kite II

In KITE II wird eine KI-gestützte, gamifizierte Anwendung entwickelt, die Gründerinnen dabei unterstützen soll, resilienter im Umgang mit diskriminierenden Erfahrungen im Gründungsprozess zu werden. Dabei baut KITE II auf den Erkenntnissen aus dem Pilotprojekt KITE auf.

Links

Fairness und Resilienz für Gründerinnen.Männern wird das erfolgreiche Unternehmertum schneller und selbstverständlicher zugeschrieben als Frauen. Für Frauen bedeutet dies, dass ihre Gründungsentscheidungen nicht selten durch Diskriminierungserfahrungen gehemmt werden.

Hier setzte das BMFSFJ-geförderte Pilotprojekt KITE (10/2020-12/2021) an und zielte darauf ab,aus diskriminierenden Erfahrungen von Gründerinnen und Unternehmerinnen bestimmte Ausgrenzungsmuster und -codes zu identifizieren,das Schwarmwissen von Unternehmerinnen und Gründerinnen für andere nutzbar zu machen,die Gründerinnen darin zu unterstützen, die gemachten Erfahrungen schneller und eindeutiger einem genderspezifischen Code zuzuordnen,Tipps zu geben, wie andere Gründerinnen eine ähnliche Situation bewältigt haben und damit die Resilienz der Gründerinnen zu erhöhen.

Lösungsansatz und Forschungsbeitrag

Basierend auf den Ergebnissen des Pilotprojekts soll nun in Fortführung die Umsetzung einer entsprechenden Anwendung angegangen werden. Hierbei ist besonders auf eine gender- und diversitätssensible Umsetzung zu achten, denn: KI-Technologien sind nicht neutral und führen – wie sowohl wissenschaftlich als auch zunehmend öffentlich kritisiert – oftmals zu Verzerrungen und Diskriminierungen.

Die konkrete Zielsetzung von KITE II ist folgende: Ein nutzungszentriert und geschlechtergerecht in drei Iterationen entwickelter, mit der Zielgruppe evaluierter Demonstrator einer KI-gestützten, gamifizierten Anwendung, die (potenzielle) Gründerinnen dabei unterstützt, resilienter im Umgang mit diskriminierenden Erfahrungen im Gründungsprozess umzugehen, ist bis zum 31.10.2025 fertiggestellt.

Veröffentlichungen im Rahmen des Projekts

Biebl, Rebecca, Leidel, Julian, Tang, Yvonne, Herling, Claudia, Reichert, Tim & Marsden, Nicola. (2026). Dokumentation der KITE-Webanwendung. https://opus-hshn.bsz-bw.de/frontdoor/index/index/docId/493.
Leidel, Julian, Reichert, Tim & Marsden, Nicola. (accepted). Turning Scripts into Scenarios: Validating, Emotion-Tagging, and Importing Visual Novels for Leadership and AI-Adoption Training. HCI International LNCS.
Marsden, Nicola & Rothe-Wulf, Annelie. (accepted). Toward Scenario-Plausible, Non-Stereotypical Personas for AI Communication Training. HCI International LNCS.
Marsden, Nicola, Herling, Claudia & Reichert, Tim. (accepted). Designing Bias-Aware AI Feedback in Interactive Dialogues: Insights from a Pilot Study. HCI International LNCS.
Marsden, Nicola, Rothe-Wulf, Annelie, Tang, Yvonne, Herling, Claudia & Reichert, Tim. (2025). Navigating Bias: Using LLMs to Analyze Discrimination in Entrepreneurial Game Dialogues. HCI International, LNCS 15816, 202–219. https://dl.acm.org/doi/abs/10.1007/978-3-031-92578-8_14.
Marsden, Nicola. (2025a). Offenheit als Risiko und Ressource - Eine Fallstudie zur Gestaltung einer gamifizierten KI-Anwendung gegen Diskriminierung. INFORMATIK 2025 - Lecture Notes in Informatics, 593-602. https://dl.gi.de/items/2afd4371-e714-4696-adac-e6f5522aed5c.
Marsden, Nicola. (2025b). Prompting Fairness: How End Users Can Mitigate Bias in AI Systems. HCI International, LNAI15820, 68-77. https://dl.acm.org/doi/abs/10.1007/978-3-031-93415-5_4.
Marsden, Nicola. (to appear 2026). Künstliche Intelligenz als soziales Phänomen: Ein Rahmenmodell für die Gestaltung sozialverantwortlicher Künstlicher Intelligenz. In Tanja Carstensen & Kathrin Ganz (Eds.), Künstliche Intelligenz – Arbeit – Geschlecht: BeltzJuventa.
Reichert, Tim, Miftari, Mergim, Herling, Claudia & Marsden, Nicola. (2024). Empowering Female Founders with AI and Play: Integration of a Large Language Model into a Serious Game with Player-Generated Content. HCI International, LNCS 14731, Part II, 69-83. https://link.springer.com/chapter/10.1007/978-3-031-60695-3_5.
Rothe-Wulf, Annelie, Sekar, Sri Durga & Marsden, Nicola. (accepted). Understanding Awareness of Biases and Mitigation Strategies in AI Applications: User Perceptions, Empowerment and Barriers to Effective Bias Reduction in Large Language Models. HCI International LNCS.

zurück zur Projektübersicht