Startseite
Camrumble

· von Rédaction

Kultur & Trends

Wie viele Frauen sind wirklich auf Chatroulette-Seiten? Was die Daten sagen (und was nicht)

Ein Drittel? Ein Zehntel? Die Zahlen zum Frauenanteil im Zufalls-Videochat kursieren ohne jede Quelle. Hier steht, was sich tatsächlich messen lässt, warum sich die Schätzungen widersprechen und was dieses Ungleichgewicht für Nutzerinnen konkret bedeutet.

Wie viele Frauen sind wirklich auf Chatroulette-Seiten? Was die Daten sagen (und was nicht)

„Auf Chatroulette-Seiten sind nur 10 % Frauen." Diesen Satz haben Sie garantiert schon gelesen: in einem Kommentar, in einem Artikel, aus dem Mund eines Nutzers, der Ihnen erklärt, warum Sie sich geschmeichelt fühlen sollten, überhaupt da zu sein. Manchmal sind es 10 %, manchmal 20 %, manchmal „eine Frau auf neun Männer". Niemals eine Quelle. Niemals ein Datum. Niemals eine Methode.

Diese Unschärfe ist nicht harmlos. Wenn eine Nutzerin sich fragt, ob sie auf anständige Gesprächspartner treffen wird, ist die einzige Information, die man ihr gibt, eine erfundene Zahl. Und wenn eine Plattform einen Geschlechterfilter verkauft, stützt sie sich auf genau diese unterstellte Knappheit, um den Preis festzusetzen.

Dieser Artikel macht das Gegenteil der Abkürzung: Er schaut sich an, was im Traffic eines Zufalls-Videochat-Dienstes wirklich messbar ist, was öffentliche Messungen sagen und was nicht, und warum die vier Verzerrungen, die sie untergraben, die Interpretation radikal verändern. Am Ende haben Sie ein ehrliches Bild vom Ungleichgewicht – und vor allem davon, was es in der Praxis bedeutet.

Woher die Zahlen kommen, die Sie lesen

Drei Quellen, drei grundverschiedene Naturen

Wenn ein Artikel einen Frauenanteil für einen Videochat-Dienst nennt, schöpft er fast immer aus einem dieser drei Reservoirs:

  1. Web-Audience-Panels. Messunternehmen wie Similarweb oder Comscore veröffentlichen Geschlechterverteilungen pro Website. Diese Verteilungen sind modellierte Schätzungen, gebaut aus Panels von Freiwilligen und Daten von Internetanbietern und anschließend extrapoliert. Similarweb selbst weist in der eigenen Dokumentation darauf hin, dass die demografischen Daten Schätzungen sind und dass ihre Genauigkeit bei Websites mit geringem Traffic oder untypischem Publikum abnimmt.
  2. Von den Plattformen selbst kommunizierte Zahlen. Die gibt es, aber sie werden veröffentlicht, wenn sie nützen: Ein Dienst, der Frauen beruhigen will, verkündet einen steigenden Frauenanteil; ein Dienst, der einen kostenpflichtigen Filter verkauft, hat kein Interesse daran, die Knappheit zu dementieren.
  3. Akademische Arbeiten. Sie sind selten, alt und beziehen sich auf Stichproben von Sitzungen, nicht auf Populationen. Am häufigsten zitiert wird nach wie vor die Studie von Xianhua Xu, Yao Liu und Bo Han aus dem Jahr 2011 („Analyzing user behavior on Chatroulette"), die auf mehreren Tausend ausgewerteten Verbindungen ein massives Ungleichgewicht zugunsten der Männer beobachtete. Fünfzehn Jahre später wird sie regelmäßig zitiert, als beschriebe sie den aktuellen Zustand des Marktes. Das tut sie nicht.

Die kursierende Zahl ist ein Fossil

Das ist der entscheidende Punkt: Die meisten Prozentzahlen, die 2026 im Umlauf sind, stammen von Beobachtungen zwischen 2010 und 2013, auf einer einzigen Plattform, zu einer Zeit, in der Zufalls-Videochat fast ausschließlich am Desktop-Computer stattfand. Inzwischen ist Mobile zur Mehrheit geworden, automatisierte Moderation hat sich durchgesetzt, und das Publikum hat sich auf Dutzende Dienste verteilt. Eine Zahl von 2011 abzuschreiben, um 2026 zu beschreiben, ist wie heutige soziale Netzwerke mit Statistiken aus der Zeit von MySpace zu erklären.

Eine Prozentzahl ohne Datum und ohne Methode ist keine Statistik: Sie ist ein Gerücht mit einer Zahl drin.

Die vier Verzerrungen, die jede Zählung fragil machen

Verzerrung 1: Man zählt keine Personen, man zählt Sitzungen

Ein Videochat-Dienst verlangt so gut wie nie ein Benutzerkonto. Was er sieht, sind Verbindungen. Ein Nutzer, der in einer Stunde 200 Mal „Next" drückt, erzeugt aber viel mehr Ereignisse als eine Nutzerin, die drei Gespräche von zwanzig Minuten führt.

Folge: Misst man den Frauenanteil unter den gesehenen Sitzungen, unterschätzt man ihren Anteil unter den anwesenden Personen. Und misst man den Frauenanteil unter den Konten oder den Unique Visitors, erhält man eine höhere Zahl – ohne dass sich die erlebte Realität um einen Millimeter verändert hätte. Beide Zahlen sind „wahr", sie antworten nur nicht auf dieselbe Frage.

Dieser Mechanismus ist derselbe, den wir in unserem Artikel über das Syndrom des zwanghaften „Next" beschrieben haben: Zapping-Verhalten ist zwischen den Geschlechtern höchst ungleich verteilt, also ist jede Metrik, die auf dem Volumen von Aktionen basiert, strukturell verzerrt.

Verzerrung 2: Das Geschlecht wird erraten, nicht angegeben

Auf einem Dienst ohne Registrierung füllt niemand ein Formular aus. Das angezeigte oder angenommene Geschlecht stammt daher:

  • aus einer freiwilligen Angabe beim Auswählen eines Filters oder eines Raums;
  • aus einer automatischen Schlussfolgerung anhand des Bildes (algorithmische Klassifikation);
  • aus einer Schlussfolgerung anhand des Verhaltens (Nickname, Sprache, Uhrzeiten).

Jede davon irrt – und nicht zufällig. Bildklassifikatoren, die auf Geschlecht angewandt werden, sind dokumentiert deutlich unzuverlässiger je nach Hautton, Beleuchtung und Aufnahmewinkel – das ist das zentrale Ergebnis der Arbeiten von Joy Buolamwini und Timnit Gebru (Gender Shades, MIT Media Lab, 2018), später bestätigt durch die Evaluierungskampagnen des NIST zur Gesichtserkennung. Eine schlecht beleuchtete Webcam genügt, um eine Klassifikation kippen zu lassen.

Ein weiterer perverser Effekt, Nutzerinnen gut bekannt: Ein Teil der Frauen verbirgt ihr Geschlecht aktiv – Kamera auf ein Haustier gerichtet, hoher Bildausschnitt, Mikrofon stumm, neutraler Nickname. Sie existieren, sie sind da, und kein Zähler sieht sie als Frauen. Die Erhebungen von Women in Games France zu Gamerinnen dokumentieren exakt denselben Tarnreflex in den Voice-Chats von Spielen.

Verzerrung 3: Fake-Profile blähen die Spalte „Frauen" künstlich auf

Das ist die am meisten unterschätzte Verzerrung. Videoschleifen, wiederabgespielte Aufnahmen und Bots, die auf Bezahllinks weiterleiten, präsentieren sich fast alle als weibliche Profile. Jede automatische Zählung addiert sie zu den echten Nutzerinnen.

Anders gesagt: Je stärker ein Dienst von weiblichen Fake-Profilen verseucht ist, desto gesünder erscheint sein gemessener „Frauenanteil". Die Zahl steigt, während die Erfahrung sich verschlechtert. Wenn Sie wissen möchten, wie man sie in wenigen Sekunden erkennt, haben wir die Methode in Videoschleifen und Bezahllinks erkennen ausführlich beschrieben.

Verzerrung 4: Der Durchschnitt plattet die entscheidenden Unterschiede ein

Selbst eine perfekte Messung unterstellt: Ein globaler Durchschnitt beschreibt niemanden. Die Zusammensetzung eines Dienstes variiert stark nach:

| Variable | Beobachteter Effekt auf die Zusammensetzung des Publikums | | --- | --- | | Uhrzeit der Verbindung | Gemischteres Publikum abends am Wochenanfang, männlicher und aggressiver nach 1 Uhr nachts | | Zeitzone und Sprache | Regionale Traffic-Spitzen verschieben das Profil der Gesprächspartner komplett | | Gerät | Mobile verbreitert das Publikum, besonders tagsüber und außer Haus | | Vorhandensein eines Bezahlfilters | Bündelt die zahlenden Männer auf einer Seite, was verändert, was ungefilterte Frauen sehen | | Grad der Moderation | Ein Dienst, der schnell sperrt, hält auf Dauer mehr Nutzerinnen |

Den Effekt der ersten Zeile dieser Tabelle hatten wir bereits in die Uhrzeit macht das Publikum gemessen: Derselbe Dienst bietet zwei Stunden später einfach nicht dieselben Leute.

Nahaufnahme der Hände zweier Spieler an den Pistolen eines gelben Arcade-Automaten

Was man ehrlicherweise sagen kann

Drei belastbare Aussagen

Wenn man zusammenführt, was dokumentiert und was methodisch vertretbar ist, lassen sich drei Dinge ohne Lüge behaupten:

  1. Das Ungleichgewicht existiert, und es ist erheblich. Alle verfügbaren Quellen – Panels, alte akademische Arbeiten, Erfahrungsberichte und schon die blanke Existenz eines Marktes für kostenpflichtige Geschlechterfilter – zeigen in dieselbe Richtung. Niemand verkauft den Zugang zu einer reichlich vorhandenen Population teuer.
  2. Sein genaues Ausmaß ist öffentlich unbekannt. Es gibt keine unabhängige, aktuelle, plattformübergreifende und methodisch transparente Messung. Wer Ihnen eine Prozentzahl auf den Punkt genau nennt, improvisiert.
  3. Das erlebte Ungleichgewicht ist ausgeprägter als das demografische. Weil männliche Nutzer pro Person mehr Sitzungen konsumieren, trifft eine Frau proportional noch mehr Männer, als die Verteilung der Personen erwarten ließe.

Diese dritte Zeile ist die nützlichste – und genau die, die kein abgeschriebener Artikel jemals formuliert.

Der beste verfügbare Indikator: Ihr eigenes Notizbuch

In Ermangelung belastbarer Statistik ist die ehrlichste Messung die lokale. Notieren Sie über zehn Sitzungen, wie viele zu einem anständigen Austausch führten, wie viele in unangemessene Forderungen kippten, wie viele Videoschleifen waren – das gibt Ihnen an einem Abend ein weit umsetzbareres Bild als jede globale Prozentzahl. Ein einfaches Spiralnotizbuch neben der Tastatur genügt; der Sinn liegt gerade darin, es nicht in einer Datei zu tun, die man vergisst.

Drei Spalten reichen: Uhrzeit, Ausgang des Austauschs, Grund des Abbruchs. Nach einer Woche zeichnen sich Muster ab – und sie sind oft ganz anders als vermutet. Viele Nutzerinnen entdecken so, dass ihre Quote anständiger Gespräche zuerst von der Uhrzeit abhängt, dann von der Qualität ihres Bildes und nur ganz am Rande vom genutzten Dienst.

Warum diese Zahl politisch aufgeladen ist

Knappheit als Verkaufsargument

Das Ungleichgewicht ist nicht nur eine Kennzahl: Es ist ein Geschäftsmodell. Ein Dienst, der vorrangigen Zugang zu weiblichen Profilen in Rechnung stellt, monetarisiert die Knappheit direkt. Er hat also ein strukturelles Interesse daran, dass die Knappheit als groß wahrgenommen wird – und keinerlei Interesse an transparenten Messungen. Diesen Mechanismus und das, was man wirklich kauft, haben wir in kostenpflichtige Geschlechterfilter auseinandergenommen.

Knappheit als Entschuldigung

Die andere Verwendung der Zahl ist rhetorisch. „Hier sind so wenige Frauen, klar dass sich alle auf dich stürzen": Der Satz verwandelt eine unscharfe Statistik in eine Rechtfertigung für Verhaltensweisen, die ihrerseits juristisch völlig klar definiert sind. Unaufgefordertes Entblößen vor einer Kamera bleibt eine Straftat, unabhängig von der Zusammensetzung des Publikums – darum geht es in unserem Dossier zu was das Gesetz sagt und wie man meldet.

Die Argumentationskette „Minderheit, also begehrt, also tolerant" ist genau jene, die die Forschung zu digitaler Gewalt gegen Frauen – zusammengetragen etwa vom EIGE (Europäisches Institut für Gleichstellungsfragen) – als Mechanismus der Verharmlosung identifiziert. Ein Mengenverhältnis war noch nie eine Erlaubnis.

Junge Frau, die während eines Livestreams von einem Smartphone auf einem Stativ vor einem Ringlicht gefilmt wird

Was das Ungleichgewicht konkret für Sie ändert

Sie werden gefiltert, bevor Sie sprechen

Wenn eine Handvoll weiblicher Profile auf eine sehr große Zahl von Männern verteilt ist, ist die Aufmerksamkeit, die bei Ihnen ankommt, nicht proportional zu dem, was Sie tun: Sie ist von vornherein gesättigt. Zwei praktische Konsequenzen.

Erstens: Ihr visuelles Signal wiegt enorm, weil es in den ersten zwei Sekunden das einzige verfügbare Sortierkriterium ist. Ein scharfes, gut belichtetes Bild macht Sie nicht begehrenswerter: Es macht Sie lesbar, was den Anteil der Gesprächspartner senkt, die aus Unverständnis abbrechen. Eine kleine dimmbare LED-Leuchte hinter dem Bildschirm behebt im Innenraum schon allein das Gros der Gegenlichtprobleme. Den Rest erläutern wir in Hintergrund und Licht in Ordnung bringen.

Zweitens: Ihr Ton wiegt mehr, als Sie denken. In einer Umgebung, in der der andere nach einem Vorwand zum Weiterzappen sucht, ist ein schlampiger Klang ein ausgezeichneter. Ein kabelgebundenes Headset mit Geräuschunterdrückung löst das Problem für wenig Geld und verhindert Rückkopplungen, die Leute vertreiben.

Sie haben eine ungewöhnliche Auswahlmacht – nutzen Sie sie

Die mechanische Kehrseite des Ungleichgewichts: Sie sind zu nichts verpflichtet, kein Gespräch muss sich „rentieren". Wo ein männlicher Nutzer durchklicken muss, um auf einen Austausch zu hoffen, können Sie es sich erlauben, schon beim ersten Satz anspruchsvoll zu sein. Zappen ist nicht unhöflich in einer Umgebung, die genau dafür gebaut wurde; es ist das Auswahlwerkzeug, das das Format Ihnen gibt.

Praktisch heißt das:

  • Ein einziges Kriterium festlegen und dabei bleiben: zum Beispiel, wer in fünf Sekunden kein Wort gesagt hat, wird weitergeklickt. Vorab entscheiden erspart Entscheidungsmüdigkeit.
  • Die Sitzungsdauer dosieren. Ab einer bestimmten Dauer lässt die Ermüdung Sie Gespräche akzeptieren, die Sie am Anfang des Abends aussortiert hätten. Das ist der Mechanismus, der in die Müdigkeit des Zappens beschrieben ist.
  • Die Uhrzeit wechseln statt die Plattform, wenn eine Sitzung schlecht läuft. Dieser Hebel ist deutlich wirksamer.

Was man von einem ersten Austausch erwarten sollte

Da das Angebot an Aufmerksamkeit reichlich ist, liegt die vernünftige Schwelle hoch: eine Person, die sich vorstellt, die eine Frage zu etwas anderem als Ihrem Aussehen stellt und die ein „Nein" akzeptiert, ohne nachzubohren. Das ist wenig – und dennoch der Filter, der die Mehrheit der Sitzungen eliminiert. Wenn Sie die Spiegelseite dieses Anspruchs kennenlernen möchten – was aus Sicht der Frauen zum Wegklicken führt –, ergänzen sich unsere beiden Artikel über die wiederkehrende Belästigung von Frauen im Livestream und die ersten fünf Sekunden gut.

Wie Sie eine Zahl das nächste Mal lesen

Bevor Sie einer Prozentzahl zur Zusammensetzung eines Videochats Glauben schenken, genügen vier Fragen:

| Frage | Wenn die Antwort fehlt… | | --- | --- | | Welches Erhebungsdatum? | Die Zahl beschreibt womöglich ein verschwundenes Internet | | Wer hat gemessen, und mit welchem Interesse? | Ein Dienst, der einen Filter verkauft, ist keine neutrale Quelle | | Zählt man Personen oder Sitzungen? | Beides ergibt sehr unterschiedliche Resultate | | Ist das Geschlecht angegeben oder abgeleitet? | Automatische Ableitung irrt – und nicht zufällig |

In so gut wie allen Inhalten, die zu diesem Thema kursieren, fehlen alle vier. Das ist selbst eine Information: Wenn niemand antworten kann, hat niemand gemessen.

Was bei der Nutzung von Videochat überprüfbar und datiert ist, bündelt unsere Seite Branchenstatistiken; und die Seite Videochat ausprobieren erlaubt es, die Theorie mit einem echten Abend zu konfrontieren. Wenn Sie lieber weiterlesen, bevor Sie sich verbinden, deckt das Blog die wichtigsten Situationen ab, denen Sie begegnen werden.

Ein letztes Wort zur Methode: Zwei oder drei Seiten eines populärwissenschaftlichen Buchs über Statistik zu lesen – etwa ein praktischer Leitfaden zur statistischen Allgemeinbildung – verändert dauerhaft das Verhältnis zu solchen Zahlen. Man lernt dort vor allem, zu unterscheiden, was gemessen und was erzählt wurde. In einem Feld, in dem fast alles erzählt ist, ist das das nützlichste Werkzeug.

Zum Mitnehmen

  • Die Zahl „10 % Frauen" hat keine datierte Quelle: Sie stammt von Beobachtungen aus den frühen 2010er-Jahren auf einer einzigen Plattform.
  • Vier Verzerrungen machen jede Zählung fragil: Sitzung ≠ Person, abgeleitetes statt angegebenes Geschlecht, weibliche Fake-Profile, die als Frauen mitgezählt werden, und Durchschnitte, die Unterschiede nach Uhrzeit, Sprache und Gerät einplatten.
  • Das Ungleichgewicht ist real und erheblich, sein genaues Ausmaß aber öffentlich unbekannt – und das erlebte Ungleichgewicht übersteigt das demografische, weil Männer pro Person mehr Sitzungen konsumieren.
  • Knappheit dient als Verkaufsargument (Bezahlfilter) und als rhetorische Entschuldigung. Sie erlaubt nichts: Ein Mengenverhältnis ist kein Recht.
  • Die einzige nützliche Messung ist die lokale: zehn notierte Sitzungen, drei Spalten, eine Woche. Sie sagt Ihnen mehr als jede quellenlos übernommene Prozentzahl.

Auch lesen