I Gender Diversity in der Tech-Branche: Warum Frauen* nach wie vor unterrepräsentiert sind Franziska Beckert Schriftenreihe des Gender- und Technik-Zentrum (GuTZ) der Beuth Hochschule für Technik Berlin Band 11 Herausgeberinnen Eva-Maria Dombrowski, Antje Ducki I © 2020 Dieses Werk ist im Verlag Barbara Budrich erschienen und steht unter folgender Creative Commons Lizenz: https://creativecommons.org/licenses/by-sa/4.0/legalcode Verbreitung, Speicherung und Vervielfältigung erlaubt, kommerzielle Nutzung und Veränderung nur mit Genehmi- gung des Verlags Budrich Academic. Dieses Werk steht im Open Access Bereich der Verlagsseite zum kostenlosen Download bereit (https://doi.org/10.3224/96665989). eISBN lautet: 978-3-96665-989-5 (eBook) DOI 10.3224/96665989 Verlag Budrich Academic Press http://www.budrich-academic.de https://creativecommons.org/licenses/by-sa/4.0/legalcode https://doi.org/10.3224/96665989 http://www.budrich-academic.de II Franziska Beckert, 1992 in Frankfurt am Main geboren, studierte Wirtschaftsingenieurwesen und Ver- kehrswesen-Fahrzeugtechnik an der Technische Universität Berlin (2012-2017). Nach dem erfolgrei- chen Abschluss ihres Bachelors wechselte sie an die Beuth Hochschule für Technik Berlin und absol- vierte ihren Master in Wirtschaftsingenieurwesen-Projektmanagement (2017-2019). Anschließend qua- lifizierte sie sich am Hasso Plattner Institut Potsdam für Design Thinking und ließ sich am Institut Social Justice & Radical Diversity berufsbegleitend zur Social Justice und Diversity Trainer*in ausbilden. Der folgende Beitrag ist im Rahmen einer Masterarbeit entstanden. Das eingereichte Manuskript ist durch zwei Gutachter*innen geprüft. Für den Inhalt ist die Autorinnen selbst verantwortlich. Impressum Herausgeberinnen: Prof. in Dr. in Eva-Maria Dombrowski Prof. in Dr. in Antje Ducki Redaktion: Gender- und Technik-Zentrum der Beuth Hochschule für Technik Luxemburger Str. 10 13353 Berlin E- Mail: gutz@beuth-hochschule.de Internet: https://www.beuth-hochschule.de/gutz/ Verantwortlich für den Inhalt ist die Autor*in mailto:gutz@beuth-hochschule.de https://www.beuth-hochschule.de/gutz/ III Vorwort zur verwendeten Sprache Im Rahmen der vorliegenden Arbeit wird es von der Autorin für notwendig gehalten, die Ge- schlechteridentitäten aller Personen anzuerkennen. Deswegen lautet der Titel der Arbeit auch „Gender Diversity in der Tech-Branche“. Die Verwendung des Worts „Gender“ soll verdeutli- chen, dass die Beantwortung gleichstellungspolitischer Fragestellungen nicht nur mit der Be- antwortung von „Frauenfragen“ erfolgen kann (Smykalla, 2006, S. 8). Identitäten, die sich außerhalb der Zweigeschlechtlichkeit bewegen, sollen durch die Verwen- dung des Asterisks (*) lesbar und sichtbar gemacht werden. Sofern eine Gruppe diverse Genderzugehörigkeiten beinhaltet oder beinhalten könnte, wird der Asterisk vor der Worten- dung verwendet, z. B. Programmierer*innen. Falls weilblich* gelesene Personen beschrieben werden, wird der Asterisk nach der Wortendung verwendet, wie etwa Programmiererinnen*. Der Gebrauch des Asterisks soll die Inklusion von inter*, trans*, queer*, nicht binären und allen anderen femme-nahen Selbstidentifizierungen erkennbar machen, auch wenn dies jenen Per- sonen immer noch nicht vollständig gerecht wird. Bei der Erwähnung und Darstellung von Männern wird auf den Asterisk verzichtet.1 Somit wird „die Vormachtsstellung des [...] cis-he- tero Mannes gegenüber allen anderen gesellschaftlichen Gruppen betont.“ (Kelly, 2019, S. 14) 1 Der Gebrauch des Asterisks lehnt sich an den von Natasha A. Kelly (Gender Institut der Humboldt-Universität zu Berlin) in „Schwarzer Feminismus, Grundlagentexte“ beschriebenen an. (Kelly, 2019, S. 13ff.) IV Inhaltsverzeichnis Vorwort zur verwendeten Sprache ....................................................................................... III Abstract ................................................................................................................................ VI 1 Einleitung ....................................................................................................................... 1 1.1 Begründung des Themas und Ausgangssituation ................................................... 1 1.2 Wissenschaftliche Fragestellung und Abgrenzung der Arbeit ................................. 3 1.3 Methodisches Vorgehen und Aufbau der Arbeit ...................................................... 4 2 Theoretische Grundlagen ............................................................................................... 5 2.1 Einordnung und Abgrenzung relevanter Begriffe .................................................... 5 2.1.1 Einordnung des Begriffs „Tech-Branche“ ......................................................... 5 2.1.2 Einordnung des „Gender“-Begriffs ................................................................... 6 2.1.3 Einordnung des „Diversity“-Begriffs ................................................................. 8 2.2 Rechtsgrundlage und Gender Mainstreaming ......................................................... 9 2.3 Geschichtliche Einordnung: Der Wandel der Computerindustrie ........................... 11 2.3.1 Programmieren als ‚weibliche*‘ Tätigkeit ....................................................... 11 2.3.2 Der Wandel des Programmierens zur ‚männlichen‘ Tätigkeit ......................... 14 2.3.3 Der „Computer-Nerd“ .................................................................................... 17 3 Theoretischer Teil: Stand der Forschung zur weiblichen* Partizipation im Tech- Wirkungsbereich.................................................................................................................. 19 3.1 Akademischer Nachwuchs.................................................................................... 20 3.1.1 Akademischer Nachwuchs in Deutschland .................................................... 20 3.1.2 Akademischer Nachwuchs im globalen Vergleich ......................................... 24 3.1.3 Kulturunterschiede beim Frauen*anteil in der Informatik ............................... 26 3.2 Frauen* im Tech-Ökosystem ................................................................................ 30 3.2.1 Frauen*anteil und Fachkräftemangel in der Tech-Branche ............................ 31 3.2.2 Der Gender Pay Gap in der Tech-Branche .................................................... 34 3.2.3 Frauen*anteil in der Gründer*innenszene ...................................................... 36 4 Empirische Untersuchung zur Gender Diversity in der Tech-Branche .......................... 39 4.1 Methodisches Vorgehen ....................................................................................... 39 4.1.1 Erhebungsmethode ....................................................................................... 39 4.1.2 Aufbereitungsmethode .................................................................................. 41 4.1.3 Auswertungsmethode .................................................................................... 42 4.2 Analyse und Auswertung der empirischen Untersuchung ..................................... 46 4.2.1 Analyse der Untersuchungsgruppe „Angehende Studierende“ ...................... 46 4.2.2 Analyse der Untersuchungsgruppe „Programmiererinnen*“ ........................... 52 4.2.3 Analyse der Untersuchungsgruppe „Expert*innen“ ........................................ 63 4.2.4 Vergleichende Diskussion der Untersuchungsgruppen ................................. 76 5 Fazit und Ausblick ........................................................................................................ 87 V 5.1 Limitation der Arbeit .............................................................................................. 88 5.2 Ausblick und weitere Forschungsfelder ................................................................ 89 6 Literaturverzeichnis ...................................................................................................... 90 7 Abbildungsverzeichnis ............................................................................................... 100 8 Tabellenverzeichnis ................................................................................................... 101 9 Interviewleitfäden ....................................................................................................... 102 9.1 Interviewleitfaden für angehende Studierende .................................................... 102 9.2 Interviewleitfaden für Programmiererinnen* in der Tech-Branche ....................... 103 9.3 Interviewleitfaden für Expert*innen der Tech-Branche ........................................ 104 9.4 Übersicht der Interviewpartner*innen .................................................................. 105 10 Codebuch .................................................................................................................. 106 11 Glossar ...................................................................................................................... 119 Danksagung ...................................................................................................................... 123 Bisher erschienene Bände der Schriftenreihe des GuTZ: .................................................. 124 VI Abstract In der vorliegenden Arbeit „Gender Diversity in der Tech-Branche“ werden Ursachen für die geringe Repräsentanz von Frauen* in der Tech-Branche beleuchtet. Dazu wird zum einen auf die Entstehungsgeschichte der Branche eingegangen, die fragwürdige Persönlichkeitstests zum Rekrutieren neuer Programmierender nutzte. Zum anderen wird die aktuelle Genderver- teilung innerhalb der Tech-Branche, mit Hauptaugenmerk auf Deutschland, vorgestellt. Um ein Anforderungsprofil für eine qualifizierte Informatiker*in zu erstellen und branchenspezifi- sche Erwartungen und Stereotype zu überprüfen, wurden für eine qualitative empirische Un- tersuchung 21 Interviews mit angehenden Studierenden, mit Programmiererinnen* und Ex- pert*innen der Tech-Branche geführt. Im Rahmen der Untersuchung konnte festgestellt wer- den, dass der Computer-Nerd-Stereotyp teilweise immer noch in der Branche vertreten ist, die angehenden Studierenden nicht ausreichend über die Inhalte der Branche Kenntnis haben und sich Frauen*, nicht zuletzt aufgrund ihrer geringen Repräsentanz, mit genderspezifischen Herausforderungen konfrontiert sehen. Zur Erhöhung des Frauen*anteils in der Tech-Branche bedarf es Maßnahmen in verschiede- nen Bereichen, wie etwa Schulen, Universitäten und Wirtschaft, insbesondere aber ein ge- samtgesellschaftliches Umdenken. 1 1 Einleitung Die Einleitung dieser Arbeit soll dazu dienen, die Notwendigkeit der Forschung zu verdeutli- chen, die Fragestellungen vorzustellen und einen Einblick in die wissenschaftlichen Methoden zu gewähren. 1.1 Begründung des Themas und Ausgangssituation Firmen wie Google, Apple, Amazon, Facebook, Twitter, Airbnb aber auch PayPal oder Uber haben es innerhalb von wenigen Jahren von dem in der „Garage“ betriebenen Kleinstunter- nehmen zum Global Player geschafft (Chang 2018, S. 67). All diese Unternehmen sind in der Tech-Branche anzusiedeln. Es sind Firmen, die digitalgetriebene Produkte, Services oder Dienstleistungen anbieten. Ihre Innovationen, Geschäftsideen und Produkte prägen das heu- tige Alltagsleben der meisten modernen Gesellschaften. Als Wirtschaftsfaktoren sind sie nicht mehr wegzudenken. Doch mit dem Erfolg, Einfluss und Wachstum gehen erhebliche Heraus- forderungen einher, wie z. B. Sicherheitsfragen, gesellschaftliche Verantwortung oder das Per- sonalrecruiting. Viele Unternehmen suchen dringend nach den für den Digitalboom benötigten Fachkräften. Umso erstaunlicher ist es, dass Frauen* in dieser Branche mit lediglich 25 Pro- zent in den USA (Ashcraft et al. 2016) und 16 Prozent in Deutschland (Kingham 2018) erheb- lich unterrepräsentiert sind. Deshalb drängt sich die Frage auf, warum sich so wenige junge Frauen* für eine so zukunftsträchtige Ausbildung oder ein Studium im IT-Bereich bzw. vielver- sprechenden Werdegang entscheiden und warum die Frauen*, die sich dafür entschieden ha- ben, die Branche doppelt so schnell wieder verlassen, wie ihre männlichen Kollegen (Chang 2018, S. 7). Im Jahr 2018 veröffentlichte Emily Chang, Journalistin und Moderatorin von Bloomberg Tech- nology, ihr Buch „Brotopia – Breaking Up The Boys‘ Club Of Silicon Valley“, in dem sie darauf eingeht, wie das Silicon Valley zu einem 侨 kosystem herangewachsen ist, in dem Frauen* größtenteils nicht willkommen geheißen werden, indem sie auf Grund ihres Geschlechts Dis- kriminierungen und Gehaltsunterschieden ausgesetzt sind. In dem Werk werden Ursachen und Einflussfaktoren für den geringen Frauen*anteil genauer beleuchtet, wie z. B. die bis heute anhaltende Reproduktion des vorwiegend männlichen „Computer Nerds“, der nicht mit ande- ren Menschen interagieren möchte (Chang 2018, S. 23). Während 1967 die Zeitschrift Cosmo- politan in ihrem Artikel „The Computer Girls“ noch damit wirbt, dass die Computerindustrie wie für Frauen* gemacht sei (Mandel 1967), entwickelt sich gleichzeitig der Stereotyp des Pro- grammierers, dessen Erfolg nicht nur an ein mathematisches Verständnis, sondern auch an antisoziale Charakterzüge geknüpft ist. Sapna Cheryan, Psychologieprofessorin an der University of Washigton in Seattle konnte in einer Studie im Jahr 2013 abbilden, dass der vorherrschende Nerd-Stereotyp und dessen wei- tere Tradierung Frauen* entmutigt, einen Universitätsabschluss in der Informatik anzustreben 2 (Cheryan, et al. 2013). Gute Kommunikations- und Kollaborationsfähigkeiten sind aber Grund- voraussetzungen für das erfolgreiche Arbeiten in der Computingindustrie und stehen dem all- gemeinen antisozialen Nerd-Stereotypen entgegen (Hoffmann 2014, Chang 2018). Zieht man in Betracht, dass es sich bei der Tech-Branche um einen entscheidenden Innovati- onsförderer handelt, der nicht nur einen bedeutenden Anteil des Arbeitsmarktes umfasst, son- dern auch die zukünftige Entwicklung fast aller Lebensbereiche determiniert und somit eine immense gesellschaftliche Verantwortung auf ihm lastet, ist anzunehmen, dass eine Ge- schlechterdiskrepanz enorme Folgen mit sich bringt. Zudem ist bereits belegt worden, dass sich durch Genderdiversität, vor allem in hohen Führungspositionen, die Rentabilität eines Un- ternehmens 3 - 8 Prozent steigert (Christiansen et al., 2016). Doch Start-ups, wie auch etab- lierte Unternehmen, haben massive Schwierigkeiten mehr Frauen* zu rekrutieren und diese auch im Unternehmen zu halten. Im Jahr 2018 ist in Deutschland nur gut jede sechste in der Tech-Branche beschäftigte Person eine Frau* und der Gender Pay Gap liegt bei 25 Prozent (Honeypot, 2018). Aber wie kann es sein, dass Frauen* beim Wandel von der Industriegesell- schaft zur Informations- und Wissensgesellschaft kaum beteiligt sind? Die angeführten Zahlen machen deutlich, dass ein massiver Handlungsbedarf besteht, um unter anderem mit Stereo- typen aufzuräumen sowie mehr Frauen* in die Tech-Branche zu integrieren und diese dort auch zu halten. Das würde in letzter Konsequenz nicht nur ungenutzte Personalressourcen freisetzen und die Produktpalette erweitern, sondern auch einen diverseren Blick auf tech- getriebene Problemstellungen bieten. 3 1.2 Wissenschaftliche Fragestellung und Abgrenzung der Arbeit Im Rahmen der vorliegenden Arbeit sollen folgende Fragestellungen bearbeitet werden: 1. Was sind strukturelle und personale Ursachen für die geringe Repräsentanz von Frauen* in der Tech Branche und welche Kompetenzen, Verhaltensweisen, aber auch Charaktereigenschaften sind Teil des Anforderungsprofils eine*r qualifizierten Informa- tiker*in? Dafür sind ebenso die nachstehenden Teilfragestellungen von Interesse: 2. Wie groß ist der Frauen*anteil in der deutschen Tech-Branche und wie ist die Gender- verteilung der Studierenden in den entscheidenden Fachgebieten der Tech-Branche, insbesondere der Informatik? 3. Welche Rolle spielen dabei berufsspezifische Erwartungen und Stereotypen hinsicht- lich der Tätigkeitsanforderungen und welche Maßnahmen könnten ergriffen werden, um den Frauen*anteil in der Tech-Branche zu erhöhen? Beim Bearbeiten der Fragestellungen wird sich primär auf Deutschland konzentriert, wobei zur Darstellung einzelner Sachverhalte auch andere Länder, insbesondere die USA, herangezo- gen werden. Hierbei liegt exemplarisch die Programmiertätigkeit im Fokus. An ihr soll die Wan- delbarkeit von Berufsrollenbildern aufgezeigt werden. Sie ist ein fundamentaler Bestandteil und Ursprung des Wissenschaftsgebiets der Informatik. Der übliche akademische Weg in die Tech-Branche ist ein Informatikstudium, weshalb die Absolvent*innenzahlen dieses Fachge- biets eine übergeordnete Rolle in der vorliegenden Arbeit einnehmen. Das Gründungsgeschehen ist ebenso Teil der Tech-Branche. Es wird in dieser Arbeit der Voll- ständigkeit halber zwar angerissen, jedoch nicht dezidiert untersucht, da es nicht von großer Relevanz zur Beantwortung der Forschungsfragen ist. Weiterhin ist wichtig zu erwähnen, dass viele der verwendeten Quellen, unter anderem auch das deutsche Grundgesetz, wenngleich inzwischen ein zusätzlicher Personenstand möglich ist, lediglich von einem binären Geschlechtersystem ausgehen. Es werden keine gesonderten Abgrenzungen oder Einschränkungen von nicht-binären, trans* oder intersex Personen vor- genommen. Daher richtet sich der Fokus der Forschung auf Frauen* in der Tech-Branche. Zur näheren Betrachtung anderer Genderidentitäten fehlt es an ausreichenden Daten sowie Quel- len, deren Erhebung und Untersuchung, aufgrund einer mangelnden Sichtbarkeit in einer he- teronormativen Gesellschaftsordnung, noch nicht so erfolgt sind, dass repräsentative Schlüsse daraus gezogen werden könnten. 4 1.3 Methodisches Vorgehen und Aufbau der Arbeit Die vorliegende Arbeit soll in fünf Kapiteln ein umfangreiches Bild zur Gender Diversity in der Tech-Branche bieten, mit dem Ziel, die vorgestellten Forschungsfragen strukturiert und nach- vollziehbar zu beantworten. Es soll am Ende ein detaillierter Überblick zum Ist-Zustand der Genderdiversität in der Tech-Branche entstanden sein. Außerdem wird mit Hilfe von intensiver Literaturrecherche und qualitativen Interviews ein Anforderungsprofil zum Beruf der Informati- ker*in bzw. Programmierer*in erstellt. Für den theoretischen Grundlagenteil der Forschung wird eine umfangreiche Literatur- und Onlinerecherche durchgeführt. Dazu wird sowohl auf Primär-, als auch Sekundärquellen, wie Studien, Publikationen, Internetquellen, Essays, Fachliteratur, Erfahrungsberichte und mehr zugegriffen. Manche Datensätze werden zum besseren Verständnis visuell aufgearbeitet und in Diagrammen abgebildet. Im darauf aufbauenden empirischen Teil werden in 21 halbstrukturierten Interviews (vgl. Glossar, S. 119-122), in drei Untersuchungsgruppen, primäre Daten gesammelt. Diese wer- den anschließend nach dem Verfahren der qualitativen Inhaltsanalyse nach Mayring und mit Hilfe der Computersoftware „MAXQDA“ ausgewertet. Ein solches Vorgehen ist notwendig, um in einer sich stetig verändernden Branche, wie der Tech-Branche zu aktuellen Ergebnissen zu gelangen, sowie die auf dem Wege der Empirie gewonnene Erfahrungen und Beobachtungen einfließen zu lassen. Die Daten werden im Hinblick auf Gender Diversity sowie eventuell durch genderspezifische Stereotypen verursachte Vorstellungen ausgewertet. Sie dienen aber auch als Grundlage für eine gendersensible, die rein fachlichen Qualifikationen überschreitende Be- schreibung des Berufsbilds der Programmierer*in. 5 2 Theoretische Grundlagen Im Folgenden werden die der Arbeit zugrundeliegenden Begrifflichkeiten sowie das juristische Fundament vorgestellt. Um den in Kapitel 3 erläuterten Status Quo des Frauen*anteils in der Tech-Branche einordnen zu können, wird kurz der geschichtliche Verlauf, den Frauen* in die- ser genommen haben, aufgezeigt. 2.1 Einordnung und Abgrenzung relevanter Begriffe Einige der nachstehenden Begriffe können, abhängig von der philosophischen Strömung oder kontextualen Einordnung, abweichende Definitionen haben. Zum leichteren bzw. einheitlichen Verständnis, werden nachfolgend wesentliche Begrifflichkeiten erklärt. 2.1.1 Einordnung des Begriffs „Tech-Branche“ Das Wort tech leitet sich aus dem Englischen von ‚technological‘ oder ‚technical‘ ab, zu deutsch ‚technologisch‘ oder ‚technisch‘. Das Cambridge Dictionary definiert den Begriff tech wie folgt: „Tech: […] used to describe a company, system, area of work, etc. that does or makes something involving technology” (Cambridge University Press, 2014). Das englische Wort „tech“ wird im deutschen oft mit Informationstechnologie (IT) übersetzt, auch wenn das eigentlich nicht ganz korrekt ist, da tech lediglich Technologie bedeutet (Langenscheidt, 2018b).2 Laut dem Gabler Wirtschaftslexikon ist IT ein „Oberbegriff für alle mit der elektroni- schen Datenverarbeitung in Berührung stehenden Techniken. Unter IT fallen sowohl Netz- werkanwendungen, Datenbankanwendungen, Anwendungen der Bürokommunikation als auch die klassischen Tätigkeiten des Software Engineering“ (Lackes et al., Gabler Wirtschaftslexikon - Springer Gabler, 2018a). Man kann daraus schließen, dass eine Verän- derung der deutschen Begriffsdefinition von „tech“ vonstattengeht, weg von der reinen Tech- nologie, hin zu einem Fokus auf die Informationstechnologie. Technologieunternehmen oder abgekürzt Tech-Unternehmen sind laut Tech Nation (einem der größten britischen Tech-Netzwerke) Organisationen, die einen digitalen technischen Dienst, ein Produkt, eine Plattform oder eine Hardware anbieten oder sich weitgehend auf diese als Haupteinnahmequelle verlassen. Allerdings wird auch darauf hingewiesen, dass der Begriff „tech business“ durchaus unterschiedlich definiert wird. (Heath, 2017) Für die vorliegende Arbeit wird der Begriff tech stets im Zusammenhang mit Digitalem gese- hen. Somit betrifft er auch bekannte Firmen wie z. B. Airbnb und Uber. Ihre Geschäftsidee beinhaltet in dem Sinne keine neue Technologie, allerdings basiert ihre Dienstleistung in erster Linie auf Informationstechnologie. Es werden z. B. komplexe Algorithmen benötigt und große Datenvolumina verwendet und ihre Produkte können nur auf digitalem Wege, durch die Ver- wendung des Internets in Anspruch genommen werden. Die Tech-Branche besteht also aus 2 Vergleiche z. B. die deutsche und englische Honeypot-Webseite (Honeypot, 2018) 6 Unternehmen verschiedenster Geschäftsbereiche, wie z. B. Tech (Google), FinTech (Paypal), MedTech (Clue), TravelTech (Airbnb), FoodTech (Hello Fesh), aber auch Mobilität (Uber) oder Social Media (Facebook) (Mayer, 2016). Viele von ihnen disruptierten die unterschiedlichsten Märkte, wie etwa die Hotel- oder Taxibranche (persönlich Verlag AG, 2019). (Genaueres zu den Tech Geschäftsbereichen ist im Glossar, S. 119-122 erläutert.) Die 15 global führenden Tech-Firmen, gemessen am Umsatz des Geschäftsjahres 2017, er- wirtschafteten gemeinsam ungefähr 1,63 Billionen US-Dollar und machten somit etwa 2 Pro- zent des weltweiten Bruttoinlandsprodukts aus (Eigene Berechnung, basierend auf Umsatz im Geschäftsjahr 2017 (Fortune, 2019)). Die US-Amerikanische Computing Technology Industry Association (ComTIA) geht davon aus, dass die globale Technologieindustrie im Jahr 2019 den Wert von 5 Billionen US-Dollar überschreiten wird. Die globale Wachstumsprognose liegt bei 4 Prozent. Wie viele Menschen weltweit in der Tech-Branche beschäftigt sind, ist jedoch schwer zu ermitteln, da sich der Sektor, aufgrund der extrem hohen Agilität, stetig verändert. Schätzungen belaufen sich aber auf etwa 50 Millionen Beschäftigte. Die Tech-Branche ist we- gen ihrer transformativen Auswirkungen auf die Gesellschaft sowie dem Potential zur Schaf- fung neuer Arbeitsplätze, verbunden mit großem gesellschaftlichem Wohlstand und der Fä- higkeit die Welt zu revolutionieren, eines der attraktivsten Wirtschaftsgebiete. (ComTIA, 2019) Viele der Digitalwirtschaftsgiganten begannen ihren Weg zum Global Player als sogenannter Start-up. Start-ups bilden eine Untergruppe der selbstständigen, originären Unternehmens- gründung (Kollmann 2016, S. 2f.). Sie sollten den Kriterien junger, innovativer Wachstumsun- ternehmen entsprechen, die in der Literatur zwar nicht eindeutig festgelegt sind, jedoch meist die folgenden Aspekte gemeinsam haben: x „Startups sind jünger als zehn Jahre und x haben ein (geplantes Mitarbeiter-/Umsatzwachstum und/oder x sind (Hoch innovativ in ihren Produkten/Dienstleistungen, Geschäftmodellen und/oder Technologien.“ (Kollmann et al., 2018, S. 18) Tech-Start-ups sind also Start-ups, die neue technologische Dienstleistungen oder Produkte anbieten oder bereits existierende Dienstleistungen oder Produkte auf eine neuartige Weise anbieten (FundersClub, 2019). Vom Tech-Start-up zum „Unicorn“ schafften es z. B. Google, Facebook, Airbnb und Uber. Demnach umfasst die Tech-Branche eine weite Bandbreite an Organisationen, angefangen bei Start-ups bis hin zu Global Playern. 2.1.2 Einordnung des „Gender“-Begriffs Der aus dem Englischen stammende Begriff gender wurde 1968 vom US-amerikanischen Psy- chiater Robert Stoller in die Wissenschaft eingeführt (Karsch, 2016, S. 174). In den 70er Jah- ren fand der Begriff als Analysekategorie Einzug in die feministische Terminologie (Deutscher Bundestag, 2016, S. 5), wobei er sich in Deutschland erst in den 1990er Jahren als solcher 7 etabliert hat. Die sich wandelnde Bedeutung des Begriffs Geschlecht oder auch des lateini- schen Äquivalents genus weist nicht auf eine vermeintlich besorgniserregende Amerikanisie- rung der deutschen Sprache hin. Sie ist Ausdruck eines Übersetzungsproblems, da der Ter- minus Gender zum einen im Deutschen keine Entsprechung hat, zum andern kann ohne eine sprachliche Erweiterung des Deutschen nicht explizit, wie etwa im Englischen mit den Worten sex und gender, zwischen dem sozialen und biologischen Geschlecht unterschieden werden. Die nun, durch den Begriff Gender, mögliche Unterscheidung zwischen biologischem und so- zialem Geschlecht erlaubt eine differenziertere Betrachtungsweise. „Durch die Einführung der sex-gender-Relation entsteht ein kultureller und historischer Rahmen, in dem sich die Frage nach der Konstruiertheit des Geschlechts quasi selbst stellt.“ (Stephan et al. 2006, S. 52). Es besteht in der Wissenschaft keine Übereinkunft bezüglich der Bedeutung des Begriffs Gen- der. Die OECD klassifiziert die „praktisch-politischen Ausprägungen und Wirkungen von Gen- der [...]“ (Smykalla, 2006, S. 1) in vier Dimensionen: x „die Repräsentation in Politik und Gesellschaft (z. B. Beteiligung an Entscheidungen, öffentliche und private Arbeitsteilung zwischen den Geschlechtern usw.), x die Lebensbedingungen (z. B. Wohlstand, Armut, Betroffenheit von Gewalt und Aus- grenzung), x die Ressourcen (z. B. Verteilung von Zeit, Geld, Mobilität oder Information) und x die Normen und Werte (z. B. Stereotype, Rollenzuweisungen, Bilder, Sprache).“ (Smykalla, 2006, S. 1f.) Renommierte Gender-Theoretiker*innen und Philosoph*innen, darunter auch Judith Butler, lehnen eine strikte Trennung zwischen dem biologischen und dem sozialen Geschlecht vehe- ment ab, da Gender ihrer Meinung nach ein Zusammenspiel aus „biologischen, sozialen und kulturellen Faktoren [darstellt].“ (Smykalla, 2006, S. 3) Der Begriff Gender symbolisiert also eine sich verändernde Auffassung von Geschlecht, ab- hängig von der gesellschaftlichen Einbettung. Somit ist Geschlecht keine „natürliche“ Vorbe- stimmtheit. „Die Tatsache, dass es Frauen und Männer gibt und diese als zwei unterschiedli- che Gruppen von Menschen wahrgenommen werden, ist vorrangig das Ergebnis einer Reihe von gesellschaftlichen Zuschreibungen und Erwartungen, die durch Erziehung, Medien, Rol- lenvorstellungen und Normen vermittelt werden.“ (Smykalla, 2006, S. 3) Das führt zu der Er- kenntnis, dass das biologische Geschlecht nicht der ausschlaggebende Faktor von Gender ist, sondern lediglich ein Element von Gender darstellt. Das von Menschen ausgelebte Ge- schlecht ist somit bedingt durch gesellschaftliche Normen und Auffassungen. „Dies heißt auch, das als ‚natürlich‘ angenommene Geschlecht hat eine Geschichte, denn auch der naturwis- senschaftliche und medizinische Blick auf Körper ist einem historischen Wandel unterworfen.“ (Smykalla, 2006, S. 3) 8 Nichtsdestotrotz stellen Geschlechterrollen, also „soziokulturelle Funktionen von Weiblichkeit und Männlichkeit“ (Karsch, 2016, S. 175), eine zu größten Teilen durch kulturellen Kontext bedingte Wirklichkeit dar, die gegenwärtig noch massive Auswirkungen auf reproduzierte Ver- haltensmuster hat (Karsch, 2016, S. 175). Welche Auswirkungen das im Zusammenhang mit der Tech-Branche und dem Berufsbild der Informatiker*innen sind, wird im Folgenden be- leuchtet. 2.1.3 Einordnung des „Diversity“-Begriffs Das Wort diversity stammt ursprünglich aus dem Englischen und bedeutet Vielfalt bzw. Vielfalt der Differenzen (Langenscheidt, 2018a). Abhängig vom kontextualen Zusammenhang kann das Wort ‚Diversity‘ andere Inhalte umreißen. Diversity „ist ein mehrere wissenschaftliche Dis- ziplinen umfassendes Thema, wie z. B. Management, Soziologie oder Psychologie.“ (Merklein, 2017, S. 13) In der Frauenforschung förderten in den 1960er Jahren besonders Schwarze3 Wissenschaft- ler*innen und Aktivist*innen den Gedanken neben dem Geschlecht auch andere Verschieden- heitskategorien zu berücksichtigen. (Karsch, 2016, S. 180) Das Institut für Social Justice und Diversity, meint mit Diversity: „[die] radikale Verschiedenheit und Vielfalt von Menschen in ihrer Pluralität. Kategorien von Verschiedenheit sind: Alter, Beeinträchtigung, Aussehen, Sprache, soziale Herkunft, Geschlecht/ Gender/ Queer, sexuelles Begehren, Religion oder Säkularität/ Konfessionsfreiheit und vieles mehr. Sie gelten als gesellschaftliche Regulativa, aufgrund de- rer Menschen in positiver oder negativer Weise bestimmt werden, an gesellschaftlichen (öko- nomischen, sozialen, kulturellen, institutionellen etc.) Ressourcen teilnehmen können oder ausgegrenzt sind und aufgrund derer Menschen diskriminiert werden oder Privilegien haben.“ (Perko et al., 2019). An dieser Definition ist auffällig, dass die genannten Verschieden- heitskategorien erweiterbar sind und gesellschaftliche Teilhabe im Fokus von Diversity steht. An dieser Stelle ist zu erwähnen, dass bei einer Überschneidung dieser Kategorien z. B. Ge- schlecht, sexuelle Orientierung und ‚Hautfarbe‘ eine Mehrfachdiskriminierung vorliegen kann, die nicht additiv zu verstehen ist, sondern vielmehr in einer wechselwirkenden Beziehung zu- einander steht (Küppers, 2019).4 Somit erleben viele Menschen Diskriminierung nicht aus- schließlich aufgrund ihres Geschlechtes, sondern ebenso wegen des Zusammenspiels ande- rer Verschiedenheitskategorien, was auch bei der Betrachtung der Tech-Branche eine Rolle spielen kann. 3 Diese Schreibweise ist ebenso an die von Natasha A. Kelly (Gender Institut der Humboldt-Universität zu Berlin) in „Schwarzer Feminismus, Grundlagentexte“ angelehnt. (Kelly, 2019) 4 Hierarchien erzeugende Diskriminierungsüberschneidungen, die als Intersektionalität bezeichnet werden. Sie richtet den Fokus auf die Schnittstellen von Verschiedenheitskategorien. (Karsch, 2016, S. 207f.) 9 Vor einem unternehmerischen Hintergrund fokussiert sich Diversity auf die „Heterogenität und demographische Zusammensetzung auf unterschiedlichen Ebenen: Land, Organisation und Team“ (Merklein, 2017, S. 13)5. Zur Vereinfachung der Vielfalt werden in den USA meist die folgenden Dimensionen unter dem Begriff „Big 8“ zusammengefasst: Alter, Ethnie, Geschlecht (Gender), Nationalität, sexuelle Identität, Religion, psychische und physische Behinderung und Funktion/ Status in einer Organisation (Krell, 2008, S. 64). In Deutschland hingegen be- schränkt man sich oft auf lediglich sechs Dimensionen: „Geschlecht […], Kultur […], Alter […], Behinderung […], familiäre Situation […] und Bedürfnisse hinsichtlich der Vereinbarkeit von Beruf und Privatleben“ (Krell, 2008, S. 64). Im Folgenden wird sich auf den Begriff der Gender Diversity beschränkt, genauer darauf die Repräsentanz von Frauen* in der Tech-Branche zu untersuchen. Gender Diversity befasst sich im Hinblick auf die Gesellschaft und die Wissenschaft vorwiegend mit der betrieblichen Chancengleichheit von Frauen* und Männern. Dabei geht es oft um den Frauen*anteil in Füh- rungsetagen, der häufig von dem allgemeinen Frauen*anteil im Unternehmen oder den Absol- vetinnen*zahlen abweicht. Ein anderer Aspekt von Gender Diversity betrifft die „Diskriminie- rung von Frauen[*] im Beruf, die den Einstieg und Aufstieg in einer Organisation, das Entgelt sowie Belästigungen und Mobbing umfassen kann.“ (Merklein, 2017, S. 14f.) 2.2 Rechtsgrundlage und Gender Mainstreaming Nicht nur die Wissenschaft, sondern auch der Gesetzgeber hat erkannt, dass Handlungsbe- darf bezüglich der Gendergleichstellung besteht. Um die Relevanz und Notwendigkeit der vor- liegenden Arbeit zu betonen und eine rechtliche Grundlage zu schaffen, werden einige Geset- zestexte, die auf die Gleichstellung der Geschlechter abzielen, vorgestellt. Einen entscheidenden Schritt auf juristischer Ebene wurde dafür auf der vierten UN-Weltfrau- enkonferenz in Peking 1995 gemacht. Hier verpflichtete sich die Bundesrepublik Deutschland, gemeinsam mit 188 anderen Staaten, die Einführung von Gender Mainstreaming als Gleich- stellungsstrategie zu implementieren. (Deutscher Bundestag, 2016, S. 6) Gender Mainstreaming ist das „auf Gleichstellung ausgerichtete Denken und Handeln in der täglichen Arbeit einer Organisation“ (ZtG der HU Berlin, 2010a). Dem geht eine Gender-Analyse voraus, in der die Betroffenheit von Frauen* und Männern von der jeweiligen Maßnahme untersucht wird. Diese Gender-Analyse kann sowohl Maßnahmen zur Förderung von Frauen* als auch zur Förderung von Männern zur Folge haben, abhängig vom Benachteiligungsgrad der ent- sprechenden ‚Gruppe‘ (ZtG der HU Berlin, 2010a). 5 Diversity Management hingegen „umfasst das Anwerben, Einstellen und Managen einer vielfältigen Arbeitneh- merschaft, um zum Unternehmenserfolg beizutragen. Es kann als Teil des strategischen Personalmanagements betrachtet werden.“ (Merklein 2017, S. 17) 10 In der Europäischen Union wurde 1999 mit den Artikeln 2 und 3 Absatz 2 EGV die Gleichstel- lung von Frauen* und Männern im Europäischen Recht festgeschrieben (ZtG der HU Berlin, 2010b). Der Artikel 3 Absatz 2 des deutschen Grundgesetzes liefert mit folgenden Worten eine weitere Rechtsgrundlage für Gender Mainstreaming: „Der Staat fördert die tatsächliche Durchsetzung der Gleichberechtigung von Frauen[*] und Männern und wirkt auf die Beseitigung bestehender Nachteile hin“ (Bundesamt für Justiz, 2019a). Auch im Arbeitsrecht wurde im Jahr 2006 mit dem Allgemeinen Gleichstellungsgesetz (AGG) ein weiteres Fundament geschaffen, das ge- schlechterspezifische Diskriminierung, aber auch andere Diskriminierung verhindern soll. Ar- tikel 1 des AGG lautet wie folgt: „Ziel des Gesetzes ist, Benachteiligungen aus Gründen der Rasse[6] oder wegen der ethnischen Herkunft, des Geschlechts, der Religion oder Weltan- schauung, einer Behinderung, des Alters oder der sexuellen Identität zu verhindern oder zu beseitigen.“ (Bundesamt für Justiz, 2019b) Somit ist der deutsche Staat dazu verpflichtet Gleichstellungsmaßnahmen im Rahmen von Gender Mainstreaming als dafür verwendetes Instrument in allen Handlungsbereichen zu för- dern und zu entwickeln. Ziel ist es die tatsächliche Gleichstellung zu erreichen. (ZtG der HU Berlin, 2010a) Seit 2016 gilt mit dem Gesetz „gleichberechtigte Teilhabe von Frauen[*] und Männern an Füh- rungspositionen in der Privatwirtschaft und [im] öffentlichen Dienst“ BGB1, Nr.17 (Bundesanzeiger, 2015) für die Aufsichtsräte börsennotierter und voll mitbestimmungspflichti- ger Unternehmen eine Genderquote von 30 Prozent für neu zu besetzende Positionen. Dieser Maßgabe unterliegen etwa 100 Unternehmen. Des Weiteren müssen Unternehmen, die ent- weder börsennotiert oder mitbestimmungspflichtig sind, eine Zielgröße festlegen und öffentlich über deren Erreichen berichten, jedoch ist keine Mindestgröße vorgesehen. Die einzige Ein- schränkung besteht darin, dass der Frauen*anteilauf einer Führungsebene kleiner als 30 Pro- zent ist und die Zielgröße nicht geringer sein darf als der momentan herrschende Wert. (BMFSFJ, 2016) Trotz der aufgeführten juristischen Verankerung von Gleichstellung und der dazu führenden Maßnahmen stellt sich die Frage, warum im Jahr 2018 immer noch ein so geringer Frauen*an- teil von 16 Prozent in der Tech-Branche anzutreffen ist und warum der Gender-Pay Gap bei 25 Prozent liegt. (Kingham, Honeypot -Women in Tech: How does Germany compare to the rest of Europe?, 2018) Verursachende Mechanismen werden im nächsten Kapitel dargelegt. 6 Die Autorin distanziert sich an dieser Stelle explizit von der Verwendung des Begriffes „Rasse“ in Gesetzestexten und schließt sich der Forderung der Initiative Schwarzer Menschen in Deutschland (ISD) vom 02.03.2015 an, den Begriff „Rasse“ durch „rassistisch“ zu ersetzen. (ISD Bund e.V., 2015) 11 2.3 Geschichtliche Einordnung: Der Wandel der Computerindustrie Um die Geschichte der Frauen* in der Tech-Branche zu umreißen, empfiehlt es sich der Tä- tigkeit des Programmierens in den USA besondere Aufmerksamkeit zu schenken. Sie domi- nierten zunächst die Computerentwicklung (Abbate, 2012, S. 8). An ihrem Beispiel kann die Wandelbarkeit von Genderrollen innerhalb der Branche gezeigt werden. Genderrollen sind nämlich bei weitem keine statischen Größen, sondern müssen zur Aufrechterhaltung immer wieder reproduziert werden, können sich aber auch wandeln. (Abbate, 2012, S. 4) 2.3.1 Programmieren als ‚weibliche*‘ Tätigkeit Während des zweiten Weltkriegs waren in den USA ein Viertel der ‚ersten‘ Programmierer*in- nen Frauen* (Abbate, 2012, S. 18). Sie waren in diesem Bereich wesentlich besser repräsen- tiert, als in anderen Naturwissenschafts- und Ingenieursbereichen, unter anderem, da die Tä- tigkeit neu und daher noch nicht stereotypisch ‚männlich‘ besetzt war. (Abbate, 2012, S. 20). In den frühen 1940er Jahren konzentrierten sich Männer* auf das Herstellen der Hardware, also der physischen Computerkomponenten. Diese Tätigkeit wurde für bedeutender gehalten, als die Softwareentwicklung, also das Programmieren, was hauptsächlich Frauen* überlassen war. Auch wenn das Wort ‚Software‘ erst 1958 Einzug in den Sprachgebrauch hielt, so kann dennoch die Genderzuschreibung sowie die hierarchische Unterscheidung von ’harter‘ tech- nischer Brillanz und ‚weichen‘ sozialen und nicht so ausschlaggebenden Aspekten der Com- puterarbeit erkannt werden. Ein gutes Beispiel hierfür ist der Electronic Numerical Integrator And Computer (ENIAC), an der University of Pennsylvania, einer der ersten elektronischen Computer. Seine sechs „Softwareentwicklerinnen*“ Fraces Bilas, Betty Jean Jennings, Marlyn Wescoff, Betty Holberton, Ruth Lichtermann und Kathleen McNulty gelten als die wohl ersten Programmierer*innen, ohne die das Projekt nicht hätte erfolgreich werden können. (Ensmenger, 2010a, S. 121f.) Das englische Wort „programmer“ verwies zunächst auf niedrige und rein ausführende Tätig- keiten, die mit der einer Telefonist*in, einem ausschließlich weiblich besetzten Beruf, assoziiert wurden. (Chang, 2018, S. 17) Demzufolge wurden Arbeiten am Computer mit Schreib- bzw. Tipparbeiten gleichgesetzt, die zu dieser Zeit eine weibliche Domäne beschrieben. (Abbate, 2012, S. 60) 12 Abbildung 1: ENIAC Programmierung mit Telefonschaltern, Betty Jean Jennings Bartik (links) Frances Bilas Spence (rechts) (U.S. Army Photo, 1945-1947) Eine herausragende und bedeutende Entwicklerin ihrer Zeit war Grace Murray Hopper, Dok- torin der Mathematik und US-Navy Admiralin, 1944 programmierte sie den Mark I, einen Rie- sencomputer, der während des Zweiten Weltkriegs zum Bau der amerikanischen Atombombe beitrug. Sie erfand, nicht zuletzt durch ihre interdisziplinäre Arbeitsweise, den Compiler, eine Art Übersetzungswerkzeug, was Programmiersprache in Maschinensprache überträgt. Des Weiteren war sie an der Entwicklung der Programmiersprache COBOL beteiligt und brachte das Konzept der Maschineninteraktion voran. (Chang, 2018, S. 17) Mit dem auf den Zweiten Weltkrieg folgenden Einzug des Computers in die Privatwirtschaft und der damit verbundenen rapide wachsenden Nachfrage an Arbeitskräften, versuchten Fir- men Rekrutiermechanismen zu entwickeln, die die am besten geeigneten Programmierer*in- nen herausfiltern sollten. Im Zuge dessen waren zunächst auch Frauen* eine Zielgruppe, als weniger kostenintensive und vermeintlich ‚loyalere‘ Alternative. (Abbate, 2012, S. 65) Die Industrie konnte es sich bei einer jährlichen Verdopplung der benötigten Arbeitskräfte schlichtweg nicht leisten, Frauen* kategorisch auszuschließen (Ensmenger, 2010a, S. 117). Einige Frauen*, wie auch Arbeitgebende bemühten sich, das Programmieren als ‚weibliche‘ Tätigkeit zu proklamieren und somit die Partizipation von Frauen* als natürlich und wün- schenswert darzustellen. Um also mehr Frauen* für das Programmieren zu begeistern, ver- knüpften sie typisch ‚weibliche*‘ Attribute ihrer Zeit, wie Kochen und Stricken, mit Program- miertalent. Andere behalfen sich mit der Metapher, dass musisch-artistisches Können und Kreativität Grundvoraussetzungen fürs Programmieren seien und sich Frauen* deswegen be- sonders gut für diese Arbeit eignen würden. 13 Diese von Frauen* selbst erzeugten Narrative schufen ein eigenes Bild der Tätigkeit, das sie für deren Ausübung prädestinierte. Gleichzeit legitimierte es aber auch den Einzug von typisch ‚weiblichen*‘ Fähigkeiten in den Techniksektor. Einige Experten gingen sogar soweit, Frauen per se als geeignetere Programmierer*innen zu bezeichnen und begründeten ihre Meinung mit vermeintlich ‚weiblichen*‘ Persönlichkeitsmerkmalen wie Geduld oder Detailverliebtheit. Eine weitere Metapher berief sich auf das Bild der Frauen* als Mutter* und Lehrende. Angeb- lich würde Programmieren von zwischenmenschlichen Fähigkeiten wie Empathie, Fürsorge und Kommunikationsvermögen profitieren. Diese Darstellung kann auch als Versuch verstan- den werden, Erziehung und Lehre als vorwiegend ‚weibliche*‘ Tätigkeit aufzuwerten; als Tä- tigkeiten, welche Erfahrung und Ausbildung verlangen und nicht durch reinen Instinkt oder Genderrollenbilder allein ausgeübt werden können. (Abbate, 2012, S. 65ff.) Ende der 1960er Jahre wurde die stetig wachsende Computing-Industrie zunehmend rentabel, weshalb 1967 sogar das Cosmopolitan Magazin den Artikel „The Computer Girls“ veröffent- lichte. Dort wird darauf aufmerksam gemacht, dass ein „senior system analyst“ jährlich 20.000 US-Dollar und mehr verdiene, was heute ca. 150.000 US-Dollar entsprechen würde. (Chang, 2018, S. 18) Die Cosmopolitan lässt in dem Artikel auch Grace Hopper zu Wort kommen, die programmieren mit dem Vorbereiten und dem Ausrichten eines Dinners vergleicht. Sie betont auch das nötige Auge für Details sowie die für das Programmieren benötigte Geduld, weshalb Frauen* regelrechte „Programmiernaturtalente“ seien. Im weiteren Verlauf des Artikels unter- streicht das Magazin Hoppers Aussagen mit folgenden Worten „[...] and if it doesn’t sound like women’s work – well, it just is.“ (Mandel, 1967, S. 52) Der Artikel illustriert recht eindeutig, die sich widersprechenden Rollenbilder von Frauen* in der Computerindustrie. Dieser Gegensatz wird auch an Zitaten wie „Grace was a good man“ von Howard Aiken, Grace Hoppers Vorgesetzter an der Harvard University, deutlich (Isaacson, 2020). ‚Weiblicher*‘ Erfolg in dieser Branche war scheinbar nicht mit den gesellschaftlichen Normen zu vereinbaren. Er musste ‚vermännlicht‘ werden. (Abbate, 2012, S. 70) Auch die Tatsache, dass Grace Hopper 1969 von der Data Processing Management Association, wohlgemerkt als Frau, den ersten „Man of the year award“ verliehen bekam, zeugt von latenter Ignoranz (Ensmenger, 2010a, S. 117). Frauen* spielten eine wichtige Rolle bei der Entstehung der Branche und hatten zu dieser Zeit einen leichteren Zugang zu dieser, als zu fast allen anderen technischen Berufssparten. Ge- rade deshalb drängt sich aus heutiger Sicht die Frage auf, wie diese Industrie also in westli- chen Kulturkreisen zu einem der stereotypisch ‚männlichsten‘ Berufszweige werden konnte. (Ensmenger, 2010a, S. 116) Dieser Wandel ist ein wesentlicher Entstehungsgrund für das bestehende Genderungleichgewicht und soll im folgenden Kapitel genauer betrachtet werden. 14 2.3.2 Der Wandel des Programmierens zur ‚männlichen‘ Tätigkeit Während der 1950er Jahre gelang es nur den besten Programmierer*innen, eine anwendbare sowie funktionale Applikation zu schreiben. Programmieren war für die Allgemeinheit nicht nachvollziehbar. Nicht zuletzt deshalb wurde Programmieren als „black art” bezeichnet, das heißt, als etwas undurchschaubares, magisches, als eigenwillige und obskure Disziplin. Es bestand die Auffassung, dass es sich beim Programmieren um eine angeborene Fähigkeit handele. Gesucht wurden Menschen, die ingenieursmäßige Knobelarbeiten und mathemati- sches Verständnis in sich vereinten. Angezogen wurde ein bestimmter, meist männlicher, Ty- pus von Programmierer*innen; deswegen meist männliche Personen, da diese vorwiegend die bessere mathematische und technische Ausbildung hatten, nicht etwa weil sie die ange- borenen Fähigkeiten besaßen.7 (Ensmenger, 2010a, S. 125ff.) Das Bildungsungleichgewicht zwischen Männern und Frauen* war aus verschiedenen Gründen eklatant. Von daher ist es nicht weiter verwunderlich, dass bei dem massiv steigenden Bedarf an Pro- grammierer*innen Männer immer stärker repräsentiert waren. Von 1960-1970 verzwanzig- fachte sich, laut dem U.S. Census Bureau, die Computerbeschäftigtenzahl in den USA von ca. 13.000 auf etwa 258.000. Von den 163.000 Programmierenden waren knapp ein Viertel Frauen* (24,2%). Bei den 108.000 besser angesehenen und höher bezahlten ‚computer sys- tem analysts‘ waren Männer sogar knapp achtmal häufiger anzutreffen als ihre Kolleginnen* (13,6 Prozent). (Abbate, 2012, S. 41) (U.S. Department of Commerce, 1985) Auch dies ist durch das Bildungsungleichgewicht erklärbar, denn Frauen* besaßen oft nicht die mathemati- schen Vorkenntnisse, die Voraussetzung für besser bezahlte Tätigkeiten waren. (Ensmenger, 2010a, S. 135) Angesichts des starken Branchenwachstums waren Eignungstests und Persönlichkeitsprofile, eine scheinbar objektive Lösung. Bereits Mitte der 1960er Jahre verließen sich gut 80 Prozent der Unternehmen zum Rekrutieren ihrer Angestellten auf Eignungstests. Verbreitet war die Annahme, dass Schachspielen, musikalisches, aber vor allem mathematisches Talent Grund- voraussetzungen für erfolgreiches Programmieren seien. (Ensmenger, 2010a, S. 126ff.) „Die hochrangigen Fähigkeiten wie Mathematik und Ingenieurwesen scheinen im Vergleich zu ihrem Nutzen beim Programmieren überbetont worden zu sein, und Fähigkeiten, die in der tatsächlichen Programmierpraxis wichtig waren - wie Teamarbeit, Freundlichkeit, Kommuni- kation und Leidenschaft - wurden in den üblichen Einstellungskriterien nicht hervorgehoben.“ (Abbate, 2012, S. 71) So wurde der wohl bekannteste Eignungstest von IBM, der besonders mathematische Fähig- keiten abprüfte, allein im Jahr 1967 von über 700.000 Kandidat*innen absolviert (McNamara, 7 Inzwischen ist durch diverse Studien bewiesen, dass es keinen signifikanten Unterschied für Mathematikfähigkei- ten gibt, der durch Gender determiniert wird. (Lindberg, Shibley Hyde, & Petersen, 2010) 15 1967). Eignungstests wie dieser bevorzugten, gerade wegen ihres starken Fokus auf mathe- matische Fähigkeiten, die zumeist nur durch eine formale Ausbildung zu erlangen waren, vor allem Männer. Dies ist deshalb so erstaunlich, da bereits zu dieser Zeit bekannt war, dass spezielle mathematische Vorbildung für kommerzielles Programmieren keine große Relevanz hatte. (Ensmenger, 2010a, S. 127f.) Darüber hinaus wurden die Antworten eben dieser Tests oft, z. B. innerhalb von rein männlichen Studentenverbindungen, weitergegeben, weshalb es eines anderen Rekrutierungswerkzeugs bedurfte (Chang, 2018, S. 19). Bereits 1956 setzte sich die System Development Corporation (SDC), die damals gut drei Fünftel aller Programmierer*innen in den USA beschäftigte, mit der Standardisierung von Per- sönlichkeitsprofilen von Programmierer*innen auseinander. Das Ergebnis ist die von William Cannon und Dallis Parry, zwei SDC Psychologen, 1966 erarbeitete „programmers scale“. (Cannon & Perry, 1966, S. 61–82) Der Ausgangspunkt ihrer Studie war die Annahme, dass die Testkandidat*innen für berufli- chen Erfolg die gleichen Interessen haben müssten, wie erfolgreiche Programmierer*innen. Die meisten Erkenntnisse der Arbeit waren nicht überraschend. Programmierer*innen moch- ten ihre Tätigkeit, lehnten Routinen ab und hatten besonders viel Spaß am Rätsellösen (Ensmenger, 2010a, S. 128) Eine bestimmte Erkenntnis von Cannon und Perrys Studie war jedoch entscheidend: „their disinterest in people“8. Um es mit ihren Worten auszudrücken: „Programmers dislike activities involving close personal interaction. They prefer to work with things rather than people.”9 (Cannon & Perry, 1966, S. 61-82) Hieraus resultierte die sich hartnäckig haltende Annahme, dass Programmierer*innen keine sozial-kommunikativen Fähigkeiten besitzen würden. Der Branchenanalyst Richard Brandon führt diese erkannten Persönlichkeitsmerkmale auf die künstliche Testumgebung zurück. In der Unternehmenspraxis seien derartige Persönlichkeitsmerkmale jedoch dysfunktional. (Ensmenger, 2010a, S. 128) Er ging sogar so weit 1968 bei einer Konferenz in New York Programmierer als „[...] oft egozentrisch, leicht neurotisch, und an Schizophrenie grenzend [zu bezeichnen]. Die Häufigkeit von Bärten, Sandalen und anderen Symptomen von schroffem Individualismus oder Nichtkonformität ist in der demografischen Gruppe deutlich höher.“ (Brandon, 1968, S. 332-334) Aus diesem weit verbreiteten Bild vom ‚Idealtypus des Programmierers‘ entwickelte sich eine „selbsterfüllende Prophezeiung10“. Die Industrie selektierte nach unsozialen, primär mathema- 8 „Ihr Desinteresse an Menschen“ (Programmierer*innen interessieren sich nicht für Menschen) 9 "Programmierer*innen mögen keine Aktivitäten mit enger persönlicher Interaktion. Sie bevorzugen es, mit Dingen zu arbeiten und nicht mit Menschen.“ 10 „Die Prophezeiung des Ereignisses führt zum Ereignis der Prophezeiung. Voraussetzung ist nur, dass man sich selbst etwas prophezeit oder prophezeien lässt und dass man es für eine unabhängig von einem selbst bestehende oder unmittelbar bevorstehende Tatsache hält.“ (Watzlawick, 2013, S. 63) 16 tisch begabten Männern und deswegen waren auch genau diese Männer unter Programmie- rern überrepräsentiert. (Ensmenger, 2010b, S. 78f.) Also hielt der Stereotyp, des unsozialen und mathematisch begabten (männlichen) Programmierers Einzug in die Einstellungspro- zesse der Computerindustrie, wo er bis heute fortbesteht (Ensmenger, 2010a, S. 129). Basie- rend auf erwähnten Persönlichkeitstests, wie Cannon und Perrys „programmer scale“ und ent- sprechenden Eignungstests, rekrutierte eine Vielzahl von Unternehmen bis in die 1980er Jahre ihre Programmierer*innen. (Chang, 2018, S. 20) „Combined with the often-explicit as- sociation of programming personnel with beards, sandals, and scruffiness, it is no wonder that women felt increasingly excluded from the center of the computing community.”11 (Ensmenger, 2010b, S. 79) Deswegen mussten Frauen* ihr Verhalten oft an das der Männer anpassen. Sie versuchten, sich weniger ‚weiblich*‘ zu geben, um weiterhin akzeptiert zu werden. (Ensmenger, 2010a, S. 129) In den späten 1960er Jahren war allerdings bereits bekannt, dass diese Persönlichkeitstests, die Vorhersage zukünftiger Leistung betreffend, sowohl unwissenschaftlich als auch unkorrekt waren. Sie waren jedoch, im Vergleich zum Einzelinterview, zeit- und kostensparender. Die starke Tendenz zu männlichen Programmierern entstand wohl eher unbewusst und aus Be- quemlichkeit. (Ensmenger, 2010a, S. 129f.) Es handelte sich vermutlich viel mehr um eine Kombination aus Trägheit und traditioneller männlicher Vorherrschaft. Bei der Entwicklung die- ser Selektionsprozesse wurde scheinbar außer Acht gelassen, dass durch diese Vorgehens- weise ein großes Potenzial von weiblichen Fachkräften verloren ging. (Ensmenger, 2010b, S. 79) Ein anderer Gesichtspunkt, der zum zunehmenden Ausschluss von Frauen* führte, war die, in den 1960er Jahren beginnende, steigende Professionalität und Standardisierung des Com- putersektors. Professionalität wurde mit Führungsfähigkeit gekoppelt und dies als eine typisch ‚männliche‘ Qualifikation assoziiert. Was im Umkehrschluss bedeutet, dass Frauen* weder als geeignet für eine Karriere noch als Führungskraft angesehen wurden. Dies ging einher mit ihrer klassisch zugeschriebenen Rolle als Ehefrauen* und Mütter*. Als solche wurden höhere Bildungsränge für sie nicht als notwendig erachtet, was zu einer von vornherein geringeren fachlichen Qualifikation führte. (Ensmenger, 2010a, S. 135) 1971 untermauerte Gerald Wein- berg in seinem Buch „The Psychologie of Computer Programming“ diese häufig verbreitete Annahme, dass Frauen* schlichtweg nicht in der Lage seien eine Gruppe zu führen oder ihre männlichen Kollegen zu beaufsichtigen (Weinberg, 1971), womit ein weiterer Schritt in die ‚Vermännlichung‘ der Branche gemacht war. 11 "Zusammen mit der oft expliziten Assoziation von Programmierern mit Bärten, Sandalen und schludrigem Auf- treten ist es nicht erstaunlich, dass sich Frauen* zunehmend vom Zentrum der Computer-Community ausgeschlos- sen fühlten." 17 2.3.3 Der „Computer-Nerd“ An dem Cosmopolitan Artikel wird deutlich, dass die frühen Tage der Computerindustrie in den späten 1960er Jahren in den USA ungewöhnlich ‚frauen*freundlich‘ waren und sogar be- stimmte Vorteile mit sich brachten, wie z. B. die Möglichkeit von zuhause aus zu arbeiten. Anders als traditionelle Naturwissenschafts- und Technikbranchen, die schon immer männlich dominiert waren und für Frauen* erst geöffnet werden mussten, hatte Programmieren keine eindeutige Genderspezifizierung. Die Tätigkeit des Programmierens begann als niedere zuar- beitende Büroarbeit mit geringem Status, die damals daher zumeist von Frauen* erledigt wurde, und erfuhr eine allmähliche und willentliche Transformation zur hoch angesehenen, wissenschaftlichen und vorwiegend männlichen Disziplin. Diese Transformation der ‚Ver- männlichung‘ geschah keinesfalls linear und impliziert auch nicht, dass Frauen* nicht Teil der Branche geblieben seien. Vielmehr beinhaltet die hier angesprochene ‚Vermännlichung‘ das Verfolgen männlicher Ideale mit der Konsequenz, dass weibliches* Verhalten oder feminine Erscheinungsformen als unprofessionell gedeutet werden. Eine ‚vermännlichte‘ Branche er- schwert Frauen* die Teilnahme, schließt diese aber nicht kategorisch aus, vor allem nicht, wenn sich Frauen* den herrschenden Genderdynamiken anpassen. Ensmenger vertritt die Meinung, dass die Universitätsabsolvent*innenzahlen kein adäquates Messinstrument für weibliche* Beteiligung in der Branche seien, jedoch könne an ihnen die fortschreitende Pro- fessionalisierung und ‚Vermännlichung‘ abgelesen werden. Das Einführen der Informatik an Universitäten bildet seiner Meinung nach einen wichtigen Schritt in diesem Prozess und lädt zu einer anderen Betrachtungsweise ein. Anstatt die Frage der geringen weiblichen* Partizi- pation aufkommen zu lassen, könnte stattdessen gefragt werden, weshalb die akademische Vorstellung des Programmierens von männlichen Idealen und Werten geprägt ist. (Ensmenger, 2010a, S. 130ff.) Doch diese strukturelle Erklärung reicht noch nicht aus, um das Phänomen vollständig zu er- fassen. Die Informatik hat eine eigene Kultur entwickelt, die besonders „frauen*unfreundlich“ agiert, wahrscheinlich sogar unfreundlicher als in anderen Naturwissenschaftsbereichen. Die verbreitete Assoziation des Faches mit dem „Nerd-Stereotypen“ ist die am häufigsten heran- gezogene Erklärung für die geringe weibliche* Partizipation. Der „Computer-Nerd“ ist zu einem essenziellen Element der modernen amerikanischen (aber auch deutschen) Kultur geworden und wird immer wieder als exzentrisch, ungepflegt, unsozial und vor allem männlich darge- stellt. (Ensmenger, 2010a, S. 135f.) Die Entstehung dieses Stereotypen wird oft mit der Verfügbarkeit des PCs in den 1970er Jah- ren in Verbindung gebracht, der Computer in Privathaushalte brachte. Die weißen, männli- chen, halbwüchsigen Nerds werden noch heute oft als essenzieller Bestandteil erfolgreicher Tech-Start-ups des Silicon Valleys angesehen und die damit einhergehende Kultur (Nerd Cul- 18 ture) dominiert die Informatikfachbereiche an Hochschulen. Doch an Beschreibungen, wie de- nen von Richard Brandon, ist zu erkennen, dass die Erschaffung des Computer-Nerds we- sentlich früher begonnen hat. Sie ist das Ergebnis der Assoziation von Programmierfähigkei- ten mit Schach- und Mathematikbegabungen, unterstützt durch ominöse und pseudo-wissen- schaftliche Eignungs- und Persönlichkeitstests, die bereits in den frühen 1960 Jahren die Ein- stellungsverfahren der Computerindustrie beherrschten. Die Institutionalisierung von Gender- normen zeigt, inwiefern strukturelle und kulturelle Gegebenheiten determinierend und schluss- endlich selbst reproduzierend sind. Selbst wenn sich strukturelle Bedingungen verändern oder auflösen, bleibt die kulturelle Struktur oft bestehen. (Ensmenger, 2010a, S. 137ff.) Ein einfaches Beispiel dafür ist das nächtliche Programmieren. Als Computer noch riesige und extrem teure Maschinen waren, die an Serienproduktionen geknüpft waren, hatten Program- mierer*innen oft nur nachts uneingeschränkt Zugang zu ihnen. Dieser Umstand bildete eine massive strukturelle Barriere für Frauen*, vor allem da einige Unternehmen es Frauen* aus- drücklich verboten nach der Geschäftszeit am Arbeitsplatz zu bleiben. Aber selbst nachdem ein nächtliches Arbeiten nicht mehr vonnöten war, blieb diese Kultur erhalten und auch heute sind 24-stündige Hackathons weit verbreitet. Die in diesem Beispiel deutlich werdende Bezie- hung zwischen Struktur und Kultur zeigt die Bedeutung der Computergeschichte für die Be- trachtung zeitgenössischer Praktiken in der Tech-Branche. Die Vorstellung darüber, wer am besten programmiert, hat sich während der Mitte des 20. Jahrhundert drastisch, jedoch für Programmierer*innen selbst unsichtbar, verändert. Die vermeintlich unbeabsichtigten Konse- quenzen dieses Prozesses werden aber in der Industrie deutlich. (Ensmenger, 2010a, S. 137f.) Die Erkenntnis, dass die Qualifikationskriterien in gewisser Weise willkürlich waren und teil- weise immer noch sind, erschüttert die Vorstellung, dass Frauen* kein Interesse oder kein Talent für Computertätigkeiten haben. Stattdessen könnte die Neuausrichtung der Berufsqua- lifikationen für Computerfachleute ein Weg sein, um eine Vielfalt von Talenten zu rekrutieren und zu halten. (Abbate, 2012, S. 72) 19 3 Theoretischer Teil: Stand der Forschung zur weiblichen* Partizipation im Tech-Wirkungsbereich Für die Tech-Branche sind, neben Verwaltungs-, Marketing- und Managementtätigkeiten, vor allem Berufe aus Mathematik, Informatik, Naturwissenschaft und Technik (abgekürzt MINT)) von Bedeutung. In den vergangenen Jahrzehnten ist die Beteiligung von Frauen* an MINT- Fächern (sowohl in Deutschland als auch in den USA) zwar stark gewachsen, allerdings sind Frauen*, abhängig vom Fach, nach wie vor stark in der Unterzahl. Abbildung 2: Genderverteilung der sozialversicherungspflichtigen MINT-Beschäftigten, Juniwerte, 2013- 2017, eigene Darstellung nach (Statistik der Bundesagentur f疨 r Arbeit, 2018, S. 8) In Abbildung 2 ist zu erkennen, dass sich der Frauen*anteil in den sozialversicherungspflichti- gen MINT-Berufen von 2013 - 2017 in Deutschland kaum verändert hat. (Statistik der Bundesagentur für Arbeit, 2018, S. 8) Doch innerhalb der MINT-Berufe gibt es erhebliche Be- teiligungsunterschiede. In Großstädten, wie Berlin und Hamburg, aber auch in den neuen Bun- desländern, besonders in Thüringen und Sachsen, ist der Frauen*anteil, wie in Abbildung 3 zu erkennen, überdurchschnittlich hoch. Der Bereich Mathematik und Naturwissenschaften kann fast 40 Prozent Frauen* in Beschäftigungsverhältnissen verbuchen, wobei es im Informatikbe- reich 2017 nur 16 Prozent waren. (Statistik der Bundesagentur für Arbeit, 2018, S. 8ff.) 85,6% 85,4% 85,4% 85,0% 84,8% 14,4% 14,6% 14,6% 15,0% 15,2% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 2013 2014 2015 2016 2017 Genderverteilung der sozialversicherungspflichtigen MINT-Beschäftigten Männer Frauen* 20 Abbildung 3: Verteilung des Frauen*anteils in MINT-Berufen (Statistik der Bundesagentur f疨 r Arbeit, 2018, S. 10) In der vorliegenden Arbeit wird der Fokus, wie bereits erwähnt, hauptsächlich auf den Fach- bereich der Softwareentwicklung und Informatik gelegt. Eine(r) von zehn MINT-Beschäftigten, etwa 758.000 Personen, arbeitet laut der Bundesagentur für Arbeit in diesem Bereich. (Statistik der Bundesagentur für Arbeit, 2018, S. 6) In diesem MINT-Bereich ist die weibliche* Partizipation jedoch am geringsten, wobei er aber einen ganz entscheidenden Teil der Tech- Branche darstellt. 3.1 Akademischer Nachwuchs Im Folgenden wird ein Einblick zur weiblichen* Partizipation im akademischen Umfeld in Deutschland und in anderen Ländern gegeben, da die Beteiligungsunterschiede teilweise ek- latant sind und deren Ursachen im Ansatz beleuchtet werden sollen. Bei der Betrachtung der für die Tech-Branche relevanten Studienfächer muss berücksichtigt werden, dass ein direkter Vergleich der deutschen Daten mit denen anderer Länder, aber selbst innerhalb Deutschlands, von der deutschen Wiedervereinigung 1989 und der Umstel- lung der Hochschulen auf das Bologna-System 2010 (von Diplom auf Bachelor und Master) stark beeinflusst ist. Zudem sollte in Betracht gezogen werden, dass die Informatik seit dem Wintersemester 2015/ 16 an Hochschulen nicht mehr im Bereich der Mathematik, sondern bei den Ingenieurswissenschaften angesiedelt ist. 3.1.1 Akademischer Nachwuchs in Deutschland In Deutschland stellte die Informatik unter den MINT-Studierenden, wie auch unter den MINT- Berufen, die Fachrichtung mit dem geringsten Frauen*anteil dar. Inzwischen liegt, laut der 21 Bundesagentur für Arbeit, der Frauen*anteil im ersten Fachsemester mit 25 Prozent jedoch über dem der Ingenieurswissenschaften. Abbildung 4 zeigt den Verlauf des prozentualen Frauen*anteils im ersten Fachsemester verschiedener MINT-Fachrichtungen. Es ist zu erken- nen, dass die weibliche* Beteiligung nach der deutschen Wiedervereinigung in allen MINT- Bereichen kontinuierlich zugenommen hat, aber dennoch erhebliche Beteiligungsunterschiede vorliegen. In den Naturwissenschaften ist im ersten Fachsemester im Jahr 2015 fast Parität erreicht, während der Frauen*anteil in den Ingenieurswissenschaften und der Informatik nur etwa halb so groß ist. Abbildung 4: Verlauf des Erstsemester-Frauen*anteils in MINT-Fachbereichen (Statistik der Bundesagentur f疨 r Arbeit, 2018, S. 24) Betrachtet man den Informatikbereich, wie in Abbildung 5, genauer, fällt auf, dass der Frauen- anteil unter den Absolvent*innen im Jahr 2015 nur 17,7 Prozent beträgt. Daraus ist zu schlie- ßen, dass Frauen* häufiger als Männer das Studium nicht beenden. Ähnliches lässt sich bei der Beteiligung im Arbeitsmarkt beobachten. Denn es schließen mit 28,8 Prozent im Jahr 2016 22 wesentlich mehr Frauen* ein MINT-Studium ab als sich später auf dem Arbeitsmarkt wieder- finden (Statistik der Bundesagentur für Arbeit, 2018, S. 21) (vgl. Abbildung 2).12 Abbildung 5: Absolvent*innen der Informatik in Deutschland (1986-2017) 13, eigene Darstellung nach (Komm, mach MINT, 2018, S. 17) In der Informatik war, wie in Abbildung 5 zu erkennen ist, im Jahr 2017 nur knapp jede fünfte Absolvent*in eine Frau* (Komm, mach MINT, 2018). Diese Zahlen müssen jedoch differenziert betrachtet werden, da es erhebliche Beteiligungsunterschiede in den jeweiligen Studienfä- chern gibt. Wie in Abbildung 6 und Abbildung 7 zu erkennen ist, ist der Frauen*anteil in Studi- engängen der sogenannten Bindestrichinformatik, wie z. B. Medieninformatik, Medizinische Informatik oder Bioinformatik, wesentlich höher. Britta Schinzel, ehemalige Professorin für In- formatik und Gesellschaft an der Albert-Ludwigs-Universität in Freiburg, erläutert „Je näher die (oft nur metaphorische) Bezeichnung und die Selbstdarstellung eines Studiengangs in die Nähe von Technik oder Ingenieurwesen rückt desto, weniger Frauen* zeigen Interesse, je mehr der interdisziplinäre, der Anwendungs- und/oder der soziale Kontext betont wird, desto mehr Frauen* nehmen teil. Diese Tatsache ist weniger abhängig von den tatsächlichen Inhal- ten eines Studiums, denn Frauen* wählen Studienrichtungen mit kontextueller Nähe zu Kom- munikation und Sozialem bzw. mit Distanz zu Technik, selbst dann, wenn die Inhalte des Stu- diums vorwiegend technischer Natur sind [...].“ (Schinzel, Informatik und Geschlechtergerechtigkeit in Deutschland – Annäherungen, 2007, S. 138) Betrachtet man die 12 Anmerkung: In den Ausbildungsberufen der Informatik-, Informations- und Kommunikations- technologie konnten im Jahr 2017 lediglich 9% und im Jahr 2018 gerade einmal 8% Frauen* verbucht werden. (Statistik der Bundesar- gentur für Arbeit 2019) 13 Die Werte vor 1992 beziehen sich lediglich auf das frühere Bundesgebiet. 16,6% 18,4% 15,8% 15,2% 17,5% 16,2% 12,5% 11,7% 12,1% 14,9% 16,4% 16,1% 15,1% 14,8% 15,8% 17,7% 19,5% 0% 10% 20% 30% 40% 50% 0 5.000 10.000 15.000 20.000 25.000 19 86 19 87 19 88 19 89 19 90 19 91 19 92 19 93 19 94 19 95 19 96 19 97 19 98 19 99 20 00 20 01 20 02 20 03 20 04 20 05 20 06 20 07 20 08 20 09 20 10 20 11 20 12 20 13 20 14 20 15 20 16 20 17 An za hl S tu di er en de Absolvent*innen im Studienbereich Informatik Männer Frauen* % Frauen* 23 Absolventinnen*zahlen seit der Umstellung auf Bachelor und Master, so trifft Schinzels Be- obachtung immer noch zu. Abbildung 6: Vergleich des Frauen*anteils [%] der Bachelorabschlussprüfungen im Studienbereich Infor- matik (eigene Berechnung und Darstellung nach Daten des Statistischen Bundesamtes) Abbildung 7: Vergleich des Frauen*anteils [%] der Masterabschlussprüfungen im Studienbereich Informa- tik (eigene Berechnung und Darstellung nach Daten des Statistischen Bundesamtes) 0% 10% 20% 30% 40% 50% 2010 2011 2012 2013 2014 2015 2016 2017 Anteil der Bachelorabsolventinnen* in der Informatik Computer-und Kommunikationstechniken Bioinformatik Wirtschaftsinformatik Informatik technische Informatik Medieninformatik Medizinische Informatik 0% 10% 20% 30% 40% 50% 2011 2012 2013 2014 2015 2016 2017 Anteil der Masterabsolventinnen* in der Informatik Computer-und Kommunikationstechniken Bioinformatik Wirtschaftsinformatik Informatik technische Informatik Medieninformatik Medizinische Informatik 24 3.1.2 Akademischer Nachwuchs im globalen Vergleich In diesem Kapitel werden die Informatikstudienabschlüsse der USA, aufgrund der geschichtli- chen Erläuterungen, die hauptsächlich am Beispiel der USA vorgenommen wurden, sowie die „Computing“-Abschlüsse anderer OECD Länder dargestellt. Besondere Aufmerksamkeit wird den Studienabschlüssen in den USA geschenkt, da diese eine Vorreiterrolle auf dem Gebiet der Informatik spielten und immer noch einen wesentlichen Beitrag in der Tech-Branche leisten. Die Daten der USA gehen deutlich weiter zurück, als die deutschen Studienabschlusszahlen. Seitdem die Informatik zur Wissenschaftsdisziplin gewor- den ist, werden in den USA Bachelor- und Masterabschlüsse vergeben und im Gegensatz zu Deutschland hat keine Wiedervereinigung des Landes stattgefunden (genaueres zu diesem Sachverhalt im folgenden Kapitel 3.1.3). Abbildung 8: Verlauf des Frauen*anteils [%] der Informatik-Studienabschlüsse in den USA, eigene Dar- stellung nach (Fiegener, 2015) Wie in Abbildung 8 zu erkennen ist, steigt von 1968 bis 1984 der prozentuale Frauen*anteil der Bachelor- und Masterstudienabschlüsse kontinuierlich an. Während im Jahr 1967 lediglich 11 Prozent der Bachelorabsolvent*innen Frauen* sind, ist 1984 mit 37 Prozent mehr als jede dritte Absolvierende eine Frau*. Der Maximalwert bei den Masterabsolvent*innen wurde 1986 mit knapp 30 Prozent erreicht. Zu diesem Zeitpunkt ist also fast jede dritte Absolvent*in eine Frau*. Doch das Jahr 1984 markiert einen drastischen Wendepunkt. In den folgenden Jahren sinkt die weibliche* Beteiligung für Bachelorabschlüsse stetig bis in die frühen Nullerjahre des 21. Jahrhunderts auf etwa 18 Prozent im Jahr 2011. Demnach ist noch nicht mal mehr jede fünfte Informatik-Bachelorabsolvent*in eine Frau*. Für das Jahr 1999 liegen laut US Census Bureau keine Werte vor, weshalb die Darstellung des Graphen unterbrochen ist. Werte zu 0% 10% 20% 30% 40% 50% Frauen*anteil im Informatik Studienbereich in den USA Bachelor Master Ph.D. 25 Doktorand*innenabschlüssen liegen erst seit den späten 1970er Jahren vor und steigen seit- dem langsam, wenn auch alternierend, an. Erstaunlich ist auch, dass in den USA der Frauen*anteil der verliehenen Bachelorabschlüsse in anderen MINT-Disziplinen, wie Ingeni- eurswissenschaften, Mathematik, Physik und Biologie seit den 1960er Jahren bis heute stetig zunimmt. Gleichzeitig ist die Informatik aber das MINT-Fachgebiet, in dem von 1972 bis 1984, verglichen mit allen anderen MINT-Bachelorabschlüssen, der größte prozentuale Anstieg an Abschlüssen von Frauen* zu verbuchen ist. Danach war die Informatik der einzige MINT-Stu- dienbereich, in dem ein Abfall der weiblichen* Absolvent*innenzahlen zu beobachten ist. (Clarke Hayes, 2010, S. 29ff.) Die in Kapitel 2.3 erläuterten Sachverhalte sind ein Erklärungs- versuch für die hier dargestellten Absolvent*innenzahlen. Jedoch muss davon ausgegangen werden, dass auch noch weitere, bisweilen teilweise unerforschte Gegebenheiten, dazu bei- getragen haben. (Clarke Hayes, 2010, S. 44ff.) Um einen globalen Überblick von den Absolventinnen*zahlen zu gewinnen, werden in Tabelle 1 dreißig Länder für die Zeit von 1999 bis 2012 miteinander verglichen. Diese Daten stammen von der OECD und beschreiben den prozentualen Frauen*anteil der „Computing“-Absolven- tinnen* eines „Typ A“ -Abschlusses (vgl. Glossar, S. 119-122). Daten über „Typ B“-Abschlüsse (vgl. Glossar, S. 119-122) konnten nicht abgerufen werden. Die Informatik ist ein Teil des „Computing“-Felds, es gehören aber auch noch andere Studienbereiche dazu. Daher weichen die Werte der USA in Tabelle 1 auch von denen in Abbildung 8 ab. Dennoch bietet Tabelle 1 eine gute Vergleichsmöglichkeit der anteiligen weiblichen* „Computing“-Studienabschlüsse und macht nicht nur deutlich, wie unterschiedlich die einzelnen Verläufe über die Jahre sind, sondern auch, dass es stark landesabhängig zu sein scheint, wie viele Frauen* einen Studi- enabschluss auf diesem Gebiet erlangen. Auffällig ist auch, dass in vielen Ländern wie z. B. Australien, Großbritannien, Korea, den USA, Neuseeland, Finnland und Spanien der Anteil der von Frauen* erlangten Studienabschlüsse von 1999 bis 2012 abnimmt. In Deutschland sind die Werte im globalen Vergleich recht niedrig, jedoch von 2004 bis 2012 mit 15 – 17 Prozent relativ konstant, im Vergleich zu 1999 steigen sie leicht an. Auch in der Türkei kann eine Zunahme des Frauen*anteils beobachtet werden, der im Jahr 2012 nur noch minimal hinter Schweden und dem absoluten Spitzenreiter Mexiko zurückbleibt. 26 Land 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Australien 25,7 26,4 25,5 27,1 26,7 27,0 25,8 22,3 20,6 20,7 - 19,6 19,8 - Dänemark 23,5 21,7 19,2 23,9 25,7 28,3 25,0 20,7 21,0 23,9 - 20,9 25,0 26,8 Deutschland 11,7 10,5 12,1 11,4 14,9 16,2 16,4 17,7 16,5 15,6 15,6 15,3 15,4 16,7 Finnland 34,6 30,4 33,9 38,5 42,3 40,7 42,9 35,5 31,6 27,6 27,0 28,4 27,5 23,9 Frankreich 17,3 19,3 19,2 22,4 22,7 22,7 19,3 17,8 16,5 16,0 16,5 - - - UK 27,3 24,0 24,8 - 25,7 ... 22,5 21,5 19,8 20,1 19,0 18,7 18,9 19,0 Island 20,0 21,6 19,4 19,7 26,8 28,0 24,5 18,7 18,3 9,6 21,1 18,8 - 13,1 Korea 45,6 41,6 36,9 36,0 39,2 33,8 30,9 28,6 24,2 21,3 20,1 20,9 21,9 24,0 Mexiko 0,0 42,7 42,7 42,3 41,6 37,7 38,8 39,9 38,8 37,4 36,4 41,7 40,2 39,4 Neuseeland 30,7 33,5 28,6 29,3 27,0 28,3 25,0 21,7 19,2 22,8 23,0 - 22,2 19,8 Niederlande 12,4 13,6 14,0 13,3 15,1 8,9 9,4 8,8 9,5 8,5 10,2 10,9 12,8 13,8 Polen 4,9 29,0 22,9 18,9 18,2 16,3 23,5 20,0 18,9 18,6 16,3 16,0 15,6 16,8 Schweden 30,6 40,8 40,1 41,7 42,0 39,2 36,2 29,8 29,5 26,3 24,1 24,4 22,4 29,4 Schweiz 12,9 14,3 12,4 - 6,3 9,0 9,4 9,2 10,1 8,0 8,9 8,2 10,3 8,6 Spanien 27,2 23,9 23,4 23,0 22,0 20,9 21,7 22,3 21,3 20,2 19,7 19,0 21,5 17,0 Tschechien 12,1 7,0 7,0 9,0 15,5 16,2 15,7 13,5 15,3 13,7 13,3 12,5 12,2 12,2 Türkei 21,5 23,3 20,0 23,1 24,1 23,1 23,5 22,8 22,8 24,0 23,3 23,3 26,9 29,3 Ungarn 14,3 15,6 21,1 18,8 22,6 29,3 30,7 19,5 21,8 20,7 19,5 17,7 16,3 17,2 USA 27,1 29,3 29,2 - 28,3 26,5 23,7 22,2 20,7 20,5 20,8 21,1 20,9 21,1 Tabelle 1: Auswahl des Frauen*anteils [%] der "Computing" Absolventinnen* des „Typ A“ -Abschlusses, eigene Berechnung nach (OECD, 2019) 3.1.3 Kulturunterschiede beim Frauen*anteil in der Informatik Betrachtet man den Frauen*anteil in der Tech-Branche im internationalen Vergleich, fällt schnell auf, dass es länderabhängig erhebliche Unterschiede gibt. 2004 untersuchte Britta Schinzel bereits den Frauen*anteil im Informatikstudium. Nach wie vor ist ihre Forschung, im deutschsprachigen Raum, wegweisend, weshalb im Folgenden maß- geblich auf ihre Forschungsergebnisse eingegangen wird. Schinzel stellt fest, dass sich die weibliche* Beteiligung, abhängig vom jeweiligen kulturellen Kontext, im globalen Vergleich massiv unterscheidet (vgl. Tabelle 1). Sie weist darauf hin, dass der internationale Vergleich aufgrund abweichender Erhebungsgrundlagen schwerfalle, bei ei- nem drastischen Unterschied jedoch durchaus auf eine Aussagekraft der Daten geschlossen werden könne. Die „Industriestaaten“ seien regelrecht „unterentwickelt“, was den Frauen*an- teil in Naturwissenschaft und Technik anbelange. In romanischen und ehemals sozialistischen Ländern sei jedoch ihre Partizipation wesentlich höher als im deutschsprachigen, angelsäch- sischen oder skandinavischen Raum. (Schinzel, 2004a) Da das Informatikstudium lange Zeit Teil der Mathematik war, betrachtet Schinzel die beiden Fächer nur gemeinsam. Aktuelle Zahlen der OECD erlauben lediglich Absolventinnen* des „Computing“-Bereichs einzusehen, weshalb das Zahlenmaterial leicht voneinander abweicht (vgl. Tabelle 1). Des Weiteren erwähnt Schinzel die hohen prozentualen Einschreibungszahlen von Frauen* in afrikanischen, südamerikanischen und arabischen Ländern, wobei sie aber auch auf die ge- ringen Studierendenzahlen in diesen Ländern hinweist. 27 Als Erklärung für derartige kulturabhängige Beteiligungsunterschiede führt Schinzel folgende Argumente an: In “industriell halbentwickelten” Ländern (z. B. Argentinien, Brasilien, Indien) könne sich nur die Oberschicht eine universitäre Ausbildung für ihre Kinder leisten. Mädchen* wie Jungen würden gleichberechtigt studieren und Frauen* würden, konträr zum „weißen Nordwesten“, für nicht weniger fähig gehalten werden einen akademischen Abschluss im tech- nisch- naturwissenschaftlichen Bereich zu erlangen. Zudem werde in diesen Gesellschafts- schichten die Hausarbeit und Kindefürsorge an Haushaltspersonal übergeben, weshalb Frauen* vermehrt am Arbeitsmarkt teilhaben könnten. Die Annahme, dass der Fokus dieser Universitäten weniger wissenschaftlich und eher pädagogisch wäre, rückt eine akademische Ausbildung näher an verbreitete weibliche* Genderrollenbilder. Schinzel stellt fest, dass in die- sen Ländern weibliche* Lehrkräfte besser repräsentiert sind und damit MINT-Studentinnen* ausgewogenere Rollenbilder vermittelt bekämen. Den Grund für den bereits erwähnten Unter- schied zwischen deutschsprachigen, angelsächsischen sowie skandinavischen Ländern und slawischen sowie romanischen Ländern vermutet Schinzel in ihrer späteren Industrialisierung. Diese habe ein Aufweichen der Verknüpfung des traditionell männlichen Genderrollenbildes mit Technik ermöglicht. Jedoch führt Schinzel ebenso religiöse Traditionen als Erklärung der unterschiedlichen weiblichen* Partizipation an. Hierbei beruft sie sich auf die von Max Weber entwickelte Protestantismus-Kapitalismus-These und überträgt dessen dargestellten Zusam- menhang zwischen Protestantismus und Kapitalismus auf die Positionierung der Genderrollen im technischen Bereich. (Schinzel, 2004a) Das bedeutet, in protestantischen Ländern knüpft sich die gesellschaftliche Bedeutung von Männlichkeit und den damit einhergehenden Macht- verhältnissen eher an einen wirtschaftlich kapitalistischen Wert, als an die Religion. Dieser Wert ist im Rahmen der Industrialisierung weitgehend mit Technik verbunden (Abbate, 2012, S. 40). Abbate führt weiter aus: „Da technische Fähigkeiten Macht vermitteln - einschließlich Prestige, Zugang zu gut bezahlten Arbeitsplätzen und die Möglichkeit, die von einer gan- zen Gesellschaft verwendeten Werkzeuge zu gestalten -, neigen die Dominanzgruppen in der Gesellschaft dazu, ihre "natürliche" Überlegenheit in diesen Bereichen zu behaupten. Insbesondere die technische Expertise war ein wichtiger Bestandteil der männlichen Iden- tität in der westlichen Kultur.“ (Abbate, 2012, S. 40) Dieses Zitat lässt sich heute durch die Betrachtung der geringen weiblichen* Partizipation in der Tech Branche validieren. Die füh- renden Köpfe dieser Branche sind mit Jeff Bezos, Bill Gates, Mark Zuckerberg und Elon Musk fast ausschließlich Männer, die über gewaltige finanzielle Mittel und damit Macht verfügen. (Nier, 2018)) (weiteres dazu in Kapitel 3.2) In arabischen und nordafrikanischen Ländern seien Frauen* in der Informatik und Mathematik prozentual wesentlich häufiger vertreten. Berufe in einem religiösen Kontext würden rein 28 männlich besetzt, während Technik oft keiner spezifischen Geschlechterzuschreibung unter- liege. Zum anderen könne die nichtvorhandene Koedukation (vgl. Glossar, S. 119-122) in ei- nigen Ländern das Interesse von Frauen* an Technik fördern. (Schinzel, 2004a) Sogar innerhalb Deutschlands kann im historischen Rückblick, abhängig vom kulturellen Kon- text, ein Unterschied der Beteiligung von Frauen* am Informatikstudium festgestellt werden. In der DDR war der Frauen*anteil wesentlich höher als in der BRD. Schinzel erklärt dies mit der staatlichen Verteilung der Studienplätze, entsprechend der Arbeitsmarktanforderungen. Jedoch wurde dies in den 1980er Jahren aufgeweicht, der Frauen*anteil blieb dennoch sehr hoch. Andererseits hebt sie den sozialistischen Grundsatz der Gleichberechtigung hervor, der von Frauen*, trotz ungleicher Machtverhältnisse in der Politik oder höheren familiären Pflich- ten, internalisiert wurde. Auch die Ganztageskinderbetreuung erleichterte es Frauen* in der DDR einen Beruf auszuüben, weshalb 98 Prozent von ihnen (im arbeitsfähigen Alter) beschäf- tigt waren.14 Ein weiterer Gesichtspunkt der sozialistischen Ideologie war ihr Fokus auf Tech- nologien der Zukunft. Dies wurde auch in der DDR verfolgt, weshalb in der Schule ein größerer Fokus auf Natur- und Ingenieurswissenschaften gelegt wurde als in der BRD. Praktika und die „polytechnische Erziehung“ führten zu einem frühen Kontakt mit Technik, was wiederum das Interesse dafür förderte. Trotz alledem dürfe nicht vergessen werden, dass in der DDR, Men- schen auch dazu gezwungen wurden, entgegen ihrer Interessen, bestimmte Berufe auszu- üben. (Schinzel, 2004b) Infolge der deutschen Wiedervereinigung gleichen sich die Studierendenzahlen aus der ehe- maligen DDR jedoch an die der BRD an. Am Beispiel der Universität Rostock wird dies beson- ders deutlich (vgl. Abbildung 9). 14 Das Gleichberechtigungskonzept der DDR war rein ökonomisch. Frauen* sollten in die Arbeitsprozesse integriert werden, um dem Fachkräftemangel entgegenzuwirken. (Kaminsky, 2014, S. 33ff.) 29 Abbildung 9: Auswirkungen der deutschen Wiedervereinigung auf den eingeschriebenen Frauen*anteil [%] in der Informatik an der Technischen Universität Rostock (Schinzel, 2004b) Als Ursache für den drastischen Abfall des Frauen*anteils in sogenannten „Männerberufen“ führt Schinzel folgendes an: „Es gab eine dezidierte Politik, Frauen[*] vom Arbeitsmarkt abzu- halten, um diesen zu entlasten und ‚den alten Bundesländern Deutschlands‘ anzugleichen. Politiker erklärten, dass die hohe Arbeitslosigkeit in den neuen Ländern auf die hohe Arbeits- quote von Frauen[*] zurückzuführen sei, und dass die Arbeit der Frauen[*] auf einen ‚normalen‘ Zustand (d. h. Westdeutschland) reduziert werden müsse“ (Schinzel, 2004b, S. 8).15 Die amerikanische Soziologin und Deutschlandspezialistin Myra Marx Ferree von der Univer- sity of Wisconsin-Madison kommt 2012 in ihrem Buch „Varieties of feminism“16 zu ähnlichen Erkenntnissen. In der DDR waren Frauen* in männerdominierten Bereichen wesentlich häufi- ger vertreten als in der BRD. Dies änderte sich jedoch abrupt mit der deutschen Wiederverei- nigung. Die Zahlen im Osten gleichen sich an die im Westen an. Aufgrund von mangelnder Antidiskriminierungsgesetze durften Arbeitgebende geschlechts-, ebenso wie altersspezifi- sche Ausschreibungen veröffentlichen. Deswegen standen 1992 in den neuen Bundesländern nur 11 Prozent der Stellen Frauen*, 40 Prozent nur Männern und lediglich 49 Prozent Frauen* wie Männern zur Verfügung.17 (Marx Ferree, 2012, S. 205f.) Diese Entwicklungen erklären teilweise den drastischen Abfall weiblicher* Beteiligung in der Informatik, aber auch in anderen MINT-Berufen. 15 Weiter führt Schinzel an, dass „Kindertagesstätten doppelt bis dreifach so häufig geschlossen [wurden,] als in Westdeutschland“ (Schinzel, 2004b, S. 8). Es gilt zudem zu bedenken, dass die staatliche Kinderbetreuung in der DDR nicht in erster Linie zur Entlastung der Frauen* gedient hat, sondern dass die Ziele eines totalitären sozialistischen Regimes mit einer möglichst frühen Indoktrinierung verfolgt wurden (Kaminsky, 2014, S. 77f.). Ebenso blieb die Haushaltsführung in der DDR zumeist Aufgabe der Frau*. (Kaminsky, 2014, S. 33f.) 16 in der deutschen Fassung „Feminismen: Die deutsche Frauenbewegung in globaler Perspektive (Politik der Ge- schlechterverhältnisse)“ 2018 17 In der DDR trugen Frauen*, die zu 90 Prozent erwerbstätig waren, meistens in Vollzeit, 40 Prozent zum Fami- lieneinkommen bei, in der BRD waren es hingegen nur 18 Prozent. (Marx Ferree, 2012, S. 205f.) 30 3.2 Frauen* im Tech-Ökosystem Im Folgenden wird der aktuelle Stand der weiblichen* Partizipation im Tech-Ökosystem prä- sentiert. Denn auch noch im Jahr 2019 sind Frauen* bei den größten Unternehmen der Tech- Industrie unterrepräsentiert. Abbildung 10 zeigt den prozentualen Anteil, der in US-amerikani- schen Tech-Unternehmen tätigen Frauen* in IT-Jobs, Führungspositionen und in der gesam- ten Belegschaft. Dabei fällt auf, dass der Frauen*anteil in den IT-Jobs mit 17-30 Prozent am geringsten ist. In Führungspositionen sind anteilig mehr Frauen* vertreten (20-47 Prozent). Der Frauen*anteil in der Gesamtbelegschaft ist am höchsten und bewegt sich gerade einmal zwischen 27 Prozent bei Microsoft und 47 Prozent bei Netflix. Abbildung 10: Prozentualer Frauen*anteil der Beschäftigten großer amerikanischer Tech-Unternehmen, eigene Darstellung nach (Richter 2019) Es ist anzunehmen, dass der geringe Frauen*anteil in diesen Unternehmen auch Auswirkun- gen auf die Verteilungsgerechtigkeit hat. Im Jahr 2017 waren nur 6 Frauen* unter den 100 wohlhabendsten Tech-Unternehmer*innen vertreten (Au-Yeung, 2017). Wie „gering“ das Ver- mögen der drei wohlhabendsten IT-Unternehmerinnen* im Vergleich zu ihren männlichen Kol- legen ist, zeigt Abbildung 11. Die drei Frauen* verfügen gemeinsam über fast 19 Milliarden US-Dollar. Das ist gerade mal ein knappes Viertel von Mark Zuckerberg Vermögen. 30% 17% 18% 22% 23% 21% 20% 47% 26% 33% 21% 30% 29% 26% 20% 47% 40% 38% 38% 36% 32% 31% 27% 0% 10% 20% 30% 40% 50% Netflix Amazon Twitter Uber Facebook Apple Google Microsoft Anteil der Mitarbeiterinnen* in großen US-amerikanischen Tech-Unternehmen Tech Jobs Führungspositionen Belegschaft 31 Abbildung 11: Die reichsten IT-Unternehmer*innen, eigene Darstellung nach (Nier, 2018) Unterschiede in der Beteiligung von Frauen* in der Tech-Branche, die sich wahrscheinlich auf kulturelle, strukturelle und individuelle Gegebenheiten sowie Sozialisation zurückführen las- sen, können auch heute noch erkannt werden. In dem folgenden Kapitel wird auf die Frauen*beteiligung in Informatikberufen sowie auf den Fachkräftemangel in Deutschland ein- gegangen. Schließlich erfolgt ein weiterer länderübergreifender Vergleich des Gender Pay Gap sowie ein kurzer Überblick zur Start-up-Unternehmensgründung von Frauen* in Deutsch- land. 3.2.1 Frauen*anteil und Fachkräftemangel in der Tech-Branche Betrachtet man den Frauen*anteil aller Beschäftigtenberufsspartenübergreifend, so liegt er in Deutschland mit 46 Prozent bei fast der Hälfte aller Beschäftigten. Im Jahr 2018 betrug der Frauen*anteil in der IT-Branche jedoch lediglich 16 Prozent. (Statistik der Bundesargentur für Arbeit , 2019) Die von Honeypot, einer europäischen tech-fokussierten Job Plattform, ange- fertigte Studie „2018 Women in Tech-Index“, die 41 vergleichbare EU und OECD Länder um- fasst, zeigt, dass es teilweise eklatante Beteiligungsunterschiede von Frauen* in der Tech Branche gibt. Abbildung 12 umfasst einen Teil dieser Länder. 10 5,3 3,6 131,5 91,5 74,2 0 20 40 60 80 100 120 140 Zhou Qunfei Lam Wai Ying Denis Coates Jeff Bazos Bill Gates Mark Zuckerberg Fr au en * M än ne r Mrd. USD Die wohlhabensten IT-Unternehmer*innen [Mrd. USD] 32 Abbildung 12: Länderauswahl des Frauen*anteils [%] in der Tech-Branche im Jahr 2018, eigene Darstellung nach (Honeypot, 2018) In Deutschland arbeiten, abgesehen von Großbritannien, absolut betrachtet mit gut 255.000 Frauen* zwar die meisten Frauen* in der Tech-Branche, allerdings machen sie nur 16,58 Pro- zent aller Tech-Beschäftigten aus. In Bulgarien, wo die prozentuale weibliche* Partizipation weltweit am höchsten ist, sind anteilig fast doppelt so viele Frauen* in der Tech-Branche tätig. Ähnlich wie die in Kapitel 3.1.3 präsentierten Forschungsergebnisse von Britta Schinzel wird im „2018 Women in Tech-Index“ deutlich, dass osteuropäische Länder die höchste Frauen*be- teiligung in der Tech-Branche aufweisen. Die vier europäischen Länder mit der höchsten weib- lichen* Beteiligung sind Lettland, Litauen, Rumänien und Bulgarien. (Kingham, Honeypot , 2018) Im globalen, aber auch innereuropäischen Vergleich, wird deutlich, dass weibliche* Beteili- gung in technischen Studienfächern und Berufen keinesfalls biologischen, geschlechtsabhän- gigen Prädispositionen unterliegt, sondern vielmehr das Ergebnis von kulturellen und struktu- rellen Gegebenheiten ist. In westlich-industriell geprägten Kulturkreisen werden Werte, wie Gendergleichberechtigung, die Aufhebung der Genderdifferenzen und Freiheit, oft instrumen- talisiert, um die angebliche „Naturalisierung der Geschlechtsdifferenzen im Berufsbereich“ zu stützen, meist mit Sätzen wie: „Frauen* interessieren sich eben nicht für Technik“. (Schinzel, Informatik und Geschlechtergerechtigkeit in Deutschland – Annäherungen, 2007, S. 130) 30,28% 26,30% 24,93% 24,87% 24,61% 22,08% 20,82% 18,09% 16,58% 16,20% 15,56% 15,39% 14,50% 11,17% 9,91% 0% 5% 10% 15% 20% 25% 30% 35% Bulgarien Rumänien Litauen Lettland USA Island Schweden Frankreich Deutschland Großbritanien Niederlande Spanien Polen Tschechien Türkei Frauen*anteil in der Tech-Branche (2018) Frauen*anteil [%] in der Tech-Branche 33 Um einen detaillierteren Überblick zur Verteilung und den Verlauf von Fachkräften, Spezia- list*innen und Expert*innen (vgl. Glossar, S. 119-122) zu erhalten, sind diese in Abbildung 13 und Abbildung 14 geschlechtsabhängig gegenüber gestellt. Abbildung 13: Sozialversicherungspflichtige Frauen* in Informatik-Berufen, eigene Darstellung und Berechnung nach (Statistik der Bundesagentur f疨 r Arbeit, 2018, S. 38) Abbildung 14: Sozialversicherungspflichtige Män- ner in Informatik-Berufen, eigene Darstellung und Berechnung nach (Statistik der Bundesagentur f疨 r Arbeit, 2018, S. 38) Es sind anteilig etwas weniger Frauen* in Expert*innenpositionen vertreten. Von den im Jahr 2017 sozialversicherungspflichtigen Frauen* in Informatik-Berufen waren 29,9 Prozent von ihnen Expertinnen*, wohingegen sich der Expertenanteil bei den Männern auf 31,7 Prozent beläuft (eigene Berechnung nach Statistik der Bundesagentur für Arbeit 2018, S. 38). Wie zu erkennen ist, wachsen alle drei Anforderungsniveaus sowohl bei den Frauen* als auch bei den Männern von 2013 bis 2017 stetig an, jedoch nicht ausreichend. Das Institut der deutschen Wirtschaft in Köln führt jährliche Studien zu MINT-Berufen und Innovationen in Deutschland durch. In diesem Zusammenhang wird auch die IT-Branche untersucht. Im „MINT-Frühjahrre- port“ von April 2019 wird deutlich, dass in Deutschland, trotz steigender Beschäftigtenzahlen, zunehmend mehr zu besetzenden Stellen im IT-Sektor vorhanden sind als Arbeitskräfte zur Verfügung stehen. Die sogenannte Arbeitskräftelücke hat sich in den vergangenen fünf Jahren verdreifacht und liegt jetzt bei einem Absolutwert von 59.000. Es ist anzunehmen, dass die Nachfrage nach IT-Fachkräften mit fortschreitender Digitalisierung noch weiter zunehmen 0 100.000 200.000 300.000 400.000 500.000 600.000 700.000 2013 2014 2015 2016 2017 An za hl B es ch äf tig te Beschäftigte Frauen* in Informatik-Berufen Fachkräfte Spezialistinnen* Expertinnen* 0 100.000 200.000 300.000 400.000 500.000 600.000 700.000 2013 2014 2015 2016 2017 An za hl B es ch äf tig te Beschäftigte Männer in Informatik-Berufen Fachkräfte Spezialisten Experten 34 wird. (Institut der deutschen Wirtschaft Köln, 2019, S. 68f.) Wie in Abbildung 15 zu erkennen ist, ist für Expert*innentätigkeiten die Lücke besonders groß. Abbildung 15: Arbeitskräftelücke in IT-Berufen, Absolutwerte (Institut der deutschen Wirtschaft Köln, 2019, S. 69) 3.2.2 Der Gender Pay Gap in der Tech-Branche Zur Ermittlung des branchenspezifischen Gender Pay Gap, also des Lohngefälles im IT-Sek- tor, werden Daten aus dem „2018 Women in Tech-Index“ präsentiert. Der Gender Pay Gap ist der Durchschnittswert, der zwei, zur Anfertigung dieser Studie zugrunde liegenden Quellen: Eurostat18 und OECD-Daten. Diese Werte beziehen sich jeweils auf vollzeitbeschäftigte und selbstständige Erwerbstätige. Auch hier kann beobachtet werden, dass Lettland, neben dem bereits erwähnten hohen Frauen*anteil, nach Schweden, den in der EU niedrigsten Gender Pay Gap aufzuweisen hat. Wohingegen Bulgarien, Rumänien und Litauen trotz der bereits dargelegten hohen weiblichen* Beteiligung einen sehr hohen Gender Pay Gap aufweisen. (Honeypot, 2018) Bei der Betrachtung von Abbildung 16 wird deutlich, dass Deutschland in puncto Bezahlung eher schlecht abschneidet. Der nationale Gender-Pay-Gap gehört zu den höchsten in ganz Europa. Nur Griechenland, Polen, Estland, die Slowakei, Litauen und die Tschechische Re- publik weisen noch höhere genderspezifische Lohnunterschiede auf. Im Durchschnitt verdie- nen Männer, die in der deutschen Tech-Branche tätig sind, fast 15.000€ mehr pro Jahr als ihre Kolleginnen*. (Kingham, Honeypot , 2018) 18 Das statistische Amt der Europäischen Union 35 Abbildung 16: Länderauswahl zum Vergleich des Gender Pay Gap [%] in der Tech-Branche, eigene Dar- stellung nach (Honeypot, 2018) Deutschland befindet sich im europäischen Vergleich der jährlichen Durchschnittsgehälter von Frauen* mit knapp 45.000€ auf dem 14. Rang und ist somit für Frauen* weniger attraktiv als andere westeuropäische Länder. Auch wenn diese Zahlen alarmierend sind, bietet Deutsch- land doch interessante Jobangebote, aufgrund der Zusammensetzung aus etablierten markt- führenden Konzernen und innovativen Start-ups. Weiterhin erstaunlich scheint die Tatsache, dass der hier angegebene Gender Pay Gap der Tech-Branche mit 25 Prozent vier Prozentpunkte höher als der deutsche branchenübergrei- fende durchschnittliche Gender Pay Gap von 21 Prozent19 liegt. Deutschland steht auch hier, im Vergleich zu anderen europäischen Ländern, eher schlecht da, liegt doch der europäische Durchschnitt bei einem branchenübergreifenden Gender Pay Gap bei 16,1 Prozent. (Reisin, 2019; Statistisches Bundesamt, 2017) 19 Bei diesen Werten handelt es sich um den unbereinigten Gender Pay Gap. Der bereinigte Gender Pay Gap lag bei der Messung im Jahr 2014 bei 6 Prozent und berücksichtigt strukturelle Unterschiede, wie etwa die Art des Beschäftigungsverhältnisses, die Berufswahl, etc. (Reisin, 2019) 32,50% 29,50% 25,50% 25,00% 19,20% 19,10% 18,40% 16,80% 14,50% 13,70% 11,86% 11,80% 10,90% 10,60% 8,42% 0% 5% 10% 15% 20% 25% 30% 35% Tschechien Litauen Polen Deutschland Bulgarien Rumänien Niederlande Großbritanien Island Spanien USA Frankreich Lettland Schweden Türkei Gender Pay Gap in der Tech-Branche Gender Pay Gap [%] in der Tech-Branche 36 3.2.3 Frauen*anteil in der Gründer*innenszene Laut eines Berichts der Investmentfirma Atomico gingen im Jahr 2018 93 Prozent des gesam- ten europäischen investierten Kapitals in Start-ups an rein männliche Gründungsteams. Rein weibliche Gründungsteams erhielten lediglich 2 Prozent der Fördermittel. Diese extrem hohe Differenz hat sich in den vergangenen fünf Jahren kaum verändert. 2012 erhielten rein männ- liche Gründungsteams auch schon 92 Prozent des Kapitals. (Hern, 2018) Doch nicht nur die Förderung ist auf Männer konzentriert, sondern auch die Besetzung der Stellen. Von den 175 größeren europäischen Start-ups, die in dem Bericht untersucht wurden, hatte lediglich ein Start-up eine Frau* als Chief Technology Officer (Technikvorstand), 6 Prozent hatten eine Ge- schäftsführerin*. Sogar Positionen, die verhältnismäßig oft von Frauen* besetzt werden, wie etwa die Leitung der Finanzabteilung oder des Vertriebs, wurden zu 80 Prozent von Männern gehalten. (Hern, 2018) In Deutschland werden etwa 40 Prozent aller Unternehmen bzw. Existenzen, von Frauen* gegründet, in der Start-up-Welt jedoch nur gut 15,1 Prozent. (Reinsch, 2018; Kollmann, et al. 2018). Zwar ist in Abbildung 17 ein leichter Anstieg des Gründerinnen*anteils zu erkennen, dennoch sind Frauen* im deutschen Gründungsgeschehen stark unterrepräsentiert. (Kollmann, et al. 2018, S. 33, Hirschfeld et al. 2019, S.32) Gründe dafür könnten sein, dass Frauen* schlechtere Gründungschancen zugeschrieben werden, eine geringere Risikobereit- schaft angegeben wird und wenige weibliche* Rollenvorbilder in der Szene existieren (Rolf Sternberg, 2018, S. 56 f.) Abbildung 17: Genderverteilung der Gründer*innen (2013-2018), eigene Darstellung nach (Kollmann, et al. 2018, S. 33) Dem 2019 erschienenen „Female Founders Monitor“, der einen umfangreichen Überblick zu Frauen* im deutschen Start-up-Ökosystem gibt, können einige interessante Daten entnom- men werden. Betrachtet man die Verteilung von Gründungsteams genauer, wird deutlich, wie gering die weibliche* Partizipation im Gründungsgeschehen ist. Sieben von zehn Grün- 84,90% 85,40% 86,10% 87,00% 89,30% 87,20% 15,10% 14,60% 13,90% 13,00% 10,70% 12,80% 0% 50% 100% 2018 2017 2016 2015 2014 2013 Genderverteilung bei Neugründungen Männer Frauen* 37 dungsteams (70,4 Prozent) sind reine Männer-Teams und lediglich eines von zehn Grün- dungsteams ist rein weiblich* besetzt (9,9 Prozent). Knapp ein Fünftel der Gründungsteams sind Mixed Teams (19,7 Prozent), in denen der Frauen*anteil bei gerade einmal 37 Prozent liegt. (Hirschfeld et al., 2019, S. 32f.) Zwar ist die deutsche Gründer*innenszene hoch akademisiert (über 80 Prozent der Grün- der*innen haben einen Hochschulabschluss), jedoch lassen sich, abhängig vom Studienbe- reich, erhebliche Beteiligungsunterschiede erkennen. So haben beispielsweise nur knapp ein Viertel (23,1 Prozent) der Gründerinnen* ein MINT-Studium absolviert, wohingegen es bei den Männern fast die Hälfte ist (44,9 Prozent). Gründerinnen haben besonders selten einen Stu- dienabschluss im Bereich der „Informatik, Computer Science oder Mathematik“ (5,6 Prozent Frauen* im Vergleich zu 18,9 Prozent Männern) und den „Ingenieurswissenschaften“ (9,3 Pro- zent Frauen* im Vergleich zu 19,2 Prozent Männern). (Hirschfeld et al. 2019, S. 18f.) Diese Daten scheinen sich entsprechend auf den Bereich, in dem gegründet wird, auszuwir- ken. Abbildung 18 zeigt eine Auswahl von Branchen, in denen genderspezifische Beteiligungs- unt