Der Gender AI Gap: „KI wird zur Schlüsselressource – aber Männer und Frauen nutzen sie nicht gleich“

Mit der rasanten Verbreitung von Künstlicher Intelligenz in der Arbeitswelt entsteht eine neue Lücke zwischen den Geschlechtern: der Gender AI Gap. Dies zeigt eine aktuelle Studie des IAB, die in Zusammenarbeit mit der Initiative D21 entstanden ist, Deutschlands größtem gemeinnützigen Netzwerk für die digitale Gesellschaft. Der Studie zufolge nutzen Frauen KI deutlich seltener und weniger intensiv nutzen als Männer – selbst bei vergleichbaren Voraussetzungen. Warum das so ist, welche Rolle Netzwerke und Wahrnehmungen spielen, und an welchen Stellschrauben Politik und Betriebe jetzt ansetzen müssen, erläutern die Autorinnen der Studie im Interview.

Der Gender Pay Gap ist den meisten Menschen inzwischen ein Begriff. Sie prägen nun einen neuen: Den Gender AI Gap. Können Sie kurz erklären, was Sie darunter verstehen?

Dr. Katharina Diener ist Referentin der Institutsleitung im IAB.

Katharina Diener: Der Gender AI Gap beschreibt die messbare Lücke zwischen Frauen und Männern in der Nutzung von KI-Anwendungen. In unserer Studie mit über 4.800 Personen im erwerbsfähigen Alter sehen wir deutlich: Frauen nutzen KI seltener und weniger intensiv als Männer. Der Abstand beträgt 16 Prozentpunkte. Spannend wird es, wenn man genauer hinschaut: Selbst, wenn wir alle wichtigen Einflussfaktoren herausrechnen, wie Alter, Bildung, Einkommen, beruflicher und betrieblicher Kontext, Einstellungen und Kompetenzen, bleibt eine Lücke von 8 Prozentpunkten.

Dr. Carola Burkert ist wissenschaftliche Mitarbeiterin im regionalen Forschungsnetz des IAB.

Carola Burkert: Der Gender AI Gap ist also kein Zufall und kein individuelles Phänomen, sondern ein strukturelles Muster. Und die Erfahrung mit anderen Ungleichheiten am Arbeitsmarkt lehrt uns: Solche Lücken schließen sich nicht so einfach. Ohne gezielte Gegenmaßnahmen wird sich der Gender AI Gap nicht von selbst auflösen.

Der Gender AI Gap zeigt sich am stärksten dort, wo KI besonders intensiv genutzt wird

Was macht den Gender AI Gap für die Gleichstellung auf dem Arbeitsmarkt so relevant?

Sandy Jahn ist Referentin für Strategic Insights & Analytics bei der Initiative D21 e.V.

Sandy Jahn: KI ist dabei, zu einer zentralen Arbeitsressource zu werden, vergleichbar mit dem Internetzugang vor zwanzig Jahren. Wer KI routiniert einsetzt, arbeitet produktiver, erweitert seine Handlungsspielräume und verbessert ganz konkret seine Chancen auf Aufstieg und ein höheres Einkommen. Umgekehrt gilt aber auch, wer KI nicht nutzt, fällt im direkten Leistungsvergleich zurück.

Dr. Britta Matthes leitet die Forschungsgruppe „Berufe in der Transformation“ am IAB.

Britta Matthes: Besonders kritisch sehen wir: Der Gender AI Gap zeigt sich am stärksten dort, wo KI besonders intensiv genutzt wird. Also genau dort, wo KI nicht nur gelegentlich ausprobiert, sondern strategische, kreative und wirtschaftlich relevante Effekte entstehen. Genau hier sind Frauen aktuell deutlich unterrepräsentiert.

Jahn: Hier befürchten wir Folgen, die über das Individuelle hinausgehen. Fehlen Frauen in diesen Prozessen, fließen ihre Perspektiven seltener in die Gestaltung KI-gestützter Arbeitsumgebungen ein. In der Folge können sich Ungleichheiten bei Karrierechancen und Einkommensentwicklung verfestigen, und es steigt das Risiko, dass der Einsatz von Technologien einseitig gestaltet wird. Der Gender AI Gap ist damit also keine reine Gleichstellungsfrage, sondern eine strategische Herausforderung für Innovationskraft und gesellschaftliche Teilhabe.

In der Gen Z+ nutzt etwa jeder zweite junge Mann KI intensiv, aber nicht einmal jede dritte junge Frau

Frau Burkert, Sie haben die Sozialstruktur der befragten Männer und Frauen analysiert. Man könnte vermuten: Je jünger, desto digitaler – und desto kleiner die Lücke zwischen Frauen und Männern. Ihre Studie zeigt aber das Gegenteil. Wie erklären Sie das?

Burkert: Zum einen steigen Männer sehr viel früher und intensiver in KI ein. In der Gen Z+ nutzt etwa jeder zweite junge Mann KI intensiv, aber nicht einmal jede dritte junge Frau. Das ist ein Abstand von fast 20 Prozentpunkten. Ein Grund dafür ist, dass junge Männer sich häufiger in technikaffinen Kontexten bewegen, in denen KI ganz selbstverständlich eingesetzt wird. Zum anderen verstärken informelle Netzwerke gerade bei Jüngeren die Unterschiede. Männer profitieren deutlich stärker von technikbezogenen Freundeskreisen und Communitys. Frauen haben zu diesen Netzwerken seltener Zugang. Gleichzeitig greifen formale Lernangebote in dieser Altersgruppe noch wenig. So entstehen sehr früh Nutzungsvorsprünge, die sich schnell verfestigen.

Auch Bildung und Einkommen scheinen die Lücke nicht zu schließen. In Ihrer Studie ist der Gap bei höheren Ressourcen sogar größer. Was steckt dahinter?

Burkert: Im Wesentlichen sehe ich hier drei Mechanismen. Erstens wirkt höhere Bildung asymmetrisch. Männer profitieren stärker von höheren Bildungsabschlüssen, weil sie häufiger in KI‑affinen Berufen arbeiten. Frauen dagegen bleiben trotz hoher Qualifikationen häufiger in Tätigkeiten, in denen KI weniger sichtbar oder weniger strategisch eingebettet ist. Zweitens verstärkt ein steigendes Einkommen die bestehende Nutzungsvorsprünge. Mit höheren Einkommen steigen bei Männern die KI-Anwendungswahrscheinlichkeiten deutlich stärker als bei Frauen. Die, die ohnehin schon vorne sind, bauen ihren Vorsprung also weiter aus. Und drittens spielen informelle Lernnetzwerke wieder eine zentrale Rolle. Männer profitieren stark von technikaffinen Peers. Frauen haben seltener Zugang zu solchen Unterstützungsstrukturen. Diese Dynamik verstärkt selbst bei hohen Ressourcen die Unterschiede.

Für Analysetätigkeiten setzen Frauen häufiger als Männer KI-Tools ein; bei Planungstätigkeiten setzen Männer KI hingegen viel häufiger ein

Frau Matthes, Ihre Analysen als Berufsexpertin zeigen: Wer im Handwerk arbeitet, nutzt KI selten – wer kreativ arbeitet, häufiger. Das ist erstmal wenig überraschend. Aber reicht das Tätigkeitsfeld als Erklärung auch aus, wenn es um Geschlechterunterschiede geht?

Matthes: Die berufliche Tätigkeit bestimmt schon darüber mit, ob KI bei der Arbeit genutzt wird. Handwerkliche Tätigkeiten bestehen ja zu einem großen Teil aus Tätigkeiten, die – wie ja schon der Begriff sagt – mit den Händen erledigt werden müssen. Auch wenn Roboter schon ein paar dieser Aufgaben übernehmen können, ist im Handwerk häufig eine spezifische Kombination aus Mobilität, Fingerfertigkeit und situativer Anpassung, zum Beispiel bei engen Ecken oder unebenen Untergründen, nötig, um die anfallenden Arbeiten erledigen zu können. Technisch kann das KI noch nicht übernehmen. KI kann eher in kontrollierten, digitalen Umgebungen, also bei der Planung, flexiblen Steuerung oder Dokumentation zum Einsatz kommen; auch im Handwerk. Da wo Texte, Bilder und Programmcode erstellt und bearbeitet wird, ist der Anteil der Arbeit, der von KI-Tools übernommen werden kann, deutlich höher.

Aber spannend ist, dass die Geschlechterunterschiede in den Tätigkeitsfeldern sehr unterschiedlich sind. Für Analysetätigkeiten setzen Frauen sogar häufiger als Männer KI-Tools ein; Lehrerinnen und Lehrern nutzen KI nahezu gleich häufig und intensiv; und bei Planungstätigkeiten setzen Männer KI viel häufiger ein als Frauen. Das heißt, es muss weitere Gründe als die berufliche Tätigkeit geben, die erklären, warum Frauen KI seltener nutzen als Männer.

Um eine gleichberechtigte KI-Nutzung von Frauen und Männern zu erreichen, müssen Betriebe die KI-Nutzung aktiv implementieren

Würde es reichen, Männern und Frauen in den Betrieben einfach nur gleich guten Zugang zu digitalen Geräten und Infrastruktur zu geben?

Matthes: Nein. Männer nutzen KI sogar stärker, wenn Betriebe lediglich die Möglichkeit geben, bei der Arbeit digitale Geräte und Infrastruktur nutzen zu können. Um eine gleichberechtigte KI-Nutzung von Frauen und Männern zu erreichen, müssen Betriebe die KI-Nutzung aktiv implementieren. Unsere Studie zeigt, wenn Betriebe KI-Anwendungen einsetzen oder erproben und entsprechende Weiterbildungsangebote machen, verschwindet der Gender AI Gap. Aktiv implementieren bedeutet: Es darf den Beschäftigten nicht alleine überlassen bleiben, inwieweit sie KI bei der Erledigung von Aufgaben einsetzen.

Was braucht es auf Organisationsebene noch, damit KI-Nutzung für beide Geschlechter zur Routine wird?

Matthes: Betriebe müssen, um Akzeptanz und Vertrauen in solche Systeme herzustellen, zuallererst klare Richtlinien für die Systemgestaltung, insbesondere für den Umgang mit Unternehmens- und Kundendaten in KI-Anwendungen formulieren. Das baut Hemmnisse ab und setzt gleichzeitig Grenzen! Grundlegende Schulungen darüber, was KI überhaupt ist und wie sie im jeweiligen Geschäftsbereich typischerweise zum Einsatz kommt, sind eine gute Grundlage, um sich einen ersten Eindruck über die Einsatzmöglichkeiten im eigenen Arbeitsumfeld zu verschaffen. Dabei sollte auf Angebote gesetzt werden, die gendersensibel mit den unterschiedlichen Ausgangssituationen und Bedürfnissen umgehen. Um gleichberechtigte Teilhabe von Frauen und Männern zu erreichen, sollten KI-Schulungen zum Beispiel explizit während der Arbeitszeit angeboten werden, nicht als Abendveranstaltung.

Können Sie das an einem konkreten Beispiel festmachen: Was tut ein Betrieb, der es richtig macht?

Matthes: Es gibt dazu kein allgemeingültiges Rezept. In kleinen Betrieben läuft so etwas meist informell ab: Allein dadurch, dass die Betriebsleitung anerkennt, dass die Nutzung von KI insbesondere die Büroarbeit aufwertet, kann sich die betriebsinterne Anerkennungskultur für Arbeit, die mehrheitlich von Frauen erledigt wird, verändern. Wichtig ist, dass erprobt und geübt werden kann, welche ganz konkrete Arbeitsaufgabe mit Hilfe des jeweiligen KI-Tools bearbeitet und wie die Qualität der Ergebnisse erhöht werden kann. Wenn Frauen dazu mit anderen Frauen im gleichen Betätigungsfeld miteinander in Austausch kommen, hilft das, Barrieren abzubauen. Dabei sollte auch geschult werden, wie die Ergebnisse nachvollziehbar und damit reproduzierbar werden; zum Beispiel indem man KI-Modellen beibringt, zu erläutern, wie es zu dem jeweiligen Ergebnis gekommen ist. Kurzum geht es um anwendungsbezogene Lernangebote.

Das Nutzenversprechen wirkt als Brücke über die Geschlechterlücke

Frau Jahn, Sie haben untersucht, was Menschen dazu bringt, KI überhaupt auszuprobieren. Was ist der stärkste Antrieb – und unterscheidet der sich bei Frauen und Männern?

Jahn: Der stärkste Antrieb zur KI-Nutzung ist ganz klar der konkrete persönliche Mehrwert. In unserer Studie zeigt sich das besonders deutlich an der Freude darauf, dass KI einfache, monotone Arbeitsaufgaben übernehmen könnte: Wer das erwartet, nutzt KI mit einer um 30 Prozentpunkte höheren Wahrscheinlichkeit. Entscheidend ist: Das gilt für Frauen und Männer gleichermaßen. Das Nutzenversprechen wirkt also als Brücke über die Geschlechterlücke, der Gender AI Gap ist hier nicht mehr signifikant.

Ganz anders verhält es sich mit Angst als Motivator. Die Sorge, durch KI im eigenen Job überflüssig zu werden, steigert die KI-Nutzung nur bei Männern signifikant. Bei Frauen hat diese diffuse Bedrohungswahrnehmung keinen vergleichbaren Effekt. Männer reagieren auf Verlustangst also eher mit Aktivierung, Frauen nicht. Hier öffnet sich eine deutliche Geschlechterlücke. Daraus folgt für uns eine klare Empfehlung: Wer KI-Nutzung breit fördern will, sollte nicht auf Angstnarrative setzen, sondern auf konkrete Entlastungsszenarien im Arbeitsalltag.

Frauen werden vor allem dann zur Nutzung motiviert, wenn sie einen konkreten Vorteil erkennen

Sie haben auch die digitale Resilienz der Befragten gemessen. Also, ob sie den digitalen Wandel gelassen annehmen, sich gut darin verorten und nicht überfordert fühlen. Man könnte nun annehmen, digital resiliente Personen nutzen mehr KI. Ihre Studie zeigt das Gegenteil, zumindest bei Frauen. Was passiert da?

Jahn: Das ist tatsächlich einer der überraschendsten Befunde unserer Studie. Intuitiv würde man tatsächlich erwarten, dass resiliente Personen KI häufiger nutzen. Bei Männern sehen wir aber weder einen positiven noch einen negativen Effekt. Und bei Frauen dreht sich das Bild sogar um: Resiliente Frauen nutzen KI seltener als nicht-resiliente Frauen. Das führt dazu, dass der Gender AI Gap unter resilienten Personen deutlich wächst – von 1 auf 12 Prozentpunkte.

Warum das so ist, konnten wir mit den vorliegenden Daten nicht kausal klären. Aber es gibt plausible Erklärungen. Eine aktuelle Studie von Sophie Borwein und Kollegen zeigt, dass Frauen KI systematisch als risikoreicher bewerten als Männer – und dass diese Einschätzung mit einer stärkeren Risikoaversion zusammenhängt. Es ist denkbar, dass resiliente Frauen, die Veränderungen besonders reflektiert begegnen, Nutzen und Risiken von KI kritischer abwägen und häufiger zu dem Schluss kommen, dass der persönliche Mehrwert für sie nicht gegeben ist – zumindest noch nicht. Das passt auch zu einem anderen Befund unserer Studie: Frauen werden vor allem dann zur Nutzung motiviert, wenn sie einen konkreten Vorteil erkennen. Fehlt dieses Nutzenversprechen, reicht Offenheit gegenüber dem digitalen Wandel allein nicht aus.

Ähnlich wie beim Gender Pay Gap drohen sich diese Muster ohne gezielte Intervention strukturell zu verfestigen

Frau Diener, der Gender Pay Gap ist ja seit Jahrzehnten trotz Maßnahmen sehr hartnäckig. Erleben wir gerade, wie ein zweiter Graben entsteht, bevor der erste geschlossen ist?

Diener: Diese Sorge ist durchaus berechtigt. Die Ergebnisse unserer IAB-Studien zu dem Thema lassen mich dabei auch nicht unberührt. In meiner Promotion habe ich mich intensiv damit beschäftigt, wie Betreuungsarrangements und die innerhäusliche Arbeitsteilung das Erwerbsverhalten von Frauen prägen. Was sich dort gezeigt hat, gilt im Kern auch hier: Strukturelle Ungleichheiten entstehen nicht durch einzelne Entscheidungen. Sie sind das Ergebnis eines Zusammenspiels von institutionellen Rahmenbedingungen, sozialen Normen und betrieblichen Logiken. Diese Dynamik sehe ich auch beim Gender AI Gap.

Unsere Daten geben der Sorge zusätzlich Gewicht: Wie schon von Carola Burkert angemerkt, nutzt in der Gen Z+ jeder zweite Mann KI intensiv – aber nicht einmal jede dritte Frau. Ausgerechnet dort, wo die digitale Arbeitswelt von morgen entsteht, vergrößert sich also die Lücke. Und ähnlich wie beim Gender Pay Gap drohen sich diese Muster ohne gezielte Intervention strukturell zu verfestigen. Der Unterschied ist aber: Wir wissen heute frühzeitig Bescheid – und wissen auch, an welchen Stellschrauben gedreht werden muss.

Was sind denn die wichtigsten Stellschrauben, an denen die Politik jetzt drehen müsste, um den Gender AI Gap zu verringern?

Diener: Drei Ansatzpunkte stechen aus unseren Befunden besonders hervor. Erstens: Weiterbildung wirkt, und zwar geschlechtsspezifisch unterschiedlich. Frauen profitieren bei intensiver Nutzung überdurchschnittlich stark von arbeitgeberfinanzierten Qualifizierungsangeboten. Dort, wo solche Angebote greifen, schrumpft die Lücke bei intensiver KI-Nutzung auf einen Prozentpunkt. Zweitens: KI im Betrieb darf nicht dem Zufall überlassen bleiben. Betriebe müssen KI aktiv und strukturiert für alle implementieren. Denn dort, wo KI systematisch eingesetzt wird, verliert der Gender AI Gap an statistischer Bedeutung. Drittens: Die Kommunikation sollte stärker auf den konkreten Nutzen setzen. Die Erwartung, dass KI monotone Aufgaben abnimmt, ist der stärkste Treiber für deren Nutzung, bei Frauen wie bei Männern gleichermaßen.

Deutschland zählt zu den Schlusslichtern, was weibliche Repräsentation im KI‑Sektor betrifft

Deutschland ist nicht das einzige Land, das dieses Thema umtreibt. Wie stehen wir beim Gender AI Gap im internationalen Vergleich da?

Burkert: Nicht besonders gut. Global zeigen Studien etwa aus Harvard, dass die Genderlücke in der Nutzung generativer KI nahezu überall besteht – unabhängig von Region, Branche oder Beruf. Man könnte sagen, sie gilt als fast universell. Im europäischen Vergleich fällt Deutschland dabei jedoch zusätzlich zurück: Nur rund 20 Prozent der KI‑Fachkräfte bei uns sind Frauen – das ist einer der niedrigsten Werte in der EU. Länder wie Schweden liegen deutlich höher, Deutschland hingegen zählt zu den Schlusslichtern, was weibliche Repräsentation im KI‑Sektor betrifft. Kurz gesagt: Während der Gender AI Gap weltweit ein strukturelles Problem ist, zeigt Deutschland im europäischen Kontext eine besonders ausgeprägte Unterrepräsentation. Darin sehen wir ein echtes Risiko für Wettbewerbsfähigkeit und Gleichstellung.

Eine letzte Frage: Nutzen Sie selbst KI bei Ihrer Arbeit – und falls ja: Hat das Ihre Sicht auf den Forschungsgegenstand verändert?

Jahn: Ja, ich nutze KI regelmäßig in meiner Arbeit. Und ich kann unsere Studienergebnisse aus eigener Erfahrung bestätigen: Der stärkste Antrieb ist für mich der konkrete Mehrwert. Was sich durch meine eigene Nutzung verändert hat, ist vor allem ein realistischeres Bild davon, was KI kann und was nicht. Ich setze sie heute deutlich selektiver ein als zu Beginn. Dieses Bewusstsein für die Grenzen der Technologie hat meine Effizienz erhöht, weil ich weniger Zeit damit verbringe, fehlerhafte oder unbrauchbare Ergebnisse nachzuarbeiten. Gleichzeitig hat mir die Erfahrung gezeigt, wie sehr es auf fachliches und methodisches Wissen ankommt, um KI-Ergebnisse überhaupt bewerten und sinnvoll einordnen zu können. All das ist Wissen, das erst durch aktive Auseinandersetzung mit der Technologie entsteht, nicht durch bloßes Darüberlesen. Und genau hier schließt sich der Kreis zu unseren Forschungsergebnissen: Wer KI nicht nutzt, baut dieses Erfahrungswissen nicht auf, kann den Mehrwert dieser Technologie schlechter einschätzen und weniger davon profitieren.

Literatur

Burkert, Carola; Diener, Katharina; Jahn, Sandy; Matthes, Britta (2026): Digital Gender Gap. Schwerpunkt 2026: Künstliche Intelligenz. Herausgeber: Initiative D21 e. V. und Institut für Arbeitsmarkt- und Berufsforschung (IAB).

doi: 10.48720/IAB.FOO.20260423.01