Der sogenannte Gender Data Gap bezeichnet die Art von Datenerhebungen, bei denen der männliche Körper und die männliche Lebenserfahrung als universell verstanden werden, statt genderdifferenzierte Daten zu sammeln. Dies hat große Konsequenzen und Nachteile für alle, die sich nicht als männlich verstehen bzw. nicht als männlich gelesen werden, denn die erhobenen Daten lassen sich nicht einfach so auf alle anderen übertragen. Das betrifft alle Lebensbereiche und gesellschaftliche Dimensionen. Auch im Mobilitätsbereich zeigt sich diese Lücke mit schwerwiegenden Konsequenzen.
So ist das Risiko schwerer oder lebensbedrohlicher Brustverletzungen bei Autounfällen für Frauen 30% höher als für Männer. Das liegt sowohl am Design der Autos als auch an den eingesetzten Crashtest-Testpuppen. Und auch bei Datenerhebungen zu Alltagsmobilität zeigt sich der Gender Data Gap. Die meisten Mobilitätsreports oder Abfragen zu den Mobilitätsmustern von Haushalten geben nur Mann/Frau zur Auswahl an. Menschen, die sich diesen Kategorien nicht zuordnen, werden daher schon vor der eigentlichen Abfrage der Mobilitätsverhalten ausgeschlossen. Über die Mobilität von trans oder nicht-binären Personen gibt es dementsprechend sehr wenig Daten oder Wissen. Und auch die komplexen Wegeketten von Menschen mit Sorgearbeitspflichten werden oftmals nicht abgefragt und damit auch nicht abgebildet. So wird bei der Abfrage von Wegezwecken oft nur eine Möglichkeit zur Auswahl gegeben oder bei der Auswertung eine Hierarchisierung vorgenommen, die Wege für Erwerbsarbeit priorisieren.
Und selbst wenn es gendersensible Daten gibt, fehlen oft Daten, die neben Geschlecht auch nach race und Klasse differenziert sind. Zudem wird, wie bereits erwähnt, oft von einem binären System ausgegangen, welches nicht-binäre und trans Personen ausschließet. Intersektionale Datenerhebungen sind deshalb sehr wichtig.
Bei der Abfrage von genderdifferenzierten Faktoren ist es wichtig, im öffentlichen Diskurs die Unterschiede von Ausgangspositionen aufzuzeigen und zu berücksichtigen. Andererseits ist es dabei wichtig, nicht ein binäres bzw. nach sozialen Rollen aufgeteiltes Geschlechterbild und die zugewiesenen Geschlechterrollen zu zementieren, sondern diese vielmehr zu überwinden.
Gender Data Gap & Mobilität
Gender Data Gap bezeichnet die Art von Datenerhebungen, bei denen der männliche Körper und die männliche Lebenserfahrung als universell verstanden werden statt genderdifferenzierte Daten zu sammeln. Dies hat große Konsequenzen und Nachteile für alle, die sich nicht als männlich verstehen bzw. nicht als männlich gelesen werden, denn diese Daten lassen sich nicht einfach so auf alle anderen übertragen. Das betrifft alle Lebensbereiche und gesellschaftliche Dimensionen[i]. Zum Beispiel wurde die Raumtemperatur für Büros in den 60ern anhand der Stoffwechselrate eines durchschnittlichen 40-jährigen Mannes von 70 Kilogramm erstell und ist im Schnitt 5 Grad zu tief für Frauen. In der Medizin hat diese Datenlücke lebensgefährliche Konsequenzen, etwa bei Herzkreislauferkrankungen. Die Zahl der Herzinfarkte bei Frauen ist fast genauso hoch wie bei Männern, doch manche Formen, an denen vorwiegend Frauen litten, werden kaum erforscht[ii]. Selbst wenn es gendersensible Daten gibt, fehlen oft Daten, die neben Geschlecht auch nach race und Klasse differenziert sind. Außerdem wird meist von einem binären System ausgegangen, welches nicht-binäre und trans Personen ausschließet. Intersektionale Datenerhebungen sind deshalb sehr wichtig.
Gender Data Gap im Mobilitätsbereich
Auch im Mobilitätsbereich zeigt sich diese Lücke. Ein besonders prägendes Beispiel sind Autounfälle. Das Risiko schwerer oder lebensbedrohlicher Brustverletzungen ist für Frauen 30 Prozent höher als für Männer. Das liegt daran, dass das Design der Autos entwickelt wird und dass Crashtest-Testpuppen 1,75m groß und mit 78 schwer sind. Nur langsam werden auch andere Größen eingesetzt [iii].
Auch bei der Datenerhebung zu Alltagsmobilität zeigt sich die Gender Data Gap. Die meisten Mobilitätsreports oder Abfragen zu den Mobilitätsmustern von Haushalten geben nur Mann/Frau zur Auswahl an. Menschen, die sich diesen Kategorien nicht zuordnen, werden daher schon vor der eigentlichen Abfrage der Mobilitätsverhalten ausgeschlossen. Über die Mobilität von trans oder nicht-binären Personen gibt es beispielsweise auch sehr wenig Daten oder Wissen.
Bei Abfrage der Mobilitätsangewohnheiten ist ein weiteres Problem erkennbar. Etwa wird bei der Abfrage vom Zweck der Wege oft nur eine Möglichkeit zur Auswahl gegeben. Oder es werden die Wege, die für reproduktive Tätigkeiten zurückgelegt werden, nicht in ihrer vollständigen Dimension abgefragt und erhoben. „Eine Person mit Betreuungspflichten begleitet ihre Kinder beispielsweise zum Sportplatz und wartet dort eine Stunde, bis das Training vorbei ist. Welchen Wegezweck soll sie ankreuzen? Begleitweg? Was bleibt dann mit der Stunde Wartezeit? Freizeit? Diese Freizeit gilt nur für die Kinder, die Wartezeit ist ohne Erholungs- und Freizeitwert für die Begleitperson“, zeigt eine Studie der Verkehrsclubs Österreich [iv].
Die komplexen Wegeketten besonders für Menschen mit Betreuungspflichten werden durch die Erhebungsmethode also oft nicht abgefragt und somit auch nicht abgebildet. Selbst wenn mehrere Zwecke angegeben werden, wird bei der Auswertung eine Hierarchisierung vorgenommen, die Wege für die Erwerbsarbeit priorisieren [v].
Ein weiteres prägnantes Beispiel zeigt, was die Folge sein kann. Wenn bei Schneefall zuerst die Straßen und erst danach die Gehwege geräumt werden, verletzen sich auf den Gehwegen Fußgänger*innen. Es sind proportional mehr Frauen, weil diese Betreuungs- und Sorgearbeit leisten und etwa die Kinder in die Schule brachten. Schwedische Städte begannen daraufhin, zuerst Geh- und Radwege zu räumen, und so ging die Zahl der Verletzten insgesamt [vi].
Differenzen aufzeigen ohne Differenzen zu zementieren
Bei der Abfrage von genderdifferenzierten Faktoren ist es wichtig, im öffentlichen Diskurs die Unterschiede von Ausgangspositionen aufzuzeigen und zu berücksichtigen. Andererseits ist es dabei wichtig, nicht ein binäres bzw. nach sozialen Rollen aufgeteiltes Geschlechterbild und die zugewiesenen Geschlechterrollen zu zementieren, sondern diese vielmehr zu überwinden.
[i] Schwarz, C. (2020) Gender und Wissenschaft: „Die Datenlücke tötet Frauen“, Taz.de, https://taz.de/Gender-und-Wissenschaft/!5685021/.
[ii] Regitz-Zagrosek, V. & Bigalke, K. (2020) Gender Data Gap in der Medizin – Männer als Standard (2020) Deutschlandfunkkultur.de, https://www.deutschlandfunkkultur.de/gender-data-gap-in-der-medizin-maenner-als-standard.2147.de.html?dram:article_id=482813.
[iii] Vieweg, C. (2016) Maßstab Man, Zeit Onine, https://www.zeit.de/mobilitaet/2016-03/verkehrssicherheit-autounfall-frau.
[iv] VCÖ (2009) Gender Gap im Verkehrs- und Mobilitätsbereich. Hintergrundbericht, S.10. http://www.b-nk.at/wp-content/uploads/2015/08/B-NK-2009-VCOE_Hintergrundbericht_Gender_Gap.pdf
[v] Von Holtum, H. & Herzer, J.P. (2020) Über die Gender Data Gap, Bewegungsmuster und Diversität in der Verkehrsplanung (ohne Datum) Emmett.io, https://www.emmett.io/article/podcast-gender-data-gap.
[vi] Diehl, K. (ohne Datum) Frauen in Bewegung: Nachhaltige Mobilität und Gender, https://katja-diehl.de/frauen-in-bewegung-nachhaltige-mobilitaet-und-gender