Deep Dive: Wie KI Kriege vorhersagen soll

Welche Daten und Analysen sind nötig, um bewaffnete Konflikte zu prognostizieren? Im Podcast erklären die Macher von conflictforecast.org, wie sie vorgehen.

In Pocket speichern vorlesen Druckansicht 15 Kommentare lesen
Tahrir-Platz

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmmung wird hier ein externer Podcast (Podigee GmbH) geladen.

Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Podigee GmbH) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.

Lesezeit: 3 Min.

Obwohl Politologen und Ökonomen seit Jahrzehnten an der Frage arbeiten, ob und unter welchen Umständen aus politischen Konflikten Krisen werden, gilt die Vorhersage bewaffneter Konflikte als notorisch schwierig. Seit rund zehn Jahren arbeiten Forschende auf der ganzen Welt jedoch daran, für diese Vorhersage Datenanalysen und maschinelles Lernen zu verwenden.

Besonders schwierig wird die Krisen-Vorhersage jedoch in Fällen, in denen die Gewalt zum ersten Mal ausbricht – ohne dass es vorher bereits bewaffnete Konflikte gegeben hat. Entwicklungen wie der arabische Frühling von 2011, aber auch der plötzliche Angriff Russlands auf die Ukraine können Modelle, die mit Konflikthistorie und strukturellen Daten arbeiten, meist nicht gut erkennen.

Hannes Müller von der Barcelona School of Economics und Christopher Rauh von der University of Cambridge haben sich daher im Projekt conflictforecast.org zusammengetan, um ganz konkret diese "schwierigen Fälle" der Konfliktvorhersage anzugehen. Ihre Idee: Sie lassen Algorithmen Zeitungsartikel auswerten – und lassen dann aus dieser Auswertung eine Konfliktwahrscheinlichkeit berechnen. Das ermöglicht ihnen unter anderem die Vorhersage monatlich zu aktualisieren.

MIT Technology Review Podcast

Hier finden Sie die Übersicht unserer drei Podcast-Formate: der wöchentliche News-Podcast "Weekly" sowie die monatlichen Podcasts "Unscripted" und "Deep Dive".

In der neuen Podcast-Folge von MIT Technology Review spricht TR-Redakteur Wolfgang Stieler mit den Forschenden darüber, wie das funktioniert (Nerd-Spoiler: Dieser Podcast enthält eine kurze Einführung in Random Forests), wo die Grenzen des Verfahrens liegen und was aus solchen Vorhersagen folgt.

"Wir suchen praktisch die Nadel im Heuhaufen", sagt Hannes Müller. "Aber selbst wenn wir in den meisten Fällen, in denen wir vor einem bevorstehenden Bürgerkrieg warnen, falsch liegen, lohnt es sich doch, in allen solchen Fällen zu intervenieren. Man muss sich vor Augen führen, dass zur Zeit 80 Millionen Menschen auf der Flucht vor Kriegen sind. 30 Millionen davon sind Kinder. Ein Bürgerkrieg ist so etwas wie ein Atomunfall auf politischer Ebene."

Die ganze Folge als Audio-Stream (RSS-Feed) zum Anhören und Herunterladen:

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmmung wird hier ein externer Podcast (Podigee GmbH) geladen.

Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Podigee GmbH) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.

Mehr rund um das Thema Risikoanalyse per Künstlicher Intelligenz lesen Sie in der kommenden Ausgabe der MIT Technology Review. Das neue Heft ist ab dem 28.9. im heise shop bestellbar und ab dem 29.9. im gut sortierten Zeitschriftenhandel erhältlich.

=== Anzeige / Sponsorenhinweis ===

Dieser Podcast ist gesponsert von msg. Bei msg treibst Du als Spezialist (m/w/d) im Software-Engineering oder IT-Consulting die digitale Transformation ganzer Branchen voran. Entdecke spannende IT-Jobs, beste individuelle Entwicklungsmöglichkeiten sowie flexible Arbeitszeiten mit Überstundenausgleich für deine gesunde Work-Life-Balance! Mehr Infos auf: karriere.msg.group

=== Anzeige / Sponsorenhinweis ===

(jle)