Künstliche Intelligenz und die mögliche Diskriminierung von Geschlechtern

Inhaltsverzeichnis

1 EINLEITUNG

2 KÜNSTLICHE INTELLIGENZ

2.1 DEFINITION UND GRUNDLAGEN DER KI

2.2 BEGRIFFSABGRENZUNG

2.2.1 MASCHINELLES LERNEN

2.2.2 DEEP LEARNING

2.2.3 LARGE LANGUAGE MODELS

2.3 AKTUELLER STAND DER KI

2.4 KÜNSTLICHE INTELLIGENZ IM MARKETING

3 DISKRIMINIERUNG VON GESCHLECHTERN

3.1 DEFINITION UND FORMEN DER GESCHLECHTERDISKRIMINIERUNG

3.2 GESCHLECHTERDISKRIMINIERUNG AM ARBEITSPLATZ

3.3 GESCHLECHTERSTEREOTYPE

4 GESCHLECHTERDISKRIMINIERUNG DURCH KI – AKTUELLER FORSCHUNGSSTAND

4.1 DISKRIMINIERUNG DURCH KI IN DER ARBEITSWELT

4.2 DISKRIMINIERUNG DURCH CHATBOTS UND LLMS

4.3 DISKRIMINIERUNG DURCH KI IN ANDEREN BEREICHEN

4.4 HERAUSFORDERUNGEN VON ETHIK UND FAIRNESS IN KI-SYSTEMEN

5 METHODIK

5.1 ALLGEMEINER AUFBAU

5.2 QUANTITATIVE ANALYSE

5.3 QUALITATIVE ANALYSE:

6 ERGEBNISSE

6.1 QUANTITATIVE ANALYSE

6.1.1 GENDER DECODER

6.1.2 TEXTLÄNGE

6.2 QUALITATIVE ANALYSE

6.2.1 EINFLUSS DER PRODUKTKATEGORIE

6.2.2 EINFLUSS DER GESCHLECHTERPERSPEKTIVE:

7 DISKUSSION

7.1 INTERPRETATION DER ERGEBNISSE

7.2 EINORDNUNG DER FORSCHUNGSERGEBNISSE

7.3 LIMITATIONEN DER FORSCHUNG

7.4 IMPLIKATIONEN FÜR ZUKÜNFTIGE FORSCHUNG

8 FAZIT

8.1. ZUSAMMENFASSUNG DER HAUPTERKENNTNISSE

8.2. BEANTWORTUNG DER FORSCHUNGSFRAGEN

8.3. EMPFEHLUNGEN UND AUSBLICK

8.4. ABSCHLIESSENDE GEDANKEN

Zielsetzung & Themen

Die vorliegende Arbeit untersucht den Gender-Bias in Large Language Models (LLMs) innerhalb des Marketingsektors. Die zentrale Forschungsfrage zielt darauf ab, ob KI-Systeme bei der Generierung von Marketingtexten geschlechtsspezifische Stereotype reproduzieren oder verstärken und wie diese Verzerrungen durch verschiedene Prompts und Produktkategorien beeinflusst werden.

• Analyse von Gender-Bias in Large Language Models.
• Untersuchung des Einflusses von Produktkategorien (Werkzeuge, Smartphones, Kosmetik).
• Einfluss von geschlechtsspezifischen vs. neutralen Prompts auf den Output.
• Methodische quantitative (Gender-Decoder) und qualitative Inhaltsanalyse.
• Diskussion ethischer Implikationen und Notwendigkeit von Fairness in KI-Systemen.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 EINLEITUNG: Führt in die Relevanz von KI im Marketing und die Thematik des Gender-Bias ein sowie in das Ziel der Arbeit, geschlechtsspezifische Verzerrungen bei der Textgenerierung zu untersuchen.

2 KÜNSTLICHE INTELLIGENZ: Bietet einen Überblick über Definitionen, Machine Learning, Deep Learning, Large Language Models sowie deren Rolle und aktuellen Stand im Marketing.

3 DISKRIMINIERUNG VON GESCHLECHTERN: Definiert geschlechtsspezifische Diskriminierung und beleuchtet deren Erscheinungsformen am Arbeitsplatz sowie die Rolle von Stereotypen.

4 GESCHLECHTERDISKRIMINIERUNG DURCH KI – AKTUELLER FORSCHUNGSSTAND: Analysiert den Forschungsstand hinsichtlich der Diskriminierung durch KI in verschiedenen Einsatzbereichen sowie grundlegende ethische Herausforderungen.

5 METHODIK: Beschreibt den Forschungsaufbau, die Auswahl der Produktkategorien und Prompts sowie die quantitative und qualitative Analyse der Daten.

6 ERGEBNISSE: Präsentiert die Resultate der quantitativen und qualitativen Untersuchung der generierten Texte hinsichtlich Wortwahl, Textlänge und Stereotypisierung.

7 DISKUSSION: Interpretiert die Ergebnisse, stellt sie in den Kontext der Forschung und erörtert Limitationen sowie Implikationen für die zukünftige Forschung.

8 FAZIT: Fasst die Kernergebnisse zusammen, beantwortet die Forschungsfrage und gibt Empfehlungen für eine ethisch verantwortungsvolle Entwicklung.

Schlüsselwörter

Künstliche Intelligenz, Large Language Models, ChatGPT, Google Bard, Gender-Bias, Geschlechterdiskriminierung, Marketing, Geschlechterstereotype, Künstliche Intelligenz Ethik, Qualitative Inhaltsanalyse, Quantitative Analyse, Textgenerierung, Algorithmische Voreingenommenheit, Fairness

Häufig gestellte Fragen

Worum geht es in dieser Bachelorarbeit grundsätzlich?

Die Arbeit untersucht, inwieweit in KI-generierten Inhalten (speziell durch ChatGPT und Google Bard) ein Gender-Bias vorhanden ist, der geschlechtsspezifische Stereotype im Marketing reproduzieren könnte.

Was sind die zentralen Themenfelder der Studie?

Die zentralen Themen sind Künstliche Intelligenz, die Soziologie von Geschlechterstereotypen, ethische Aspekte der KI-Entwicklung und die Anwendung generativer Modelle im Marketing.

Was ist das primäre Ziel oder die Forschungsfrage?

Ziel ist es zu ermitteln, ob die Wahl der Produktkategorien und die Formulierungen in den Prompts zu signifikanten Unterschieden in Bezug auf den Gender-Bias in den Antworten der KI führen.

Welche wissenschaftliche Methode wird verwendet?

Es wird eine methodische Untersuchung durchgeführt, die eine quantitative Analyse mittels Gender-Decoder (Zählung agentischer vs. kommunaler Wörter) und eine qualitative Inhaltsanalyse der Texte kombiniert.

Was wird im Hauptteil der Arbeit behandelt?

Der Hauptteil gliedert sich in theoretische Grundlagen zu KI und Diskriminierung, eine Darstellung des aktuellen Forschungsstands, die detaillierte Beschreibung der Methodik sowie die Präsentation und Diskussion der empirischen Ergebnisse.

Welche Schlüsselwörter charakterisieren die Arbeit?

Zu den wichtigsten Begriffen gehören Künstliche Intelligenz, Large Language Models, Gender-Bias, Geschlechterdiskriminierung und ethische KI.

Welche Rolle spielen die gewählten Produktkategorien bei der Analyse?

Die Produktkategorien (Werkzeuge, Smartphones, Kosmetik) dienen dazu, unterschiedlich stark stereotypisierte Alltagskontexte zu testen, um zu sehen, ob die KI markenspezifische oder rollenspezifische Vorurteile reproduziert.

Was ergab die qualitative Analyse hinsichtlich geschlechtsspezifischer Prompts?

Die Analyse ergab, dass spezifische Prompts die Antwortstrukturen beeinflussen und KI-Modelle in bestimmten Kategorien wie Kosmetik eine deutliche Tendenz zu weiblich konnotierter Sprache aufweisen.