KI-Geschichten über Tiere zeigen ein großes Problem: keine weiblichen Figuren

Menschen erzählen einander seit Jahrtausenden Geschichten.

Ob Märchen oder Fabeln, Songlines oder mündlich überlieferte Geschichte: Erzählungen erfüllen seit Langem einen Zweck. Sie helfen dabei, die Welt zu verstehen, an vergangene Umwälzungen zu erinnern oder vor ihnen zu warnen, Traditionen zu vermitteln, moralische Werte zu lehren, Kultur weiterzugeben, Rituale zu schaffen – oder schlicht zu unterhalten.

Der jüngste Aufstieg generativer KI-Modelle, die anhand von Nutzereingaben und mit Werken aus dem Internet als Vorlage Geschichten erzeugen, hat jedoch blinde Flecken, Schwächen und Verzerrungen in der Art offengelegt und weitergetragen, wie manche Geschichten erzählt werden.

KI-Geschichten über sprechende Tiere verstärken Geschlechterbias

Forschende der University of Washington (UW) haben nun festgestellt, dass KI Geschlechterbias in Kindergeschichten über sprechende Tiere nicht nur fortschreibt, obwohl die Figuren besonders mehrdeutig sind. Die Systeme verschärfen diese Verzerrungen sogar.

„Einige Autorinnen und Autoren greifen Berichten zufolge auf Tierfiguren zurück, um ,universelle‘ Themen hervorzurufen, die Geschlecht, ethnische Zugehörigkeit oder andere Identitätskategorien und körperliche Merkmale ,überwinden‘“, erläutern die UW-Forscherin für maschinelles Lernen Imani Finkley und ihr Team in ihrem jüngsten Konferenzbeitrag, der vor der Begutachtung durch Fachkolleginnen und Fachkollegen veröffentlicht wurde.

„Doch paradoxerweise zeigen Untersuchungen, dass Geschlechterbias in Geschichten mit Tierfiguren tatsächlich stärker ausgeprägt ist als in Geschichten mit menschlichen Figuren.

„Anders gesagt: Menschliche Autorinnen und Autoren übertragen menschliche Stereotype paradoxerweise besonders stark auf Tiergeschichten. Das macht sie zu einem aufschlussreichen Prüfstein für große Sprachmodelle.“

Die Forschenden ließen sechs führende generative KI-Modelle englischsprachige Geschichten über sprechende Tiere verfassen, deren Geschlecht nicht genannt wurde. Sie wollten herausfinden, wie die Modelle reagieren würden: Ob die KI auf eine Geschlechtszuordnung verzichtet oder ob sich dennoch Verzerrungen einschleichen.

Das Ergebnis fiel ausgesprochen ernüchternd aus. In 23.800 KI-Antworten waren weibliche Tierfiguren „nahezu nicht vorhanden“: Sie kamen in lediglich 2 Prozent der Geschichten vor.

Die Figuren wurden entweder als männlich beschrieben, was auf 41 Prozent der Geschichten zutraf, oder das jeweilige Modell vermied eine Geschlechtszuordnung vollständig, was bei 57 Prozent geschah.

Video auf YouTube ansehen

Zwar ist bekannt, dass KI-Modelle die Daten widerspiegeln, mit denen sie trainiert wurden. In diesem Fall scheint die Verzerrung jedoch verstärkt worden zu sein.

Eine aktuelle Auswertung von 300 populären Kinderbüchern ergab, dass männliche Tierfiguren doppelt so häufig auftauchten wie weibliche Figuren.

In der neuen Studie erschienen weibliche Tierfiguren dagegen nur in 513 KI-generierten Geschichten, gegenüber 9.673 Geschichten mit männlichen Figuren – ein Unterschied um nahezu das 19-Fache.

„Diese Modelle sind größtenteils proprietär, deshalb können wir sie nur von außen untersuchen“, sagt Melanie Walsh, Informationswissenschaftlerin an der UW und leitende Autorin der neuen Studie.

„Unsere Hypothese lautet, dass diese KI-Unternehmen Neutralität – entweder durch die Pronomen ,es/sein‘ oder durch den vollständigen Verzicht auf Pronomen – nutzen, um Geschlechterbias in mehrdeutigen Kontexten zu vermeiden.“

„Damit haben sie weibliche Tierfiguren aber im Grunde ausgelöscht. Sie verstärken also nicht nur unsere menschlichen Verzerrungen, sondern verformen sie auf seltsame, unerwartete Weise.“

So prüfte die Studie die sechs KI-Modelle

Die sechs von den Forschenden getesteten Modelle waren Claude Sonnet 4.5, Gemini 2.5, GPT-4o, GPT-5.1, Mistral Medium und das Open-Source-Modell Olmo 3.

Alle erhielten wiederholt dieselbe Aufforderung und sollten die folgende Zeile in wenigen Sätzen vervollständigen:

Eine Variante derselben Eingabeaufforderung wurde den KI-Modellen tausendfach vorgelegt. (Finkley et al., ACM 2026)

Getestet wurden sieben verschiedene Tiere – Bär, Vogel, Katze, Hund, Maus, Schwein und Kaninchen – sowie vier unterschiedliche Schauplätze: Bauernhof, Küche, Fluss und Laden.

Außerdem veränderte das Team die „Temperatur“ der Modelle, also den Grad der Zufälligkeit, mit dem der geschriebene Text erzeugt wird.

Da das Geschlecht in den Eingabeaufforderungen nicht angegeben war, vermieden die Modelle häufig jede Geschlechtszuordnung. Sie verwendeten entweder Pronomen wie „es/sein“ oder bezeichneten die Figur als „der Vogel“ beziehungsweise „der Bär“.

Pronomen wie „sie/ihnen“, die nichtbinäre Geschlechtsausdrücke anerkennen, verwendeten die Modelle nur selten – genau zweimal. Als Menschen dieselben Eingabeaufforderungen erhielten, kamen solche Pronomen in 3 Prozent der Antworten vor.

„Die Neutralität dieser KI-Modelle hat nicht nur weibliche Figuren ausgelöscht – sondern alle nicht männlichen Identitäten“, sagt Finkley.

Generative KI-Modelle „schrieben“ weniger Geschichten mit weiblichen Tierfiguren als Menschen, denen dieselbe Eingabeaufforderung gegeben wurde. (University of Washington)

Insgesamt wiesen Googles Gemini und OpenAIs GPT-5.1 die meisten männlichen Figuren auf: Der Anteil männlicher Figuren lag bei 63 Prozent beziehungsweise 65 Prozent.

Anthropics Claude erzeugte die meisten weiblichen Figuren, allerdings betrug ihr Anteil auch dort nur 4 Prozent.

Neben dem Geschlecht bemerkten die Forschenden ein weiteres Kennzeichen KI-generierter Texte: einen allgemeineren, repetitiven Stil, der ebenfalls wahrscheinlich die zugrunde liegenden Trainingsdaten widerspiegelt.

„Immer wieder tauchten dieselben Tropen auf, etwa eine weise alte Eule, die alle Tiere auffordert, sich um ein Feuer zu versammeln“, sagt Finkley.

„Deshalb fragen wir uns, was wir aus diesen Ergebnissen noch lernen können. Hier haben wir sprechende Tiere verwendet, doch uns interessiert, was das umfassender über KI und das Geschichtenerzählen aussagt.“

Da KI zunehmend als Werkzeug eingesetzt wird – nicht allein zum Schreiben, sondern auch für wissenschaftliche Forschung, Programmierung, Ideensammlungen, Websuche und vieles mehr –, erinnert die Studie eindringlich daran, dass sowohl die Verzerrungen als auch die Genauigkeit dieser „intelligenten“ Modelle von den menschlichen Eingaben abhängen, die sie verarbeiten.

Kinderbücher mögen oft etwas albern sein, prägen aber frühe Vorstellungen von Geschlecht und Geschlechterrollen, erklären die Forschenden.

Verwandt: „Unsichtbare Wörter“ formen laut Studie den verborgenen Bauplan jedes Geschichtenerzählens

„Wir betrachteten das fast als eine Art Bechdel-Test, als Methode, Geschlechterbias in KI-Modellen zu diagnostizieren“, sagt Finkley.

„Es gibt dieses merkwürdige Phänomen, dass Menschen vergessen, sich über menschliche soziale Verzerrungen Gedanken zu machen, wenn sie sich Tiergeschichten vorstellen. KI bildet diese Tendenz nach und gestaltet sie um.“

Die Forschung wurde auf der 2026 Association for Computing Machinery (ACM) Conference on Fairness, Accountability, and Transparency vorgestellt.

Dieser Artikel wurde von Rachel Garner auf Fakten geprüft und von Clare Watson redigiert. Wir sind stolz auf unseren Prozess, aber auch wir sind nur Menschen. Wenn Sie einen Fehler entdecken, teilen Sie ihn uns bitte mit.