichtbarkeitsgap.
Und damit kippt für mich die ganze Erzählung von der mangelnden weiblichen Selbsteinschätzung. Ja, viele Frauen unterschätzen sich, das ist gut belegt. Eine Studie der University of Pittsburgh zeigt es für Ingenieurstudentinnen. Ihre Selbstwirksamkeit liegt niedriger, obwohl ihre Noten gleich gut oder besser sind als die der Männer. Die Gegenseite bleibt aber meist unbenannt. Wo Frauen sich unterschätzen, überschätzen sich andere. Entscheidend ist dabei die Wahrnehmung. Dieselbe Haltung wird unterschiedlich gelesen, je nachdem, wer sie zeigt. Frauen, die vorsichtig prüfen, gelten als zögerlich. Männer, die schnell behaupten, gelten als visionär. Frauen, die Qualität einfordern, gelten als kompliziert. Männer, die Volumen erzeugen, gelten als produktiv. Frauen, die Risiken benennen, gelten als skeptisch. Männer, die Risiken ignorieren, gelten als mutig.
Niedriges Selbstvertrauen markieren wir als Problem. Überkonfidenz aber feiern wir als Leadership. Das ist die eigentliche Asymmetrie. Und ich bin ehrlich, ich finde sie nur sehr schwer auszuhalten.
Wer räumt eigentlich auf?
Bleibt der Punkt, an dem meine Beobachtung und zugetragenen Berichte vor allem aus Agentur-, Kommunikations- und Beratungskontexten am dichtesten an der Forschung andocken. Mit dem Satz, den ich immer wieder höre: „Leute, Vorgesetzte, Chefs, sagen mir, mach das doch (noch) mehr mit KI”.
Er klingt pragmatisch. Er transportiert oft viel mehr. Dass Geschwindigkeit über Qualität geht. Dass kreative Arbeit als beliebig verkürzbar gilt. Dass Prozess, Erfahrung und Stilgefühl wenig zählen. Dass Führung Effizienz sieht und die tatsächliche Arbeit übersieht, die gute Ergebnisse erst möglich macht. Dass die KI-Nutzung selbst zum Leistungsnachweis wird, ob sie dem konkreten Werk hilft oder nicht.
Für die Folgen gibt es inzwischen einen Begriff: Workslop. Geprägt haben ihn Kate Niederhoffer, Jeffrey Hancock und Kolleg*innen von BetterUp Labs und dem Stanford Social Media Lab, in einem Beitrag für die Harvard Business Review im September 2025. Workslop meint KI-generierte Arbeit, die professionell aussieht, aber der die Substanz fehlt. Glatt, plausibel, schnell erzeugt, und der Aufgabe nicht wirklich dienlich. Du wirst das ganz sicher kennen. Ich kenne kaum eine Person in der Wissensarbeit, die damit noch nicht in Berührung gekommen ist.
In ihrer Befragung von 1.150 US-Beschäftigten gaben 40 Prozent an, im Vormonat solche Outputs erhalten zu haben. Im Schnitt kostete jeder Fall knapp zwei Stunden Nacharbeit. Mehr als die Hälfte reagierte genervt, ein Fünftel sogar beleidigt. Der entscheidende Mechanismus ist also simpel: Workslop spart keine Arbeit, er verschiebt sie. Jemand anderes muss prüfen, deuten, korrigieren, neu denken, reparieren. Noch nie vorher in der Geschichte haben wir die Möglichkeit gehabt, so schnell vordergründig professionell aussehende Arbeit zu produzieren, schneller als wir dafür benötigen, sie zu prüfen. Mein Eindruck ist, dass hier gerade eine unsichtbare Nacharbeitsökonomie entsteht.
Eine weitere Einordnung gehört aber auch noch dazu, sonst wäre ich unredlich. Die Workslop-Zahlen stammen aus einer Industrie-Umfrage für ein HBR-Format, nicht aus einer begutachteten Studie. Der Begriff ist brillantes Marketing und eine plausible Beobachtung zugleich. Als harter Beweis taugt er in dieser Form nicht, als Vokabular für ein reales Phänomen aber schon.
Dieser unsichtbaren Arbeit hat gerade auch eine prominente Stimme einen Namen von oben gegeben. Aaron Levie, CEO des Cloud-Anbieters Box, sprach vor kurzem, im Juni 2026 von einer „KI-Psychose” in den Chefetagen. Den Begriff kennt die Medizin als etwas Klinisches. Levie nutzt ihn als Metapher. Führungskräfte überschätzten KI seiner Erfahrung nach systematisch, sagt er, weil sie zu weit von der eigentlichen Arbeit entfernt seien. Sie sähen den Happy Path, den fertig generierten Vertrag, den schicken Prototypen. Sie sähen aber nicht die zehn, zwanzig Schritte danach. Das Prüfen des Codes vor dem Produktivgang, das Abgleichen der Vertragsklauseln, das Reparieren … unsichtbar für die Executive-Levels.
Das ist exakt die Nacharbeit, von der hier die Rede ist, nur aus der Vogelperspektive. Wer „mach das doch mehr mit KI” ruft, sitzt oft genau dort, wo Levie die KI-Psychose verortet. Weit genug oben, um das geschönte Ergebnis zu sehen. Weit genug weg, um die Korrekturarbeit zu übersehen.
Pikant finde ich Levies Therapie. Er empfiehlt Führungskräften, KI noch viel intensiver selbst zu nutzen. D’oh! Mehr Nutzung als Heilmittel… right. Das ist natürlich für einen Tech-CEO wenig überraschend. Und doch fällt auf, dass die Standardantwort fast immer dieselbe ist, egal worauf. Frauen nutzen zu wenig? Mehr nutzen! Chefetagen überschätzen die Technik? Mehr nutzen! Vielleicht ist „mehr nutzen” eben nicht die Antwort auf jede Frage. (Hint: ist sie auf keinen Fall)
Aber jetzt zur Frage, die in der Forschung erstaunlich unbeantwortet bleibt. Wer räumt das alles eigentlich auf? Ob Prüf-, Korrektur- und Kontextarbeit im KI-Zeitalter geschlechtlich ungleich verteilt wird, ist bislang kaum gemessen. Eine Vermutung drängt sich mir aber auf. Wenn laute KI-Nutzung Sichtbarkeit bringt und stille Nacharbeit unsichtbar bleibt, dann entsteht eine neue Arbeitsteilung.
Die einen performen Innovation, während die anderen Qualität sichern. Die einen erzeugen Volumen und die anderen räumen Workslop weg. Die einen reden über Tools. Die anderen machen aus unfertigem Material brauchbare Arbeit. Die einen bekommen Sichtbarkeit. Die anderen leisten Urteilskraftarbeit.
Was mir wichtig ist: Ich rede hier nicht von allen Frauen und allen Männern. Selbstverständlich nicht. Es gibt den Mann, der still die Qualität sichert, und die Frau, die laut das Tool-Spiel spielt (auch solche kenne ich). Einzelne sagen wenig.
Worum es geht, sind Verhaltensmuster, geschlechtlich codierte Rollen. Mit Biologie hat das nichts zu tun, mit sozialer Erfahrung und Belohnung aber sehr viel. Und diese Muster kennen wir aus der Arbeitsforschung längst. Selbstpromotion und Anerkennung, Care-Arbeit, Fehlervermeidung, unsichtbare Organisationsarbeit. Wer darf schnell und unfertig sein, und wer muss sorgfältig und anschlussfähig liefern?
Die Vermutung läuft deshalb nicht auf ein simples „Männer machen den Müll, Frauen räumen ihn weg” hinaus. Das wäre zu simpel. Subtiler ist der Gedanke: Eine Kultur, die laute Nutzung belohnt und stille Nacharbeit unsichtbar lässt, zieht genau diese vertrauten Muster wieder ein. Unabhängig davon, wer im Einzelfall was tut.
Die Urteilskraftlücke
Ich möchte den ganzen Gedanken in einem Begriff bündeln, und ich halte ihn für den eigentlichen Gewinn dieser Recherche. Ich nenne es die Urteilskraftlücke.
Sie verschiebt den Blick weg von der Nutzungsquote. Die meisten Studien messen, wer KI wie oft nutzt. Aber ich habe noch nicht gesehen, wo gemessen wird, wer KI gut nutzt, wer schlechte Outputs erkennt. Wer Kontext prüft. Wer beurteilt, wann KI Qualität erhöht und wann sie bloß Volumen erzeugt. Wer entscheidet, wann die Maschine hilft und wann man ihr besser widerspricht.
Genau das ist die Kompetenz, die aus meiner Sicht im KI-Zeitalter zählt (und ich rede, schreibe, diskutiere und argumentiere wo auch immer ich kann, um das Bewusstsein dafür zu fördern). Es ist aber auch die Kompetenz, die im Status-Spiel nach meiner Erfahrung noch in viel zu vielen Organisationen untergeht. Was als Zukunftskompetenz verkauft wird, ist oft Tool-Fetischismus mit Management-Anschluss. Die eigentliche Zukunftskompetenz steckt für mich aber im Unterscheiden.
Die Urteilskraftlücke ist deshalb keine technische Frage. Sie ist eine kulturelle und organisationssoziologische. Sie fragt, welche Art von Aneignung eine Organisation prämiert. Ist es lautes Tool-Know-how, Schlagwortkompetenz und Menge? Oder doch eher sorgfältige, kritische, verantwortliche Anwendung?
Was in der ganzen Betrachtung noch fehlt
Ich will ehrlich bleiben, wo die These nach all dem steht. Gut belegt sind die Bausteine, wie die Adoptionslücke oder die Rolle der Risikowahrnehmung. Der Selbstpromotions- und Anerkennungs-Gap. Die Workslop-Erfahrung und das Qualitätsproblem. Theoretisch stark anschlussfähig ist die Lesart von KI als männlich codierter Statusperformanz.
Was noch fehlt, ist die direkte Messung des Kerns. Es scheint bislang keine saubere Forschung zu geben, die direkt fragt: Nutzen Frauen KI produktiv, lehnen aber die männlich codierte Hype- und Statuskultur rundherum ab? Ich wünsche mir sehr, dass diese Lücke bald geschlossen wird.
Eine Beobachtung passt dazu aber wie ein Schlüssel ins Schloss. Die Autor*innen der Selbstpromotions-Studie um Hao Peng empfehlen ausdrücklich, die Institutionen zu reparieren statt die Frauen. Lean In empfiehlt den Frauen, sich sichtbarer zu machen. Zwei Antworten auf dieselben Daten. Die eine adressiert die Struktur. Die andere das Individuum, die Einzelne. Für mich steht fest, ich finde die erste überzeugender. Da muss ich nicht eine Sekunde überlegen.
#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.
Was bleibt?
Der Gender AI Gap ist real, und er ist mehr als ein Nutzungs- oder Kompetenzproblem. Er ist sehr wahrscheinlich auch eine Reaktion, und zwar auf eine KI-Kultur, in der männlich codierter Hype, Tool-Fetischismus, Selbstpromotion und Effizienzversprechen besser anschlussfähig sind als Sorgfalt, Kontextbewusstsein und Qualitätsurteil.
Wenn das stimmt, dann führt der Reflex „Frauen, nutzt endlich mehr KI!” deutlich am Problem vorbei. Er verlangt von Frauen, sich an eine Kultur anzupassen, deren Maßstäbe selbst fragwürdig sind. Die schärfere Forderung richte ich an die Organisationen: Hört auf, KI-Nutzung als Selbstzweck zu belohnen! Lernt, stille, gute KI-Nutzung genauso zu erkennen wie lautes KI-Geprahle. Baut Kulturen, in denen Urteilskraft zählt, nicht Lautstärke.
Und deshalb wünsche ich mir etwas von denen, die genau diese Kulturen prägen. Von CHROs, von den Top Voices, die auf LinkedIn den Ton angeben.
Nehmen wir Colette Rückert-Hennen, deren Post am Anfang dieses Textes stand. Sie ist alles andere als eine schlechte Adresse für das Thema. Als CHRO von EnBW hat sie Diversity über Jahre ernsthaft in Recruiting, Entwicklung und Organisationsdesign verankert, mit konkreten Zielen, nicht nur mit Symbolpolitik. Und doch bleibt ihre Stimme in einem Rahmen, der für viele Top-Managerinnen typisch ist. Modernes DEI-Vokabular, Reform von innen, progressiv genug, um modern zu wirken, und pragmatisch genug, um keine grundsätzlichen Machtfragen aufzumachen.
Genau das reicht mir in diesem Moment nicht mehr. Wenn etwas so Umwälzendes wie KI in die Arbeitswelt kommt, brauchen wir Menschen, die mutiger sind als das. Jetzt ist die Chance, alte Muster zu überwinden. Und es ist die Gefahr, all die Nachteile des Vergangenen noch einmal tief einzucodieren, wenn wir nicht entschieden gegensteuern im KI-Tsunami. Viel zu viele reden aus dem System heraus, mit seinen eingeschränkten, reincodierten Sichtweisen. Und ausgerechnet denen, die vielleicht gerade die klügsten Reaktionen zeigen, halten sie entgegen, sie müssten anders werden. Ich hätte sie lieber als Verbündete, die das System selbst verändern. Da schließt sich der Kreis zum Auslöser dieses Textes, dem gut gemeinten Appell, die Frauen müssten mutiger werden.
Hier dreht sich nämlich die Beweislast um. Üblicherweise sollen Frauen beweisen, dass sie KI-ready sind. In meiner Wunschwelt sollten aber die Unternehmen beweisen, dass sie reif, abgeklärt und urteilsfähig genug sind, um KI in Zeiten eines beispiellosen Hypes gut einzuführen.
Womöglich reden wir die ganze Zeit über die falsche Lücke. Meine Ableitung aus dieser Betrachtung ist, dass es eine wichtige Lücke zwischen KI-Geprahle und KI-Urteilskraft gibt. Über die müssen wir viel mehr reden. Und ich bin sicher, und ich habe zumindest anekdotische Evidenz, dass nicht wenige Frauen jede Menge Lust auf KI haben. Worauf sie verständlicherweise weniger Lust haben, ist das, was die beschriebenen Arbeitskulturen daraus machen.
In eigener Sache, ganz im Geiste dieses Textes. Am 26. Juni mache ich eine weitere Session Lunch & Learn zu „KI-Einführung ist Kulturarbeit”. Der Gender AI Gap ist da nur ein Beispiel unter vielen. Es geht um die größere These. Wer KI gut einführen will, kommt an der Kultur nicht vorbei. Wenn dich das gepackt hat, komm gern dazu.
Und bleib’ dran!
Herzlichst
André
Noch ein paar gute Empfehlungen
After Automation: AI progress creates more work for humans, not less
gelesen bei Every - von Dan Shipper
Dan Shipper ist CEO von Every und betreibt sein Unternehmen als eine Art Frühadopter-Labor, in dem fast alles automatisiert wird, was sich automatisieren lässt. Sein erfrischender und erkenntnisreicher Befund läuft gegen den Strich der KI-Untergangsrhetorik. Je mehr automatisiert werde, desto mehr anspruchsvolle menschliche Arbeit entstehe, weil KI das verwertbare Sediment vergangener Kompetenz billig mache und damit den Wert von Standardoutput kollabieren lasse. Was knapp und wertvoll bleibe, sei genau das, was die Modelle nicht von selbst liefern, nämlich Urteil im konkreten Moment. Stark ist der Text, weil er ohne Heilsversprechen auskommt und sehr konkret zeigt, wie zwei Modi der Zusammenarbeit mit Agenten aussehen und warum jeder Agent einen Menschen braucht, der ihn ausrichtet und prüft. Sein Bild vom „frame“ und „framer“ trägt weit, auch wenn man im Blick behalten sollte, dass Shipper als KI-Optimist und Anbieter genau dieser Workflows ein Interesse an dieser Lesart hat.
The world’s first trillionaire is a killer
gelesen bei The Verge - von TC Scottek
Wenn du dieser Tage nur einen Text zum SpaceX-Börsengang liest, dann diesen. Denn TC Sottek geht es um die Person dahinter und um die Rochaden, mit denen dieses Vermögen zustande kommt. Er erinnert daran, was in der DOGE-Zeit geschah, als Musk die Entwicklungsbehörde USAID nach eigener Aussage übers Wochenende „in den Häcksler“ gefüttert habe. Ein von einer Forscherin der Boston University mitentwickelter Tracker rechnet die Folgen der Kürzungen auf über 780.000 Tote hoch, viele davon Kinder, und Nature wie The Lancet kommen auf Größenordnungen in ähnlicher Höhe. Sottek bringt das auf ein Bild, eine Feuerwehr ohne Feuerwehrleute sehe auf dem Papier gut aus, solange man ignoriere, dass die Stadt längst brenne. Bleibt die Frage, warum wir als Menschheit zulassen, dass sich so viel Geld, Medienmacht und Regierungseinfluss in einer einzigen, gleichgültigen Hand sammeln.
Made in the USA
gelesen bei The New York Review- von Suzy Hansen
Dieser Essay porträtiert Pete Hegseth, Trumps „secretary of war“, während des amerikanisch-israelischen Kriegs gegen den Iran. Er verfolgt ein Leitmotiv, das aus Jahren in der Türkei stammt, nämlich die Idee der Lossagung. Eine Figur wie Hegseth zu verleugnen, falle vielen deshalb so schwer, weil es hieße, einen Teil des eigenen Selbstbilds preiszugeben. Der Text liest Hegseths Doktrin der „maximum lethality“ als Ergebnis einer langen amerikanischen Linie, die weit über die Trump-Jahre zurückreicht. Das ist harte Lektüre, aber sie gibt einen wichtigen Blick auf das, was in den USA im Jahr 2026 völlig normal und möglich ist. Dieser Mann hilft gerade dabei, die NATO in Europa zu zerlegen.
Boomer Realism
gelesen bei Understanding TikTok- von Marcus Boesch
Marcus Bösch, der seit Jahren TikTok und digitale Öffentlichkeiten beobachtet (und eine echte Follow-Empfehlung ist), stellt Kevin Mungers Begriff „Boomer Realism“ vor, eine Anspielung auf Mark Fishers „Capitalist Realism“. Gemeint ist die stille Annahme, die Kategorien der liberalen Nachkriegsordnung seien schlicht die Realität, obwohl sie nur eine bestimmte Sicht unter mehreren sind. Bösch zeigt das an drei Reaktionsmustern auf Trumps Kommunikation, Pathologisierung, Faktencheck und Umgehung, die alle voraussetzen, es gebe ein Normal, an dem sich Trump messen lasse. Mungers scharfe Pointe ist, dass eben diese Annahme das Problem sei, weil Trump bestens zur Logik eines Apparats passe, der von Affekt angetrieben werde und unterhalb des Arguments arbeite. Sehr lesenswert!
Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!
