Während des Zweiten Weltkriegs spielte er zudem eine Schlüsselrolle bei der Entzifferung der Enigma.

Konrad Zuse (1910–1995, Deutschland)

Zuse baute zwischen 1938 und 1941 die ersten funktionierenden programmierbaren Computer der Welt. Seine Z3 (1941) war der erste vollautomatische, programmgesteuerte Rechner – ein Meilenstein, der die gesamte moderne IT ermöglicht hat.

Während Babbage theoretisierte, realisierte Zuse.
Die Informatik nahm Gestalt an.

Die ersten elektronischen Giganten (1940–1950)

ENIAC (USA, 1945)

Der ENIAC war ein Monster aus Elektronikröhren – groß, heiß, laut und doch der erste wirkliche Vorläufer moderner Systeme.
Entwickelt von:

• John Presper Eckert (1919–1995, USA)
• John Mauchly (1907–1980, USA)

Die ENIAC-Programmiererinnen

Sechs Frauen – Kay McNulty, Betty Jennings, Betty Snyder, Marlyn Wescoff, Fran Bilas und Ruth Lichterman – programmierten ENIAC.
Sie arbeiteten ohne Dokumentation, ohne formale Methoden, ohne Vorbilder.

Sie erfanden Programmierung im eigentlichen Sinne, wurden aber lange Zeit aus der Geschichte gestrichen. Erst in den 1990ern wurden ihre Namen wieder sichtbar.

Die ersten Softwareentwicklerinnen der Welt waren Frauen – und zwar extrem gute.

Die „Human Computers“ der NASA (1950er–1960er)

Während die ENIAC-Programmiererinnen die Grundlagen moderner Software legten, spielte sich parallel – und später für die Raumfahrt entscheidend – eine weitere fast unsichtbare Erfolgsgeschichte ab: die Arbeit der „Human Computers“ der NASA.

Bevor elektronische Computer verlässlich genug waren, berechneten hunderte hochqualifizierte Mathematikerinnen Flugbahnen, Wiedereintrittsfenster, Gravitationsmanöver und Risikoabschätzungen – Aufgaben, die später ganze Rechenzentren beschäftigten.

Zu ihnen gehörten:

• • Katherine Johnson – berechnete die Trajektorien für John Glenns Orbitflug und später für Apollo 11

  • Dorothy Vaughan – leitete die West Area Computing Group und beherrschte früh FORTRAN

  • Mary Jackson – wurde die erste schwarze Ingenieurin der NASA

Ihre Bedeutung war enorm: Als die NASA begann, elektronische Computer einzusetzen, durften diese neuen Maschinen erst genutzt werden, nachdem die „Human Computers“ die Ergebnisse bestätigt hatten. Man vertraute den Frauen mehr als den frühen Rechnern.

Die Software-Ära beginnt (1950–1970)

Grace Hopper (1906–1992, USA)

Grace Hopper entwickelte 1952 den ersten Compiler – eine Erfindung, die alles veränderte. Sie machte Programmierung verständlicher, strukturierter und nutzbarer für Unternehmen. Später war sie maßgeblich an der Entwicklung von COBOL beteiligt.

In dieser Zeit galt Programmieren gesellschaftlich als „Frauenarbeit“ – analytisch, strukturiert, fleißig. Hardware galt als „Männersache“.

Es ist wichtig das zu begreifen, um die spätere Entwicklung zu verstehen.

Der große Umschwung: Die Homecomputer-Revolution (1970–1990)

Mit dem Aufkommen von Apple II, Commodore und IBM-PC passierte etwas Tragisches – nicht technisch, sondern kulturell:

• • Computer wurden massiv an Jungen vermarktet.
  • Mädchen bekamen andere Spielsachen.
  • Erste Programmiererfahrung wurde geschlechtlich gefärbt.

Informatik wurde außerdem zu einem prestigeträchtigen, gut bezahlten Beruf. Und plötzlich „passte“ er gesellschaftlich zu Männern – ein reiner Kulturwechsel, kein Kompetenzwechsel.

Universitäten erwarteten Vorwissen, das aber nur Jungen hatten.
Frauen mussten sich stärker beweisen, wurden häufiger infrage gestellt und erhielten weniger Förderung.

So wurde ein ursprünglich weiblich geprägtes Feld zur Männerdomäne – nicht wegen der Fähigkeiten, sondern wegen der Sozialisierung.

Unsichtbare Grundlagen: das Spanning Tree Protocol (1985)

Radia Perlman (1951 – heute, USA)

Während in den 1980er-Jahren Personal Computer in die Büros und Wohnzimmer einzogen, entstand im Hintergrund ein anderes technisches Fundament – eins, das bis heute in nahezu jedem Netzwerk aktiv ist.

Die Ingenieurin Radia Perlman entwickelte 1985 das Spanning Tree Protocol (STP), einen Algorithmus, der es ermöglicht, Netzwerke stabil und fehlertolerant zu betreiben.

Das Verfahren löst ein bis dahin hartnäckiges Problem: Werden mehrere Switches miteinander verbunden, können durch redundante Verbindungen Schleifen entstehen, in denen Datenpakete endlos zirkulieren.

STP erkennt diese Situationen automatisch und bildet daraus eine logische, schleifenfreie Baumstruktur. Gleichzeitig bleiben alternative Pfade verfügbar, um Ausfälle abzufangen.

Dieses Prinzip ist bis heute ein fester Bestandteil moderner Netzwerktechnik.

Die Datenrevolution der KI: Als Maschinen sehen lernten (2000–2012)

Fei-Fei Li (1976–heute, USA/China)

Während die Informatik im 20. Jahrhundert von Hardware, Netzwerken und Algorithmen geprägt wurde, stand der Beginn des 21. Jahrhunderts vor einer neuen Grenze:
Computer konnten rechnen, sie konnten kommunizieren – aber sie konnten nicht sehen.

Fei-Fei Li veränderte das.

Zwischen 2006 und 2012 entwickelte sie die Idee, die später als ImageNet bekannt wurde: eine der größten und saubersten Bilddatenbanken der Welt.
Ihr Ziel war nicht einfach, Bilder zu sammeln, sondern einen Paradigmenwechsel einzuleiten:

Maschinen können nur dann sehen lernen, wenn sie eine Welt gezeigt bekommen, die groß genug ist.

ImageNet wurde zum Fundament der modernen Computer Vision.

Es lieferte:

• • Millionen gelabelter Bilder

  • eine einheitliche hierarchische Struktur (WordNet als semantische Basis)

  • einen Benchmark, der Forschung vergleichbar machte

  • eine Datenmenge, die neuronale Netze erstmals wirklich füttern konnte

2012 gelang durch ImageNet der berühmte Durchbruch:
Ein neuronales Netz (AlexNet) besiegte alle bisherigen Methoden – mit einem Leistungssprung, der die gesamte KI-Forschung veränderte.

Damit begann die moderne Ära der künstlichen Wahrnehmung:

• • autonome Fahrzeuge

  • medizinische Diagnostik

  • Robotik

  • Gesichtserkennung

  • industrielle Qualitätskontrolle

  • multimodale KI-Modelle

ImageNet entstand nicht einfach, weil die Zeit dafür reif war, sondern weil eine Forscherin einen damals untypischen Ansatz verfolgte. Als Fei-Fei Li ihr Projekt plante, galt eine Bilddatenbank dieser Größenordnung als ungewöhnlich und methodisch schwierig. Die KI-Forschung konzentrierte sich stärker auf neue Modelle als auf große Datensammlungen, und entsprechend begegnete man dem Vorhaben mit Zurückhaltung: Die logistischen Dimensionen erschienen enorm, der Nutzen unklar, die Finanzierung unsicher.

Fei-Fei Li hielt dennoch an der Idee fest und setzte damit einen Akzent gegen die damals vorherrschende algorithmische Perspektive. Der Durchbruch von 2012 zeigte, wie weitreichend diese Entscheidung war:

ImageNet erwies sich nicht als Datensatz unter vielen, sondern als fehlende Grundlage einer neuen KI-Ära – eine Infrastruktur, die den modernen Fortschritt der Computer Vision erst möglich machte.

Die Gegenwart

Wenn ich heute einer Kollegin begegne, fällt mir oft auf, wie außerordentlich stark sie fachlich unterwegs ist. Nicht, weil Frauen „bessere Informatiker“ wären – sondern weil die Hürden, die sie überwinden mussten, höher waren.

Es ist ein systemischer Filter:
Jede Frau in der IT hat bereits bewiesen, dass sie Widerstände und Vorurteile überstehen kann. Dieser Selektionsdruck führt zu Kompetenz – aber er führt auch zu Verlusten.

Denn jede Frau, die es schafft, steht stellvertretend für viele, die den Weg nicht gehen konnten, obwohl sie denselben Funken in sich trugen.

Was wir aus dieser Geschichte lernen müssen

Der wichtigste Punkt für mich ist:

Förderung muss geschlechtsunabhängig, potenzialorientiert und früh beginnen.

Wenn Kinder – völlig unabhängig vom Geschlecht – Zugang zu Werkzeugen, Problemlösung, Experimentierfreude und Technik bekommen, verschwinden die Unterschiede.
Studien zeigen das seit Jahren.

Daraus ergeben sich klare Aufgaben:

• • Frühen Zugang zu Technik ermöglichen
  • Rollenbilder vermeiden („du bist nicht der Typ dafür“)
  • Teams divers aufstellen, weil verschiedene Perspektiven bessere Lösungen hervorbringen
  • Erfolge sichtbar machen – ohne ein Geschlecht zu überhöhen
  • Die Geschichte kennen, um ihre Fehler nicht zu wiederholen

Schlusswort: Die Informatik hätte anders aussehen können – und kann es noch

Die Geschichte der IT ist faszinierend, aber auch tragisch.
Wir haben als Gesellschaft viele Talente verloren, weil wir zu spät verstanden haben, dass Begabung nichts mit Geschlecht zu tun hat, sondern mit Neugier, Zugang und Förderung.

Ich bin überzeugt:

Unsere Aufgabe ist nicht, die Vergangenheit zu korrigieren, sondern die Zukunft fairer zu gestalten.

Damit die Informatik von dem lebt, was sie groß gemacht hat:
Menschen, die denken dürfen – frei von Grenzen, frei von Rollenbildern, frei von Erwartungen, die nichts mit Talent zu tun haben.

Zu guter Letzt

Falls das im Artikel nicht klar genug geworden ist: Es geht mir hier nicht um ein „Mann gegen Frau“ oder um eine Bühne für aktuelle Grabenkämpfe rund um Gender-Themen. Ich möchte vielmehr mit Respekt auf die Menschen schauen, die vor uns die Grundlagen gelegt haben – unabhängig davon, welches Geschlecht in ihrem Pass steht.

Ein kleiner Seitenhieb darauf, dass Männer das Feld lange wie selbstverständlich für sich beansprucht haben, darf vorkommen. Aber gerade in der IT gilt: Wir lernen aus der Vergangenheit. Mir geht es darum, heute bewusster und fairer mit Talenten umzugehen, damit kommende Generationen gar nicht mehr darüber nachdenken müssen, ob sie „ins Bild passen“, sondern einfach ihren Weg in der Informatik gehen können.