Keyboard shortcuts

Press ← or → to navigate between chapters

Press S or / to search in the book

Press ? to show this help

Press Esc to hide this help

Computer, sag mir, wer ich bin

27. August 2026

Superposition

Trans zu sein ist ein Multiversum: jeder fremde Blick öffnet Portale zu neuen Realitäten und ein einziges Wort kann den Untergang ganzer Welten einläuten. Die Frage, wie andere einen wahrnehmen, ist ein ständiger Begleiter. Die Unsicherheit zersplittert einen Moment in viele widersprüchliche Situationen; jede fordert und verbietet unterschiedliche Identitäten. Die Dissoziation bietet sich an, verspricht Schutz; und schiebt sich an die Stelle des Selbst.

Kollaps

Diesen auflösenden Kräften ausgesetzt, ist es nur allzu nachvollziehbar, als cis wahrgenommen werden zu wollen, um in Ruhe gelassen zu werden. Als cis-gender wahrgenommen zu werden, ist jedoch nicht von allen trans Personen gewünscht oder für alle möglich. So kann unzureichende medizinische Versorgung oder fehlende finanzielle Mittel diesen Weg versperren. Was es bedeuten soll, „cis“ auszusehen, ist auch manchmal nicht definierbar: Ich wüsste nicht, wie ich als cis-nonbinär wahrgenommen werden könnte. Auch untermauert es Cisnormativität, also den Glauben, dass alle Menschen entweder cis sind oder cis sein wollen und es kann den Zusammenhalt innerhalb der trans Gemeinschaft schwächen und sie schlussendlich unsichtbar machen.

Jedoch hat es auch viele Vorteile, als cis-gender wahrgenommen zu werden. So lindert es für manche Dysphorie und schützt vor transfeindlichen Übergriffen.1 Als cis-gender wahrgenommen zu werden, kann meiner Meinung nach auch helfen, das Gefühl der permanenten Dissoziation im öffentlichen Raum zu lindern, und dadurch die Entwicklung einer authentischen Identität zu ermöglichen.

Notwendig ist dies jedoch nicht; so kann es zur eigenen authentischen Identität gehören, eben nicht als cis-gender wahrgenommen zu werden.

Messen

Doch woher weiß ich denn überhaupt, ob ich als cis-gender wahrgenommen werde? Das ist eine schwer beantwortbare Frage, denn es kommt auf die Situation an, in der ich mich befinde, und auf die Personen, von denen ich wahrgenommen werde. Ein Zoom-Meeting ist hier ganz anders als ein Besuch im Schwimmbad; eine Person, die selbst trans ist, nimmt mich sicher auch nochmal anders wahr als eine cis-Person. Ob jemand als cis-gender wahrgenommen wird ist keine Eigenschaft dieser Person, es wird immer wieder zwischen Sender:in und Empfänger:innen von neuem ausgehandelt. So überschatten männlich konnotierte visuelle Eigenschaften weiblich konnotierte und Menschen werden tendenziell eher als männlich wahrgenommen.2

Ich habe alle Bilder, die ich von mir aus den letzten 3 Jahren habe, genommen und mehrere Machine-Learning-Modelle verwendet, um mein Gesicht auf der Achse „Männlich-Weiblich“ einzuordnen. Das ist eine stark verzerrte Idealisierung um der Frage nachzugehen, wie ich wahrgenommen werde.

Gemittelte Einordnung aus den letzten 3 Jahren
Einordnung meiner Fotos durch die ML-Modelle zwischen 0.0 (männlich) und 1.0 (weiblich)

Eigentlich haben diese Zahlen mir nichts gesagt, was ich nicht sowieso schon wusste. Ich wusste, dass ich als männlicher wahrgenommen wurde, nachdem ich mir die Haare kurz schneiden ließ, und ich habe gemerkt, dass sich mein Gesicht in den letzten 3 Monaten auf subtile, aber merkliche Art verändert hat und weiblicher wahrgenommen wird. Ich denke, das liegt daran, dass ich nun Östrogen und Testoblocker nehme, immerhin ist die Linie nach oben ausgebrochen kurz nachdem ich damit starten konnte. Obwohl es so viele Gründe gibt, warum mir dieser Plot egal sein sollte, gibt es mir eine echte Sicherheit, dass die Linie gerade so zielbewusst nach oben geht.

Anhang

Es sollte egal sein

  • Wahrnehmung ist situationsabhängig: ein statisches Porträtbild ist selten Teil einer realen Situation.
  • Wahrnehmung ist publikumsabhängig: ML-Algorithmen sind selten das Publikum.
  • Als cis-gender wahrgenommen zu werden, ist nicht für alle Teil der eigenen authentischen Identität.
  • Die Zielsetzung, als cis-gender wahrgenommen zu werden, bestärkt Cisnormativität.
  • Als cis-gender wahrgenommen zu werden, ist für manche nicht erreichbar oder mit erheblichen Anstrengungen verbunden.

Modelle

realisticprithivMLmods/Realistic-Gender-ClassificationBasismodell: google/siglip2-base-patch16-224, fine-tuned auf Realistic-Portrait-Gender-1024px
miniprithivMLmods/Gender-Classifier-MiniBasismodell: google/siglip2-base-patch16-224, fine-tuned auf myvision/gender-classification
vitrizvandwiki/gender-classification-2Plain ViT, 85.8M Parameter; automatisch generiert über HuggingPics
badgercakeBadgerCake/gender-classifierPlain ViT, 85.8M Parameter; automatisch generiert über HuggingPics
clipopenai/clip-vit-base-patch32nicht auf Gender-Klassifikation trainiert; multimodales Embedding
clip2laion/CLIP-ViT-B-32-laion2B-s34B-b79Kgleiche Architektur wie clip
siglipgoogle/siglip2-base-patch16-224gleicher Basis-Checkpoint wie realistic und mini, aber zero-shot mit Text-Prompts verwendet, nicht fine-tuned
insightface/buffalo_lInsightFace buffalo_l model packBasismodell trainiert zur Identifikation von Personen; kleiner Attention-Head für die Gender-Klassifikation
Übersicht der verwendeten Classifier

Stabilität

Auf einzelnen Bildern sind sich die Modelle oft uneinig. Wenn man allerdings die Einschätzungen über ein 7-Tage-Fenster mittelt, sind sie sich recht einig. Das sieht man an den Korrelationen der Modelle, wenn man sich jedes Bild einzeln anschaut. Im Mittel haben hier zwei Modelle eine Korrelation von lediglich 0.50 pro Foto. Das sieht aber schon etwas besser aus, wenn man sich Fotos aus einem 7-Tage-Fenster anschaut. Hier mittelt sich das Rauschen raus und zwei Modelle haben im Mittel eine Korrelation von 0.76.

Korrelation der Modell-Einordnungen pro Einzelbild
Korrelation pro Einzelbild, r = 0.50
Korrelation der über das Zeitintervall geglätteten Modell-Einordnungen
Korrelation gemittelt über 7 Tage, r = 0.76

  1. Anderson, J. R., Burstall, J., Schweizer, K., & Tan, K. J. (2025). The Costs and Benefits of ‘Passing’: A Systematic Review of the Qualitative Evidence on Passing for Trans Individuals and Communities. Sex Roles, 91(6), 45. https://doi.org/10.1007/s11199-025-01596-0 ↩

  2. Federici, S., Lepri, A., Bacci, S., & Bartolucci, F. (2022). Male recognition bias in sex assignment based on visual stimuli. Scientific Reports, 12, 8156. https://doi.org/10.1038/s41598-022-12411-1 ↩