Das Potenzial geschlechterspezifischer Daten für Mobilitätsprojekte

in die Zwischenablage kopiert

Zuletzt bearbeitet am

Redaktion Emmett

Das Potenzial geschlechterspezifischer Daten für Mobilitätsprojekte

Wieso sind für Mobilitätsprojekte geschlechterspezifische Daten erforderlich – und wie sollten sie erhoben werden? Diese Fragen diskutierte das mFUND-Frauennetzwerk Women for Datadriven Mobility am 18. Februar 2021 mit den beiden Forscherinnen Prof. Dr. Helena Mihaljević und Ines Kawgan-Kagan sowie rund 60 Interessierten.

Dr. Sarah Schmelzer vom Bundesverkehrsministerium (DG21) berichtete in ihren begrüßenden Worten über den mFUND, dass bei 80 von rund 300 Projektteams Frauen leitende Positionen einnehmen. Sie ermutigte dazu, diesen Anteil zu erhöhen und würdigte zugleich den Einsatz des Frauennetzwerks in der mFUND-Begleitforschung.

In zwei spannenden Vorträgen gaben die Referentinnen Einblick in ihre Forschung und setzten Impulse zur genderspezifischen Datenerhebung.

Für bedarfsgerechte und inklusive Verkehrsangebote sind genderspezifische Daten erforderlich

Die Mobilitätsexpertin Ines Kawgan-Kagan, Geschäftsführerin beim AEM Institute, wies darauf hin, dass aktuelle Verkehrsangebote den Mobilitätsbedürfnissen vieler Frauen nicht gerecht würden. Beispielsweise würden Frauen den öffentlichen Personennahverkehr häufiger als Männer nutzen, mehr und kürzere Strecken mit den öffentlichen Verkehrsmitteln zurücklegen und dies oft auch außerhalb der Berufsverkehrs- und Stoßzeiten. Auf diese unterschiedlichen Fahrtzeiten und -zwecke von Frauen sei jedoch die Taktung von Bussen und Bahnen häufig nicht eingestellt, so Kawgan-Kagan.

Ines Kawgan-Kagan ist Mobilitätsexpertin mit Fokus auf die Kombination von innovativer Mobilität und Gender im urbanen Raum. Seit November 2020 leitet sie, zusammen mit Carolin Kruse das AEM Institute. Sie ist Council Member und German Ambassador der Association for European Transport (AET) und leitet die Arbeitsgruppe Gender and Mobility.

Um bedarfsgerechte und inklusive Verkehrsangebote zu entwickeln, käme es darauf an, genderspezifische Daten zu erheben, da diese auf soziale Faktoren verweisen würden, die das individuelle Mobilitätsverhalten beeinflussen. Hier führte Ines Kawgan-Kagan an, dass Frauen seltener innovative Angebote wie Carsharing oder Leih-Scooter und -Räder (Mikromobilität) nutzen, weil die Anbieter ihre Services auf einer Datenbasis aufbauen, in der die Mobilitätsbedürfnisse von Frauen kaum oder zu wenig enthalten seien.

„Man muss das Gesamtbild sehen, im Moment wird Gender aber noch gar nicht berücksichtigt. Wir müssen sehen, dass es noch andere Realitäten gibt als unsere eigene. Dafür müssen wir ein Bewusstsein schaffen“, so Kawgan-Kagan.

Momentaufnahme von Teilnehmer*innen während der Online-Veranstaltung

Die geschlechterspezifische Datenlücke, englisch: Gender Data Gap, also die ungleiche Datenlage zu Mobilitätsansprüchen und zum Mobilitätsverhalten von Frauen und Männern, ist ein bekanntes und historisch gewachsenes Problem. Darüber waren sich die Referentinnen und viele Teilnehmer*innen einig.

Die Teilnehmer*innen berichteten ergänzend von beruflichen Erfahrungen aus der Wissenschaft, der Datenverarbeitung oder dem Mobilitätsmanagement. Hinsichtlich der zunehmend datengetriebenen Mobilität sei daher eine bessere Datengrundlage nötig.

Die automatisierte Fremdzuschreibung eines Geschlechts oder Genders während Datenanalysen ist bedenklich

Prof. Dr. Helena Mihaljević, Professorin für Data Science an der HTW Berlin, gab einen Einblick in das mFUND-Projekt OpenTrafficCount und in ihre Forschung, beispielsweise zu geschlechtsspezifischen Aspekten in Big-Data-Analysen (Gender Inferenz).

Helena Mihaljević ist promovierte Mathematikerin mit Hintergund in dynamischen Systemen. Seit 2018 ist sie Professorin für Data Science an der Hochschule für Technik und Wirtschaft in Berlin in Assoziation mit dem Einstein Center Digital Future. Sie forscht in interdisziplinären Projekten, u.a. im Bereich der datenbasierten Mobilitätsforschung.

Hierbei ging Mihaljević insbesondere auf Datenschutzbedenken ein und diskutierte mit den Teilnehmer*innen die Möglichkeit automatisierter Erhebungen und Analysen von genderspezifischen Daten. Bedenken hatten die Teilnehmer*innen und Referentinnen insbesondere bei der automatisierten Fremdzuschreibung eines Geschlechts oder Genders. Dies würde bereits bestehende Verzerrungen in den Daten verstärken.

In den abschließenden Kommentaren und Rückmeldungen zur Veranstaltung wünschten sich einige Teilnehmer*innen, weiter an Lösungen für die Gender Data Gap zu arbeiten.

Die Women for Datadriven Mobility und die mFUND-Begleitforschung werden den Austausch zum Thema weiterführen.

Weiterführende Literatur

Empfohlene Beiträge