Ein System muss einteilen, um zu funktionieren

I Eine Entscheidung, die vor dem Start fallen muss

Bevor ein Frauenwettkampf beginnen kann, muss eines bereits geschehen sein. Die Veranstalter müssen entschieden haben, wer in dieser Klasse antreten darf.

Diese Entscheidung lässt sich nicht bis nach dem Wettkampf aufschieben. Die Meldung setzt sie voraus, die Startkontrolle ebenso, die Anerkennung von Rekorden und die Vergabe der Medaillen. Noch bevor der Startschuss fällt, ist über jede Person an der Startlinie entschieden worden, dass sie dort stehen darf. Die Frauenklasse ist zunächst keine physiologische Tatsache. Sie ist eine Kategorie der Startberechtigung: eine binäre, vollziehbare Entscheidung, die vor dem Wettkampf vorliegen muss.

Von dieser Entscheidung handelt dieser Essay. Und davon, wie die Grenze, auf die sie sich stützt, innerhalb von sechzig Jahren immer wieder durch eine andere ersetzt wurde.

Im dreizehnten Essay ging es darum, wie der Aufbau angesichts einer physisch nicht existierenden Tatsache, jenes Athleten mit biologischen Gliedmaßen, auf die Verteilung der Beweislast zurückwich. Hier geht es um eine benachbarte, aber andere Schwierigkeit. Der Aufbau steht diesmal nicht vor einer Tatsache, die es nicht gibt. Er steht vor einer Einteilung, die er vornehmen muss. Doch das Kriterium, anhand dessen er einteilt, greift in eine physiologische Wirklichkeit ein, die kontinuierlich ist, Überlappungen aufweist und aus dem Zusammenwirken vieler Faktoren entsteht. Sauber trennen lässt sie sich nicht.

Zunächst muss klar sein, was dieser Essay leisten will und was nicht.

Er entscheidet nicht, wer recht hat. Er liefert keine wahre Definition der Frau. Das kann ein Essay nicht leisten, und kein Schiedsgericht hat es je geleistet. Er hält etwas fest, das sich belegen lässt: Über sechzig Jahre hinweg durchlief die Antwort auf die Frage, wer zur Frauenklasse zugelassen wird, mindestens sieben historische Stadien. Dabei wurde nicht einfach dasselbe Kriterium immer genauer gemessen. Wiederholt wurde es durch ein anderes ersetzt, und damit wechselte auch das, was man maß.

Diese Feststellung ist noch keine Parteinahme. Auf welcher Seite man in dieser Frage auch steht: Die sieben historischen Stadien dieser Kriterien lassen sich nachprüfen. Gerade an dieser Geschichte zeigt sich die Lage des Aufbaus, um die es hier geht.

Das muss am Anfang feststehen, denn darin liegt die ganze Zurückhaltung dieses Essays. Man kann überzeugt sein, dass die Frauenklasse eine eindeutige Grenze braucht. Man kann ebenso überzeugt sein, dass die geltende Grenze an der falschen Stelle verläuft. Über diese beiden Positionen und die vielen dazwischen fällt dieser Essay kein Urteil. Er fragt nicht, welche Grenze die richtige ist. Er beobachtet die gemeinsame Schwierigkeit, vor der der Aufbau bei jeder Grenzziehung steht: Er muss vor dem Wettkampf eine eindeutige, vollziehbare Ja-oder-nein-Entscheidung treffen. Doch jede Grundlage dieser Entscheidung stammt aus einer physiologischen Wirklichkeit, die selbst nicht eindeutig in zwei Hälften zerfällt. Diese Schwierigkeit besteht für jede Position.

II Sieben Stationen wechselnder Kriterien

Sehen wir uns zunächst die Abfolge dieser Wechsel an. Sie bildet das Fundament des Essays.

Um 1966 wurden bei einigen internationalen Wettkämpfen ärztliche Sichtkontrollen, körperliche oder gynäkologische Untersuchungen erprobt. Ausschlaggebend war das äußere Erscheinungsbild des Körpers.

1967 begann man bei internationalen Leichtathletikwettkämpfen, das Geschlechtschromatin mit dem Barr-Körperchen-Test zu untersuchen. Dazu entnahm man Zellen der Mundschleimhaut und suchte nach dem Geschlechtschromatin, das durch die Inaktivierung eines der Geschlechtschromosomen entsteht. An die Stelle des äußeren Erscheinungsbilds trat ein chromosomales Merkmal innerhalb der Zelle.

In den 1990er-Jahren wechselte das Internationale Olympische Komitee zur Polymerase-Kettenreaktion, kurz PCR. Sie sollte eine spezifische Sequenz auf einem Geschlechtschromosom nachweisen, meist einen Abschnitt eines geschlechtsbestimmenden Gens oder anderes spezifisches DNA-Material. Statt des Geschlechtschromatins wurde nun eine bestimmte Gensequenz zum Kriterium.

2011 erließ der internationale Leichtathletikverband IAAF Zulassungsregeln für Frauen mit erhöhten Androgenwerten. An die Stelle der Gensequenz trat der Testosteronspiegel im Blutserum, verbunden mit einer Beurteilung der Androgenempfindlichkeit.

2018 wurden die Regeln auf bestimmte Varianten der Geschlechtsentwicklung zugeschnitten. Zu den Voraussetzungen gehörten ausdrücklich aufgeführte körperliche Konstellationen, ein Serumtestosteronwert an oder über einer bestimmten Grenze und eine hinreichende Androgenempfindlichkeit. Das Kriterium wurde von allgemein erhöhtem Testosteron auf eine bestimmte Gruppe körperlicher Voraussetzungen verengt.

2023 wurde die Testosteronobergrenze weiter abgesenkt. Der Geltungsbereich wuchs von einigen ausgewählten Laufstrecken auf sämtliche Wettbewerbe mit Weltranglistenwertung. In den gleichzeitig geltenden Regeln für trans Athletinnen zählte nicht mehr nur, über wie viele Jahre das Testosteron unterdrückt worden war, sondern ob eine männliche Pubertät durchlaufen worden war. Die Entwicklungsgeschichte des Körpers kam als Kriterium hinzu.

2025 wechselte der Weltverband, inzwischen World Athletics, wieder zum einmaligen Nachweis jener Gensequenz: SRY. Die bis dahin getrennten Regelungen für Athletinnen mit Varianten der Geschlechtsentwicklung und für trans Athletinnen wurden ersetzt. Nach einer ganzen Runde war das Kriterium zu einer Gensequenz zurückgekehrt. Diesmal allerdings diente sie als einheitliche, einmalige Eingangsuntersuchung.

Äußeres Erscheinungsbild, Geschlechtschromatin, eine spezifische Sequenz auf einem Geschlechtschromosom, Serumtestosteron, bestimmte Varianten der Geschlechtsentwicklung, männliche Pubertät und schließlich wieder die Gensequenz. Sieben historische Stationen: andere Messgegenstände, andere Kombinationen und Schwellen, am Ende die Rückkehr zu einem früheren Merkmal in einer neuen Funktion.

Hier liegt etwas, das leicht übersehen wird. Diese Geschichte erzählt nicht von sieben Verbesserungen desselben Tests. Immer genauer dasselbe zu messen, wäre eine Verbesserung. Hier aber wurde wiederholt der Gegenstand der Messung selbst ausgetauscht. Erscheinungsbild und Chromatin sind nicht dasselbe, Chromatin und Testosteron auch nicht, ebenso wenig Testosteron und die Geschichte einer Pubertät. Der Satz „Die Frauenklasse hat die ganze Zeit bestanden“ ist deshalb wahr. Er bedeutet aber nicht: „Die wissenschaftliche Definition der Startberechtigung in der Frauenklasse ist immer dieselbe geblieben.“ Die Kategorie blieb, ihre Kriterien wechselten. Es ging nicht bloß um Genauigkeit, sondern darum, was überhaupt gemessen wurde.

Dieser Unterschied hat eine praktische Folge. Wären diese sieben Stadien nur Stationen einer immer genaueren Messung derselben Sache, müsste das neueste Kriterium eine verbesserte Fassung aller vorherigen sein. Es würde noch immer dieselbe Sache messen, nur besser. So ist es aber nicht. Die jüngste genetische Eingangsuntersuchung misst weder Testosteron genauer noch Chromatin. Sie misst etwas anderes: ob eine Gensequenz vorhanden ist. Sie verbessert das Testosteronkriterium nicht, sie ersetzt es. Sollte eines Tages an die Stelle des Gens wiederum etwas anderes treten, wäre auch das keine Verbesserung des Genkriteriums, sondern eine weitere Ersetzung. Dieser Aufbau geht nicht auf einem Weg immer weiter. Er wechselt immer wieder den Weg.

Das verbindet diesen Fall mit der Zehnkampf-Wertungstabelle aus dem siebten Essay und verschärft ihn zugleich. Dort hatte eine einzige Frage, wie verschiedene Disziplinen ineinander umzurechnen seien, fünf verschiedene Antworten erhalten. Hier wurde die Frage, wer als Frau zählt, über sieben historische Stadien hinweg mit wechselnden Kriterien beantwortet. Der Unterschied: Bei der Wertungstabelle wechselte die Umrechnungsregel. Hier wechselt die Grundlage jener Zugangsschranke, die darüber entscheidet, ob ein Mensch überhaupt antreten darf.

III Kein Kriterium misst unmittelbar, worüber es entscheiden soll

Wer die wissenschaftlichen Grenzen der einzelnen Kriterien betrachtet, stößt auf etwas, das sich durch die ganze Geschichte zieht: Keines misst unmittelbar das, worüber eigentlich entschieden werden soll.

Entschieden werden soll, so formulieren es die Befürworter der Regeln, ob eine Athletin in einer bestimmten Disziplin einen hinreichend großen Wettbewerbsvorteil besitzt, der auf die Wirkung von Androgenen während einer männlichen Pubertät zurückgeht.

Jedes der Kriterien misst jedoch etwas anderes.

Der Barr-Körperchen-Test prüft, ob das inaktivierte Geschlechtschromosom in der Zelle sichtbar ist. Er misst weder sportliche Leistungsfähigkeit noch die Funktion der Keimdrüsen noch die Wirkung von Androgenen. Manche Frauen ohne Barr-Körperchen fallen bei der ersten Untersuchung durch; manche Menschen mit Barr-Körperchen, deren Körper einer erheblichen Androgenwirkung ausgesetzt war, können sie bestehen. Der Test stellt weder zuverlässig fest, ob jemand eine Frau ist, noch misst er einen sportlichen Vorteil. Eine wissenschaftliche Originalarbeit von 1991 schätzte, dass solche Untersuchungen ungefähr eine von 504 Sportlerinnen zu Unrecht ausschließen könnten.

Die PCR prüft, ob eine bestimmte Gensequenz vorhanden ist. Das ist unmittelbarer als der Nachweis von Barr-Körperchen. Doch allein daraus lässt sich noch immer nicht ablesen, ob diese Sequenz normal exprimiert wird, ob der Körper auf Androgene anspricht, welche phänotypischen Veränderungen während der Pubertät eingetreten sind oder wie groß ein Vorteil in einer konkreten Disziplin ist. Der Test steigert die Empfindlichkeit beim Nachweis eines DNA-Abschnitts. Er löst nicht die Frage, wie aus diesem Ergebnis eine Startberechtigung werden soll. Bei den Olympischen Spielen 1996 in Atlanta wurden 3.387 Sportlerinnen untersucht. Acht Ergebnisse der Eingangsuntersuchung mussten überprüft werden; am Ende durften alle acht antreten. Der Nachweis spezifischen Materials jenes Geschlechtschromosoms bedeutete also nicht automatisch den Ausschluss.

Testosteron scheint als Kriterium näher am physiologischen Mechanismus zu liegen. Doch auch dieser Stellvertreter ist unvollständig. Der Wert misst nicht unmittelbar, wie Muskeln auf Androgene reagieren, wie die Pubertät verlief oder welche Leistung jemand in einer bestimmten Disziplin erbringt. Eine Analyse von Proben, die 693 Spitzensportlern und Spitzensportlerinnen nach Wettkämpfen entnommen worden waren, zeigte zudem, dass sich die Testosteronverteilungen von Männern und Frauen unter bestimmten Messbedingungen und bei bestimmten Schwellenwerten überlappen können. Das widerlegt die absolute Behauptung, die einmalig gemessenen Serumwerte sämtlicher Männer und sämtlicher Frauen könnten sich niemals überschneiden. Für sich allein beantwortet es aber nicht, wie die einzelnen Menschen im Überschneidungsbereich auf Androgene reagieren, welche Pubertät sie durchlaufen haben oder welchen Leistungsvorteil sie besitzen.

Die Gensequenz ist das jüngste Kriterium, und bei ihr tritt die Trennung vom sportlichen Vorteil besonders deutlich hervor. Die erste Hürde der neuen Regeln ist die Frage, ob diese Sequenz in der Probe nachgewiesen wird. Weder wird dabei der gegenwärtige Testosteronwert einer Athletin gemessen noch ihr persönlicher Vorteil abgeschätzt. Der Test kann mit hoher Genauigkeit feststellen, ob die gesuchte Sequenz in einer Probe vorhanden ist. Das heißt nicht, dass er mit derselben Genauigkeit die Leistung in einer Disziplin vorhersagen könnte. Hinzu kommt, dass die Regeln selbst eine Ausnahme für vollständige Androgenresistenz vorsehen müssen. Gerade das zeigt: Das Vorhandensein eines genetischen Merkmals und die funktionelle Wirkung von Androgenen entsprechen einander nicht eins zu eins.

Die Kriterien dieser sieben historischen Stadien haben also etwas gemeinsam. Sie messen etwas klar Feststellbares: Erscheinungsbild, Chromatin, Gene, Hormone. Was sie beurteilen sollen, den hinreichend großen Wettbewerbsvorteil in einer bestimmten Disziplin, misst keines unmittelbar. Jedes ist ein Stellvertreter. Etwas Messbares tritt an die Stelle dessen, was sich schwer messen lässt. Zwischen dem Stellvertreter und dem, wofür er einsteht, bleibt ein Graben, der nicht überbrückt ist.

Dieser Graben besteht nicht einfach deshalb, weil die Wissenschaft noch nicht weit genug wäre. Er hat einen strukturelleren Grund. Das, worüber entschieden werden soll, ein hinreichend großer Wettbewerbsvorteil in einer bestimmten Disziplin, ist selbst keine einzelne Größe, die sich mit einer einzigen Messung erfassen ließe. Er entsteht aus dem Zusammenwirken vieler Faktoren: der Entwicklung während der Pubertät, der Reaktion der Muskeln auf Hormone, der Struktur von Skelett, Herz und Lunge und der Art, wie all dies in einer bestimmten Disziplin in Leistung eingeht. Jedes einzelne Kriterium, ob Erscheinungsbild, Gen oder Hormon, greift nur ein Glied dieser langen Kette. Wer ein Glied für die ganze Kette einsetzt, lässt zwangsläufig andere aus. Deshalb lässt sich dieser Graben nicht einfach schließen, indem ein besserer Test erfunden wird. Er entspringt der zusammengesetzten Natur dessen, worüber entschieden werden soll.

IV Keine dieser Grenzen wurde ausgerechnet

In den Jahren, in denen Testosteron das Kriterium bildete, nahm dieser Graben die Gestalt einer sehr konkreten Frage an: Wie war der Grenzwert festgelegt worden?

Die Regeln von 2011 übersetzten keinen feststehenden prozentualen Vorteil in einen einzigen öffentlich angegebenen Zahlenwert. Als Grundgrenze diente der normale männliche Referenzbereich, ergänzt um die Beurteilung der Androgenempfindlichkeit. Der Grenzwert entstammte also klinischen Referenzbereichen und Vorstellungen von Kategorien. Er war nicht daraus berechnet worden, um wie viele Sekunden jede zusätzliche Einheit Testosteron die Leistung verbessert.

Die Regeln von 2018 nannten einen konkreten Wert. Die IAAF erklärte ihn als praktisch vollziehbare Grenze, die deutlich über den Werten der allermeisten Frauen ohne Varianten der Geschlechtsentwicklung, aber unter dem üblichen männlichen Bereich liege. Sie lasse, so der Verband, Raum für Messfehler und individuelle Schwankungen. Die von Sachverständigen im Schiedsverfahren angeführten Bereiche lagen für Frauen ohne polyzystisches Ovarialsyndrom sehr niedrig, für Männer erheblich höher. Der gewählte Wert war weder der Mittelwert dieser beiden Gruppen noch das mathematische Ergebnis der Effektgröße aus jener Wettkampfstudie.

Darauf kommt es in diesem Abschnitt an. Es gibt kein öffentliches Dosis-Wirkungs-Modell, das beweist, dass oberhalb dieses Wertes zwangsläufig ein bestimmter Mindestvorteil in Prozent entsteht, knapp darunter hingegen nicht. Die Sachverständigen der Antragstellerseite stellten genau dies im Schiedsverfahren infrage. Die Antworten des Verbandes stützten sich vor allem auf Referenzbereiche, die Physiologie der Androgene und administrative Vollziehbarkeit. Man kann diesen Grenzwert daher als normative und klinische Grenze erläutern. Man kann ihn aber nicht als präzise Berechnung aus Effektgrößen von gut einem bis gut vier Prozent darstellen.

2023 wurde der Wert erneut abgesenkt. In der offiziellen Begründung lag der neue Maßstab näher am oberen Ende des üblichen weiblichen Referenzbereichs. Die veröffentlichten Regeln nannten Pflichten und Fristen. Sie enthielten aber keine Berechnung, die den neuen Wert im Einzelnen einem bestimmten prozentualen Wettkampfeffekt zuordnete. Ebenso wenig gab es ein öffentliches Modell, das erklärte, warum in sämtlichen Leichtathletikdisziplinen genau derselbe Hormonwert gelten sollte.

Als 2025 die Gensequenz zum Kriterium wurde, bestand die Frage in anderer Form fort. Die Genauigkeit dieses Tests ist eine analytische Genauigkeit: Er beantwortet präzise, ob eine bestimmte Sequenz vorhanden ist. Auch er sagt aber nicht, welcher quantitative Zusammenhang zwischen ihrem Nachweis und einem konkreten Vorteil in einer Disziplin besteht. Aus einem kontinuierlichen Hormonwert wurde das Vorhandensein oder Fehlen eines Gens. Die fehlende Herleitung der Effektgröße wurde dabei zu keinem Zeitpunkt nachgeliefert.

Hier verläuft eine Linie zu den früheren Essays dieser Reihe. Im siebten fehlte für die Koeffizienten der Zehnkampf-Wertungstabelle eine vollständige öffentlich zugängliche Herleitung. Im zwölften fehlte sie für die 40-Millimeter-Grenze bei Laufschuhen. Im dreizehnten war der Gesamt-Netto-Vorteil einer Prothese ein rechtlicher Maßstab, der an Beweismittel angelegt wurde, keine unmittelbar gemessene Variable. Hier ist keiner der Testosterongrenzwerte aus einer Effektgröße berechnet worden.

Vier Schauplätze, vier präzise Linien. Und jede liegt an einer Stelle, für die sich nicht angeben lässt, warum sie genau dort liegen muss. Das ist kein Versäumnis einer einzelnen Institution. Es ist die gemeinsame Lage solcher Grenzen. Was sie aufteilen sollen, ist kontinuierlich. Es gibt keinen natürlichen Bruch, an dem alles plötzlich vom Zulässigen ins Unzulässige umschlägt. Weil es kontinuierlich ist, muss jede Grenze als Schnitt gesetzt werden. Ein solcher Schnitt lässt sich erläutern und verteidigen. Dass er der richtige ist, lässt sich nicht beweisen.

V Ein Unterschied zwischen Gruppen lässt sich nicht auf Einzelne verteilen

Dieser Essay fällt kein Urteil. Das entbindet ihn nicht davon, die stärksten Argumente beider Seiten darzulegen. Dieser und der nächste Abschnitt stellen die gewichtigsten Überlegungen der Befürworter und der Gegner der Regeln nebeneinander, ohne zwischen ihnen zu entscheiden.

Am Anfang steht eine Tatsache, die beide Seiten anerkennen und auf entgegengesetzte Weise verwenden.

In den meisten Kraft-, Schnelligkeits- und Ausdauerdisziplinen beträgt der Leistungsunterschied zwischen erwachsenen Männern und Frauen im Spitzensport ungefähr zehn bis zwölf Prozent. Die Befürworter der Regeln sehen eine seiner wesentlichen Ursachen in den Veränderungen von Muskelmasse, Hämoglobin, Skelett, Herz und Lunge, die Testosteron während der Pubertät bewirkt. Dieser Unterschied auf Gruppenebene bildet die zentrale empirische Grundlage für die Einrichtung der Frauenklasse.

Diese Feststellung ist der gemeinsame Ausgangspunkt beider Argumentationen. Sie hat allerdings eine entscheidende Grenze, die beide Seiten anerkennen: Der Unterschied zwischen den Gruppen beweist für sich allein nicht unmittelbar, dass eine bestimmte Frau einen Vorteil von zehn bis zwölf Prozent besitzt.

Eine Gruppe und ein einzelner Mensch sind zweierlei. Ein durchschnittlicher Unterschied von zwölf Prozent bedeutet nicht, dass jeder Mensch der einen Gruppe zwölf Prozent schneller ist als jeder Mensch der anderen. Die Verteilungen überlappen sich, die Einzelwerte streuen. Zwischen einem gesicherten Unterschied auf Gruppenebene und dem Vorteil eines bestimmten Menschen liegt deshalb ein Schritt, den die Gruppenzahl allein nicht leisten kann.

Sehen wir nun, wie die beiden Seiten mit diesem fehlenden Schritt umgehen.

Die Befürworter sagen: Gerade weil sich der persönliche Vorteil nicht für jede Athletin in einem präzisen Prozentsatz testen lässt, bleibt nur eine handhabbare Regel für Kategorien. Die Startberechtigung erfordert vor dem Wettkampf eine vollziehbare Ja-oder-nein-Entscheidung, während die wissenschaftlichen Variablen häufig kontinuierlich sind, sich überlappen und unvollkommene Auskunft geben. Jede Grenze erzeugt Grenzfälle. Daraus leitet der Verband ab, dass die Regel nicht beweisen müsse, jeder betroffene Mensch besitze in jedem Wettkampf genau denselben Vorteil. Sie müsse lediglich zeigen, dass das stellvertretende Kriterium auf Kategorienebene vernünftig, die Beweislage hinreichend und das Verfahren einheitlich sei.

Die Gegner sagen: Der allgemeine Leistungsunterschied zwischen Männern und Frauen lässt sich nicht einfach einzelnen Frauen zuweisen. Serumtestosteron vertritt weder die Reaktion der Muskeln noch die Entwicklung in der Pubertät noch die Leistung in einer Disziplin vollständig. Zudem sind die Stichproben von Athletinnen mit Varianten der Geschlechtsentwicklung äußerst klein. Die maßgeblichen Studien sind überwiegend Beobachtungsstudien oder wurden an Menschen ohne solche Varianten durchgeführt. Die Regel müsse nachweisen, dass das regulierte Merkmal einen hinreichend großen, hinreichend disziplinspezifischen und hinreichend reproduzierbaren Vorteil hervorbringt. Sie dürfe ihn nicht aus allgemeinen Daten über Männer ableiten.

Beide Argumente stehen auf derselben Tatsache: dem Unterschied von zehn bis zwölf Prozent zwischen den Gruppen und der Grenze, dass er sich nicht auf Einzelne verteilen lässt. Aus dieser gemeinsamen Tatsache gelangen sie zu entgegengesetzten Schlüssen. Die eine Seite sagt: Weil wir den einzelnen Menschen nicht messen können, müssen wir Kategorien verwenden. Die andere sagt: Weil wir den einzelnen Menschen nicht messen können, dürfen wir ihn nicht aufgrund einer von Gruppen abgeleiteten Kategorie ausschließen.

Dieser Essay entscheidet nicht, welche der beiden Auffassungen recht hat. Beide lassen sich begründen. Sie sind zwei verschiedene Antworten auf dieselbe Grenze des Wissens.

Warum das wichtig ist, wird deutlich, wenn man genau hinsieht, worüber gestritten wird. Nicht darüber, ob der Unterschied zwischen den Gruppen existiert. Die zehn bis zwölf Prozent akzeptieren beide Seiten. Der Streit lautet: Was ist zu tun, wenn eine gesicherte Tatsache über Gruppen sich nicht bestimmten Einzelnen zuordnen lässt? Die eine Antwort heißt: Dann müssen wir auf Kategorien zurückgreifen. Das Individuelle lässt sich nicht messen, nur eine Regel für Kategorien lässt sich praktisch anwenden. Die andere heißt: Dann darf eine Kategorie keinen einzelnen Menschen ausschließen, denn seine tatsächlichen Voraussetzungen können weit vom Durchschnitt seiner Kategorie entfernt sein. Hier treffen zwei Haltungen zum Umgang mit Ungewissheit aufeinander, nicht zwei abweichende Auffassungen von Tatsachen. Der Konflikt liegt nicht auf der Ebene der Wissenschaft. Er liegt dort, wo die Wissenschaft ausgeschöpft ist und dennoch entschieden werden muss. Für diese Ebene gibt es keine höhere Wissenschaft, die das Urteil sprechen könnte.

VI Belege und Regel passen nicht zusammen

Auch bei den konkreten wissenschaftlichen Belegen ist der Gegensatz deutlich. Einer der Punkte gehört zum härtesten Kern dieses Essays.

Eine zentrale wissenschaftliche Stütze der Regeln war eine Analyse von 2017. Sie untersuchte mehr als zweitausend Beobachtungen an Athletinnen und Athleten aus zwei Leichtathletik-Weltmeisterschaften. Männer und Frauen wurden jeweils nach ihrem freien Testosteron eingeteilt, anschließend verglich man die Wettkampfleistungen. In der weiblichen Stichprobe lag die Gruppe mit hohen Werten in mehreren Disziplinen um gut ein bis gut vier Prozent vor der Gruppe mit niedrigen Werten.

Es handelte sich um eine beobachtende Analyse von Wettkampfdaten, nicht um eine randomisierte Studie. Sie wurde aus mehreren Richtungen kritisiert.

Eine betraf die Datenqualität. Forscher, die die öffentlich zugänglichen Daten überprüften, fanden doppelte Einträge, unmögliche oder falsche Wettkampfergebnisse und mangelnde Transparenz bei der Überarbeitung der Daten. Auch in den Beweismitteln des Schiedsverfahrens wurde festgehalten, dass ein erheblicher Anteil der Athletinnen und Athleten bei beiden Weltmeisterschaften vorkam, ein Teil der Proben keiner Kategorie zugeordnet werden konnte und Doping als Einflussfaktor nicht gesondert untersucht worden war. Die Forscher aufseiten der Regelbefürworter berichtigten einige Fehler, bestritten aber, dass diese Probleme den übergreifenden Zusammenhang widerlegten.

Bei einem anderen Kritikpunkt lohnt es sich besonders, innezuhalten.

Die Studie nannte Frauendisziplinen mit signifikanten Effekten: mehrere Laufdisziplinen sowie Hammerwurf und Stabhochsprung. Die Regeln von 2018 galten dagegen für die Strecken von 400 Metern bis zur Meile, nicht aber für Hammerwurf und Stabhochsprung. Umgekehrt hatte die ursprüngliche Untersuchung für 1.500 Meter und die Meile, die beide unter die Regeln fielen, keine entsprechenden signifikanten Unterschiede ausgewiesen.

Die Untersuchung, auf die sich die Regel nach eigener Darstellung stützte, und die Disziplinen, für die sie tatsächlich galt, passten also nicht zusammen. Ein Teil der Disziplinen mit nachgewiesenem Effekt blieb außerhalb der Regel. Für einen Teil der von ihr erfassten Disziplinen hatte die Untersuchung keinen Effekt ausgewiesen.

Diese Unstimmigkeit ist keine bloße Anschuldigung von außen. Das Schiedsgericht selbst hielt sie fest. Die Mehrheit bestätigte die Regeln, äußerte aber ausdrücklich Bedenken gegen die Beweisgrundlage für 1.500 Meter und die Meile. Die Befürworter erklärten, die Auswahl der Disziplinen beruhe zusätzlich auf physiologischen Mechanismen, benachbarten Streckenlängen und weiteren Belegen. Die Kritiker wandten ein, eine solche nachträgliche Auswahl schwäche die Behauptung, die Regel sei unmittelbar aus den Untersuchungsergebnissen abgeleitet worden.

Das berührt denselben Punkt wie der elfte Essay. Dort sollte die Neugestaltung des Speers sowohl flache Landungen als auch zu große Weiten beheben. Eine einzige Änderung behandelte beide Gründe zugleich, sodass sich später nicht mehr eindeutig sagen ließ, welcher der Hauptgrund gewesen war. Hier soll die Regel einen wissenschaftlich belegten Vorteil ausschließen. Doch die Disziplinen der Regel und die Disziplinen der Untersuchung decken sich nicht. Deshalb bleibt unklar, ob die Regel aus der Studie hervorging oder ob andere Überlegungen zuerst kamen und die Studie anschließend zu ihrer Stützung diente. Zwischen dem Grund, den ein Aufbau angibt, und dem, was er tatsächlich tut, liegt ein Spalt.

Dieser Spalt muss nicht als Täuschung gelesen werden. Wahrscheinlicher ist, dass die Entstehung einer Regel überhaupt keiner geraden Ableitung aus einer einzigen Untersuchung folgt. Allgemeine Vorstellungen über physiologische Mechanismen wirken ebenso mit wie Analogien zu benachbarten Disziplinen, praktische Vollziehbarkeit und das Ringen der Beteiligten. Die Studie ist nur einer dieser Einflüsse. Wenn Regel und Studie nicht zusammenpassen, muss also niemand die Forschung absichtlich verbogen haben. Vielleicht zeigt sich vielmehr, dass die Regel nie ihr unmittelbares Produkt war, obwohl sie oft so dargestellt wird. Das verbindet diesen Fall mit den Koeffizienten der Wertungstabellen im siebten Essay: Was präzise und wissenschaftlich aussieht, hat häufig einen viel gemischteren Ursprung, als sein Erscheinungsbild erkennen lässt. Und gerade dort, wo eine genaue Grundlage am nötigsten wäre, kann ein Anschein von Genauigkeit den Spalt zwischen Begründung und tatsächlichem Handeln besonders leicht verdecken.

Bei weiteren Belegen setzt sich der Streit fort. In einer randomisierten kontrollierten Studie erhielten junge Frauen, die nicht zum Spitzensport gehörten, zehn Wochen lang Testosteron. Die Laufzeit bis zur Erschöpfung verbesserte sich; bei einigen Maßen für Kraft und Explosivkraft zeigten sich hingegen keine signifikanten Unterschiede zwischen den Gruppen. Die Befürworter sehen im randomisierten Versuchsaufbau einen stärkeren Kausalitätsbeleg als in Beobachtungsstudien. Die Kritiker verweisen auf die kleine Stichprobe, die fehlende Zugehörigkeit der Teilnehmerinnen zum Spitzensport, die nur zehnwöchige Intervention und den Endpunkt: Laufen bis zur Erschöpfung statt einer offiziellen Wettkampfzeit. Außerdem könne die kurzfristige Gabe von außen zugeführten Hormonen an gesunde Frauen nicht die lebenslange Entwicklung von Athletinnen mit Varianten der Geschlechtsentwicklung vollständig nachbilden.

Die widerstreitenden Belege liegen nebeneinander. Keine Seite hat die andere vollständig entkräftet. Dieser Essay fällt nicht stellvertretend das Urteil, das sie selbst nicht herbeigeführt haben.

VII Vier Verfahrensstationen mit verschiedenen Fragen

Der Fall Semenya durchlief vier Verfahrensstationen. Wer verstehen will, weshalb dieser Essay kein Urteil fällt, kann sich ansehen, dass keine dieser Stationen über die grundlegendste Frage entschied.

Die erste war der Internationale Sportgerichtshof CAS. Seine Mehrheit befand 2019, die Regeln von 2018 seien diskriminierend, auf der damaligen Beweisgrundlage aber ein notwendiges, vernünftiges und verhältnismäßiges Mittel zum Schutz der Frauenklasse im Wettkampfsport. Deshalb wies sie die Anfechtung ab. Zugleich äußerte das Schiedsgericht erhebliche Bedenken. Sie betrafen die Frage, ob sich die Regeln gerecht umsetzen und die Grenzwerte von den Athletinnen dauerhaft einhalten ließen, ferner medikamentöse Nebenwirkungen, Risiken für die Vertraulichkeit und die unzureichenden Belege für 1.500 Meter und die Meile.

Es kommt darauf an, genau zu sehen, was das Schiedsgericht tat. Es prüfte, ob die vorliegenden Belege ausreichten, um die Regeln aufrechtzuerhalten. Es bewies weder, dass jede betroffene Athletin zwangsläufig denselben Vorteil hatte, noch lieferte es eine Formel, mit der sich aus ihrem individuellen Testosteronwert präzise Wettkampfsekunden berechnen ließen. Es hielt ausdrücklich offen, dass die Beurteilung der Verhältnismäßigkeit anders ausfallen könnte, sollte sich die praktische Umsetzung als unmöglich oder übermäßig schwierig erweisen. Sein Urteil galt der Gültigkeit dieser konkreten Regel unter der damaligen Beweislage, nicht der Definition der Frau.

Die zweite Station war das Schweizerische Bundesgericht. Es wies 2020 den Antrag auf Aufhebung des Schiedsspruchs ab. Seine Prüfung war jedoch eine äußerst eng begrenzte Kontrolle im Rahmen der Anfechtung eines Schiedsspruchs. Im Zentrum stand keine neue Bewertung sämtlicher wissenschaftlicher Belege, sondern die Frage, ob der Schiedsspruch gegen den schweizerischen Ordre public verstieß. Die Hürde für eine solche Feststellung lag äußerst hoch. Bestätigt wurde, dass er sich aus den begrenzten Gründen des schweizerischen Schiedsrechts nicht aufheben ließ. Das Bundesgericht bestätigte nicht eigenständig die Richtigkeit aller wissenschaftlichen Schlussfolgerungen.

Die dritte und die vierte Station lagen beim Europäischen Gerichtshof für Menschenrechte. 2023 stellte eine Kammer mit vier gegen drei Stimmen fest, dass die Schweiz die Europäische Menschenrechtskonvention verletzt hatte. Die Schweizer Regierung beantragte jedoch die Verweisung an die Große Kammer. Dem Antrag wurde stattgegeben, sodass das Kammerurteil nicht rechtskräftig wurde.

Am 10. Juli 2025 erging das endgültige Urteil der Großen Kammer. Mit fünfzehn gegen zwei Stimmen stellte sie eine Verletzung von Artikel 6 Absatz 1 der Konvention durch die Schweiz fest, also des Rechts auf ein faires Verfahren. Semenya hatte sich faktisch ohne freie Wahl der ausschließlichen Zuständigkeit des CAS unterwerfen müssen. Der Streit betraf grundlegende Persönlichkeitsrechte und Rechte am eigenen Körper. Unter diesen Umständen bot das äußerst enge Verständnis des Ordre public durch das Bundesgericht keine ausreichenden Garantien.

Hier ist besondere Sorgfalt nötig. Gerade dieser Schritt wird am leichtesten falsch gelesen.

Die Große Kammer stellte fest, dass die Schweiz das Recht auf ein faires Verfahren verletzt hatte. Gleichzeitig erklärte sie die Beschwerden zum Diskriminierungsverbot, zum Schutz des Privatlebens und zum Recht auf wirksame Beschwerde für unzulässig, weil Semenya hinsichtlich dieser Beschwerden mangels eines territorialen Bezugs nicht der Hoheitsgewalt der Schweiz unterstand. Das war eine Entscheidung über die Zuständigkeit. Es war keine inhaltliche Feststellung, dass die Regeln für Varianten der Geschlechtsentwicklung nicht diskriminierend seien. Die Große Kammer hob weder den Schiedsspruch des CAS auf noch erklärte sie die Regeln des Weltverbandes für ungültig. Sie erteilte Semenya auch nicht unmittelbar die Startberechtigung für Frauenwettbewerbe.

Es waren also vier Verfahrensstationen mit unterschiedlichen Prüfungsumfängen. Die erste prüfte die Gültigkeit der Regeln unter der damaligen Beweislage, die zweite die Möglichkeit, den Schiedsspruch aufzuheben. Die dritte prüfte Beschwerden wegen Verletzungen der Konvention; ihr Urteil von 2023 wurde nach der Verweisung nicht rechtskräftig. Die vierte prüfte, ob das von der Schweiz gewährte gerichtliche Verfahren fair war. Keine Station gab eine abstrakte, endgültige Antwort auf die grundlegendste Frage: Wer soll als Frau gelten, die zur Frauenklasse zugelassen wird? Ein verfahrensrechtlicher Erfolg bedeutet nicht, dass eine Regel inhaltlich ungültig ist. Und über diese inhaltliche Grundfrage lag auch nach vier Verfahrensstationen kein abschließendes Urteil vor.

Diese Verteilung der Prüfungsaufgaben zeigt etwas Allgemeines über solche Fragen. Keine der beteiligten Instanzen will oder kann die grundlegendste Frage abschließend beantworten. Der CAS beschränkte sich auf die Gültigkeit der konkreten Regeln unter der damaligen Beweislage. Das Schweizer Gericht beschränkte sich darauf, ob der Schiedsspruch aufgehoben werden konnte. Das endgültige Menschenrechtsurteil konzentrierte sich auf die Fairness des Verfahrens. Jede Instanz tritt einen Schritt zurück und behandelt eine engere Frage innerhalb ihrer Zuständigkeit. Die größte Frage bleibt, wo sie war. Das ist kein Abschieben von Verantwortung. Jede Institution weiß, dass sich die Frage, wer als eine für die Frauenklasse startberechtigte Frau gelten soll, weder durch Recht noch durch Schiedsgerichtsbarkeit ein für alle Mal entscheiden lässt. Jede bearbeitet den kleinen Teil, den sie bearbeiten kann. Der große bleibt offen.

VIII Wo immer die Linie verläuft, schneidet sie durch ein Kontinuum

Führen wir den Essay zusammen. Auch am Ende steht keine Antwort.

Dieser Aufbau muss eine Aufgabe erfüllen, die sich nicht sauber erfüllen lässt. Vor dem Wettkampf muss er alle Angemeldeten auf zwei Klassen verteilen. Daran führt kein Weg vorbei: Die Organisation des Wettkampfs verlangt eine binäre, vollziehbare Entscheidung. Doch jedes Kriterium, das er dafür verwendet, ob Erscheinungsbild, Chromatin, Gene, Hormone oder Pubertätsgeschichte, greift in eine kontinuierliche, überlappende und von vielen Faktoren zugleich geprägte physiologische Wirklichkeit ein.

Das ist der Rest dieses Essays. Er hat eine andere Gestalt als in allen vorherigen.

Die Reste der früheren Essays waren Namen, die nicht in die Liste aufgenommen wurden, Ursachen, die sich nicht auseinanderrechnen ließen, Technologien, über die nicht entschieden wurde, nicht gewählte Möglichkeiten, unvergleichbare Leistungen und ein Körper, den es nicht gab. Jeder hatte seine eigene Form. Der Rest hier ist die Kontinuität, der das Kriterium selbst keinen Platz geben kann. Geschlechtsbezogene physiologische Merkmale bilden in der Bevölkerung keine zwei getrennten, überschneidungsfreien Haufen. Sie bilden eine Landschaft kontinuierlicher Verteilungen, die sich überlappen und von vielen Faktoren gemeinsam geprägt werden. Die Klassifikation verlangt, durch diese Landschaft eine eindeutige Linie zu schneiden.

Wo immer diese Linie verläuft, schneidet sie durch ein Kontinuum ohne natürlichen Bruch. Deshalb wurden die Kriterien über sieben historische Stadien hinweg immer wieder ausgetauscht. Diese Stadien waren keine sieben Annäherungen an die wahre Grenze. Dort wartet keine wahre Grenze darauf, gefunden zu werden. An einer Stelle ohne natürliche Trennlinie wurden nacheinander unterschiedliche institutionelle Grenzen gesetzt, gestützt auf wechselnde messbare Merkmale, ihre Kombination und die jeweils gesetzten Schwellen. Keine kann beweisen, dass sie an der einzig richtigen Stelle verläuft. Diese Stelle existiert nicht.

Das ist eine grundlegendere Fassung des Gedankens aus dem zwölften Essay. Dort war der Vorteil durch Laufschuhe kontinuierlich und ohne natürlichen Bruch. Die 40-Millimeter-Linie konnte deshalb nur gesetzt, nicht bewiesen werden. Hier sind geschlechtsbezogene physiologische Merkmale kontinuierlich und ohne natürlichen Bruch. Deshalb kann auch hier jede Grenze, jedes Kriterium, jeder Schwellenwert nur gesetzt, nicht bewiesen werden. Der Unterschied liegt im Preis. Wird die Grenze bei Schuhen falsch gezogen, geht es darum, ob eine mit einem Gerät erbrachte Leistung zählen soll. Die Lage dieser Grenze dagegen betrifft den Körper einer Athletin, ihren Beruf, ihre Würde und ihre Identität. Es betrifft die Frage, ob eine konkrete Person so am Wettkampf teilnehmen darf, wie sie immer gewesen ist. Jede Verschiebung wiegt deshalb weit schwerer als die Spezifikation eines Geräts.

Gerade wegen dieses Gewichts braucht der Essay besondere Zurückhaltung. Leicht könnte daraus ein Text werden, der Partei ergreift und sich in eine längst laute Auseinandersetzung einreiht. Doch darum geht es dieser Reihe nicht. Sie beobachtet, wie der Aufbau handelt, wenn er auf etwas trifft, das sich nicht schließen lässt. Sie fällt nicht an seiner Stelle ein Urteil, das auch er nicht abschließend fällen kann. Hier ist seine Bewegung deutlich: Er muss einteilen. Er findet keine Einteilungsgrenze, deren Richtigkeit sich beweisen ließe. Also wechselt er immer wieder die Kriterien. Jedes Mal nennt er Gründe, jedes Mal werden sie angefochten, kein Mal kommt er ans Ende. Diese Bewegung zu beobachten und sich an der Auseinandersetzung zu beteiligen sind zwei verschiedene Dinge. Dieser Essay tut nur das erste.

Die Regel, die er sich am Anfang gegeben hat, gilt auch hier. Er entscheidet nicht, wo diese Linie verlaufen soll. Er hält fest, dass die Grenzziehung innerhalb von sechzig Jahren mindestens sieben historische Formen angenommen hat. Jedes Mal legte die Institution ihre Gründe vor. Jedes Mal wurden diese Gründe angefochten. Kein abschließendes Urteil hat je gesagt: Diesmal wurde die Grenze endlich richtig gezogen.

Wo es um konkrete Menschen geht, verwendet dieser Essay nur, was sie selbst öffentlich gesagt haben. Eine Athletin beschrieb in einem eigenen Artikel von 2005 routinemäßige Gentests als zusätzliche Hürde für den Zugang von Frauen zum Sport. Eine Athletin betonte in ihrer Aussage vor dem Schiedsgericht, sie sei eine Frau und kein Mann. Eine Athletin machte im Schiedsverfahren geltend, ihr angeborener Körper dürfe ohne hinreichende Belege für einen Vorteil kein Ausschlussgrund sein. Das sind ihre eigenen Positionen und Erfahrungen. Sie haben sie aus eigenem Entschluss ausgesprochen; keine Institution hat sie preisgegeben. Dieser Essay gibt keine medizinischen Unterlagen wieder, die die Betroffenen nicht selbst veröffentlicht haben. Auch die Schiedsgerichte haben die Frage am Ende nicht auf eine Antwort verkürzt, die sich aus einem Testergebnis ablesen ließe.

Verschiedene Sportorganisationen ziehen die Grenze heute an verschiedenen Stellen. Manche orientieren sich an der Pubertätsgeschichte, manche an Genen, manche richten eine zusätzliche offene Klasse ein, manche wechseln weiter. Schon diese unterschiedlichen Stellen zeigen: Es gibt keine Lösung, die alle anerkennen und die sich unmittelbar aus der Wissenschaft ablesen ließe. Gäbe es sie, hätten sich die Regelungen längst dort getroffen, so wie die Leistungen in jeder Disziplin am Ende an ein und derselben Weltrekordmarke ausgerichtet werden. Sie haben sich nicht dort getroffen. Denn der Punkt, auf den sie zulaufen müssten, existiert nicht.

Dieser Aufbau kann messen, wie viel Testosteron ein Mensch hat, ob eine Gensequenz vorhanden ist und wie viele Prozent der durchschnittliche Leistungsunterschied zwischen Gruppen beträgt. Er kann nicht messen, an welchem Punkt dieser kontinuierlichen, überlappenden Landschaft die Grenze der Frauenklasse verlaufen soll. Denn dieser Punkt ist keine messbare Tatsache. Es geht um eine Linie, die gezogen werden muss und deren Lage sich, wo immer sie verläuft, nicht als die einzig richtige beweisen lässt. In sechzig Jahren hat dieser Aufbau diese Grenze in sieben historischen Stadien immer wieder neu gezogen.

Der Maßstab hat noch nicht genau gemessen. Er misst weiter.