Entwicklungshilfe durch künstliche Intelligenz besser steuern

Mit Entwicklungshilfegeldern werden in ?rmeren L?ndern Schulen gebaut, D?rfer ans Stromnetz angeschlossen oder die Gesundheitsversorgung ausgebaut. Ein detaillierter und aktueller ?berblick ¨¹ber Entwicklungshilfeprojekte w?re wichtig, um die damit verbundenen Gelder so effizient wie m?glich einzusetzen. Bisher war dies aufgrund der hohen Anzahl an Projekten und Geberinstitutionen aber schwierig umzusetzen.

Malte Toetzke und Nicolas Banholzer, Doktorierende am MTEC Departement der ETH Z¨¹rich, gemeinsam mit Professor Stefan Feuerriegel, der k¨¹rzlich von der ETH Z¨¹rich an die LMU M¨¹nchen wechselte, sorgen nun mit einem neuen Analyseverfahren f¨¹r mehr Durchblick in der globalen Entwicklungshilfe. Die Forscher nutzen k¨¹nstliche Intelligenz (KI) um Geldfl¨¹sse in thematische Gruppen einzuteilen. Dadurch wird sichtbar, wie die Finanzierung auf Themen, L?nder und Jahre verteilt ist und wo unter Umst?nden Handlungsbedarf besteht. Die Ergebnisse wurden k¨¹rzlich im Fachjournal externe Seite Nature Sustainability ver?ffentlicht.

Wie der Algorithmus funktioniert

Der Analyse liegen 3,2 Millionen Entwicklungshilfeprojekte zwischen 2000 und 2019 zugrunde, in deren Rahmen insgesamt 2,8 Billionen US-Dollar investiert wurden. Basierend auf deren Projektbeschreibungen unterteilte der KI-basierte Algorithmus die Projekte in 173 thematische Kategorien. Dabei musste ber¨¹cksichtigen werden, dass sich diese Berichte nicht formal aufgebaut waren: sie unterschieden sich zum Beispiel in der Sprache und der Textl?nge.

?Man kann sich den Prozess als Versuch vorstellen, eine ganze Bibliothek zu lesen und ?hnliche B¨¹cher in themenspezifische Regale zu einzusortieren?, erkl?rt Malte Toetzke, Erstautor und Doktorand am Lehrstuhl f¨¹r Nachhaltigkeit und Technologie der ETH Z¨¹rich. ?Unser Algorithmus ber¨¹cksichtigt 200 verschiedene Dimensionen, um zu ermitteln, wie ?hnlich diese 3,2 Millionen Projekte einander sind. F¨¹r einen Menschen w?re ein solcher Aufwand nicht zu bew?ltigen.?

Im Unterschied zu bisherigen Ans?tzen ist diese Kategorisierung differenzierter und ergibt sich aus den analysierten Projekten, und nicht aus einer bestehenden Klassifizierung. ?Wir k?nnen die vielen Projekte sehr detailliert strukturieren, ohne im Vorhinein genau wissen zu m¨¹ssen, wonach wir suchen?, sagt Toetzke. ?Dadurch konnten wir Kategorien finden, die bisher nicht systematisch analysiert wurden oder erst seit kurzem aktuell sind.?

Trends und Transparenz

Die Analyse l?sst auf thematische Trends in der Entwicklungshilfe schliessen, berichtet Toetzke: ?In den letzten Jahren flossen immer mehr Gelder in Projekte in den Bereichen Inklusion und Gleichberechtigung von benachteiligten Gruppen, Klimawandel und Nachhaltigkeit sowie Unterst¨¹tzung der Privatwirtschaft.?

Im Themenbereich Klimawandel sch¨¹rfen die Autoren sogar noch tiefer: Sie zeigen einerseits, dass sich die Entwicklungshilfe f¨¹r Projekte, die sich der Anpassung an die Folgen des Klimawandels widmen, seit dem Paris Klimaabkommen von 2015 verdoppelt hat.

Gleichzeitig gingen die Zahlungen f¨¹r den gesamten Umweltsektor, der neben der Anpassung an den Klimawandel auch andere Themen wie die Reduktion von Treibhausgasemissionen, Energieeffizienz oder Biodiversit?t umfasst, seit 2015 leicht zur¨¹ck. Auf Basis dieser Erkenntnisse kommen die Autoren zum Schluss, dass die Staatengemeinschaft ihrem in Paris gegebenen Versprechen ¨C die Entwicklungshilfe f¨¹r Projekte, die auch den Klimawandel adressieren, zu erh?hen ¨C nur bedingt gerecht wurde.

Bessere Koordination durch globalen ?berblick

Das Forschungsprojekt erm?glicht erstmals einen globalen ?berblick ¨¹ber Geldfl¨¹sse in der Entwicklungshilfe. ?Nur wenn wir wissen, welche L?nder, Bereiche und Organisationen unterst¨¹tzt werden, lassen sich Projekte sinnvoll auf globaler Ebene koordinieren?, sagt Nicolas Banholzer von der Professur f¨¹r Wirtschaftsinformatik der ETH und einer der Autoren.

Das KI-gest¨¹tzte Monitoring kann Organisationen im Bereich Entwicklungshilfe ausserdem dabei unterst¨¹tzen, bessere, auf Daten beruhende Entscheidungen im Sinne der von den Vereinten Nationen beschlossenen Ziele einer nachhaltigen Entwicklung zu treffen.