Gender Pay Gap: Wenn selbst eine KI-Assistentin weniger Geld bekommt

Arbeitsmarkt · Psychologie · Künstliche Intelligenz

Eine Maschine hat kein Geschlecht. Unsere Wahrnehmung offenbar schon.

Als ich auf diese Studie gestoßen bin, musste ich erst einmal genauer hinschauen. Eine weiblich dargestellte KI-Assistenz bekommt weniger Geld als eine männlich dargestellte. Obwohl dahinter dieselbe Technik steckt. Das klingt zunächst nach einer zugespitzten Schlagzeile. Tatsächlich steckt ein Experiment dahinter, das mich ausgesprochen interessiert.

Es verbindet Fragen, die auch in meiner Arbeit zusammengehören: Wie beurteilen wir berufliche Leistung? Was lesen wir in das Erscheinungsbild eines Menschen hinein? Und was passiert mit diesen Erwartungen, wenn wir einer künstlichen Intelligenz ein Gesicht geben?

Bevor wir zu Johan und Johanna kommen, lohnt sich ein Blick auf den deutschen Arbeitsmarkt. Denn auch dort sollten wir genau unterscheiden, welche Unterschiede eine Zahl zeigt und welche Erklärung sie noch nicht liefert.

Mich interessiert an diesem Thema besonders: Nach welchen Kriterien bewerten wir eine Leistung – und welche Erwartungen bringen wir schon mit, bevor wir sie gesehen haben?

Gender Pay Gap in Deutschland: zwei Zahlen, zwei Blickwinkel

Für 2025 weist das Statistische Bundesamt einen unbereinigten Gender Pay Gap von 16 Prozent aus. Frauen erhielten durchschnittlich 22,81 Euro brutto pro Stunde, Männer 27,05 Euro. Das ist ein Vergleich der Stundenverdienste verschiedener Beschäftigtengruppen. Er bedeutet nicht, dass jede Frau für dieselbe konkrete Arbeit 16 Prozent weniger bekommt. [1]

Beide Perspektiven helfen beim Hinschauen. Eine statistisch erklärbare Lücke ist nicht automatisch gesellschaftlich bedeutungslos. Wenn Menschen unterschiedlich oft Zugang zu gut bezahlten Aufgaben und Entwicklungsmöglichkeiten bekommen, ist auch das eine wichtige Frage.

Die Berufsbeispiele stammen aus dem Entgeltatlas der Bundesagentur für Arbeit

Wie unterschiedlich die Abstände in einzelnen Berufswelten ausfallen

Für die folgenden Beispiele nutze ich die Bundesagentur für Arbeit. Der Entgeltatlas zeigt monatliche Bruttoentgelte sozialversicherungspflichtig Vollzeitbeschäftigter als Median. Die eine Hälfte liegt darunter, die andere darüber. Er fasst ähnliche Tätigkeiten zu Berufsgattungen zusammen. Ein Berufsname führt deshalb nicht zu einer Statistik ausschließlich dieses einzelnen Berufs. [2]

Die Auswahl bezieht sich auf Deutschland und alle Altersgruppen. Die abrufbaren Seiten der Bundesagentur für Arbeit zeigen den Datenstand 2025; die IT-Zahlen stammen aus dem bereitgestellten Entgeltatlas-Ausschnitt ohne sichtbare Jahresangabe. Innerhalb jeder Zeile wird dieselbe Berufsgattung verglichen. Zwischen den Zeilen unterscheiden sich die Anforderungen, etwa Fachkraft und Spezialist in der Erziehung.

* Eigene Berechnung: Männer-Median minus Frauen-Median; Prozentabstand bezogen auf den Männer-Median, auf eine Nachkommastelle gerundet. Diese deskriptiven Monatsmedian-Abstände sind kein bereinigter Gender Pay Gap und nicht unmittelbar mit dem bundesweiten Stundenverdienstabstand vergleichbar. Quellen: Entgeltatlas der Bundesagentur für Arbeit [3].

Besonders ins Auge fällt hier das Büro: 798 Euro liegen zwischen den beiden Medianen. In der Erziehung sind es 42 Euro. Ein großer Abstand verdient Aufmerksamkeit; ein kleinerer Abstand beantwortet noch nicht alle Fragen nach fairen Chancen.

Für Berufskunde und Beratung ist das wichtig: Wir sollten Menschen weder mit einer pauschalen Gehaltszahl abspeisen noch ihnen aus einem Gruppenwert eine persönliche Benachteiligung ableiten. Hilfreich wird der Vergleich, wenn wir anschließend die tatsächliche Stelle und ihre Bedingungen betrachten.

Ein überraschendes Experiment aus dem Oktober 2026

Johan und Johanna: dieselbe Technik, unterschiedliche Geldverteilung

Forschende aus Zürich, Limerick und der SKEMA Business School untersuchten, wie die Gestaltung digitaler Assistenzen unsere Zusammenarbeit mit ihnen beeinflusst. An dem kontrollierten Versuch nahmen 189 Personen teil. Sie bearbeiteten Arbeitsaufgaben in einem virtuellen Büro und bewerteten die Assistenzen. Zusätzlich wurden 34 Personen interviewt. [4]

Die Systeme hatten dieselben zugrunde liegenden Fähigkeiten, wurden aber unterschiedlich dargestellt. Unter anderem gab es die menschenähnlichen Varianten Johan und Johanna. Nach der Arbeit sollten die Teilnehmenden echtes Geld zwischen sich selbst und der KI-Assistenz aufteilen. Laut der Mitteilung der Universität Limerick erhielt Johanna 10,25 Prozent weniger als Johan. [5]

Genau das finde ich bemerkenswert. Die Teilnehmenden entschieden darüber, welchen Anteil sie der Unterstützung zuschrieben. Die KI führte keine Gehaltsverhandlung und hatte keine Erwerbsbiografie. Trotzdem wurde ihre Darstellung für die Bewertung relevant.

Wir sollten daraus keine allgemeine Gehaltsregel für weibliche KI ableiten. Untersucht wurden konkrete Gestaltungen in einer bestimmten VR-Umgebung. Wie genau Geschlechtsdarstellung, Menschenähnlichkeit und weitere Merkmale zusammenspielten, ist damit nicht abschließend geklärt.

„Das Geschlecht spielt für mich keine Rolle.“ Wirklich?

Der Zürcher Mitautor Thomas Fritz beschreibt im Interview einen besonders interessanten Widerspruch: Die meisten interviewten Personen erklärten, dass das Geschlecht für sie unwichtig sei. Das Verhalten im Versuch zeigte dennoch Unterschiede. Die männlich dargestellte Assistenz wurde auch als menschenähnlicher wahrgenommen. Die Forschenden vermuten einen blinden Fleck, können den Ursprung des Unterschieds aber nicht eindeutig bestimmen. [6]

Für mich ist das ein guter Anlass, die eigene Wahrnehmung zu prüfen. Ein Name, eine Stimme oder ein Gesicht können Erwartungen auslösen. Wir sehen eine Darstellung und verbinden damit vielleicht Vorstellungen von Kompetenz, Hilfsbereitschaft oder Autorität. Ob solche Vorstellungen gerade unser Urteil beeinflussen, merken wir nicht unbedingt.

Eine gute Absicht ersetzt noch keine Prüfung der eigenen Bewertungsmaßstäbe.

Das Experiment zeigt hier menschliche Bewertungen einer KI. Es untersucht nicht, ob ein Algorithmus selbst diskriminierende Gehaltsentscheidungen trifft. Beides gehört zur Debatte über KI und Vorurteile, aber es sind unterschiedliche Fragen.

Eine Frage für das nächste Teamgespräch

Stell Dir zwei Arbeitsproben vor: gleicher Auftrag, gleiche Qualität, gleiche termingerechte Abgabe. Einmal steht ein weiblich gelesener Name darunter, einmal ein männlich gelesener. Würdest Du beide mit denselben Worten beschreiben? Oder wäre die eine Person „hilfsbereit“ und die andere „durchsetzungsstark“?

Das ist eine von mir entwickelte Diskussionsfrage, kein weiterer Studienbefund. Sie macht aber einen sinnvollen Prüfschritt greifbar: Welche Beobachtung belegt unser Urteil über eine Leistung?

In meinen Seminaren „Bildungs- und Berufskunde“ und „Digitalisierung in der Berufswelt“ passen diese Fragen unmittelbar zu beruflichen Perspektiven und veränderten Arbeitsaufgaben. Im Seminar „Künstliche Intelligenz im Arbeitsalltag“ lässt sich ergänzend besprechen, wie Teams KI-Ergebnisse und digitale Unterstützung nachvollziehbar beurteilen.

Die Technik entwickelt sich weiter. Unsere Maßstäbe sollten es auch.

Mich interessiert an Johan und Johanna vor allem, wie vertraute Bewertungsmuster in einer neuen Umgebung auftauchen können. Wenn wir KI einsetzen, bringen wir unsere Erwartungen mit. Ein modernes System nimmt uns die Verantwortung für eine faire Beurteilung nicht ab.

Deshalb möchte ich über dieses Thema sprechen: mit Menschen, die beraten, Teams führen, berufliche Wege begleiten oder neue Technologien einsetzen. Wir müssen dafür keine fertige Erklärung für jeden Verdienstunterschied haben. Aber wir sollten bereit sein, unsere Kriterien offenzulegen und unsere ersten Eindrücke zu hinterfragen.

Zum Weiterlesen: Menschliche Wahrnehmung und KI im Vergleich sowie KI-Antworten im Arbeitsalltag prüfen.

Das Thema ins Team holen