Mit KI Entwicklungshilfe global besser steuern
ETH Zürich und LMU München verbessern mithilfe von KI das globale Monitoring von Projekten der Entwicklungshilfe und zeigen Lücken auf.
Die Forscher haben ein System Künstlicher Intelligenz entwickelt, das Entwicklungshilfe-Projekte umfassender kategorisiert, als es bislang möglich war, und deren Monitoring verbessert. “Mithilfe unseres Rahmenwerks ist es möglich, Projekte der globalen Entwicklungshilfe unter verschiedenen, bislang auch nicht berücksichtigten Gesichtspunkten wie zum Beispiel Klimaschutz zu beobachten. Dadurch können wir regionale und zeitliche Unterschiede identifizieren und auf Lücken hinweisen”, sagt Stefan Feuerriegel, Leiter des Institute of Artificial Intelligence in Management der LMU “Unser Ansatz kann Institutionen der Entwicklungshilfe dabei unterstützen, evidenzbasierte Entscheidungen im Sinne der von den UN beschlossenen Ziele einer nachhaltigen Entwicklung zu treffen.”KI schafft TransparenzDas LMU-Team hat mit seinem KI-Ansatz 3,2 Millionen Projekte der Entwicklungshilfe erfasst, die zwischen den Jahren 2000 und 2019 durchgeführt wurden. Im Rahmen dieser Projekte wurden insgesamt 2,8 Billionen US Dollar investiert. Die Projekte wurden mithilfe von KI in verschiedene thematische Gruppen kategorisiert. “Diese feine Unterteilung zeigt nun zum ersten Mal, dass etwa in den Themenbereichen Treibhausgasemissionen und Müttergesundheit hoher Forschungsbedarf besteht”, sagt Stefan Feuerriegel. Aber auch regional lässt sich nun aufzeigen, wo bestimmte Aspekte bislang vernachlässigt wurden.Im Bereich der Entwicklungshilfe gibt es sehr unterschiedliche Ansätze und Geldgeber. Dazu zählen etwa Materiallieferungen ebenso wie finanzielle Zuwendungen, Trainings und auch technologische Unterstützung. Die Projekte werden von internationalen Organisationen wie von kleineren nationalen Trägern finanziert. “Angesichts der im Rahmen von Entwicklungshilfe verteilten Summen ist es wichtig, einen globalen Überblick zu haben, wohin und in welche Bereiche Unterstützung fließt. Nur so lassen sich die Projekte sinnvoll auf globaler Ebene koordinieren”, sagt Feuerriegel. “Die bislang dafür eingesetzten Systeme erfassen die projekte nur sehr unzureichend und mit zeitlicher Verzögerung, zugleich sind sie mit hohem bürokratischem Aufwand verbunden.”
Durchbruch bei Optimierung von datengestützten AnalysenDie LMU- und ETH-Forscher setzen daher auf Machine Learning, um globale Entwicklungshilfe möglichst umfassend darzustellen und zu analysieren. Das System wurde mithilfe von Millionen einzelner Projektbeschreibungen trainiert. Auf Basis der Texte hat der Algorithmus eine umfassende und granulare Kategorisierung der globalen Hilfsaktivitäten, bestehend aus 173 Kategorien wie Bildung und Ernährung, aber auch Biodiversität, entwickelt. Dadurch gelingt den Forschern ein wichtiger Durchbruch bei der Optimierung von datengestützten Analysen zur Unterstützung der nachhaltigen Entwicklung.
