Projekt

Gewaltschutz im digitalen Zeitalter erfordert neue, umfassende Ansätze. D-SAFE untersucht digitale Gewalt und strukturelle Diskriminierung durch KI systematisch und entwickelt praxistaugliche Schutz- und Interventionsstrategien.

Hintergrund & Relevanz

Digitale Technologien und KI-gestützte Systeme verändern nicht nur die zwischenmenschliche Kommunikation, sondern auch, wie Gewalt ausgeübt, erfahren und wahrgenommen wird. Technikvermittelte Formen digitaler Gewalt – etwa Deepfakes, geschlechtsfeindliche Desinformation oder algorithmisch gesteuerte Diskriminierung – betreffen zunehmend Frauen sowie trans-, nicht-binäre und queere Personen. Diese Gewaltformen sind subtil, wirken langfristig und sind bislang nur unzureichend sichtbar oder reguliert.

Gleichzeitig bergen digitale Systeme neue Risiken struktureller Diskriminierung: Verzerrungen in Trainingsdaten, fehlende Repräsentationen (Gender Data Gap) oder stereotype Modelle können bestehende Ungleichheiten nicht nur abbilden, sondern verstärken.

Ein besonders sensibler Bereich ist der Arbeitsplatz: Automatisierte HR-Systeme bestimmen zunehmend Auswahl-, Bewertungs- und Entwicklungsprozesse, während digitale Medien neue Gewaltformen wie Cybermobbing, Deepfakes oder gezielte Reputationsschädigung ermöglichen.

Forschungslücke: Die meisten Studien zu digitaler Gewalt und algorithmischer Diskriminierung stammen aus dem angloamerikanischen Raum. Für den deutschen Arbeitskontext fehlen belastbare empirische Daten, genau hier setzt D-SAFE an.

Wissenslücken, die D-SAFE adressiert

  • Fehlen empirischer Studien zu digitaler Gewalt am Arbeitsplatz in Deutschland
  • Mangel an forschungsgestützten Erkenntnissen, wie Beschäftigte reagieren
  • Hoher Bedarf an praxisnahen, handlungsorientierten Instrumenten
  • Fehlen gender-disaggregierter Trainingsdaten

Open Science

D-SAFE folgt den FAIR-Data-Prinzipien und einem konsequenten Open-Science-Ansatz. Unsere Daten stellen wir, soweit ethisch vertretbar, über Plattformen wie BERD@NFDI oder OSF der Allgemeinheit zur Verfügung. Durch die Bereitstellung gender-disaggregierter Daten trägt das Projekt aktiv zur Reduzierung des Gender Data Gap bei.