Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Entmenschlichende Sprache

Auch bekannt als: Entmenschlichung Infrahumanisierung Animalisierung Schädlings-Rhetorik
Manipulation & Propaganda 🎯 Diskriminierungserkennung ID: dehumanizing_language

Definition

Entmenschlichende Sprache beraubt Individuen oder Gruppen ihrer Menschlichkeit, indem sie sie mit Tieren, Insekten, Krankheiten, Plagen oder Objekten vergleicht. Dies ist eine der gefährlichsten Formen diskriminierender Sprache, weil sie direkt die moralische Berücksichtigung der Zielgruppe untergräbt. Historisch hat sprachliche Entmenschlichung die schlimmsten Gräueltaten vorausgegangen und begleitet — Genozid-Forscher identifizieren sie konsistent als Frühwarnzeichen. Das Spektrum reicht von offenen Vergleichen ('die vermehren sich wie Ratten') bis zu subtileren Formen (Verwendung von 'es' statt persönlicher Pronomen, Beschreibung von Gruppen als 'Fluten' oder 'Wellen').

Beispiele

Ein Medienkommentator beschreibt Geflüchtete als 'einen Schwarm, der unsere Städte befällt.'

Ein politischer Führer bezeichnet undokumentierte Einwanderer als 'Tiere, die das Blut unseres Landes vergiften.'

Ein Online-Kommentar beschreibt eine religiöse Minderheit als 'einen Krebs, der aus der Gesellschaft herausgeschnitten werden muss.'

Formales Logikmuster
FOL-Muster
Die prädikatenlogische Formel, die die logische Struktur dieses Argumentationsmusters darstellt.
FOL (First-Order Logic, Prädikatenlogik) verwendet Quantoren (∀ = für alle, ∃ = es existiert), Verknüpfungen (∧ = und, ∨ = oder, ⇒ = impliziert, ¬ = nicht) und Prädikate, um die Form eines Argumentationsmusters zu erfassen.

∃g∃m(Group(g) ∧ Human(g) ∧ Metaphor(m) ∧ NonHuman(m) ∧ AppliedTo(m,g) ∧ Reduces(m, MoralStatus(g)))
Formale Verifizierung:
Formale Verifizierung
Prüft mithilfe eines automatischen Theorembeweisers, ob ein Argumentationsmuster logisch gültig oder ungültig ist.
Die formale Verifizierung nutzt einen SMT-Solver (Z3), um die logische Struktur eines Arguments mathematisch zu prüfen. Jedes Muster wird in Prädikatenlogik übersetzt und getestet: Können die Prämissen wahr sein, während die Schlussfolgerung falsch ist? Wenn ja: formal ungültig. Wenn nein: formal gültig. Viele reale Muster sind als nicht formal entscheidbar markiert — das heißt nicht, dass sie falsch sind.
Nicht formal entscheidbar

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Vergleicht die Sprache Menschen oder Gruppen mit Tieren, Insekten, Krankheiten oder Objekten?

    Typ: binary
  2. 2

    Beraubt das Framing Individuen menschlicher Qualitäten wie Handlungsfähigkeit, Würde oder Individualität?

    Typ: binary
  3. 3

    Könnte diese Sprache Empathie oder moralische Bedenken gegenüber der Zielgruppe verringern?

    Typ: binary
  4. 4

    Hat ähnliche Sprache historisch Gewalt gegen solche Gruppen vorausgegangen oder begleitet?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.