Auf digitalen Arbeitsplattformen wie Uber, Lieferando und Etsy entscheiden Bewertungen über Einkommen, Sichtbarkeit und berufliche Chancen – oft schneller und endgültiger als auf dem klassischen Arbeitsmarkt. Der ECDF-Award für Digitalisierung und Diversität 2025 würdigt eine Arbeit, die zeigt, wie stark solche Bewertungen von geschlechtsspezifischen Erwartungen geprägt sein können: Ausgezeichnet wird Diana Tran Nhat, Doktorandin und wissenschaftliche Mitarbeiterin am Fachgebiet Digital Service Engineering an der Technischen Universität Berlin, für ihre Publikation „Expectation vs. reality: How stereotypes and expectation disconfirmation affect job evaluations in online labor markets“ (PLOS ONE, 2025). Co-Autor ist ECDF-Professor Timm Teubner.

Digitale Arbeitsmärkte und Gender-Bias: Wie Erwartungen Bewertungen verzerren

In dem prämierten Paper führt sie ein Online-Experiment durch, in dem systematisch Geschlecht, Arbeitsbereich und Leistungsniveau von Arbeiter*innen variiert werden. Der geschlechtsbezogene Bias ist in solchen Reputationssystemen empirisch zwar gut dokumentiert, die zugrunde liegenden Mechanismen sind bislang jedoch nur unzureichend erforscht. Theoretisch stützt sich die Studie auf die Expectation Disconfirmation Theory sowie die Role Congruity Theory. Untersucht wird, ob Abweichungen zwischen erwarteter und tatsächlicher Leistung (positive oder negative „Disconfirmation“) je nach stereotypischer Passung von Geschlecht und Tätigkeitsfeld unterschiedlich bewertet werden.

Ein zentrales Ergebnis ihrer Forschung: „Entgegen gängiger Annahmen führen geschlechtsstereotypisch „passende“ Konstellationen nicht automatisch zu höheren Erwartungen oder positiveren Bewertungen. Nur bei Bewerter*innen mit starken stereotypischen Vorstellungen, also Personen die bestimmte Arbeitsbereiche klar mit einem bestimmten Geschlecht verbinden, zeigen sich deutliche Effekte“, erklärt Diana Tran Nhat. In diesen Fällen wird von Arbeiter*innen in stereotypisch passenden Bereichen eine höhere Leistung erwartet und ihr Verfehlen dieser Erwartungen zugleich nachsichtiger beurteilt. Die Studie macht damit sichtbar, wie subtil und kontextabhängig Diskriminierungsmechanismen auf digitalen Plattformen wirken können. Sie zeigt, warum identische Leistungen unterschiedlich bewertet werden, abhängig von Geschlechterstereotypen, Erwartungen und deren (Nicht-)Erfüllung – mit direkten Konsequenzen für Einkommen und Karrierechancen.

Diana Tran Nhat ist seit August 2022 Doktorandin und wissenschaftliche Mitarbeiterin am Fachgebiet Digital Service Engineering. Zuvor studierte sie Industrial Economics (M.Sc.) an der Technischen Universität Berlin sowie Wirtschaftswissenschaften (B.Sc.) an der Universität Hohenheim. In ihrer Forschung untersucht sie Reputationssysteme auf Online-Plattformen, insbesondere wie Bewertungen entstehen, wahrgenommen werden und soziale Ungleichheiten verstärken können.

Über den ECDF-Award „Digitalisierung und Diversität“

Mit dem ECDF-Award „Digitalisierung und Diversität“ zeichnet das ECDF jährlich eine herausragende Arbeit aus, die sich mit Fragen von Gender, Diversity und sozialer Ungleichheit im Kontext digitaler Transformation beschäftigt. Ziel ist es, sowohl theoretisch-konzeptionelle als auch empirische und praxisnahe Beiträge sichtbar zu machen. Bewerben können sich Wissenschaftler*innen, Mitarbeitende und Studierende im Kontext des ECDF. Neben klassischen Publikationen sind auch experimentelle, künstlerische oder innovative Forschungsformate ausdrücklich willkommen. Der Einsendeschluss ist jeweils der 31. Oktober. //Weitere Informationen.