Gleichstellungsindikatoren und Gender Gaps: Wie können wir Gleichstellung messen?

Indikatoren beruhen auf Daten. Daten sind – im Vergleich zu Statistiken und Indikatoren –unverarbeitete, „rohe“, Zahlen und Fakten. Sie können z. B. durch Umfragen oder als Nebenprodukt von Verwaltungsvorgängen entstehen. Nicht alle, gar die wenigsten, Daten werden erhoben, um Gleichstellungsindikatoren zu bilden. Dies führt zu einem Problem: Ob Daten sich für die Bildung von Gleichstellungsindikatoren eignen, hängt maßgeblich davon ab, ob die Daten nach Geschlecht differenziert erhoben wurden. Dies ist aber häufig nicht der Fall. Beispielsweise konnte die Autorin Caroline Criado-Perez (2020) in ihrem Buch „Unsichtbare Frauen“ zeigen, dass in vielen Wissenschaftsbereichen von vornherein davon ausgegangen wird, dass Geschlecht für den jeweiligen Forschungsgegenstand irrelevant sei. Daher werde darauf verzichtet, Geschlecht als Kategorie in die Datenerhebungen aufzunehmen. Stattdessen fungiere das Männliche als implizite Norm, die für alle gelte. Dies führt aber zu einem Teufelskreis: Die vorhandenen Daten erlauben keine nach Geschlecht differenzierten Analysen, sodass Unterschiede zwischen den Geschlechtern seltener aufgedeckt werden, was wiederum keinen Anlass schafft, Geschlecht in zukünftigen Datenerhebungen zu berücksichtigen. Für dieses Phänomen nutzt die Autorin den Begriff des „Gender Data Gaps“ (Criado-Perez 2020: 11). Darüber hinaus weist Irene Pimminger (2024: 56 f.) darauf hin, dass das bloße Vorhandensein geschlechtsdifferenzierter Daten nicht ausreicht, denn das Problem habe sich zunehmend „zur Frage der Zugänglichkeit der Daten verschoben“. Benötigte Daten seien zwar vorhanden, werden aber nicht regelmäßig oder differenziert genug veröffentlicht, um daraus aussagekräftige Indikatoren zu bilden. Die Frage nach der Existenz und Zugänglichkeit von benötigten Daten bleibt weiterhin eine der größten Herausforderungen bei der (Weiter-)Entwicklung von Gleichstellungsindikatoren.

Wenn die benötigten Daten geschlechtsdifferenziert vorliegen, beruhen sie häufig auf der „klassischen dichotomen Zweigeschlechtlichkeit“, d. h. auf Unterscheidung nur zwischen Frauen und Männern (Wroblewski et al. 2017a: 5). Spätestens seit der Einführung des Geschlechtseintrags „divers“ im Jahr 2018 wird darüber nachgedacht, wie sich Geschlechtervielfalt auch in Statistiken und Indikatoren abbilden lässt (Pimminger 2024: 56). Die spezifischen Lebenslagen von nicht-binären, inter* und trans* Menschen werden in zweigeschlechtlichen Gleichstellungsindikatoren nicht ausreichend abgebildet. Der Mangel an entsprechenden Indikatoren liegt einerseits in fehlenden Datengrundlagen begründet: Häufig wird die Kategorie Geschlecht nicht ausreichend differenziert erhoben, z. B. wenn nur die Einträge „männlich“ und „weiblich“ in einer Umfrage ausgewählt werden können, oder in den Stichproben sind schlicht zu wenig nicht-binäre, inter* oder trans* Personen enthalten, um über sie gesicherte Aussagen treffen zu können. Selbst wenn die Daten vorlägen, bedürfte es aber, so Irene Pimminger (2024: 62–63) in einer von der Bundesstiftung Gleichstellung beauftragten Studie, darüber hinaus einer von den spezifischen Bedürfnissen der Geschlechtervielfaltspolitik ausgehenden „politik- oder konzeptgeleitete[n] Indikatorenentwicklung“ und einer Operationalisierung von Geschlecht, die „dem jeweiligen Erkenntnisinteresse und dem Erhebungskontext angemessen“ ist. Während das „wie“ in der Wissenschaft also noch umstritten ist, lässt sich dennoch festhalten, dass die bessere Abbildung von geschlechtlicher Vielfalt in Statistiken und Indikatoren eine wichtige Aufgabe für Gleichstellungsakteur*innen ist.

Aus der Differenzierung nur zwischen Frauen und Männern ergibt sich zudem das Risiko, dass so ein Geschlechterverständnis reproduziert wird, in dem sich Frauen und Männer als zwei homogene Gruppen gegenüberstehen. Allgemeine „Gender Gaps“, wie z. B. der Gender Pay Gap, welcher die Lücke zwischen den durchschnittlichen Bruttostundenlöhnen von Frauen und Männern beschreibt, sind als aggregierte Statistiken zwar nützlich, um strukturelle Unterschiede zwischen den Geschlechtern sichtbar zu machen. Andererseits können sie aber auch dazu führen, dass teils weitaus problematischere geschlechtsspezifische Ungleichheiten zwischen oder innerhalb verschiedener Regionen, Alters- oder anderer Gruppen „verschleiert“ werden und im allgemeinen Mittelwert untergehen. Daher ist es in vielen Fällen notwendig, weitere Merkmale in die Bildung von Gleichstellungsindikatoren einzubeziehen, z. B. Elternschaft, Familienstand oder Ethnizität (ebd.: 57). Während z. B. der allgemeine Gender Care Gap bei 43,4 Prozent liegt, liegt er unter Paaren mit Kindern und Alleinerziehenden bei fast 60 Prozent (Destatis 2025). Es braucht daher eine intersektionale Perspektive auf Gleichstellungsindikatoren, die das Zusammenwirken verschiedener Diskriminierungsmerkmale auf die Lebensrealität von Menschen berücksichtigt.

In den folgenden Steckbriefen zeigen die Wissenschaftler*innen Dr. Andreas Weiland und Clara Overweg anhand von fünf Gleichstellungsindikatoren, warum es sinnvoll ist, genauer hinzuschauen und Gleichstellungsindikatoren weiter auszudifferenzieren. Dafür stellen sie fünf der bekanntesten „Gender Gaps“ vor und zeigen jeweils anhand eines beispielhaft ausgewählten Merkmals, dass Ungleichheiten zwischen den Geschlechtern durch andere Diskriminierungsmerkmale oder Lebensbedingungen noch verschärft werden können. Eine solche Annäherung an eine intersektionale Betrachtung von Gleichstellungsindikatoren bietet große Chancen für die Gleichstellungspolitik: So können besonders benachteiligte Gruppen identifiziert und Maßnahmen zielgerichteter ausgestaltet werden.