Bei Transgender scheitert Gesichtserkennung

Mit Transgender-Personen, deren Geschlechtsidentität und äußerliche Merkmale sich oft nicht eindeutig als männlich oder weiblich charakterisieren lassen, haben die Gesichtserkennungs-Programme gravierende Probleme. Solche Menschen werden im Schnitt in mehr als einem Drittel der Fälle nicht korrekt erkannt, wie eine Studie von Forschern der University of Colorado Boulder aufzeigt. Schuld sind "veraltete Stereotype", wie deren Autoren kritisieren.

Normalerweise genau

"Mithilfe moderner Gesichtserkennungs-Software ist es heute mit nur einem kurzen Blick auf das Gesicht eines Menschen möglich, das Geschlecht vieler Männer und Frauen mit einer bemerkenswerten Genauigkeit zu kategorisieren", stellt Morgan Klaus Scheuerman, PhD-Student am Information Systems Department der University of Colorado Boulder, klar. Wenn das Gesicht allerdings zu einer Transgender-Person gehört, würden die meisten Systeme ins Straucheln geraten. "Die Performance fällt bei Transgender-Individuen deutlich schlechter aus. Bei nicht-binären Geschlechtern, die weder ausschließlich männlich noch weiblich sind, funktioniert die Klassifizierung überhaupt nicht", erklärt der Experte.

"Obwohl es enorm viele verschiedene Arten von Menschen gibt, haben diese Systeme eine sehr beschränkte Auffassung davon, wie sich ein Geschlecht definieren lässt", betont Scheuerman. Das liege zum Teil daran, dass die meisten Programme auf veralteten Vorstellungen von Geschlechterrollen basieren würden. "Wir wussten, dass es diese Technologien mit Vorurteilen in Bezug auf Rassen und Ethnien zu kämpfen haben. Nun wissen wir zudem, dass das auch bei der Geschlechterzuordnung der Fall ist", ergänzt Forschungskollege Jed Brubaker.

Instagram-Fotos untersucht

Für ihre Studie haben die Wissenschaftler 2.450 Instagram-Fotos gesammelt und ausgewertet, die User zuvor bereits mit einem Hashtag versehen hatten, der Auskunft darüber gibt, ob ein Mann oder eine Frau auf dem Bild zu sehen ist. Die Aufnahmen wurden anschließend in sieben Gruppen unterteilt: Männer, Frauen, Trans-Frauen, Trans-Männer, Agender, AgenderQueer und Nichtbinär und vier der am weitesten verbreiteten Gesichtserkennungs-Tools von Firmen wie IBM, Amazon oder Microsoft zur Analyse vorgesetzt.

Das Ergebnis: Alle getesteten Systeme schnitten immer dann am besten ab, wenn sie Fotos von Frauen identifizierten - die Treffergenauigkeit lag hier bei 98,3 Prozent. Bei Männern wurde ein entsprechender Wert von 97,6 Prozent erreicht. Transgender-Männer wurden aber in 38 Prozent der Fälle fälschlicherweise als Frauen erkannt. Bei Personen aus der Kategorie Agender, AgenderQueer und Nichtbinär kam es den Forschern zufolge sogar in 100 Prozent der Fälle zu falschen Geschlechtszuordnungen.