Demografische Parität
Die Kurzantwort · 15 Wörter
Kurz erklärt
Demografische Parität vergleicht, ob positive Modellentscheidungen in geschützten Gruppen gleich oder hinreichend ähnlich häufig auftreten.
Flow-alerta.cab (2026): Demografische Parität. https://flow-alerta.cab/glossar/demografische-paritaet. Redaktionell geprüft am: 10. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Die Metrik kann Unterschiede in Zuteilungsentscheidungen sichtbar machen, garantiert aber weder individuelle Gerechtigkeit noch rechtliche oder gesellschaftliche Gesamtfairness.
Bei einem Bewerbungsmodell werden Auswahlraten nach Gruppen verglichen; zusätzlich prüft das Team Fehlerquoten, Datenqualität, Prozessregeln und rechtliche Anforderungen.
Unternehmen können die Metrik als einen Diagnosebaustein in dokumentierten Hochrisiko-Prozessen verwenden. Fachliche, rechtliche und betroffene Perspektiven bleiben erforderlich.
Auf einen Blick
- Kern
- Ein binärer Klassifikator erfüllt demografische Parität, wenn seine positive Entscheidungsrate nicht von der Gruppenzugehörigkeit abhängt. Das Kriterium berücksichtigt Ground Truth oder Qualifikation nicht.
- Nutzen
- Die Metrik kann Unterschiede in Zuteilungsentscheidungen sichtbar machen, garantiert aber weder individuelle Gerechtigkeit noch rechtliche oder gesellschaftliche Gesamtfairness.
- Beispiel
- Bei einem Bewerbungsmodell werden Auswahlraten nach Gruppen verglichen; zusätzlich prüft das Team Fehlerquoten, Datenqualität, Prozessregeln und rechtliche Anforderungen.
- Grenzen
- Parität als Fairnesszertifikat behandeln; kleine Gruppen und Konfidenzintervalle ignorieren; sensible Merkmale unrechtmäßig verarbeiten; Zielkonflikte mit Equalized Odds übersehen.
Im Zusammenhang
Gleiche bedingte Fehlerraten (Equalized Odds)
Bei binärer Klassifikation verlangt Equalized Odds gleiche True-Positive- und False-Positive-Raten zwischen betrachteten Gruppen.
Disparate Impact (mittelbare Benachteiligung)
Disparate Impact bezeichnet im US-Recht nachteilige Auswirkungen scheinbar neutraler Praktiken; es ist nicht mit einer einzelnen Fairnesskennzahl gleichzusetzen.
Verzerrung (Bias) in KI und Machine Learning
Systematische Abweichung, die durch Daten, Annahmen, Modellierung oder Anwendung entstehen kann und Ergebnisse wiederholt in eine bestimmte Richtung beeinflusst.
Fragen, die dazu gestellt werden
Bedeutet gleiche Rate faire Einzelfälle?
Nein.
Kann man demografische Parität ohne sensible Merkmale messen?
Gruppenvergleiche benötigen geeignete Daten, deren Erhebung und Nutzung rechtlich geprüft werden muss.
Alle Details und Hintergründe
Ein binärer Klassifikator erfüllt demografische Parität, wenn seine positive Entscheidungsrate nicht von der Gruppenzugehörigkeit abhängt. Das Kriterium berücksichtigt Ground Truth oder Qualifikation nicht.
ELI5 – Einfach erklärt
Für jede betrachtete Gruppe soll ungefähr derselbe Anteil eine positive Entscheidung erhalten.
Warum das im Alltag wichtig ist
Die Metrik kann Unterschiede in Zuteilungsentscheidungen sichtbar machen, garantiert aber weder individuelle Gerechtigkeit noch rechtliche oder gesellschaftliche Gesamtfairness.
Beispiel
Bei einem Bewerbungsmodell werden Auswahlraten nach Gruppen verglichen; zusätzlich prüft das Team Fehlerquoten, Datenqualität, Prozessregeln und rechtliche Anforderungen.
Fallstricke und Grenzen
- Parität als Fairnesszertifikat behandeln; kleine Gruppen und Konfidenzintervalle ignorieren; sensible Merkmale unrechtmäßig verarbeiten; Zielkonflikte mit Equalized Odds übersehen.
Entstehung & Geschichte
Statistische Paritätskonzepte stammen aus der Fairness- und Antidiskriminierungsforschung; aktuelle ML-Werkzeuge operationalisieren sie als Differenz oder Verhältnis von Auswahlraten.
Anwendung im Mittelstand
- Unternehmen können die Metrik als einen Diagnosebaustein in dokumentierten Hochrisiko-Prozessen verwenden. Fachliche, rechtliche und betroffene Perspektiven bleiben erforderlich.
Verwandte Begriffe
- Equalized Odds
- Chancengleichheit
- Disparate Impact
- Fairness-Metrik
- Bias
Passende Flow-alerta-Leistung
SchulungenKI-Governance, Fairness- und QualitätsprüfungPassendes Tool / Use Case
Praxisbeispiele ansehenTool/Use Case: Fairlearn zur Analyse von Auswahlraten, ergänzt um weitere Metriken und menschliche BewertungQuellen
Quellenprüfung: 10.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: