08.03.2021

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

Wie kann man den Frauenanteil in Männerdomänen heben und welche Rolle spielen dabei Anreize und Algorithmen? Eva Czernohorszky von der Wirtschaftsagentur Wien im Interview.
/artikel/czernohorszky-interview-frauen-it-startups
Eva Czernohorszky leitet bei der Wirtschaftsagentur Wien die Technologie Services © Wirtschaftsagentur/Husar
Eva Czernohorszky leitet bei der Wirtschaftsagentur Wien die Technologie Services © Wirtschaftsagentur/Husar

In Österreich machen sich zwar viele Frauen selbstständig, hoch innovative Unternehmen sind aber nach wie vor eine Männerdomäne. Die Wirtschaftsagentur Wien unterstützt Startups und Unternehmen mit Fördergeldern und bei Herausforderungen rund um Innovationen – und legt dabei immer wieder einen starken Fokus auf Diversität. Eva Czernohorszky leitet bei der Wirtschaftsagentur den Bereich Technologie Services und ist dort auch Diversitäts-Beauftragte. Sie erzählt im Interview, warum es explizite Fördercalls für Frauen braucht, wie schwer es Menschen manchmal fällt, über eigene Vorurteile hinwegzusehen und faire Entscheidungen zu treffen und warum es auch rein wirtschaftlich betrachtet wichtig ist, dass mehr Frauen bei Innovationen an Schlüsselpositionen sitzen.

Wenn es darum geht, den Frauenanteil in Männerdomänen zu heben, gibt es zwei Lösungsansätze, die immer wieder genannt werden: Role Models und Kindererziehung bzw. frühe Bildung. Siehst du das auch so?

Eva Czernohorszky: Ich würde noch eines ergänzen: die Anreize. Wenn wir die FemPower-Calls ausschreiben und gezielt in der betrieblichen Forschung Projekte fördern, die von Frauen geleitet werden, bewirken wir damit etwas. In den Unternehmen werden Frauen gefunden, die kompetent sind für Projektleitungen. Wir haben auch mit Partnern evaluiert, dass diese Frauen dann in Folge weitere Projektleitungen bekommen haben oder sogar Führungspositionen in ihren Unternehmen.

Also es braucht explizite Fördercalls für Frauen und es genügt nicht, bei allgemeinen Calls ein stärkeres Gewicht auf Diversität zu legen.

Wir glauben, es braucht beides.

Wie gestaltet ihr bei herkömmlichen Calls die Auswahl der eingereichten Projekte – oft spielt bei solchen Verfahren ja Bias, also eine gewisse Vorverurteilung, eine Rolle, ob man will oder nicht.

Das ist ein Thema, das uns sehr beschäftigt. Wir haben uns im Haus mit diesem unconscious bias – also unbewusstem Vorurteil – stark beschäftigt. Wir stellen sicher, dass alle Mitarbeitenden bei uns entsprechend geschult werden. Wir haben genau analysiert, ob die Chance von Projekten von Frauen, die bei uns eingereicht haben, genauso hoch ist, wie die von männlich geführten Projekten. Wir haben mit Schrecken festgestellt, dass das nicht der Fall ist. Auch in unseren Jurys hat also der unconscious bias zugeschlagen. Die Reaktion darauf war, dass wir ein Schulungstool entwickelt haben, in dem man mit diesen eigenen Vorurteilen konfrontiert wird.

Glaubst du allgemein, dass in Zukunft Algorithmen einen positiven Beitrag zu Diversität leisten können. Bisher gibt es ja nicht nur gute Erfahrungen damit.

Im Moment ist es eher so, dass Algorithmen den Bias eher verstärken. Wir haben in Wien aber mit IEEE eine Standardisierungs-Organisation, die weltweit führend daran arbeitet, trustworthy AI zu entwickeln, die diese Biases nicht zulässt. Ich hoffe sehr, dass das auch dazu beiträgt, Wien international zu positionieren – mit einer humanistischen Digitalisierung. Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen und gerechter zu agieren, vorausgesetzt, sie werden mit den richtigen Daten trainiert.

Das ist also schon eine Perspektive, dass in der ferneren Zukunft Förderentscheidungen in der Wirtschaftsagentur von einem Algorithmus vollständig fair und ausgeglichen entschieden werden?

Ich glaube schon, dass Algorithmen zu gerechten Entscheidungen beitragen können, ich bin allerdings unsicher, ob ein Algorithmus Innovation erkennen kann. In der Jury geht es ja nicht nur um Gleichberechtigung, sondern auch darum, bei Projekten im Vergleich zu schauen, wo das größte Potenzial steckt. Das traue ich einer Maschine weniger zu.

Warum?

Weil es Maschinen an der Kreativität mangelt – das ist nach wie vor etwas, was Menschen Maschinen voraus haben.

Der Frauenanteil in der Gründungsstatistik Österreichs ist sehr hoch – ist das ein gutes Zeichen?

Da sind sicher viele Existenzgründungen dabei, also von Menschen, die keine andere berufliche Perspektive sehen. Es sind sicher auch Gründungen in Branchen dabei, wo Selbstständigkeit Unselbstständigkeit ablöst und das primär auf Kosten der Rechte von Arbeitnehmerinnen und Arbeitnehmern. Das sind wahrscheinlich oft Branchen, in denen der Frauenanteil sehr hoch ist. Insofern ist es sicher nicht nur positiv.

Frauen machen sich also oft selbstständig, gründen aber eher selten Tech-Startups – warum wäre das aus deiner Sicht aber wichtig?

Erstens, weil es dort positiv ist. Weil das ein selbstbestimmtes Leben ist, in dem man die Zukunft gestaltet. Zweitens, weil es nachweislich auch die Erfolgschancen der Startups erhöht. Die Boston Consulting Group hat mit vielen Partnern bei vielen Investments in den USA erhoben, ob Frauen die gleichen Chancen haben, zu Venture Capital zu kommen wie Männer. Das ist bedauerlicherweise nicht der Fall. Männlich geführte Startups haben durchschnittlich zwei Millionen Dollar geraised, Frauen ungefähr eine Million Dollar. Das Überraschende und Beeindruckende ist aber, dass dann die Rendite bei von Frauen gegründeten Startups viel besser war. Daraus kann man nur den Schluss ziehen, dass diverse Teams auch die bessere Qualität liefern und bessere Erfolgsaussichten haben.

Das hat ja auch mitunter damit zu tun, dass Investoren meist Männer sind.

Ja, und wieder mit diesem unconcious bias. Wir haben das in unseren Trainings auch gesehen. Die gesamte Gruppe hat einen Lebenslauf bekommen und eine Job Description. Wir mussten dann von 0 bis 100 quantifizieren, wie gut dieser Kandidat oder diese Kandidatin auf den Job passt. Der Lebenslauf war immer gleich, es waren nur die Geschlechter und die Nationalitäten verschieden. Und dennoch haben die Einschätzungen von 20 Prozent Übereinstimmung bis 80 Prozent gereicht. Das hat uns die Augen geöffnet. Man tappt immer wieder in diese Vorurteils-Falle, selbst, wenn man bei dem Thema schon sensibilisiert ist. Man muss sich das immer wieder bewusst machen.

Es gibt zwar immer mehr Frauen in der IT, aber nach wie vor ist der Bereich sehr Männer-dominiert – wie war eigentlich dein erster Kontakt mit der IT, wie bist du in diesem Bereich gelandet?

Ich bin ausgebildete Politologin und habe mich während des Studiums auf Forschungspolitik spezialisiert. Meine nächsten Stationen waren das Wissenschaftsministerium und die Universität Wien und ich bin dann eher durch Zufall bei der Wirtschaftspolitik gelandet, weil dort in den späten 1990ern das Thema Technologietransfer sehr relevant war. Insofern war es gut, dass ich wusste, wie Universitäten funktionieren. Dann bin ich immer stärker in diese Wirtschaft- und Technologie-politischen Themen hineingewachsen. Die IT ist als Schwerpunkt in Wien immer größer geworden – zum Beispiel auch in den COMET-Forschungszentren, die wir fördern.

Gibt es in diesen Bereichen mittlerweile mehr Frauen als früher?

Es ist noch immer eine Männerdomäne. Zum Glück gibt es aber nicht mehr diese Veranstaltungen, wo von 100 Menschen nur fünf Frauen sind. Die sind die Ausnahme geworden und auch das Bewusstsein für Diversität ist sehr stark gewachsen. Ich kann mich erinnern, als wir 2004 einen ersten Call gemacht haben, in dem wir nur betriebliche Forschungsprojekte gefördert haben, die von Frauen geleitet wurden. Das war damals relativ revolutionär. Andere Förderagenturen haben damals noch betont, dass sie Exzellenz fördern unabhängig vom Geschlecht. Das würde heute niemand mehr sagen. Sowohl FFG als auch aws würden betonen, dass Diversität wichtig ist für Innovation. Das Mindset hat sich also verändert und langsam sieht man das auch in den Zahlen. In der betrieblichen Forschung war der Frauenanteil 2004 bei 12 Prozent und jetzt ist es ungefähr ein Viertel. Ähnlich ist es auch in der Startup-Community, wo wir jetzt auch ein Wachstum von 12 auf 19 Prozent bei Gründerinnen hatten. Aber bis zu einer Gleichberechtigung gibt es noch viel zu tun.

Deine ungelesenen Artikel:
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
05.08.2026

„Der Transfer ist das Schwierigste“: Ex-BMW Tech-Scouting-Leiter Frank Möbius über Technologie-Früherkennung

Technologie-Trends zu erkennen ist heute einfach, sie ins Kerngeschäft zu übersetzen bleibt die eigentliche Hürde. Frank Möbius hat BMWs Tech-Früherkennung sechs Jahre verantwortet und erklärt im brutkasten-Gespräch, woran der Transfer scheitert und wie er gelingt.
/artikel/der-transfer-ist-das-schwierigste-ex-bmw-tech-scouting-leiter-frank-moebius-ueber-technologie-frueherkennung
Frank Möbius (links) | (c) BMW Group

Knapp 30 Jahre war Frank Möbius bei BMW. Zuletzt leitete er in der Konzernforschung den Bereich Technologiemanagement und -prognose und koordinierte das weltweite Netzwerk der BMW Technology Offices vom Silicon Valley bis Tokio. Seit 2023 gibt er seine Erfahrung als Senior Innovation Advisor bei der UnternehmerTUM GmbH in München, Europas größtem Gründerzentrum, weiter. Im Interview erklärt er, wie systematische Technologie-Früherkennung funktioniert, warum die meisten Unternehmen am Transfer der daraus gewonnenen Erkenntnisse scheitern und wie KI die Tech-Trenderkennung vereinfacht hat.


brutkasten: Sie waren fast 30 Jahre bei BMW. Wie sind Sie dort zum Thema Innovation gekommen?

Frank Möbius: Ich habe an der Uni Stuttgart Maschinenbau, Fachrichtung Fahrzeugtechnik studiert und nach dem Diplom Anfang 1990 meinen ersten Job bei der Lufthansa Technik in Frankfurt gefunden. Dort durfte ich die damals neuartigen stangenlosen Flugzeugschlepper mitentwickeln und 1992 den neuen Flughafen München damit ausrüsten – meine erste Berührung mit Innovationen und ihrer Einführung im Massengeschäft. Ich verließ die Lufthansa nach ein paar Jahren, um an der Uni Kaiserslautern über Robotik zu promovieren. Nach der Promotion kam ich 1996 zu BMW, meiner Wunschfirma in meiner Wunschstadt. Dort konnte ich viele unterschiedliche Funktionen übernehmen: erst arbeitete ich vier Jahre im Versuchsfahrzeugbau, dann vier Jahre im Personalwesen, ein lehrreicher “Side Step” für einen Ingenieur!

(c) BMW Group

Mitte 2004 durfte ich eine Abteilung für Vorentwicklung und Innovationsmanagement im Bereich Antriebsproduktion übernehmen. Daraus entstand meine Rolle im damals neuen elektrifizierten Antrieb für BMW – von der strategischen Inhouse-Entscheidung und fachlichen Befähigung der Firma bis zur Großserie: über zehn Jahre lang war ich für die Industrialisierung und später Entwicklung von Hochvoltbatterien verantwortlich, vom ersten A-Muster mit einem sehr kleinen Team bis zu 100 Mitarbeitenden. 2017 bin ich schließlich in die Forschung gewechselt und habe dort das Team “Technologiemanagement und -prognose” übernommen, das später in die Einheit “Open Innovation” integriert wurde.

Was macht so eine Open-Innovation-Einheit in einem Konzern konkret?

Mit Open Innovation Methoden erkennt und verwertet man frühzeitig innovative Signale und Trends, die außerhalb der eigenen Unternehmensgrenzen stattfinden. Wir schauen bewusst in Branchen jenseits des Automobilbaus: Consumer Electronics, Luft- und Raumfahrt, Medizin, Computing, Biomaterialien, etc. Immer mit der Frage im Hinterkopf: Was können wir davon für das eigene Kerngeschäft nutzen? Konkret: Technologische Trends aus der Cross-Industrie frühzeitig erkennen, verstehen, bewerten, ein Proof-of-Concept-Projekt durchführen, z. B. mit einem Startup, einer Uni, einem Fraunhofer-Institut, etc. und diese Ergebnisse dann in die Firma für die eigenen Produkte, Services und Prozesse transferieren.

(c) BMW Group

BMW hat dafür eine eigene Abteilung aufgebaut. Wie hängen die einzelnen Bausteine zusammen?

2015 wurde die Technologie-Früherkennung mit dem Technologie-Trendradar ins Leben gerufen, fast gleichzeitig wurde die BMW Startup Garage gegründet. Das Radar ist zunächst ein Visualisierungs- und Kommunikationstool: wir platzieren die erkannten Technologien nach Kategorien und Reifegraden, um frühzeitig aufzeigen zu können, was sich technologisch weltweit tut. Aber diese Erkenntnisse stehen erstmal nur auf dem Papier. Entscheidend ist nach Bewertung und Priorisierung die Verwertung dieser Erkenntnisse, der sogenannte Transfer. Dieser erfolgt dann oft mit Startups.

Hier kommt die BMW Startup Garage zum Einsatz. Sie betreibt Venture Clienting, d. h. sie investiert nicht, sondern scoutet im Netzwerk der internationalen BMW Tech Offices die besten Startups und koordiniert Innovationsprojekte mit den betroffenen BMW-Fachbereichen, die meist das Budget dafür stellen. Diese Startups müssen schon reifer sein, also ein stabiles Team, eine robuste Finanzierung, ein fertiges Produkt – ggf in anderen Branchen – und am besten schon erste Kunden haben. Das Ziel dabei ist immer, dass das Startup ein regulärer Lieferant für BMW werden kann, wir nennen das  “startup as a supplier”. Erst wenn die Lösung des Startups wirklich bei BMW zum Einsatz kommt – in Produkt, Service oder Prozess -, entsteht Impact!

Daneben gibt es das Team BMW iVentures als klassischer Risikokapital-Investor, der ebenfalls über das BMW Tech Office Netzwerk auch in ganz frühphasige Startups investiert. Außerdem gehört dazu ein BMW-interner Incubator und eine Crowd Innovation Plattform.

Wie läuft systematische Tech-Trenderkennung bzw. Tech-Scouting im Alltag ab?

Es gibt vier Prozessschritte: Scouten und Strukturieren, Diskutieren und Bewerten, Visualisieren und Vorbereiten und dann der Transfer in die passenden BMW-Fachbereiche und die dortige Umsetzung. Den ersten Schritt haben früher Mitarbeitende und Werkstudierende gemacht, heute erledigen das maßgeschneiderte KI-Agenten. Für den zweiten Schritt braucht man die Experten: Fachleute von intern und extern. Ggf wird zu einem bestimmten Tech-Trend eine Studie erstellt. Für den dritten Schritt sitzt man in Workshops zusammen und erarbeitet einen Vorschlag für das nächste Trendradar und mögliche Scouting- oder Prototypen-Projekte. Von einer Liste mit über hundert Themen bleiben dann vielleicht vierzig übrig, die auf das Trendradar kommen und fünf, die dann tiefergelegt werden.

(c) BMW Group

Und dann kommt der Teil, an dem viele scheitern.

So ist es! Die ganzen modernen Technologien und Trends kann man heute recht einfach im Netz recherchieren, Generative AI hilft dabei. Das Entscheidende aber ist am Ende: Was leitet das Unternehmen daraus ab? Nur neues Wissen, eine Produktverbesserung oder gleich ein neues Geschäftsmodell? Einfacher gesagt: was mache ich damit morgen besser als heute? Das ist das Schwierige, der Transferprozess. Dieser hat inhaltliche, strukturelle, finanzielle aber auch menschliche Aspekte. Der Transfer einer neuen, erstmal riskanten Technologie aus einer anderen Branche in die eigene Firma ist oft schwierig. Auch bei BMW hat es ein paar Jahre gedauert, bis erste Erfolge kamen und das Vorgehen akzeptiert war.

Was ist das Rezept, damit es funktioniert?

Man holt die Personen, die später die Erkenntnisse umsetzen sollen, frühzeitig in den Prozess mit hinein. Sie dürfen die Startups mit bewerten, sie erfahren sofort, wenn eine neue Technologie für ihren Fachbereich tiefergelegt werden soll, diese wird dann gemeinsam bewertet. Dafür gibt es in der BMW Startup Garage für jedes Ressort einen konkreten Schnittstellenpartner. Dann geht man gemeinsam in den betroffenen Fachbereich, organisiert die Ressourcen und plant das Projekt, damit das Startup den Prototypen bauen kann. Wichtig: für das Startup-Projekt wird oft das Geld des späteren Fachbereichs verwendet. Das erzeugt zusätzliches Commitment! Und das Zweite ist die Hierarchie: Wenn Du einen Bereichsleiter oder Geschäftsführer hast, der voll hinter Open Innovation steht und auch mal in oberen Etagen politisch unterstützt, dann funktioniert es deutlich besser, auch in Krisenzeiten mit Budgetknappheit.

(c) BMW Group

Was raten Sie einem Unternehmen, das ohne viel Budget mit Technologiemanagement starten will?

Man muss nicht gleich zehn Leute einstellen. Oft genügt erstmal eine Person mit den nötigen Ressourcen und Befugnissen, dazu evtl. einen Studierenden und ein paar Teilkapazitäten in den relevanten Fachbereichen als Unterstützung. Ggf hilft am Anfang auch eine externe Trendagentur oder ein passender Toolanbieter. KI-Kenntnisse sind wichtig, um einen KI-Agenten nutzen oder einen eigenen aufbauen zu können. Ein gutes, internationales Netzwerk in alle relevanten Industrien ist ebenso wichtig, denn inzwischen betreiben die meisten großen Firmen Technologie-Früherkennung im Rahmen von Corporate Foresight, man kann von ihnen lernen und Best Practices übernehmen. Ich habe aus meinen über 6 Jahren in dieser Rolle eine Liste mit den zehn wichtigsten Lessons Learned zusammengeschrieben. Da steht alles drin, was man braucht, man muss es halt nur noch machen.

Was machen Sie heute bei UnternehmerTUM?

UnternehmerTUM hat drei Zielgruppen: Talente, Startups und Unternehmen – vom großen  Corporate und Mittelstand bis zum Familienunternehmen. Meine Hauptarbeit liegt in der Innovationsberatung, wo ich meine BMW-Erfahrung einbringen kann. Daneben bin ich Startup-Mentor, halte Vorlesungen, unterstütze die Internationalisierung der UnternehmerTUM und betreue Delegationen. Und ich baue gerade einen KI-gestützten Technologie-Trendradar-Prozess für die UnternehmerTUM, die TUM Venture Labs und ihre Partner und Kunden auf. Der ist nochmal deutlich umfangreicher als ein Radar für die Automobilindustrie. Wir haben dafür einen KI-Agenten gebaut, der weltweit schwache Tech-Signale erkennt, also Technologien, die noch kein messbarer Trend sind. Diesen KI-Agenten trainiere ich täglich. Gerade für Mittelständler und Familienunternehmen ist das sehr hilfreich, weil sie in der Regel nicht das Netzwerk und die Möglichkeiten großer Firmen haben.

(c) BMW Group

Gibt es ein Beispiel aus Ihrer BMW-Zeit, das zeigt, was Open Innovation bewirken kann?

Aus der Tech-Trenderkennung und der Startup-Arbeit wurden in den letzten Jahren schon viele Projekte zu Quantum Computing, Fahrzeug-Satelliten-Kommunikation, Gesundheitsdaten-Monitoring im Fahrzeug, Panorama-Displays, In-Car-Gaming u.v.m. erfolgreich transferiert. Einiges davon ist schon im Auto zu erleben, manches wird noch kommen. Mein Lieblingsbeispiel ist das farbwechselnde Auto: keine klassische Trenderkennung, aber ein erfolgreicher Cross-Industry-Transfer und vielleicht sogar ein Trendsetter! Eine Mitarbeiterin von mir hatte vor vielen Jahren die mutige Idee, die Display-Funktionen eines E-Readers aufs Auto zu übertragen. Sie hat sich die E-Ink-Panels besorgt, einen Prototypen entwickelt und damit nach vielen Experimenten mit einigen Helfern den BMW iX Flow aufgebaut – übrigens anfangs im MakerSpace der UnternehmerTUM. Mit diesem Auto war sie mit BMW 2022 in der Schwarz-Weiß-Version und ein Jahr später mit dem BMW i VISION Dee in der Farbversion mit großem Erfolg auf der CES in Las Vegas: The Color-Changing Car! Das ist für mich der perfekte Cross-Industry-Transfer: Ich übertrage eine erfolgreiche Technologie aus einer Industrie in eine völlig andere und habe einen Nutzen daraus. Ob das in irgendeiner Form mal in Serie kommt? Wer weiß …

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

„Maschinen haben das Potenzial, die Vorurteile von Menschen auszugleichen“