Generative Bild-KI prägt zunehmend die visuelle Kultur und gewinnt in Bereichen wie Werbung, Journalismus und Social Media an gesellschaftlicher Relevanz. Bildgeneratoren wie Midjourney erscheinen dabei auf den ersten Blick neutral, stehen jedoch im Verdacht, bestehende soziale Normen und Geschlechterstereotype zu reproduzieren. Vor diesem Hintergrund untersucht die vorliegende Arbeit, in welchem Ausmaß und entlang welcher Dimensionen Geschlechtsstereotype in KI-generierten Bildern sichtbar werden.
Theoretisch stützt sich die Untersuchung auf Forschung zu Genderstereotypen in klassischen Medienbildern, auf Ansätze der Bias-Forschung in KI-Systemen sowie auf sozial- und medienpsychologische Konzepte wie die Social Role Theory, Framing-Ansätze und die Objectification Theory. Daraus werden fünf Analysebereiche abgeleitet: Geschlechterrollen im Berufskontext, Handlungsmacht, emotionale Expressivität, Körperideale sowie Objektivierung und Sexualisierung.
Empirisch basiert die Arbeit auf einer manuellen, quantitativ ausgerichteten Bildinhaltsanalyse. Der Datensatz umfasst N = 210 Bilder, die mit dem Bildgenerator Midjourney (Version 6) auf Grundlage von 35 geschlechtsneutral formulierten Prompts erzeugt wurden. Jeder Prompt wurde sechsmal generiert, um zufällige Varianz zu berücksichtigen. Die Bilder wurden mithilfe eines deduktiv entwickelten, theoriegeleiteten Kategoriensystems codiert. Die Reliabilität des Instruments wurde in einem Pretest überprüft. Die Auswertung erfolgte deskriptiv sowie inferenzstatistisch mittels Chi-Quadrat-Tests und Cramérs V.
Die Ergebnisse zeigen ein hohes Grundniveau stereotyper Merkmale, jedoch mit deutlichen Unterschieden zwischen den einzelnen Dimensionen. Ein beruflicher Kontext ist nahezu durchgängig präsent. Handlungsmacht und sichtbare Emotionen treten häufig auf und werden bei männlich codierten Figuren öfter dargestellt, während weiblich codierte Figuren signifikant häufiger normierten Körperidealen entsprechen. Objektivierung und Sexualisierung treten insgesamt seltener auf. Eine übergreifende Sammelkennzahl zeigt, dass die Mehrheit der Bilder mindestens ein stereotypes Merkmal enthält, ohne dass sich hierbei ein signifikanter Geschlechterunterschied ergibt.
Die Arbeit verdeutlicht, dass generative Bild-KI etablierte Geschlechterstereotype nicht pauschal, sondern selektiv entlang spezifischer Darstellungsdimensionen reproduziert. Daraus ergeben sich Implikationen für die reflektierte Nutzung generativer Bildsysteme sowie für zukünftige Forschung zur Reduktion algorithmischer Verzerrungen.