KI-Geschichten über Tiere enthalten kaum weibliche Figuren

Menschen erzählen einander seit Jahrtausenden Geschichten.

Von Märchen und Fabeln über Songlines bis zu mündlich überlieferten Erzählungen erfüllen diese Geschichten seit Langem einen Zweck: Sie helfen dabei, die Welt zu verstehen, an alte Umwälzungen zu erinnern oder vor ihnen zu warnen, Traditionen zu vermitteln, moralische Lehren weiterzugeben, Kultur zu teilen, Rituale zu schaffen – oder schlicht zu unterhalten.

Der jüngste Aufstieg generativer KI-Modelle, die anhand von Nutzereingaben und mit Online-Werken als Orientierung Geschichten verfassen können, hat blinde Flecken, Schwächen und Verzerrungen darin offengelegt und fortgeschrieben, wie manche Geschichten erzählt werden.

KI-Geschichten über sprechende Tiere verstärken Geschlechterbias

Forschende der University of Washington (UW) haben nun festgestellt, dass KI Geschlechterverzerrungen in Kindergeschichten über sprechende Tiere nicht nur fortsetzt. Gerade bei diesen besonders mehrdeutigen Figuren verschärft sie die Verzerrungen sogar.

„Einige Autorinnen und Autoren greifen Berichten zufolge auf Tierfiguren zurück, um ‚universelle‘ Themen hervorzurufen, die Geschlecht, Herkunft oder andere Identitätskategorien und körperliche Merkmale ‚überwinden‘“, erläutern die UW-Forscherin für maschinelles Lernen Imani Finkley und ihre Kolleginnen und Kollegen in ihrem aktuellen Konferenzbeitrag, der vor der Begutachtung durch Fachleute veröffentlicht wurde.

„Doch paradoxerweise zeigt die Forschung, dass Geschlechterbias in Geschichten mit Tierfiguren tatsächlich ausgeprägter ist als in Geschichten mit menschlichen Figuren.

„Mit anderen Worten: Menschliche Schreibende übertragen menschliche Stereotype paradoxerweise besonders stark auf Tiergeschichten. Damit sind diese ein aufschlussreicher Testfall für grosse Sprachmodelle.“

Die Forschungsgruppe beauftragte sechs führende generative KI-Modelle damit, englischsprachige Geschichten über sprechende Tiere zu schreiben, deren Geschlecht nicht genannt wurde. Sie wollten herausfinden, wie die Modelle reagieren würden: Würden sie darauf verzichten, den Figuren ein Geschlecht zuzuschreiben, oder würden dennoch Verzerrungen durchscheinen?

Die Ergebnisse fielen ziemlich ernüchternd aus. In den 23.800 KI-Antworten waren weibliche Tierfiguren „praktisch nicht vorhanden“: Sie kamen in lediglich 2 Prozent der Geschichten vor.

Die Figuren wurden entweder als männlich beschrieben – in 41 Prozent der Geschichten – oder das Modell vermied jede Geschlechtszuordnung, was auf 57 Prozent zutraf.

23.800 KI-Antworten zeigen eine deutliche Schieflage

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

Eine aktuelle Auswertung von 300 beliebten Kinderbüchern ergab, dass männliche Tierfiguren doppelt so häufig vorkamen wie weibliche.

In der neuen Untersuchung erschienen weibliche Tierfiguren dagegen nur in 513 KI-generierten Geschichten, verglichen mit 9.673 Geschichten mit männlichen Figuren – ein beinahe 19-facher Unterschied.

„Diese Modelle sind weitgehend proprietär, daher 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-Organisationen Neutralität – entweder durch die Pronomen ‚it/its‘ oder durch den Verzicht auf Pronomen – nutzen, um Geschlechterbias in mehrdeutigen Kontexten zu vermeiden.“

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

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.

Allen wurde wiederholt dieselbe Eingabe vorgelegt und aufgetragen, die folgende Zeile in wenigen Sätzen zu vervollständigen:

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

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

Ausserdem veränderte das Team die „Temperatur“ der Modelle, also den Grad an Zufälligkeit, der bei der Texterzeugung eingesetzt wird.

Da das Geschlecht in den Eingaben nicht festgelegt war, vermieden die Modelle häufig jede Geschlechtszuordnung. Sie verwendeten entweder die Pronomen „it/its“ oder bezeichneten die Figur etwa als „the bird“ oder „the bear“.

Die Modelle nutzten die Pronomen „they/them“, die nichtbinäre Geschlechtsidentitäten anerkennen, nur selten – genau zweimal. Als Menschen dieselben Eingaben erhielten, enthielten 3 Prozent der Antworten „they/them“.

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

Generative KI-Modelle „schrieben“ weniger Geschichten mit weiblichen Tierfiguren als Menschen, die dieselbe Eingabe erhielten. (University of Washington)

Gemini und GPT-5.1 erzeugten besonders viele männliche Figuren

Insgesamt wiesen Googles Gemini und OpenAIs GPT-5.1 die meisten männlichen Figuren auf: 63 Prozent beziehungsweise 65 Prozent der Figuren waren männlich.

Anthropics Claude erzeugte die meisten weiblichen Figuren, allerdings machten diese weiterhin nur 4 Prozent der Gesamtzahl aus.

Neben dem Geschlecht bemerkte das Forschungsteam ein weiteres Kennzeichen von KI-Texten: eine allgemeinere, sich wiederholende Erzählweise, die wiederum wahrscheinlich die zugrunde liegenden Trainingsdaten widerspiegelt.

„Immer wieder tauchten dieselben Klischees 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, aber uns interessiert, was dies ganz allgemein über KI und das Geschichtenerzählen aussagt.“

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

Kinderbücher mögen zwar oft ein wenig albern sein, prägen aber frühe Vorstellungen von Geschlecht und Geschlechterrollen, betonen die Forschenden.

Weiterführend: „Unsichtbare Wörter“ formen den verborgenen Bauplan allen Geschichtenerzählens, zeigt Studie

„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 präsentiert.

Dieser Artikel wurde von Rachel Garner faktengeprüft und von Clare Watson redigiert. Wir sind stolz auf unseren Prozess, aber auch wir sind nur Menschen. Falls Ihnen ein Fehler auffällt, teilen Sie ihn uns bitte mit.