Warum zeigt KI keine Menschen mit Prothesen?

444 KI-Bilder, keine einzige Behinderung: Ottobock liefert den fehlenden Datensatz

Michael Dobler

Autor Dr. Web

22. Juli 2026

4 Min. Lesezeit

KI-Bildgeneratoren zeigen Menschen mit Prothesen bevorzugt als glänzende Cyborgs oder Science-Fiction-Figuren. Im ganz normalen Büroalltag tauchen sie dagegen gar nicht erst auf. Der Prothesenhersteller Ottobock hat deshalb einen frei nutzbaren Bild-Datensatz veröffentlicht, der die Modelle mit realistischen Vorlagen füttert.

drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen

In 444 KI-generierten Berufsbildern ist kein einziger Mensch mit sichtbarer Behinderung vorgekommen.^[1] Diese Leerstelle hat der Medizintechnik-Konzern Ottobock zum Anlass genommen, den Bildgeneratoren das fehlende Material selbst zu liefern. Dahinter steckt ein Datenproblem, das jede KI-Bildkampagne betrifft.

Das Wichtigste in Kürze

Eine Analyse von 444 KI-Bildern quer durch 37 Berufe hat keinen einzigen Menschen mit sichtbarer Behinderung gefunden.
Ottobocks offene „#DearAI Community Library“ stellt rund 800 annotierte Bilder auf Hugging Face bereit.
Ursache ist ein Bias in den Trainingsdaten, der sich über KI-Bilder im Netz selbst verstärkt.
Der EU AI Act verlangt repräsentative Trainingsdaten, die Verantwortung für den Einsatz bleibt beim Anwender.

Warum die KI Prothesen zu Science-Fiction macht

Blaues Beinprothesen-Modell auf Podest mit Kartonschild: — KI-Bildgeneratoren zeigen Menschen mit Prothesen oft als Roboter statt als alltägliche Menschen in normalen Situationen wie Büro oder Spielplatz

Gibt man einem gängigen Bildmodell den Prompt „Mensch mit Prothese“, entstehen oft Roboterarme, Metallgliedmaßen oder anatomisch unmögliche Körper statt eines Menschen im Büro oder auf dem Spielplatz. Für seine Analyse in der Fachzeitschrift Journal of Entrepreneurial and Organizational Diversity hat Ayoob Sadeghiani 444 Bilder zu 37 Berufen mit Microsoft Designer, Meta AI und Ideogram erzeugt.^[1] Menschen mit sichtbarer Behinderung haben darin vollständig gefehlt.

Die Ursache liegt in den Trainingsdaten der künstlichen Intelligenz. Menschen mit Behinderung sind dort selten und einseitig abgebildet, meist reduziert auf den Rollstuhl. Das Modell lernt genau diese Lücke und gibt sie verstärkt zurück.

Weil KI-Bilder inzwischen große Teile des Netzes füllen und wieder zu Trainingsmaterial werden, verfestigt sich der blinde Fleck von Modellgeneration zu Modellgeneration. Genau dieses Muster hat die Forschung schon beim Rollstuhl-Klischee und bei Verzerrungen nach Hautfarbe und Geschlecht beschrieben. Dass ein Konzern seine Bildgeneratoren zur Vorsicht mahnt, kennen Leser bereits aus dem Fall, in dem Meta seinen Bildgenerator Muse Image nach zwei Tagen gestoppt hat.

Was Ottobocks offener Datensatz leistet

Unter dem Titel „#DearAI Community Library“ hat Ottobock zwei Bildbibliotheken veröffentlicht, eine für obere und eine für untere Extremitäten, zusammen rund 800 KI-nutzbare, annotierte Bilder.^[2] Mehr als 60 Menschen weltweit haben Fotos und Videos beigesteuert, die anschließend geprüft und beschriftet wurden.

Der Datensatz liegt offen auf Hugging Face und lässt sich frei in eigene Modelle einspeisen.^[3] „KI prägt zunehmend, wie Menschen und ihre Lebensrealitäten wahrgenommen werden“, sagt Martin Böhm, Chief Experience Officer bei Ottobock. Der Paralympics-Schwimmer Andreas Onea bringt das Anliegen auf den Satz „Wer nicht sichtbar ist, findet nicht statt“.

Ein Bildmodell, das Menschen mit Prothese nur als Cyborg kennt, ist kein neutrales Werkzeug, sondern ein Verstärker alter Klischees. Ottobock zeigt, dass die Korrektur nicht auf die Tech-Konzerne warten muss.
— Markus Seyfferth, Chefredakteur Dr. Web

Menschen mit Prothese im blinden Fleck der Bildgeneratoren

Was eine Studie fand und wie Ottobock gegensteuert

Der Befund der Studie

444

KI-Bilder analysiert, erzeugt mit drei gängigen Generatoren

abgebildete Berufe, vom Handwerk bis in die Chefetage

Menschen mit sichtbarer Behinderung darunter

Ottobocks offene Antwort

800

annotierte Bilder in der offenen Community Library

60+

Beitragende aus aller Welt lieferten Fotos und Videos

Bibliotheken für obere und untere Extremitäten

Was der AI Act für DACH-Entscheider bedeutet

Für europäische Unternehmen ist das mehr als eine Imagefrage. Der EU AI Act verlangt in Artikel 10, dass Trainingsdaten hinreichend repräsentativ und möglichst frei von Verzerrungen sind, und die Haftung für den Einsatz bleibt beim Anwender, nicht beim Modellanbieter.

Marketing- und Stellenanzeigen-Bilder aus dem Generator gehören deshalb auf Repräsentation geprüft, nicht ungefiltert übernommen. Kuratierte Datensätze wie Ottobocks Bibliothek oder gezielte Prompts schließen die Lücke, und mit dem Barrierefreiheitsstärkungsgesetz ist Inklusion für viele Anbieter ohnehin Pflicht geworden. Wie ernst Aufsichtsbehörden die Kennzeichnung solcher Bilder nehmen, zeigt der Vorstoß, mit dem New York KI-bearbeitete Wohnungsfotos kennzeichnungspflichtig machen will.

Der Schritt macht aus einem Nischenthema eine Frage der Datenqualität, die jedes Team mit eigenem KI-Bildmodell betrifft. Jedes Team, das heute Bildmaterial generiert, entscheidet mit, wen die nächste Modellgeneration überhaupt noch abbildet.

Quellen

[1] Ayoob Sadeghiani: „Generative AI Carries Non-Democratic Biases and Stereotypes“, Journal of Entrepreneurial and Organizational Diversity 14(1), 2025, S. 119–130. ↩

[2] Ottobock: #DearAI Community Library auf Hugging Face. ↩

[3] Ottobock: Newsroom und Pressemitteilung zur #DearAI Community Library. ↩