Künstliche Intelligenz:Wie Software bald Fluchtbewegungen vorhersagen soll

Künstliche Intelligenz: Mosambik, 2019: Als der Zyklon kam, waren Hilfsgüter schon vor Ort.

Mosambik, 2019: Als der Zyklon kam, waren Hilfsgüter schon vor Ort.

(Foto: Adrien Barbier/AFP)

Auch Hilfsorganisationen setzen zunehmend auf Machine Learning. Ein Programm soll berechnen, wie viele Menschen bei künftigen Krisen ihr Land verlassen werden.

Von Anna Reuß

Alexander Kjærum hilft dabei, die Zukunft vorauszusagen. Vor seinem Bildschirm in Dänemarks Hauptstadt Kopenhagen erklärt er per Videoanruf, wie das gehen soll. Kjærum ist seit einem Jahr Senior Analyst beim Danish Refugee Council (DRC), einer privaten gemeinnützigen Organisation. Angefangen habe alles mit der Frage, ob man mittels künstlicher Intelligenz schon ein bis drei Jahre im Voraus wissen könnte, dass Menschen aus ihrer Heimat vertrieben werden.

Künstliche Intelligenz findet seit vielen Jahren in der Sicherheitspolitik Anwendung. Autonome Waffensysteme ermöglichen etwa neue Formen der Kriegsführung. In der humanitären Hilfe ist der Einsatz von Big Data allerdings neu. 2017 unterstützte die dänische Regierung den DRC mit umgerechnet 340 000 Euro, damit er gemeinsam mit dem Softwarehersteller IBM ein Modell entwickeln konnte, das Migrationsbewegungen und Flüchtlingsströme nachvollziehen - und sogar vorhersagen kann.

Am Bildschirm zeigt Kjærum, wie die Software funktioniert. Das Modell bezieht die Grundursachen für mögliche Fluchtbewegungen ein. Dabei stützt es sich auf fünf Treiber - die wirtschaftliche Situation in einem Land, Unsicherheit, Regierungsführung, Umwelt und die Zusammensetzung der Bevölkerung - und mehr als hundert Indikatoren dafür, wie Luftverschmutzung oder Korruption. Diese basieren auf frei zugänglichen Daten, etwa des UNHCR oder von Freedom House, einem Thinktank, der jährlich den Stand der Demokratie in der Welt bewertet. Diese Open-Source-Datensätze, kombiniert mit Ereignissen der vergangenen 25 Jahre, geben der künstlichen Intelligenz Stoff, um daraus zu lernen. Die Software steht auch anderen Organisationen zur Verfügung. "Wir wollen, dass nicht nur Datenwissenschaftler damit arbeiten", sagt Kjærum.

Für Afghanistan etwa prognostizierte das Programm die Zahl von Binnenvertriebenen auf Basis früherer Daten sehr genau. Bei der Massenflucht von Rohingya aus Myanmar nach Bangladesch im Jahr 2017 dagegen kamen die Prognosen "nicht annähernd an das heran, was wirklich passiert ist". Der Grund dafür liege im Wesen von Machine-Learning-Modellen: Gab es in einem Land nie Vertreibung in großem Ausmaß, hat das Modell auch Schwierigkeiten, extreme Anstiege vorauszusagen. Da stoße die Software bislang an ihre Grenzen.

Auch das Deutsche Rote Kreuz prüft derzeit die Möglichkeiten von "Scenario Planning" im Kontext von Konflikten. Mit dieser Methode, die auch in der Politik oder Wirtschaft angewandt wird, sollen mögliche Entwicklungen der Zukunft analysiert und zusammenhängend dargestellt werden. Arno Waizenegger, Sachgebietsleiter Sofort- und Nothilfe, berichtet am Telefon von einem Pilotprojekt, das derzeit in den palästinensischen Gebieten läuft. Diese "Machbarkeitsstudie" ist jedoch deutlich kleiner angelegt als das DRC-Modell. Die Idee: Auf der Basis historischer Daten zu gewalttätigen Auseinandersetzungen soll ein Algorithmus entwickelt werden, der Prognosen zu möglichen gewalttätigen Zusammenstößen errechnet. Ob die Datenlage dafür ausreicht, wird derzeit getestet.

Die DRC-Software prognostiziert der Sahelregion - dem kargen Streifen am Rande der Sahara - rund eine Million Vertriebene aufgrund von Covid-19. Sie errechnet, mit welcher Wahrscheinlichkeit sich bestimmte Parameter verändern werden - etwa die Menschenrechtssituation, die wirtschaftliche Entwicklung oder die Zahl der getöteten Zivilisten. Anschließend wird der voraussichtliche Einfluss, den die Pandemie auf einzelne Bereiche hat, einbezogen. Kjærum gibt zu, dass solche Aussagen schwer zu treffen sind und die Prognose des DRC-Modells deshalb "viele Unsicherheiten" beinhalte.

Arno Waizenegger hält es für schwierig, verlässliche datenbasierte Modelle für die Prognose von bewaffneten Konflikten zu entwickeln. Eine Konfliktpartei treffe mitunter Entscheidungen, die außerhalb des gewöhnlichen Musters liegen. Sie ließen sich daher durch ein auf historischen Daten basierendes Rechenmodell nicht vorhersagen. Ein zweites Problem sei die magere Datenlage in vielen Konflikten: Im Krieg bleibe die Wahrheit immer als Erstes auf der Strecke, sagt Waizenegger. So stehe die Verlässlichkeit von Daten infrage. Oft fehle der Zugang zum Ort des Geschehens, um Ereignisse zu verifizieren. Zudem könnten Konfliktparteien versuchen, die Berichterstattung und entsprechende Daten für die eigenen Zwecke zu manipulieren.

Der Ansatz des Deutschen Roten Kreuzes sei daher "konservativ". Man sei mit rund 20 Projekten weltweit vor allem auf Extremwetterereignisse spezialisiert - also darauf, zu agieren, bevor tropische Wirbelstürme oder Überschwemmungen Verwüstung anrichten: "Das Ziel ist, zu handeln, bevor die Naturgefahr eintritt." Konkret bedeutet das, Freiwillige und Hilfsgüter zu entsenden, bevor es zu spät ist, weil Brücken zerstört oder Straßen überschwemmt sind. Als der Zyklon Idai 2019 auf das ostafrikanische Mosambik traf, waren einige Hilfsgüter schon vor Ort. Auch konnten viele Menschen dank der Modelle rechtzeitig evakuiert werden. Derzeit sind mehrere afrikanische Länder von Überschwemmungen betroffen. Im Sudan verloren Tausende ihr Zuhause. Das Deutsche Rote Kreuz nutzt den "Forecast-based Finance"-Ansatz auch bei Überschwemmungen. Das heißt, Geld für humanitäre Hilfe wird auf Basis von Vorhersagen und Risikoanalysen bereitgestellt. Im Sudan wird ein solches Projekt allerdings erst 2021 beginnen.

Neben den Folgen des Klimawandels leiden die Menschen in der Sahelregion seit Jahren unter terroristischen Gruppierungen und ethnischer Gewalt. In diesen Konflikten kamen laut dem Armed Conflict Location & Event Data Project, dessen Daten auch die DRC-Software einbezieht, Tausende Menschen ums Leben. Lange vor der Pandemie wurden etwa im westafrikanischen Burkina Faso Millionen von Menschen aus ihrer Heimat vertrieben. Das Ausmaß dieser Krise nehmen in Europa viele nicht wahr - dabei braucht es dafür nicht einmal einen Blick in die Zukunft. Trotzdem sieht Alexander Kjærum das Potenzial der Machine-Learning-Software: Dies sei nicht, irgendwann die Arbeit der Experten vor Ort zu ersetzen, sondern vielmehr, qualitative Prozesse in der Entwicklungshilfe zu stärken und sie datenbasiert zu unterstützen.

Zur SZ-Startseite
Ein Job wie jeder andere? Technische Berufe bei der Bundeswehr

ExklusivVerteidigung
:Bundeswehr will Kriege mit künstlicher Intelligenz und geheimen Infos vorhersagen

Nun werden Details der Krisenfrüherkennung mit Software bekannt. Die heiklen Verschlusssachen von künstlicher Intelligenz analysieren zu lassen, ist aber tückisch.

Lesen Sie mehr zum Thema

Jetzt entdecken

Gutscheine: