Es gibt ein Foto, das nicht existieren sollte. Ein Tintyp aus dem Jahr 1913, heimlich aus einem britischen Gefängnis geschmuggelt. Es zeigt eine Frau, fixiert an einen Stuhl. Ihr Kiefer wird von Metallspreizern gewaltsam geöffnet. Ein Schlauch führt in ihren Hals. Die Frau heißt Alice Thornton. Sie hatte einen Stein durch ein Fenster des Parlaments geworfen, weil sie das Wahlrecht forderte. (Hinweis der Redaktion: Die im Artikel verwendete Bilddarstellung ist eine KI-generierte Rekonstruktion auf Basis historischer Quellen. Sie ersetzt kein Originaldokument, sondern dient der visuellen Einordnung einer historisch belegten Praxis.)

Die Antwort des Staates war medizinisch verpackte Gewalt.

Als Thornton im Gefängnis in den Hungerstreik trat, wurde sie zwangsernährt. Wochenlang. Systematisch. Sie erbrach Blut. Die Prozedur wurde als „medizinische Notwendigkeit” deklariert – ein Akt der Fürsorge, so die offizielle Lesart. Doch das Foto erzählt eine andere Geschichte. Es zeigt einen Körper, der nicht als Subjekt behandelt wird, sondern als Objekt. Als Problem, das gelöst werden muss. Als Anomalie, die korrigiert gehört.

Was hat das mit uns zu tun? Mit dem Jahr 2026, mit künstlicher Intelligenz, mit algorithmischer Gerechtigkeit? Alles.

Die Vermessung des Normalen

Die Geschichte der modernen Medizin ist auch eine Geschichte der Standardisierung. Um Krankheiten zu verstehen, mussten Körper vergleichbar gemacht werden. Es entstanden Normalwerte: Normalgewicht, Normaltemperatur, Normalpuls. Diese Werte waren kein neutrales Ergebnis wissenschaftlicher Beobachtung. Sie wurden definiert. Und wer definiert, hat Macht.

Bis weit ins 20. Jahrhundert basierte medizinisches Wissen primär auf männlichen Körpern. Nicht aus bösem Willen, sondern aus einer Annahme, die so selbstverständlich schien, dass sie unsichtbar blieb: Der männliche Körper galt als Standard, der weibliche als Abweichung. Frauen wurden von klinischen Studien ausgeschlossen – offiziell, um potenzielle Schwangerschaften nicht zu gefährden. Inoffiziell, weil hormonelle Zyklen als „störende Variable” galten, die Forschung komplizierter machten.

Das Ergebnis: Medikamente, deren Dosierungen an männlichen Probanden getestet wurden. Diagnosekriterien für Herzinfarkte, die weibliche Symptommuster nicht abbildeten. Crashtest-Dummies, die männliche Körperproportionen reproduzierten.

Als hätte die Hälfte der Menschheit einen Körper zweiter Klasse.

Doch es geht nicht nur um Geschlecht. Die Geschichte wiederholt sich entlang anderer Kategorien. Schwarze Patient:innen werden systematisch unterschätzt, wenn sie über Schmerzen berichten – ein Echo jahrhundertelanger rassistischer Mythen über angeblich höhere Schmerztoleranz. Ältere Menschen gelten schneller als „austherapiert”. Menschen mit Behinderungen werden in ihrer medizinischen Selbstbestimmung eingeschränkt. Trans-Personen kämpfen um Zugang zu Behandlungen, die für andere selbstverständlich sind.

Das Muster ist immer dasselbe: Es gibt eine Norm. Und es gibt jene, die nicht in sie passen.

Wenn Algorithmen Entscheidungen treffen

Jetzt kommt die künstliche Intelligenz ins Spiel. Und mit ihr ein Versprechen: Objektivität.

Algorithmen würden menschliche Vorurteile überwinden, so die Hoffnung. Sie würden Muster erkennen, die uns entgehen. Sie würden schneller, präziser, gerechter entscheiden.

Doch Algorithmen lernen aus der Vergangenheit – und diese Vergangenheit ist ungleich.

Ein KI-System zur Hautkrebserkennung wird mit tausenden Bildern trainiert. Zeigen diese Bilder überwiegend helle Hauttypen, lernt der Algorithmus, Melanome auf dunkler Haut schlechter zu erkennen. Das System funktioniert – aber nur für manche.

Ein Algorithmus zur Vorhersage von Nierenerkrankungen nutzt historische Patientendaten. Darin wurden schwarze Patient:innen seltener zu Spezialist:innen überwiesen als weiße – nicht weil sie gesünder waren, sondern weil der Zugang zur Versorgung ungleich war. Der Algorithmus lernt dieses Muster und gibt es als „Empfehlung” weiter.

Ein diagnostisches Tool für Herzinfarkte basiert auf Studien mit wenigen weiblichen Teilnehmerinnen. Es übersieht jene Symptome, die bei Frauen häufiger auftreten.

Die Technologie verstärkt, was wir ihr zeigen: alte Ausschlüsse in neuer Form.

Der männliche Körper als ungesehene Norm

Doch die Geschichte hat noch eine zweite Seite, die seltener erzählt wird.

Denn auch Männer zahlen einen Preis für die Normierung von Körpern – nur auf andere Weise.

Männer gehen seltener zum Arzt. Sie sprechen weniger über psychische Belastungen. Sie ignorieren Warnsignale länger. Nicht weil sie „stark” sind, sondern weil ein kulturelles Skript ihnen sagt, dass Verletzlichkeit Schwäche ist. Depression wird bei Männern später erkannt, weil ihre Symptome oft nicht dem entsprechen, was als „typisch depressiv” gilt. Aggression, Rückzug, Substanzmissbrauch – das wird selten als psychische Krise gelesen.

Auch hier zeigt sich: Die Norm schützt nicht. Sie schränkt ein.

Wenn ein Mann sagt „Ich halte das nicht mehr aus”, wird er seltener ernst genommen als eine Frau, die dasselbe sagt – weil emotionale Überforderung als „weiblich” codiert ist. Wenn ein Mann Opfer häuslicher Gewalt wird, findet er kaum Anlaufstellen – weil Gewalt gegen Männer im öffentlichen Bewusstsein kaum existiert.

Die Geschlechternorm ist für niemanden gemacht. Sie ist ein Korsett, das alle einschnürt – nur an unterschiedlichen Stellen.

Was wäre, wenn wir anders fragten?

Stell dir vor, Alice Thornton wäre nicht gefesselt worden. Stell dir vor, man hätte sie gefragt: Was brauchst du? Was ist dein Anliegen? Stell dir vor, wir würden nicht von der Norm her denken, sondern vom Menschen aus.

KI kann mehr, als alte Muster zu reproduzieren. Sie könnte helfen, neue zu entdecken – wenn wir sie anders bauen. Wenn wir fragen: Wessen Körper sind unsichtbar? Wessen Symptome werden überhört? Wessen Schmerz gilt als irrelevant?

Personalisierte Systeme – ein Begriff, der oft technokratisch klingt – könnten tatsächlich bedeuten: Systeme, die den Menschen sehen. Nicht als Abweichung von der Norm, sondern als einzigartige Konstellation.

Das würde bedeuten: diversere Datensätze. Studien, die Vielfalt abbilden. Algorithmen, die transparent machen, worauf sie basieren. Ausbildung, die Vorurteile benennt, statt sie zu ignorieren.

Und es würde bedeuten: Raum für Verletzlichkeit, unabhängig vom Geschlecht. Anerkennung, dass Fürsorge keine Schwäche ist. Raum für Schmerz, der nicht ins Schema passt.

Der Körper als Anfrage, nicht als Antwort

Die Frage ist nicht: Wie machen wir Algorithmen gerechter? Die Frage ist: Wie schaffen wir Strukturen, in denen Gerechtigkeit überhaupt denkbar wird?

Das beginnt mit einer anderen Art, Körper zu sehen. Nicht als Datensätze, die optimiert werden müssen. Nicht als Abweichungen von der Norm. Sondern als Anfragen an eine Welt, die noch nicht für alle gemacht ist.

Alice Thornton wurde zwangsernährt, weil ihr Körper als Problem galt. Heute würden wir sagen: Sie stellte eine Frage. Eine unbequeme. Eine, die das System in Frage stellte.

Vielleicht ist das die radikalste Einsicht: Dass jeder Körper, der nicht in die Norm passt, eine Frage stellt. An die Medizin. An die Technologie. An uns alle.

Und dass wir lernen müssen, genau zuzuhören.