Künstliche Intelligenz soll Entwicklungshilfe effizienter machen
In der Entwicklungshilfe fließt einiges an Geldern zusammen. Wie die Organisation für Wirtschaftliche Zusammenarbeit und Entwicklung (OECD) aktuell bekannt gab, erhöhte sich die Entwicklungshilfe der Geberländer im Jahr 2021 auf 179 Milliarden US-Dollar (164 Milliarden Euro). Das wäre ein Zuwachs von 4,4 Prozent im Vergleich zu 2020, so die OECD.
Dieser Anstieg sei vor allem auf die Coronahilfen von Industrieländern an Entwicklungsländern zurückzuführen. So machten allein die Corona-Impfstoffspenden etwa 6,3 Milliarden US-Dollar (5,8 Milliarden Euro) aus, wo mit insgesamt 3,5 Prozent der gesamten öffentlichen Entwicklungshilfe (ODA) in den Bereich floss. Ohne diese Ausgaben liegt der Zuwachs bei den Entwicklungsausgaben im Vergleich zu 2020 nur noch bei 0,6 Prozent, so der OECD.
Im Durchschnitt entsprach die öffentliche Entwicklungshilfe allerdings nur rund 0,33 Prozent des Bruttonationaleinkommens der Geberländer. Das liegt somit deutlich unter dem UN-Ziel von mindestens 0,7 Prozent der Wirtschaftsleistung für Entwicklungshilfe. Diesen Wert erreichten nach den vorläufigen Daten der OECD nur fünf Länder.
Studie: Die „grüne Mauer“ Afrikas stärkt Region auch wirtschaftlich
Mehr Transparenz gefordert
Trotzdem ist das somit ein Bereich, in welchem große Summen eingesetzt werden. Dabei kann die globale Entwicklungshilfe aber noch optimiert werden. Das auch in puncto Transparenz. Bisher mangele es an einem globalen Überblick, wohin und in welche Bereiche Unterstützung fließen, kritisiert Stefan Feuerriegel, Leiter des Institute of Artificial Intelligence in Management der LMU München. Dieser stellte jüngst zusammen mit seinem Forschungsteam eine Möglichkeit vor, das globale Monotoring von Projekten der Entwicklungshilfe zu verbessern. Dabei bauen sie auf KI.
„Die bislang dafür eingesetzten Systeme erfassen die Projekte nur sehr unzureichend und mit zeitlicher Verzögerung, zugleich sind sie mit hohem bürokratischem Aufwand verbunden“, so Feuerriegel. Forschende der LMU München und der ETH Zürich wollen das nun vereinfachen.
„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“, so Studienautor Stefan Feuerriegel, Leiter des Institute of Artificial Intelligence in Management der LMU.
Diese acht Startups entwickeln Lösungen gegen Wasserknappheit
Erkennen, wo was fehlt
Im Zuge der aktuell im Fachjournal Nature Sustainability veröffentlichten Studie, hat das Team rund um Feuerriegel mit seinem KI-Ansatz 3,2 Millionen Projekte der Entwicklungshilfe erfasst, welche zwischen 2000 und 2019 durchgeführt wurden, so die Forschenden. Dafür wurde das System mithilfe der einzelnen Projektbeschreibungen trainiert. Auf deren Basis hat der Algorithmus die Projekte in 173 Kategorien wie Bildung und Ernährung, aber auch Biodiversität eingeteilt.
„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 lasse sich nun aufzeigen, wo bestimmte Aspekte bislang vernachlässigt wurden.
Entscheidungen im Sinne der SDGs treffen
Mit der nun entwickelten KI sollen Institutionen der Entwicklungshilfe dabei unterstützt werden, evidenzbasierte Entscheidungen im Sinne der SDGs zu treffen, so die Forschenden zu ihrem erhofften Nutzen der Studie. Dabei sehen sie auch die gewaltigen Geldsummen in dem Bereich als Grund. Allein in die untersuchten Projekte im Rahmen der Studie seien insgesamt 2,8 Billionen US-Dollar investiert worden, so die Angabe dazu. Durch mehr Transparenz soll daher mehr Koordination und so im Endeffekt mehr Nutzen ermöglicht werden.
