Geschlecht und Vielfältigkeit in der Forschung

Im Unterschied zu Chancengleichheit in und Vielfältigkeit der Projektteamzusammensetzung geht es bei „Geschlecht und Vielfältigkeit in der Forschung“ um den Forschungsinhalt (sog. „Geschlechter- und Vielfältigkeitsdimensionen“ in der Forschung).

Die Berücksichtigung von Geschlecht und Vielfältigkeit kann – wo relevant – konkrete Auswirkungen auf die Planung, Durchführung und Ergebnisse eines Forschungsprojekts haben. Aspekte wie z. B. Geschlecht, Alter, soziale oder ethnische Herkunft, Gesundheitszustand u. ä. können sich im Hinblick auf die Entwicklung von Forschungsfragen, die Auswahl von Methoden und Analysekategorien, die Erstellung von Datensätzen und die Hypothesenbildung auswirken. Verschiedenheit nach Geschlechter- und/oder Vielfältigkeitsdimensionen kann darüber hinaus auf unterschiedlichen Ebenen für Forschungsprojekte relevant sein, etwa hinsichtlich der an der Forschung Beteiligten, hinsichtlich der zu untersuchenden Tiere oder des zu untersuchenden menschlichen oder tierischen Materials.

Beispiele für die Bedeutung von Geschlecht und/oder Vielfältigkeit in der Forschung:

Crashtest-Dummys, die nach männlichen und weiblichen Körpermodellen gestaltet sind, zeigen Verletzungsmöglichkeiten für beide Geschlechter auf und helfen diese zu verhindern. Die Forschung zu Risiken für Osteoporose bei Männern wurde lange vernachlässigt; inzwischen ist bekannt, dass auch Männer zu etwa einem Drittel betroffen sind und wirksamer Therapien bedürfen. Auch die Symptome des Herzinfarkts unterscheiden sich bei Männern und Frauen. Bei Forschung und Modellen, die auf Versuchen mit Tieren, tierischem oder menschlichem Material basieren, hat sich ebenfalls gezeigt, dass Ergebnisse auf Basis eines Geschlechts nicht immer ohne Weiteres generalisiert werden können.

In Entwicklungsländern können medizinisch-diagnostische Methoden oft nur angewandt werden, wenn neben ihrer Verlässlichkeit auch Kosten und Anwendungsumstände im Rahmen des dort Möglichen liegen. Auf dem Forschungsfeld der Künstlichen Intelligenz können Stereotype und Vorurteile in den Trainingsdaten mit erlernt und in der Folge reproduziert werden.

Auch in der Grundlagenforschung (insbesondere in den Disziplinen der Lebens- und Ingenieurwissenschaften) können Geschlechter- und Vielfältigkeitsdimensionen ein entscheidender Faktor für die Verbesserung von wissenschaftlicher Qualität sein.