Startseite/Mina Saidze: “Algorithmen können diskriminieren”

Mina Saidze: “Algorithmen können diskriminieren”

2020-06-22T09:05:13+02:0016. Juni 2020|

Eigentlich wollte Mina Saidze die Welt ret­ten – oder sie wenig­stens ein biss­chen bess­er machen. Als Teenagerin träumte sie davon, als Inves­tiga­tivjour­nal­istin poli­tis­che Intri­gen aufzudeck­en oder in ein­er Hil­f­sor­gan­i­sa­tion Entwick­lung­spro­jek­te voranzutreiben. Heute arbeit­et die Tochter poli­tis­ch­er Aktivis­ten aus dem Iran und Afghanistan als Data Ana­lyst – und hat ihre Mis­sion gefun­den: mehr Diver­si­ty in Tech! Sie will mehr Frauen für Date­n­analyse und kün­stliche Intel­li­genz (KI) begeis­tern. Dafür hat sie Anfang des Jahres das Berlin­er Büro der inter­na­tionalen Organ­i­sa­tion „Women in Data“ gegrün­det. Im Courage-Inter­view spricht sie darüber, wie man den eige­nen Klei­der­schrank zum Übung­sob­jekt für Data Sci­ence nutzt, wieso Algo­rith­men diskri­m­inieren kön­nen und warum es gut ist, nicht immer über­all reinzu­passen.

Von Astrid Zehbe

Data Ana­lyt­ics – da denken die meis­ten an fürchter­lich lange Excel-Tabellen, Dia­gramme und kom­plizierte Formeln. Was bedeuten Dat­en für Dich?
Mina Saidze: Ich liebe Dat­en. Dat­en sind super. Sie sind uni­versell und nicht geografisch gebun­den. Mit ihnen lassen sich Prob­leme erken­nen, Phänomene ver­ste­hen und Entwick­lun­gen vorher­sagen, auf deren Basis man Lösun­gen erar­beit­en kann. Dat­en sind viel mehr als nur Zahlen und ich liebe es, wie vielfältig ich als Data Ana­lyst arbeit­en kann – ich bin Reini­gungskraft, Logis­tik­erin, Kün­st­lerin und vieles mehr.

Inwiefern?
Daten­sätze sind sel­ten sauber. Das heißt, sie enthal­ten Daten­fehler, die man kor­rigieren oder ent­fer­nen muss. Diese Bere­ini­gung kostet viel Zeit, ist aber unwahrschein­lich wichtig für die Aus­sagekraft der Dat­en. Ich befördere diese Dat­en dann von A nach B beziehungsweise von einem Anwen­dung­sprozess zum näch­sten – das erfordert logis­tis­ches Geschick. Die Date­nauswer­tung und ihre Inter­pre­ta­tion ist wiederum ein sehr kreativ­er Prozess, es ist wie ein Gemälde zu erschaf­fen mit all den Daten­ma­te­ri­alien, die einem zur Ver­fü­gung ste­hen.

„Die Fähigkeit zu haben, Daten nutzbar zu machen, ist ein Werkzeug“

Warst Du schon in der Schule ein Zahlen-Nerd?
Gar nicht. Ich wollte eigentlich immer Inves­tiga­tivjour­nal­istin wer­den oder aber in der Entwick­lungsar­beit tätig sein. Meine Eltern waren poli­tis­che Aktivis­ten im Iran und in Afghanistan. Mir war es immer wichtig dazu beizu­tra­gen, dass die Welt ein besser­er Ort wird. Nach meinem Abi bin ich darum für ein Jahr nach Tansa­nia gegan­gen und habe im Rah­men eines Frei­willi­gen­pro­jek­ts Solaran­la­gen auf Däch­ern mon­tiert. Zurück in Deutsch­land habe ich begonnen, Sozial­wis­senschaften zu studieren. Als ich eine Vor­lesung in Ökonome­trie besuchte, wusste ich: Das ist es! Die Fähigkeit zu haben, Dat­en nutzbar zu machen und sie analysieren und inter­pretieren zu kön­nen, ist ein wichtiges Werkzeug mit viel Gestal­tungsmöglichkeit­en. Genau das war es, was ich wollte.

Du hast dann das Stu­di­en­fach gewech­selt?
Ja, ich habe mich für Volk­swirtschaft eingeschrieben und habe während meines Studi­ums die Berlin­er Dig­i­tal­szene erkun­det. Ich kon­nte mich dort super ver­net­zen, habe viel gel­ernt und natür­lich erste Beruf­ser­fahrun­gen gesam­melt – erst in den Medi­en, wo ich vor allem im Bere­ich Data Ana­lyt­ics tätig war, seit Anfang des Jahres arbeite ich nun als Data Ana­lyst beim Online-Ver­gle­ich­sportal ide­alo.

„Die hohe Männerquote ist beunruhigend“

Was genau ist dort Deine Auf­gabe?
Bei ide­alo arbeite ich mit einem inter­diszi­plinären Team an Daten­pro­duk­ten, welche wir Marken­part­nern anbi­eten. Meine Vorge­set­zte kommt aus der Berlin­er Grün­der­szene und mein Kol­lege hat als Data Sci­en­tist für ein Ham­burg­er Fin­tech gear­beit­et. Das Tolle an der Auf­gabe ist, dass wir als Inku­ba­tor an der Schnittstelle von Pro­duk­t­man­age­ment und Data Ana­lyt­ics tätig sind. Wir sind qua­si ein Start-up im ide­alo-Ökosys­tem mit dem Ziel, aus den Dat­en Mehrw­ert für unsere Part­ner zu gener­ieren.

Anfang des Jahres hast Du nicht nur Deinen Job gewech­selt, Du hast auch das Berlin­er Büro von Women in Data gegrün­det, das erste sein­er Art in ganz Europa. Was macht Women in Data?
Women in Data ist eine inter­na­tionale Organ­i­sa­tion mit mehr als 9000 Mit­gliedern weltweit. Unser Ziel ist es, Diver­sität in allen datengetriebe­nen The­men und Berufs­feldern zu fördern. Bis­lang ist die Branche näm­lich sehr männlich dominiert. Ein­er Studie der Boston Con­sult­ing Group aus dem Jahr 2019 zufolge sind weniger als ein Drit­tel der Frauen in Berufen rund um Big Data tätig. Das erschreckt mich und beun­ruhigt mich auch sehr.

Dass die Män­nerquote sehr hoch ist, war ja fast zu erwarten. Aber was genau beun­ruhigt Dich?
Es hat erhe­bliche Kon­se­quen­zen zur Folge: Kün­stliche Intel­li­genz, die ja von Dat­en lebt, kann frauen­feindlich oder ras­sis­tisch sein, wenn der Algo­rith­mus dahin­ter nicht diskri­m­inierungs­frei trainiert wird. Aktuell wer­den Tech­nolo­gien von weitest­ge­hend männlich dominierten Teams entwick­elt, sodass zum Beispiel bei dig­i­tal­en Assis­ten­ten geschlechtsspez­i­fis­che Vorurteile widerge­spiegelt wer­den. Darum ist es so wichtig, dass sich in Berufs­feldern wie Advanced Ana­lyt­ics, Data Sci­ence und Machine Learn­ing mehr Frauen find­en.

„Der Fokus liegt auf Gemeinschaft statt Wettbewerb“

Klingt nach ein­er Her­aus­forderung, wenn man bedenkt, dass die meis­ten tech­nis­chen Branchen eher von Män­nern dominiert wer­den.
Es ist zunächst ein­mal wichtig, Bewusst­sein zu schaf­fen und all die The­men, die um Big Data und kün­stliche Intel­li­genz kreisen, als Chance zu sehen. Bis­lang wird in erster Lin­ie der ökonomis­che Nutzen betra­chtet – das ist aber eine sehr ein­seit­ige Sicht. Data Sci­ence kann einen Beitrag zur Gle­ich­stel­lung der Geschlechter leis­ten – eben dann, wenn Algo­rith­men nicht (mehr) diskri­m­inieren.

Das hätte dann ja auch einen ökonomis­chen Nutzen.
Auf jeden Fall, schon alleine, weil diese Gen­der oder auch Race Bias in Algo­rith­men zu Imageschä­den von Unternehmen führen. Aber auch unab­hängig davon: Diver­sität ist ein Wet­tbe­werb­s­fak­tor und es ist erwiesen, dass eine niedrige Diver­sität in Teams zu gerin­gerem Out­put führt.

Wie genau fördert Ihr Frauen?
Wir bieten ein­er­seits Förder­pro­gramme für Quere­in­steigerin­nen in Koop­er­a­tion mit Unternehmen an. Ander­er­seits konzen­tri­eren wir uns darauf, den Frauen einen Raum zu bieten, damit sie sich ver­net­zen kön­nen, beispiel­sweise über Meet-ups oder Sym­posien. Unser Fokus liegt auf Gemein­schaft statt auf Wet­tbe­werb.

„Ich kaufe mittlerweile achtsamer“

Wenn ich mich spon­tan entschei­den würde, eine Kar­riere als Data Ana­lyst anzus­treben, kön­ntet Ihr mir dann auch helfen, obwohl ich gar keinen Tech-Hin­ter­grund habe?
Ja, im Prinzip schon. Was zählt, sind Deine Bere­itschaft, Dich richtig reinzu­fuch­sen, und Deine Begeis­terung, die Dich dazu antreibt. In unseren Ver­anstal­tun­gen geht es nicht um bahn­brechende KI, son­dern um Prax­is­beispiele aus dem Unternehmen­sall­t­ag. Unternehmen stellen uns dafür einen Daten­satz mit ein­er Prob­lem­stel­lung zur Ver­fü­gung. Der „New­bie“ – also in dem Fall Du – bear­beit­et das dann unter Anleitung eines Men­tors. Das kann zum Beispiel eine Umsatzprog­nose sein, bei deren Mod­el­lierung Verbesserungs­be­darf beste­ht. Das ist viel bess­er als beispiel­sweise an der Uni, wo man immer schon bere­inigte Daten­sätze bekommt, was in der Prax­is sel­ten der Fall ist. Außer­dem kann man sich sein eigenes Data-Sci­ence-Pro­jekt auch zu Hause suchen, um ein Gefühl dafür zu bekom­men, was man mit Dat­en alles machen kann.

Zum Beispiel?
Ich habe während des Studi­ums meinen Klei­der­schrank sowie mein Kauf- und Tragev­er­hal­ten der Klam­ot­ten ein­mal genau unter die Lupe genom­men. Um den Umgang mit Dat­en an einem Prax­is­beispiel mit Mehrw­ert zu üben: Welche Klei­dungsstücke besitze ich über­haupt? Welche Far­ben und welch­es Mate­r­i­al haben sie? Zu welchen Gele­gen­heit­en ziehe ich was an? Ich habe über einen gewis­sen Zeitraum notiert, wie oft ich welch­es Klei­dungsstück trage, habe alles analysiert und meine Schlüsse daraus gezo­gen.

Was kam raus?
Dass ich zum Beispiel ziem­lich viel Schwarz trage und es auch Klei­dungsstücke gibt, die ich nur sel­ten trage, so kon­nte ich mein Ver­hal­ten anpassen. Das war hil­fre­ich, weil ich mit­tler­weile viel acht­samer einkaufe.

„Man muss nicht immer ins Bild passen“

Woher nimmst Du Deinen Ein­fall­sre­ich­tum und Deine stetige Inspi­ra­tion?
Ich bin jemand, der ständig Neues ler­nen will und sein­er Lei­den­schaft fol­gt. Dazu gehört eine Mis­chung aus Ver­stand und Herz − und eine ordentliche Por­tion Mut. Das habe ich schon früh von meinen Eltern mit­bekom­men – auch dass ich als Frau genau­so wertvoll bin wie ein Mann. Den­noch passte ich als Tochter iranis­ch­er und afghanis­ch­er Ein­wan­der­er nicht so recht ins Bild des neuen Deutsch­lands und hat­te es in der Schule darum nicht ganz ein­fach, was die Akzep­tanz anging. Heute bin ich ganz froh, dass ich nicht reingepasst habe.

Weil es Dich stärk­er gemacht hat?
Ja, es hat mir vor Augen geführt, dass man nicht immer ins Bild passen muss. Es gibt ja auch in Daten­sätzen Aus­reißer. Das ist nor­mal. Die Frage ist, wie man damit umge­ht? Belässt man den Aus­reißer im Daten­satz, um das Phänomen zu ver­ste­hen? Oder wirft man ihn raus, um ein homo­genes Bild zu ver­mit­teln? Ich habe gel­ernt, dass man nir­gend­wo rein­passen muss und trotz­dem seinen Weg gehen kann. Es ist nur wichtig, seine Stimme zu find­en!

Noch mehr Infos für dich

Patrick Dewayne: Gute Tipps für schlechte Zeiten

Auf die harte Tour – so hat der ehe­ma­lige Invest­ment­banker und heutige Wirtschaft­sjour­nal­ist und Schaus­piel­er Patrick Dewayne den Umgang mit Geld gel­ernt. Über sein Wirtschaftswis­sen sowie seine Finanz­mark­ter­fahrung hat er den Rat­ge­ber „Geld kann jed­er & Du jet­zt auch“ geschrieben. Im Inter­view mit Courage erzählt er, welche pos­i­tiv­en Glaubens­grund­sätze und Ratschläge er heute an seine Fre­unde und Fol­low­er, aber auch an seine Kinder weit­ergibt.

„In jeder Frau steckt eine Göttin“

Sara Wragge, 30, ist Grün­derin der Female Empow­er­ment Plat­tform God­dess Tribe. Sie hil­ft vor allem Frauen „direkt an den Wurzeln“. In Courage erk­lärt sie, warum sich ein Invest­ment in die eigene Entwick­lung lohnt, wie die Ernährung das Energielev­el verbessern kann und warum sie so gerne mit Profi­fußballern der ersten Bun­desli­ga arbeit­et.

Buch des Monats

Hinterlassen Sie einen Kommentar

This Is A Custom Widget

This Sliding Bar can be switched on or off in theme options, and can take any widget you throw at it or even fill it with your custom HTML Code. Its perfect for grabbing the attention of your viewers. Choose between 1, 2, 3 or 4 columns, set the background color, widget divider color, activate transparency, a top border or fully disable it on desktop and mobile.

This Is A Custom Widget

This Sliding Bar can be switched on or off in theme options, and can take any widget you throw at it or even fill it with your custom HTML Code. Its perfect for grabbing the attention of your viewers. Choose between 1, 2, 3 or 4 columns, set the background color, widget divider color, activate transparency, a top border or fully disable it on desktop and mobile.