Project status: In Arbeit

Genderly

Wir vereinfachen gendern im geschriebenen Text.

Karl Engelhardt, Charlotte Friedrich, Felix Kattner, Philipp Müller
#Round10  #Diversität/Inklusion  #KI/ML 

Welche gesellschaftliche Herausforderung adressiert euer Prototyp?

Wer bei Kreationen wie “Gäst*innen” die Stirn runzelt, kennt das Problem: Die deutsche Sprache macht das genderneutrale Sprechen und Schreiben in vielen Fällen gar nicht so einfach. Dennoch legen immer mehr Menschen Wert auf geschlechtergerechte Sprache. Aber welche Wörter kann man gendern? Und was, wenn trotz guter Absichten noch schlichtweg die Übung fehlt, um Texte konsistent zu gendern, sodass sich immer wieder Fehler einschleichen?

Genderly setzt genau an dieser Stelle an. Der Wunsch nach einer inklusiven Ausdrucksweise rückt immer mehr in den Mittelpunkt sowohl öffentlicher als auch privater Textgestaltung. Um Nutzer*innen bei den typischen linguistischen Probleme zu helfen, die sich im Zuge dessen ergeben („Arztgehälter oder Ärzt*innengehälter?“), bieten wir eine einfache und benutzer*innenfreundliche Softwarelösung, die im Gegensatz zu traditionellen, präskriptiven Nachschlagewerken tatsächlich die Sprache so abbildet, wie sie von Textschaffenden benutzt wird.

Wie geht ihr das Problem an?

Über ein leicht zu bedienendes Webinterface ermöglichen wir den User*innen, schnell und unkompliziert genderbare Begriffe in ihren Texten zu identifizieren. Die Besonderheit an Genderly besteht darin, dass sich hinter der übersichtlichen Fassade ein Machine-Learning-Modell verbirgt, das mithilfe tausender journalistischer Beiträge auf die Erkennung dieser Begriffe trainiert wurde. Mit späteren Versionen stellen wir außerdem die Möglichkeit in Aussicht, die erkannten Begriffe direkt in ihre gegenderte Form umzuwandeln.

Im Rahmen eines Seminars am Lehrstuhl Maschinelles Lernen der HU Berlin wurde unter der Leitung von Prof. Dr. Alan Akbik ein Proof of Concept für das Tool entwickelt. Der Lehrstuhl forscht weiter an dem Thema und entwickelt neue Modelle des Maschinellen Lernens sowie das Flair Framework zur automatischen Textanalyse. Unser Prototyp wird Python und eigens trainierte Modelle für das Framework nutzen, um nicht-geschlechtergerechte Sprache automatisiert maschinell zu erkennen. Für das Webinterface werden wir React einsetzen und insbesondere die EditorJS-Library nutzen.

An wen richtet sich euer Tool?

Genderly richtet sich prinzipiell an alle, die sich geschlechtergerecht ausdrücken wollen und damit bisweilen gerade in geschriebener Form Probleme haben. Dazu zählen Mitarbeiter*innen von Unternehmen, Verlagen u. A., aber auch Selbstständige und Privatpersonen.