Start Forschung
Worauf das Projekt baut

Forschung

Die Bias-Detektiv:innen stehen auf wissenschaftlichem Fundament, aus der Vorurteils- und der KI-Forschung. Hier finden Sie die wichtigsten Befunde, ohne Fachjargon und mit Angabe, woher jede Zahl stammt.

Drei Kinder schauen gemeinsam auf ein Tablet
Illustration: Nadine Roßa

Vier Zahlen, die alles zusammenfassen

87 %
der Elfjährigen kennen gesellschaftlich verbreitete Vorurteile
Mit 5 Jahren: 1 %
34,7 %
Fehlerrate einer Gesichtserkennung bei Frauen mit dunklem Hautton
Bei hellem Hautton: 0,3 %
18 %
der Kinder halten KI für ein Wesen mit eigenen Gefühlen
5./6. Klasse, 12 bis 13 Jahre
44 %
der Kinder erklären Bias mit den Trainingsdaten, nach dem Unterricht
4. und 7. Klasse · vorher 7 %

Wo möchten Sie einsteigen?

Jedes Kapitel steht für sich und ist in etwa fünf Minuten gelesen. Die Reihenfolge ergibt eine Argumentationslinie, Sie können aber überall beginnen.

Wie wir mit den Quellen umgehen

Alle Zahlen auf diesen Seiten stammen aus den Volltexten der genannten Arbeiten, nicht aus Zusammenfassungen. Jede Angabe wurde gegen die Originaltabelle geprüft. Wo eine Studie eine Aussage nicht hergibt, steht das ausdrücklich dabei, und wo eine Zahl nur für einen bestimmten Fall gilt, wird das benannt statt verallgemeinert.

Am Ende jedes Kapitels finden Sie die vollständigen Literaturangaben. Ein Hinweis zur Sprache: Wir vermeiden Begriffe, die Menschen über ein Körpermerkmal festlegen. Wo Studien nach Hautton klassifizieren, schreiben wir das auch so.

Weitere verwendete Literatur

Diese Arbeiten liegen dem Projekt insgesamt zugrunde und werden an verschiedenen Stellen der Webseite herangezogen. Die kapitelspezifischen Quellen stehen jeweils am Ende der Unterseiten.

Beelmann, A., & Heinemann, K. S. (2014). Preventing prejudice and improving intergroup attitudes. Journal of Applied Developmental Psychology, 35(1), 10–24.

Caliskan, A., Bryson, J. J., & Narayanan, A. (2017). Semantics derived automatically from language corpora contain human-like biases. Science, 356(6334), 183–186.

Carrisi, M. C., Marras, M., & Vergallo, S. (2025). A structured unplugged approach for foundational AI literacy in primary education. arXiv:2505.21398.

Druga, S., et al. (2019). Inclusive AI literacy for kids around the world. FabLearn 2019, 104–111.

KMK (2018). Demokratie als Ziel, Gegenstand und Praxis. Beschluss der Kultusministerkonferenz.

Mehrabi, N., et al. (2021). A survey on bias and fairness in machine learning. ACM Computing Surveys, 54(6).

Meltzoff, A. N., & Gilliam, W. S. (2024). Young children & implicit racial biases. Daedalus, 153(1), 65–83.

Solyst, J., et al. (2024). Children's overtrust and shifting perspectives of generative AI. ICLS 2024.

SWK (2024). Demokratiebildung als Auftrag der Schule. Bonn: Ständige Wissenschaftliche Kommission der KMK.

van Deth, J. W., Abendschön, S., & Vollmar, M. (2011). Children and politics. Political Psychology, 32(1), 147–174.

Ein großer Teil der ausgewerteten Arbeiten ist frei zugänglich (Open Access). Wenn Sie eine bestimmte Studie im Volltext suchen oder Material für eine Fortbildung brauchen, schreiben Sie uns gern: team@netzwerk-diklusion.de