ETH Zürich 24.04.2022, 19:44 Uhr

Entwicklungshilfe durch KI besser steuern

Ein Forschungsteam der ETH Zürich und der LMU München analysiert mit Hilfe von künstlicher Intelligenz 3,2 Millionen Entwicklungshilfeprojekte weltweit. Dadurch werden Trends und Finanzierungslücken sichtbar.
Das neue Analyseverfahren ermöglicht erstmals einen globalen Überblick über Geldflüsse in der Entwicklungshilfe. Im Bild: Hilfspakete werden für Einwohner der Andenregion Puno in Peru verteilt
(Quelle: Steffen Lohrey/DRK)
Mit Entwicklungshilfegeldern werden in ärmeren Ländern Schulen gebaut, Dörfer ans Stromnetz angeschlossen oder die Gesundheitsversorgung ausgebaut. Ein detaillierter und aktueller Überblick über Entwicklungshilfeprojekte wäre wichtig, um die damit verbundenen Gelder so effizient wie möglich 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 Zürich, gemeinsam mit Professor Stefan Feuerriegel, der kürzlich von der ETH Zürich an die LMU München wechselte, sorgen nun mit einem neuen Analyseverfahren für mehr Durchblick in der globalen Entwicklungshilfe. Die Forscher nutzen künstliche Intelligenz (KI), um Geldflüsse in thematische Gruppen einzuteilen. Dadurch wird sichtbar, wie die Finanzierung auf Themen, Länder und Jahre verteilt ist und wo unter Umständen Handlungsbedarf besteht. Die Ergebnisse wurden kürzlich im Fachjournal Nature Sustainability veröffentlicht.

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 berücksichtigen werden, dass sich diese Berichte nicht formal aufgebaut waren: Sie unterschieden sich zum Beispiel in der Sprache und der Textlänge.
«Man kann sich den Prozess als Versuch vorstellen, eine ganze Bibliothek zu lesen und ähnliche Bücher in themenspezifische Regale zu einzusortieren», erklärt Malte Toetzke, Erstautor und Doktorand am Lehrstuhl für Nachhaltigkeit und Technologie der ETH Zürich. «Unser Algorithmus berücksichtigt 200 verschiedene Dimensionen, um zu ermitteln, wie ähnlich diese 3,2 Millionen Projekte einander sind. Für einen Menschen wäre ein solcher Aufwand nicht zu bewältigen.»
Im Unterschied zu bisherigen Ansätzen ist diese Kategorisierung differenzierter und ergibt sich aus den analysierten Projekten, und nicht aus einer bestehenden Klassifizierung. «Wir können die vielen Projekte sehr detailliert strukturieren, ohne im Vorhinein genau wissen zu müssen, wonach wir suchen», sagt Toetzke. «Dadurch konnten wir Kategorien finden, die bisher nicht systematisch analysiert wurden oder erst seit kurzem aktuell sind.»

Autor(in) Sebastian Wagner-Vierhaus, ETH-News

Autor(in) Christoph Elhardt, ETH-News




Das könnte Sie auch interessieren