Warum ist es relevant, wer in der IT-Branche arbeitet?
Wer im IT-Bereich arbeitet, beeinflusst, wie welche Technologien und Produkte entwickelt werden, die uns umgeben und die wir nutzen. Welche Erfahrungen Menschen mitbringen, beeinflusst, an welche Aspekte gedacht wird: Wer wird nicht mitgedacht? Was wird nicht beachtet? Werden Diskriminierungen eventuell verstärkt?
Ich möchte erkunden, wie die Zahlen anhand demografischer Merkmale sind. Dieser Artikel soll eine grobe Daten-Grundlage schaffen.
Datenlage und methodische Herausforderungen
Die Analyse der IT-Beschäftigung ist durch unterschiedliche Erhebungsmethoden und historische Datenlücken sehr schwierig. Das ist für mich erstmal in Ordnung. Mir geht es mehr um die Einordnung, eine Größenordnung.
Historische Datenlage
Eigentlich wollte ich Zahlen in der zeitlichen Entwicklung betrachten, was sich als schwieriger zeigte, als ich vermutet hatte.
Die IT-Branche in ihrer modernen Form entstand erst mit der Computerrevolution der 1950er Jahre. Vor 1950 existieren keine verwertbaren Daten, da entsprechende Berufsprofile noch nicht definiert waren. Selbst in den 1960er Jahren umfasste die IT-Beschäftigung vorwiegend mathematische Fachkräfte und Elektroingenieure.
IT-Berufe
Viele, die nicht im IT-Bereich tätig sind, denken „Arbeiten in IT“ ist gleich „Software-Entwickler“. Ich wähle an dieser Stelle bewusst nur die männliche Bezeichnung.
Die IT-Berufe lassen sich grob in folgende Felder aufteilen. Innerhalb der Felder gibt es eine Vielzahl von Berufen.
- IT-Infrastruktur: z.B. IT-Administration, IT-Support, Netzwerke, IT-Sicherheit.
- Entwicklung: z.B. Softwareentwicklung, Data Science, Künstliche Intelligenz.
- Schnittstellenfunktionen: z.B. IT-Projektmanagement, IT-Consulting, Product Owner.
- Führungsebene
Die beiden ersten Felder bezeichne ich als Tech-Tech-Felder, also Felder, in denen technisch gearbeitet wird.
Die Berufsprofile entwickeln sich ständig weiter. Verschiedene Technologien (Internet, Cloud-Technologien, KI) und Krisen (Dotcom-Blase, Finanzkrise, Corona) wirkten und wirken sich auf die IT-Berufsprofile aus.
IT kann außerdem Bestandteil anderer Wissenschaften sein und dadurch nicht zu IT gezählt werden.
Die IT-Berufswelt ist also sehr vielfältig.
Ich nehme daher an, dass es nicht standardisiert und einheitlich ist, welche Berufe zur IT-Branche gezählt werden, insbesondere im internationalen oder historischen Vergleich.
Diskriminierungsmerkmale
Historisch wurden in den amtlichen Statistiken zu IT-Berufen vor allem Merkmale wie Beschäftigungsform und Qualifikation erfasst. Geschlechtsspezifische Daten sind lückenhaft ab den 1980er Jahren verfügbar. Nationalität, Alter oder andere Diskriminierungsmerkmale wurden erst ab den 1990er/2000er Jahren systematischer berücksichtigt. Die Zahlen bleiben jedoch bis heute lückenhaft und konzentrieren sich meist auf Nationalität und Geschlecht.
Die Erfassung nach Diskriminierungsmerkmalen ist nicht differenziert, z.B. wird Geschlecht meistens binär, Männer und Frauen, betrachtet.
Die Erhebung erfolgt nach unterschiedlichen Kategorien, die einen Vergleich schwierig machen, z.B. wenn die abgefragten Altersgruppen unterschiedlich sind.
Demografische Statistiken weltweit, in den USA, der EU und Deutschland
Die Zahlen und Daten für diesen Artikel habe ich von perplexity.ai. Ich habe nach Zahlen für 1990 und 2022 gefragt, um die zeitliche Entwicklung zu betrachten. Da die meisten großen Tech-Unternehmen ihren Sitz in den USA haben und dieser Blog in Deutschland geschrieben wird, habe ich spezifisch diese beiden Länder abgefragt.
Die Quellenlage fand ich u.a. auch angesichts der oben genannten Datenlagen schwierig nachzuvollziehen. Es geht mir jedoch um die Größenordnung und diese wird deutlich.
Geschlecht
| Jahr | Weltweit (Frauenanteil) | USA (Frauenanteil) | EU (Frauenanteil) | Deutschland (Frauenanteil) |
|---|---|---|---|---|
| 1990 | ca. 30–35 %* | ca. 35–37 %* | ca. 30–35 %* | ca. 15–20 %* |
| 2022 | 28 % | ca. 25–27 %* | ca. 19–22 %* | 16–18 % |
Werte mit * sind Schätzungen, da keine exakten Zahlen in den Suchergebnissen vorliegen. Die Angaben basieren auf historischen Studien, OECD- und UNESCO-Daten sowie Branchenberichten.
Im internationalen Vergleich landet Deutschland auf Platz 20 von 41 untersuchten OECD- und EU-Ländern. Im globalen Durchschnitt liegt der Frauenanteil in der IT-Branche bei 28 Prozent, im südostasiatischen Raum sind ITlerinnen mit 32 Prozent am stärksten vertreten.
Größenordnung: Der Frauenanteil in der Brache ist gesunken. Es sind ungefähr 20-25 Prozent Frauen und damit 75-80 Prozent Männer.
Race bzw. Staatsangehörigkeit
Für die weltweite IT-Beschäftigung existieren keine systematischen Statistiken zur Verteilung nach „Race“ oder ethnischer Zugehörigkeit, weder für 1990 noch für 2022. Die meisten Länder außerhalb der USA und teilweise Großbritanniens erfassen diese Merkmale aus datenschutz- und gesellschaftspolitischen Gründen nicht. Nur Angaben zu Nationalität oder Herkunftsland werden teilweise veröffentlicht, was keine Aussage über „Race“ im US-amerikanischen Sinne erlaubt.
USA, 2022
Nach aktuellen Daten des US Bureau of Labor Statistics und Branchenanalysen (z. B. von Diversity Reports großer Tech-Unternehmen) ergibt sich für 2022 folgendes Bild:
- Weiße (White, non-Hispanic): ca. 62–65 %
- Asiatische Beschäftigte: ca. 20–22 %
- Schwarze (Black or African American): ca. 7–8 %
- Hispanics/Latinos: ca. 8–9 %
Deutschland, 2022
Etwa 14 % aller IT-Beschäftigten haben keine deutsche Staatsangehörigkeit.
27 % davon kamen aus der EU, 73 % aus Nicht-EU-Staaten. Die größten Gruppen unter den Nicht-EU-Staaten stellten Indien, Russland und die Türkei, unter den EU-Staaten Italien und Spanien.
Größenordnung: Außer für die USA gibt es keine aussagefähigen Zahlen. Leider gibt es auch für die USA keine historischen Zahlen.
Behinderung
Die Datenlage zur IT-Beschäftigung nach Behinderung ist sehr lückenhaft. Für 2022 gibt es in Deutschland nur branchenübergreifende Werte, für die IT-Branche und international fehlen spezifische Statistiken.
Größenordnung: Leider gibt es keine aussagefähigen Zahlen.
Alter
Für das Jahr 1990 liegen keine detaillierten Zahlen zur Altersstruktur von IT-Beschäftigten vor, da die Branche noch relativ jung war und entsprechende Statistiken erst später systematisch erhoben wurden. Die IT-Beschäftigten waren damals im Mittel deutlich jünger als heute, da viele Berufseinsteiger direkt aus den neuen Informatikstudiengängen kamen und die Branche insgesamt noch im Aufbau war.
Globale oder EU-weite, detaillierte Zahlen zur Altersstruktur in der IT-Branche sind nicht verfügbar.
USA
- 20–29 Jahre: 16 %
- 30–39 Jahre: 29 %
- 40 Jahre und älter: 55 %
Deutschland
- Unter 35 Jahre: 35 %
- 35 bis 54 Jahre: 41 %
- 55 Jahre und älter: 24 %
Größenordnung: Die Mehrheit in den USA und Deutschland ist über 40 Jahre alt. In Deutschland entspricht das dem Durchschnittsalter von 44 Jahren, das Durchschnittsalter in den USA ist mit 38 Jahren leicht jünger als in Deutschland.
IT-Beschäftigte, die die Branche verlassen
Für Deutschland, die EU und weltweit fehlen solche differenzierten Zahlen; hier sind nur allgemeine Trends zum Fachkräftemangel und zur Abwanderung hochqualifizierter Arbeitskräfte dokumentiert.
In den USA gibt es Studien und Branchenberichte, die aufzeigen, dass Frauen und Minderheiten die IT-Branche überproportional häufig verlassen („leaky pipeline“):
- Laut US-Studien (z. B. Kapor Center, NCWIT) verlassen etwa 56 % der Frauen ihre IT-Karriere im Laufe der Zeit, verglichen mit rund 20 % der Männer.
- Schwarze und hispanische IT-Fachkräfte verlassen die Tech-Branche ebenfalls häufiger als weiße oder asiatische Beschäftigte.
Demografische Statistiken von Big-Tech Unternehmen
Einige wenige große Tech-Unternehmen dominieren die Märkte. Daher möchte ich die Zahlen nach Geschlecht und „Race“ in diesen Unternehmen betrachten.
Es gibt unterschiedliche Definitionen von Big-Tech.
Unabhängig von der genauen Definition sind die größten IT-Unternehmen: Alphabet (Google), Amazon, Apple, Meta Platforms (Facebook, Whatsapp, Instagram), Microsoft, Nvidia, Netflix, Alibaba und Tencent.
Von diesen 9 Unternehmen sind die ersten 7 in der Liste US-amerikanisch und die beiden letztgenannten chinesisch.
USA/Global (Alphabet/Google, Meta, Apple, Amazon, Microsoft, Nvidia, Netflix)
Geschlechterverteilung (2022/2023, Tech-Bereich)
| Unternehmen | Frauenanteil (gesamt) | Frauenanteil (Tech) | Männeranteil (Tech) |
|---|---|---|---|
| ca. 33 % | ca. 25 % | ca. 75 % | |
| Meta | ca. 37 % | ca. 24 % | ca. 76 % |
| Apple | ca. 34 % | ca. 24 % | ca. 76 % |
| Amazon | ca. 45 % | ca. 27 % | ca. 73 % |
| Microsoft | ca. 31 % | ca. 24 % | ca. 76 % |
| Nvidia | ca. 23 % | ca. 18 % | ca. 82 % |
| Netflix | ca. 47 % | ca. 23 % | ca. 77 % |
Ethnienverteilung (USA, 2022/2023, Tech-Bereich)
| Ethnie | Meta | Apple | Amazon | Microsoft | Nvidia | Netflix | |
|---|---|---|---|---|---|---|---|
| Weiß | 45–50 % | 45 % | 47 % | 42 % | 48 % | 45 % | 44 % |
| Asiatisch | 40 % | 38 % | 33 % | 36 % | 34 % | 41 % | 34 % |
| Schwarz | 6–8 % | 4 % | 9 % | 8 % | 4 % | 2 % | 9 % |
| Hispanic/Latino | 7–8 % | 7 % | 14 % | 12 % | 7 % | 3 % | 10 % |
| Sonstige | <2 % | <2 % | <2 % | <2 % | <2 % | <2 % | <2 % |
China (Alibaba, Tencent)
Für Alibaba und Tencent werden keine detaillierten Diversity Reports nach westlichen Standards veröffentlicht. Interne und externe Schätzungen gehen davon aus, dass der Frauenanteil im Tech-Bereich ähnlich niedrig ist wie bei US-Konzernen (ca. 20–25 %), der Großteil der Beschäftigten ist Han-chinesisch, ethnische Minderheiten spielen kaum eine Rolle in der Statistik.
Fazit
Ich war überrascht über die schlechte Datenlage. Angesichts der Erklärungen im ersten Abschnitt finde ich es jedoch nachvollziehbar.
Wer arbeitet also in der IT-Branche? Es sind hauptsächlich weiße Männer, die Mehrzahl ist über 40 Jahre alt. Ich vermute, dass der Anteil in den Tech-Tech- und Senior-Bereichen noch höher ist. Erstaunt bin ich über den hohen Anteil an Asian-Americans in den Big-Tech-Unternehmen.
Einige Fragen, die sich für mich aus diesen Zahlen ergeben, sind:
- Welche Auswirkungen hat diese Zusammensetzung auf die Beschäftigten?
- Welche Auswirkungen hat diese Zusammensetzung auf die Softwareprodukte und Geräte, die entwickelt werden?
- Warum sind die Zahlen wie sie sind?
- Welche Maßnahmen werden für eine Diversifizierung der Beschäftigten getroffen? Wie wirken sie?
- Welche Zugänge gibt es (nicht)?
Diese und andere Aspekte möchte ich in weiteren Artikeln betrachten. Insbesondere die letzte Frage ist einer der Gründe, warum ich „Praktisch und Verbunden“ gestartet habe.
📚 Quellen und zusätzliche Informationen
Datenlage und methodische Herausforderungen
- Überblick über die Computergeschichte von bremen digital: Meilensteine der IT
- Meine Beschreibung der IT-Berufe ist angelehnt an die IT-Felder, wie ich sie bei techminds gefunden habe.
- Zur Aussagekraft von statistischen Daten in Bezug auf die Zuordnung von IT-Fachkräften und zur Arbeitsmarktlage in den 1980ern und 1990ern: Der Arbeitsmarkt für IT-Fachkräfte in Deutschland und die Chancen für die duale Ausbildung
- poco.lit Diskussionsplattform für Postkoloniale Literatur: Race ≠ Rasse: 10 schwierig zu übersetzende Begriffe in Bezug auf Race
- Antidiskriminierungsstelle des Bundes: Diskriminierungsmerkmale
Demografische Statistiken
Dieser Artikel basiert im Wesentlichen auf den Antworten von perplexity.ai. perplexity.ai antwortet mit Quellenangaben und schlägt verwandte Fragestellungen vor. Die Quellenlage finde ich angesichts der Menge und Komplexität, wie ich es oben beschrieben habe, schwierig zu beurteilen.
Warum ich KI verwendet habe:
Ich habe den Dienst verwendet, weil es eine Fragestellung mit komplexer Datenlage betraf. Ich wollte den Dienst ausprobieren. Ich wollte die Fähigkeit, mit aktuellen Technologien umzugehen, weiterentwickeln.
Was ich kritisch sehe:
Die Ausbeutung der Clickworker, die die KI trainieren, der Energieverbrauch beim Training und der Verwendung von KI, die Verwendung von Wissen und Arbeit anderer in den Trainingsdaten ohne Kompensation, eventuell eine Bias-Verstärkung, unbekannte gesellschaftliche Auswirkungen.
Komplexe Problemlagen gibt es bei fast allen Produkten (Lebensmittel, Smartphones, Kleidung, usw.), die wir konsumieren.
Ich versuche noch eine Haltung gegenüber KI-Services zu entwickeln.