Methodik

Diese Datenbank dokumentiert berufliche Erfahrungen von Frauen und nicht-binären Personen in der Kreativwirtschaft des deutschsprachigen Raums (D/A/CH). Im weiteren Verlauf dieser Seite und der gesamten Plattform verwenden wir nach Erstnennung den Begriff Betroffene als verkürzende Bezeichnung.

Die Wahl dieser Terminologie stützt sich auf die aktuelle wissenschaftliche und rechtspolitische Diskussion zu geschlechtsspezifischer Benachteiligung. Der Deutsche Frauenrat, die größte Dachorganisation deutscher Frauenverbände mit über 60 Mitgliedsorganisationen, verwendet vergleichbare klarsprachliche Formulierungen und schließt trans Frauen ausdrücklich ein (Deutscher Frauenrat, 2023). Alle drei DACH-Länder erkennen nicht-binäre Geschlechtsidentitäten inzwischen rechtlich an: Deutschland durch das Selbstbestimmungsgesetz (SBGG, 2024), Österreich durch die Entscheidung des VfGH (2018) und die Schweiz durch die zunehmende administrative Anerkennung auf kantonaler Ebene. Auf den Gebrauch des Akronyms FLINTA* wird bewusst verzichtet, da es ohne Erklärung nicht allgemeinverständlich ist und in der wissenschaftlichen Literatur bisher kaum verankert wurde (Lemke, 2023).

Intersektionalität

Dieses Projekt versteht geschlechtsspezifische Benachteiligung als Teil überlappender Diskriminierungsstrukturen. Kimberlé Crenshaw zeigte, dass die Antidiskriminierungsrechtsprechung durch die getrennte Behandlung von Geschlecht und Herkunft die Erfahrungen mehrfach marginalisierter Personen unsichtbar machte (Crenshaw, 1989). In der Weiterentwicklung ihres Konzepts unterschied Crenshaw (1991) zwischen struktureller, politischer und repräsentationaler Intersektionalität. Geschlecht interagiert mit Herkunft, Behinderung, Alter und anderen Identitätsmerkmalen. Die Datenbank erfasst diese Überschneidungen derzeit nicht systematisch, erkennt aber ihre Bedeutung für das Verständnis beruflicher Benachteiligung an.

Geltungsbereich

Die Datenbank erfasst Erfahrungen aus der Kreativwirtschaft -- Audio, Film und Games -- im deutschsprachigen Raum (Deutschland, Österreich, Schweiz). Der Geltungsbereich wird durch die Selbstidentifikation der beitragenden Personen definiert, nicht durch externe Zuschreibung -- im Einklang mit dem Selbstbestimmungsprinzip des SBGG (2024). Eine Erweiterung auf weitere europäische Länder ist im Rahmen des Country-Chapter-Modells geplant.

Wir überprüfen unsere Terminologie regelmäßig und passen sie an den aktuellen Stand der wissenschaftlichen Diskussion an.

Die Erfassung von Erfahrungsberichten erfolgt über ein anonymes, dreistufiges Online-Formular:

1. Kontextdaten: Branche (Audio, Film, Games), Land (D/A/CH, perspektivisch EU), Erfahrungstyp und Zeitraum. Diese strukturierten Angaben ermöglichen die spätere Filterung und Musteranalyse.
2. Erfahrungsbericht: Ein Freitextfeld ohne Mindestlänge, in dem Beitragende ihre Erfahrung in eigenen Worten schildern. Die Länge und der Detailgrad liegen vollständig im Ermessen der einreichenden Person.
3. Einwilligung und Absendung: Vor dem Absenden wird eine ausdrückliche Einwilligung zur Veröffentlichung des anonymisierten Beitrags eingeholt. Eine Zusammenfassung der Angaben ermöglicht eine letzte Überprüfung.

Moderation

Jede Einreichung wird vor der Veröffentlichung von einer redaktionellen Prüfinstanz gesichtet. Die Moderation umfasst:

• Anonymisierungsprüfung: Entfernung oder Verallgemeinerung aller Angaben, die eine Identifizierung ermöglichen könnten (Firmennamen, Projektbezeichnungen, spezifische Ortsangaben).
• Relevanzprüfung: Überprüfung, ob der Beitrag in den thematischen Rahmen der Datenbank fällt (geschlechtsspezifische Erfahrungen im beruflichen Kontext der Kreativwirtschaft).
• Qualitätssicherung: Sicherstellung, dass der Beitrag den ethischen Grundsätzen des Projekts entspricht.

Die technische Verarbeitung der Formulareinreichungen erfolgt über unsere eigene API auf EU-Servern. Weitere Informationen zur Datenverarbeitung und zum Datenschutz findest du in der Datenschutzerklärung.

Die Datenbank erfasst Erfahrungen in sechs wissenschaftlich fundierten Kategorien.

Die Datenbank erfasst Erfahrungen aus vierzehn Branchenkategorien der Kreativwirtschaft. Die Zuordnung erfolgt durch die einreichende Person selbst. Überschneidungen sind möglich -- im Zweifel die Branche wählen, in der die Erfahrung primär stattfand.

Die in der Datenbank erfassten Erfahrungsberichte werden über ein interaktives Dashboard ausgewertet und visualisiert. Die Analyse umfasst die Erkennung von Verteilungsmustern über Erfahrungstypen, Regionen und Branchen hinweg.

Dabei ist zu beachten: Die Auswertung beschränkt sich auf deskriptive Statistik. Es werden keine kausalen Zusammenhänge behauptet und keine statistischen Inferenzschlüsse gezogen. Das Dashboard zeigt Verteilungsmuster der eingereichten Erfahrungen -- keine Prävalenzraten und keine repräsentativen Häufigkeiten.

Die Visualisierungen dienen der Mustererkennung: Wo konzentrieren sich bestimmte Erfahrungstypen? Welche Branchen und Regionen sind über- oder unterrepräsentiert? Diese Erkenntnisse sind explorativ und hypothesengenerierend, nicht hypothesentestend.

Datengrundlage

Die Analysegrundlage bilden anonymisierte Erfahrungsberichte, die über ein strukturiertes Erhebungsinstrument eingereicht wurden. Jeder Datensatz enthält kategoriale Variablen zu Branche, Region (ISO 3166-1 alpha-2), Karrierestufe und Berichtszeitraum sowie eine oder mehrere Diskriminierungsformen aus einem geschlossenen Kategoriensystem mit sechs Ausprägungen. Der Datenabruf erfolgt über eine öffentliche API; sämtliche Aggregationen werden unmittelbar aus den Rohdaten berechnet.

Filterlogik

Zwei Filterkriterien stehen zur Verfügung: Branche und Region. Beide werden konjunktiv verknüpft (logisches UND). Ein Fall ist in der gefilterten Teilmenge enthalten, wenn er beide aktiven Filterbedingungen erfüllt. Alle Visualisierungen operieren auf derselben gefilterten Teilmenge.

Zähllogik bei Mehrfachtypen

Ein Fall kann mehrere Diskriminierungsformen gleichzeitig dokumentieren. In allen Auswertungen gilt einheitlich: Ein Fall mit $k$ Typen wird in jeder der $k$ Kategorien einmal gezählt. Die Summe der typspezifischen Häufigkeiten übersteigt daher die Fallzahl. Prozentangaben beziehen sich auf die Gesamtzahl der Typnennungen, nicht auf die Fallzahl; sie lassen sich folglich nicht auf 100 % der Fälle normieren. Diese Entscheidung folgt dem Grundsatz, intersektionale Mehrfacherfahrungen nicht durch erzwungene Einfachzuordnung zu verzerren.

Statistische Methoden

Die Auswertung beschränkt sich auf deskriptive Statistik. Es werden weder kausale Zusammenhänge behauptet noch inferenzstatistische Schlüsse gezogen.

Für die Zeitreihenanalyse wird eine lineare Trendschätzung mittels Ordinary Least Squares (OLS) durchgeführt:

$$\beta = \frac{\sum_{i=1}^{n}(x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^{n}(x_i - \bar{x})^2}, \qquad \alpha = \bar{y} - \beta\bar{x}$$

wobei $x_i$ das Berichtsjahr und $y_i$ die zugehörige Fallzahl bezeichnet. Das Bestimmtheitsmaß

$$R^2 = 1 - \frac{\sum(y_i - \hat{y}_i)^2}{\sum(y_i - \bar{y})^2}$$

wird für jede Trendlinie ausgewiesen. Das laufende Kalenderjahr wird in die Regression einbezogen und kann bei geringer Fallzahl den Trendschätzer nach unten verzerren; der $R^2$-Wert dient der Beurteilung der Anpassungsgüte. Datensätze mit nicht-spezifischen Zeitangaben (Epochenbereiche) werden aus der Zeitreihenanalyse ausgeschlossen.

Die Kookkurrenzanalyse bildet paarweise Häufigkeiten als symmetrische Matrix ab. Für jedes Typenpaar $(i, j)$ wird die Anzahl der Fälle gezählt, die beide Typen gleichzeitig dokumentieren. Die Diagonale enthält die Gesamthäufigkeit je Typ.

Visualisierungskonventionen

In Heatmaps werden Zellen mit Werten unter einem konfigurierbaren Schwellenwert ($n < 3$) optional maskiert und aus der Farbskalenberechnung ausgeschlossen. In der Kookkurrenz-Matrix gilt die Maskierung ausschließlich für Kookkurrenzzellen, nicht für die Diagonale. Das laufende Kalenderjahr wird in Zeitreihendiagrammen gesondert gekennzeichnet. Teildiagramme (Small Multiples) verwenden eine gemeinsame Y-Achsenskalierung auf Basis der gefilterten Daten, um visuelle Vergleichbarkeit zu gewährleisten. Die Kookkurrenz-Matrix wird erst ab einer Mindestfallzahl von 20 angezeigt.

Reproduzierbarkeit

Der vollständige Quellcode der Berechnungen ist öffentlich einsehbar (Open Source). Die API liefert ausschließlich unverarbeitete Einzelfalldaten. Alle Aggregationen und statistischen Berechnungen sind damit unabhängig reproduzierbar.

Die folgenden Einschränkungen gelten zusätzlich zu den allgemeinen methodischen Grenzen (siehe Einschränkungen) und müssen bei jeder Interpretation der Dashboard-Visualisierungen berücksichtigt werden:

• Convenience Sample / Selbstselektion: Die Daten stammen ausschließlich von Personen, die aktiv einen Erfahrungsbericht eingereicht haben. Personen ohne Diskriminierungserfahrung oder solche, die ihre Erfahrungen nicht teilen möchten, sind nicht vertreten. Die Daten bilden keine Grundgesamtheit ab.
• Mehrfachtyp-Inflation: Da Fälle mehrere Diskriminierungstypen gleichzeitig dokumentieren können, ist die Summe der Typ-Zählungen höher als die Fallzahl. Prozentangaben im Donut-Diagramm und im CSV-Export beziehen sich auf Typ-Nennungen, nicht auf Fälle. Zeilenweise Summen in Heatmaps können die Fallzahl der jeweiligen Zeile (Region, Branche, Karrierestufe) übersteigen.
• Kleine Stichproben: Bei wenigen Fällen pro Kategorie können einzelne Einreichungen die Visualisierungen stark verändern. Zellen mit n<3 werden als statistisch nicht belastbar gekennzeichnet. Die Kookkurrenz-Matrix wird erst ab n≥20 Fällen angezeigt.
• Temporale Unvollständigkeit: Das laufende Kalenderjahr enthält naturgemäß weniger Fälle als abgeschlossene Jahre. Im Zeitverlauf-Diagramm und in den Small Multiples wird dies durch visuelle Markierungen kenntlich gemacht (dynamisch ermittelt via new Date().getFullYear()). Die OLS-Trendlinie bezieht das laufende Jahr ein, was den Trend bei wenigen Fällen nach unten verzerren kann.
• Epochenbereiche: Fälle mit nicht-spezifischen Zeitangaben (z.B. "vor 1990", "1990–1999") erscheinen nicht in den zeitbasierten Diagrammen (Linie, Small Multiples). Diese Fälle sind in allen anderen Visualisierungen enthalten.
• Geografischer Geltungsbereich: Die Datenbank erfasst derzeit nur Erfahrungen aus dem DACH-Raum (Deutschland, Österreich, Schweiz). Die Verteilung zwischen den drei Ländern ist nicht gewichtet und spiegelt die Zusammensetzung der Einreichungen wider, nicht die Branchengrößen.
• Keine Kausalaussagen: Das Dashboard zeigt Verteilungsmuster, keine Ursache-Wirkungs-Zusammenhänge. Korrelationen zwischen Dimensionen (z.B. "Branche X hat mehr Gatekeeping") können Artefakte der Stichprobenzusammensetzung sein.

Diese Daten ersetzen keine repräsentativen Gehaltserhebungen. Sie dokumentieren individuelle Erfahrungen.

Die methodischen Grenzen dieses Projekts müssen transparent benannt werden:

• Selbstberichtete Daten: Alle Erfahrungsberichte beruhen auf der subjektiven Wahrnehmung der einreichenden Personen. Eine unabhängige Verifizierung der geschilderten Sachverhalte findet nicht statt.
• Selektionsverzerrung (Selection Bias): Personen, die Ungleichheit erlebt haben, sind mit höherer Wahrscheinlichkeit motiviert, einen Beitrag einzureichen. Die Datenbank bildet daher nicht die Gesamtheit der Erfahrungen in der Kreativwirtschaft ab.
• Kleine Stichprobe: Insbesondere in der Aufbauphase ist die Fallzahl gering. Verallgemeinerungen auf die Gesamtbranche sind nicht zulässig.
• Kein Repräsentativitätsanspruch: Die Datenbank erhebt keinen Anspruch auf statistische Repräsentativität. Sie ist ein Instrument zur Sichtbarmachung individueller Erfahrungen, kein Ersatz für standardisierte Erhebungen.

Eine wesentliche methodische Einschränkung der aktuellen Datenerhebung besteht darin, dass jeder Erfahrungsbericht eine Momentaufnahme darstellt. Strukturelle Diskriminierungsmuster lassen sich jedoch erst dann vollständig verstehen, wenn individuelle Verläufe über die Zeit dokumentiert werden: Hat sich die Situation verbessert, verfestigt oder verschlechtert? Führte eine bestimmte Form des Gatekeepings letztlich zum Branchenwechsel, oder konnte die betroffene Person innerhalb der Branche verbleiben?

Klassische Längsschnittstudien erfordern die Identifizierbarkeit der Teilnehmenden, was dem Anonymitätsversprechen dieser Plattform widerspricht. Als geplante methodische Erweiterung wird daher ein datenschutzkonformer Mechanismus entwickelt, bei dem Beitragende einen persönlichen Schlüssel erhalten, der lokal generiert wird und zu keinem Zeitpunkt auf der Plattform gespeichert wird. Dieser Schlüssel ermöglicht freiwillige, anonyme Statusaktualisierungen zu einem späteren Zeitpunkt.

Ein solches Verfahren würde erstmals eine quantitative Analyse von Verlaufsmustern professioneller Diskriminierung in der europäischen Kreativwirtschaft ermöglichen -- etwa die Untersuchung, in welchem Anteil der Fälle Gatekeeping zum Branchenwechsel führte oder welche strukturellen Interventionen messbare Verbesserungen bewirkten. Aus Sicht der DSGVO handelt es sich bei den so erhobenen Daten um anonyme Daten im Sinne des Erwägungsgrundes 26, da die Plattform selbst keine Zuordnung zwischen Schlüssel und Person vornehmen kann.

Die Forschungslücke in der systematischen Verlaufsdokumentation geschlechtsspezifischer Benachteiligung ist erheblich. Bestehende Studien erfassen überwiegend Prävalenzen, nicht aber individuelle Verläufe. Die technische Architektur dieses Mechanismus ist in der internen Dokumentation (docs/outcomes-system.md) ausführlich beschrieben.

Das Projekt orientiert sich an den ethischen Grundsätzen des Ethik-Kodex der Deutschen Gesellschaft für Soziologie (DGS). Die folgenden Prinzipien leiten die Datenerhebung, -verarbeitung und -veröffentlichung:

Trauma-informiertes Design

Die Einreichung von Erfahrungsberichten zu Diskriminierung und Belästigung erfordert ein besonders sensibles Vorgehen. Das Einreichungsformular integriert folgende Schutzmaßnahmen:

• Inhaltliche Hinweise: Vor Beginn der Einreichung wird auf die potenziell belastende Natur der Inhalte hingewiesen. Krisenressourcen (Hilfetelefon, Frauenhelpline) werden bereitgestellt.
• Sicherer Ausstieg: Eine „Seite verlassen“-Funktion ermöglicht das sofortige Verlassen der Seite.
• Eigene Geschwindigkeit: Kein Zeitdruck, keine Pflichtfelder im Freitextbereich, keine Mindestlänge für Erfahrungsberichte.

Anonymisierung

Der Schutz der Identität beitragender Personen hat höchste Priorität:

• Direkte Identifikatoren (Name, E-Mail, Firmenname, genaue Daten) werden nie erhoben.
• Quasi-Identifikatoren (z.B. Jahresangaben, Ortsangaben) werden vor der Veröffentlichung verallgemeinert.
• Narrativprüfung: Jeder Freitextbeitrag wird redaktionell auf identifizierende Details geprüft und bei Bedarf angepasst.
• k-Anonymität: Filterkombinationen, die weniger als fuenf Fälle ergeben, werden nicht einzeln angezeigt, um Rückschlüsse auf einzelne Personen zu verhindern.

Informierte Einwilligung

Vor dem Absenden einer Einreichung wird eine ausdrückliche Einwilligung eingeholt. Beitragende werden über den Zweck der Datenerhebung, die Veröffentlichung als anonymisierter Beitrag und die Datenverarbeitung informiert.

Da keine personenbezogenen Daten erhoben werden, können einzelne Einreichungen nach dem Absenden nicht mehr bestimmten Personen zugeordnet werden. Ein Widerruf oder eine Löschung einzelner Beiträge ist daher nach Veröffentlichung nicht möglich. Dieser Umstand wird im Einwilligungsprozess transparent kommuniziert.

Moderation

Alle Einreichungen werden vor der Veröffentlichung von einer redaktionellen Prüfinstanz gesichtet. Die Moderation folgt einer standardisierten Anonymisierungs-Checkliste und prüft jeden Beitrag auf identifizierende Details, thematische Relevanz und Einhaltung der ethischen Grundsätze.

Moderator*innen-Schutz

Das Lesen von Erfahrungsberichten über Diskriminierung und Belästigung kann eine sekundäre Traumatisierung auslösen. Das Projekt anerkennt diese Belastung und sieht Schutzmaßnahmen für moderierende Personen vor: zeitliche Begrenzung der Moderationsarbeit, kollegiale Reflexion und klare Protokolle für besonders belastende Inhalte.

Ausführliche Informationen zum Datenschutz, zur Datenverarbeitung und zu den Rechten betroffener Personen findest du in der Datenschutzerklärung.

Ein interdisziplinärer wissenschaftlicher Beirat aus den Bereichen Soziologie, Arbeitsrecht und Gender Studies wird derzeit zusammengestellt. Bei Interesse an einer Mitwirkung wende dich bitte an info@moiree.eu.