In einer kontrollierten VR-Arbeitsplatzstudie wiesen die Teilnehmenden Johan im Mittel CHF 2,96 für die Entwicklung zu und Johanna CHF 2,54. Der Unterschied war statistisch signifikant. Das Geld war eine experimentelle Zuweisung für die Weiterentwicklung der Assistenten, kein Lohn für eine KI.
Was die Teilnehmenden bewerteten
Die Forschenden verglichen Johan, einen männlich präsentierten Avatar, mit Johanna, einem weiblich präsentierten Avatar. Die Teilnehmenden bewerteten beide auf Skalen von 1 bis 7 und konnten ihnen außerdem Geld zuweisen.
| Messgröße | Johan | Johanna | Statistischer Test |
| Menschlichkeit, Skala 1–7 | 5,09 | 4,59 | p = 0,029 |
| Vertrauen, Skala 1–7 | 5,58 | 5,25 | p = 0,065 |
| Anerkennung des Beitrags, Skala 1–7 | 5,24 | 5,05 | p = 0,164 |
| Entwicklungszuweisung | CHF 2,96 | CHF 2,54 | p = 0,026 |
Im statistischen Test galten die Unterschiede bei der wahrgenommenen Menschlichkeit und der Geldzuweisung als signifikant. Bei Vertrauen und Anerkennung des Beitrags war das nicht der Fall. Die Ergebnisse beschreiben also unterschiedliche Reaktionen auf die beiden Avatare, nicht einen allgemeinen Vertrauensvorsprung für Johan.
Wie das VR-Experiment ablief
An der Studie nahmen 189 Wissensarbeiterinnen und Wissensarbeiter teil. Jede Person arbeitete mit einem Text-Chatbot, einem Schreibtischroboter und einem der beiden Avatare. Alle vier Darstellungen nutzten dasselbe Sprachmodell: gpt-4-1106-preview.
In einer rund 30-minütigen Simulation erledigten die Teilnehmenden Aufgaben rund um den Einsatz von KI am Arbeitsplatz. Für die Analyse der Geldzuweisungen blieben 159 Personen übrig: Bei 30 Teilnehmenden untersagten die Arbeitgeber, eine Vergütung anzunehmen. Pro Assistent konnten bis zu CHF 4 zugewiesen werden. Nicht zugewiesenes Geld erhielten die Teilnehmenden selbst zurück; die zugewiesenen Beträge galten als Investition in die Entwicklung des jeweiligen Assistenten.
Was sich aus dem Unterschied ableiten lässt
Die Studienautoren führen die Abweichungen nicht eindeutig auf die Geschlechterdarstellung zurück. Johan wurde auch als menschlicher wahrgenommen als Johanna. Zudem können konkrete Merkmale der Avatare und Stimmen die Bewertungen beeinflusst haben. Die Gestaltung und die wahrgenommene Menschlichkeit lassen sich in diesem Versuch daher nicht sauber vom Geschlechtseindruck trennen.
Die kontrollierte Simulation zeigt, wie Teilnehmende bestimmte Darstellungen in einer kurzen Arbeitsplatzaufgabe bewerteten. Sie belegt nicht, dass Nutzerinnen und Nutzer KI-Assistenten generell nach Geschlecht unterschiedlich behandeln. Die Rekrutierung erfolgte überwiegend über berufliche und persönliche Netzwerke in einem Land.
Andere Studien untersuchen andere Aufgaben
Eine separate, 2024 veröffentlichte Studie untersuchte 1.400 Empfehlungsschreiben, die ChatGPT-3.5 für historisch männlich oder weiblich gelesene US-Vornamen verfasst hatte. Die sprachlichen Unterschiede variierten je nach Eingabeaufforderung und untersuchter Kategorie. Diese Untersuchung betrifft Textausgaben eines bestimmten Modells; sie beantwortet eine andere Frage als das VR-Experiment mit verkörperten Assistenten.
