Ableismus im Neonwald

Wie KI Gesichter glättet, Brillen löscht, Körper sexualisiert

Fragmentierte Beobachtungen

— Normkörper im Datensatz —
— Brillen verschwinden im Render —
— Umschlag verliert sein Siegel —
— Roboterbrust glänzt übertrieben —
— Neutralität verlernt, Muster gelernt —
— Algorithmus schweigt, Ästhetik schreit —

Zwischenruf: Eric Email ohne Brille

— Glätte frisst Identität —
— Sehschwäche wird nicht modelliert —
— Gesicht wird zur Collage —
— Papierkörper bleibt glaubwürdiger —

Zwischenruf: Neon-Cyborg im Bambus

— Meditierend, aber sexualisiert —
— Androgynie im Prompt verschluckt —
— Körper als Werbeästhetik —
— Geschlechtsneutralität = unsichtbar —

Protokoll der Filter

— Weights gewichten Normen —
— Bias trainiert Vorurteile —
— Layer stapeln Ästhetik —
— Loss minimiert Abweichung —
— Aktivierung = Übertreibung —
— Backpropagation des Schönheitsideals —

Meta-Fragment

Maschine träumt glatter als wir.

Akademische Ausarbeitung

Die Beobachtung, dass KI-Bildmodelle Brillen „vergessen“, Gesichter glätten und Körper sexualisieren, verweist auf eine systematische Einschreibung normativer Ästhetiken in Trainingsdaten. Studien zu Datensätzen belegen, dass Minoritäten und abweichende Körperbilder in den gängigen Bildquellen stark unterrepräsentiert sind (Gebru et al., 2021). Diese Unsichtbarkeit schlägt sich in den generierten Bildern nieder: Ableismus wird algorithmisch fortgeschrieben, indem Behinderung gar nicht erst modelliert wird (Garland-Thomson, 1997).

Die Übertreibung von Weiblichkeit folgt aus einer Datenbasis, die Bilder sexualisierter, standardisierter Körper überrepräsentiert. Noble (2018) zeigt in ihrer Analyse algorithmischer Suchmaschinen, dass stereotype Repräsentationen von Frauen nicht nur erhalten, sondern systematisch verstärkt werden. Übertragen auf Bildmodelle bedeutet dies: Die Maschine „lernt“ aus pornographisch und werbeästhetisch dominierten Quellen, wodurch Neutralität oder Androgynie verschluckt werden.

In soziologischer Perspektive verweist dies auf Bourdieu (1984), der den Zusammenhang zwischen kulturellem Kapital, Geschmack und Distinktion herausarbeitet. Wenn KI-Bildmodelle standardisierte Attraktivitätsnormen reproduzieren, dann ist dies kein „Fehler“, sondern die Verlängerung sozialer Distinktionsmechanismen im digitalen Raum.

Damit zeigt sich ein paradoxes Moment: Während KI als „neutral“ beworben wird, reproduziert sie mit hoher Präzision gesellschaftliche Normierungen. Die technischen Prozesse (Weights, Bias, Loss) erscheinen dabei mythologisch aufgeladen: ein „Pantheon“ von Normalität, das Abweichung als statistischen Verlust behandelt und Schönheit als systematische Minimierung von Differenz begreift.

Quellen

• Bourdieu, P. (1984). Distinction: A social critique of the judgement of taste. Harvard University Press.
  https://doi.org/10.4159/9780674030206

• Garland-Thomson, R. (1997). Extraordinary bodies: Figuring physical disability in American culture and literature. Columbia University Press.

• Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., Daumé III, H., & Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86–92.
  https://doi.org/10.1145/3458723

• Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. NYU Press.
  https://doi.org/10.18574/nyu/9781479833641.001.0001

Meta: Normen verfestigt, Brillen gelöscht, Körper verzerrt.