5 Diversität in Daten, Algorithmen, Personas, Namen und Bildern

In der Formulierung von Use Cases, User Stories etc. wird ebenso wie in Veröffentlichungen und auf der Web-Seite darauf geachtet, klischeehafte Verwendungen von Personas, Namen und Bildern (z. B. „Oma Erna“) zu vermeiden. Bei deren Auswahl wird auf Diversität bzgl. Gender, Alter, Rasse etc. geachtet.

Ein schönes Beispiel findet sich auf der Seite der Firma Kantar, die auf ihrer Landing Page in einem Slider ganz unterschiedliche Menschen darstellen (Auszug):

Auch bei der Auswahl von Daten und der Entwicklung von Algorithmen wird sichergestellt, dass der Diversität der Menschheit Rechnung getragen wird.

Siehe auch:

• UNESCO: Künstliche Intelligenz für mehr Geschlechtergerechtigkeit und gegen Diskriminierung - Handlungsansätze für die Politik

Altersbilder

Um sich über Alterbilder bzw. -stereotypen zu informieren, ist es sinnvoll, das Positionspapier für vielfältige Altersbilder lesen (Link hinter Bild folgen) und/oder Video des Altersbilder-Netzwerks klärt darüber auf, wie Altersbilder entstehen und sich auswirken anzusehen. 

Hilfreich ist auch der Bericht im Auftrag der Antidiskriminierungsstelle des Bundes: Kessler, E.-M., Warner, L. W. (2023): Age ismus , Altersbilder und Altersdiskriminierung in Deutschland, Studie im Auftrag der Antidiskriminierungsstelle des Bundes. Er beschreibt ausführlich Vorurteile und Klischees über das Altern und daraus folgende Ausgrenzungen und Diskriminierungen.