Künstliche Intelligenz und Raumfahrttechnik unterstützen die humanitäre Hilfe

Moderne Technologien aus der Raumfahrt und künstliche Intelligenz kommen zunehmend in der humanitären Hilfe zum Einsatz, um Hilfskräfte in Gefahrenzonen zu schützen. Durch Projekte wie ferngesteuerte Transportfahrzeuge und digitale Hunger- sowie Katastrophenkarten können Hilfsgüter sicherer verteilt und Krisen schneller erkannt werden. Dennoch befindet sich der weltweite Einsatz dieser Systeme in Notfallprotokollen in vielen Teilen noch in einer experimentellen Phase.
Wer Lebensmittel durch Konfliktzonen, Minenfelder und Überschwemmungen transportiert, setzt Hilfskräfte einer tödlichen Gefahr aus. Jetzt kommt Technologie zum Einsatz, die ursprünglich zur Steuerung von Roboterfahrzeugen auf fernen Planeten entwickelt wurde, wie Euronews berichtet. Sie soll Hilfskräfte aus einigen der gefährlichsten Missionen der Welt heraushalten. Das Projekt AHEAD entsteht in Zusammenarbeit zwischen dem Welternährungsprogramm, dem Deutschen Zentrum für Luft- und Raumfahrt (DLR), dem Roten Kreuz und Technologiepartnern. Es entwickelt fernsteuerbare Fahrzeuge, die Hilfsgüter durch Gebiete bringen, die für klassische Liefer-Lkw als zu gefährlich oder zu schwierig gelten. Aufnahmen vom DLR-Testgelände in Deutschland zeigen ein geländegängiges SHERP-Fahrzeug, das durch offenes Wasser fährt und über unwegsames Terrain klettert. Sensoren scannen das Gelände vor dem Fahrzeug. Eine Bedienerin oder ein Bediener steuert es aus der Ferne, niemand muss am Steuer sitzen. Das System baut auf der Erfahrung des DLR mit fernsteuerbaren und autonomen Planetenerkundern auf. Dazu gehört auch der MMX-Rover, der den Marsmond Phobos erforschen soll.

Prävention von Hungerkrisen durch Echtzeitdaten

Der Einsatz neuer Technologien in der humanitären Hilfe geht weit über den physischen Transport von Hilfsgütern hinaus. HungerMap Live ist eine frei zugängliche Plattform des Welternährungsprogramms. Sie nutzt maschinelles Lernen und nahezu Echtzeitdaten, um Ernährungsunsicherheit in mehr als 95 Ländern zu verfolgen. Nach Angaben der Organisation bündelt das System Informationen zu Konflikten, Wetter, Klima-Risiken und wirtschaftlichen Bedingungen. So lassen sich drohende Hungerkrisen schneller erkennen. Leiter des Bereichs Global Accelerator and Ventures beim Welternährungsprogramm Bernhard Kowatsch sagte: „Jeder kann HungerMap Live im Internet ansehen. Man bekommt dort Echtzeitdaten, und im Moment prüfen wir sogar, wie wir die Ernährungssicherheit 90 Tage im Voraus vorhersagen können“.

Katastrophengebiete mit KI erfassen

Verlässliche Karten sind für humanitäre Einsätze entscheidend. Ohne Informationen über Straßen, Gebäude und Siedlungen fällt es Helfern schwer zu entscheiden, wohin Menschen evakuiert, Notunterkünfte eingerichtet oder Hilfsgüter gebracht werden sollen. Nachdem im Juni zwei starke Erdbeben den Norden Venezuelas erschüttert hatten, erschwerte der Mangel an geografischen Daten die Einschätzung der Schäden und die Festlegung von Hilfeprioritäten. Das Humanitarian OpenStreetMap Team nutzte nach eigenen Angaben maschinelles Lernen, um aus Satellitenbildern Informationen über Gebäude zu gewinnen. Freiwillige überprüften die Aufnahmen anschließend über die MapSwipe-App und markierten Bereiche, in denen Gebäude beschädigt wirkten. Leiterin für Technologie und Daten beim Humanitarian OpenStreetMap Team Leen D’hondt sagte: „Innerhalb von vier Tagen nach dem Erdbeben konnten wir mehr als 600 Freiwillige mobilisieren. Sie wischten in der App nach links und rechts und markierten: ja, dieser Gebäudebereich ist beschädigt; nein, dieser Gebäudebereich ist nicht beschädigt“. D’hondt ergänzte: „Das hat den Ersthelfern geholfen, in die richtigen Gebiete zu gehen – für die Verteilung von Lebensmitteln und all die anderen Dinge, die direkt nach einem Erdbeben gebraucht werden“. Trotz der Geschwindigkeit, die KI bringt, erreicht die Technik nach D’hondt noch nicht die Genauigkeit der detaillierten Arbeit menschlicher Kartografen. „Manuelle Kartierung liefert weiterhin die beste Qualität. Manchmal ist Geschwindigkeit jedoch wichtiger“, sagte sie. „Manchmal ist es wichtiger, ungefähr zu wissen, wo die Gebäude stehen. Sie sind nicht perfekt kartiert, aber wir wissen, wie viele Menschen dort leben. Genau hier kommen KI und Machine-Learning-Modelle im Moment ins Spiel.“

Herausforderungen bei der weltweiten Etablierung

Trotz rascher Fortschritte sind solche Systeme nach Einschätzung von Fachleuten noch weit davon entfernt, weltweit fester Bestandteil von Notfallreaktionen zu sein. Innovationsmanagerin am Fraunhofer Heinrich-Hertz-Institut Monique Kuglitsch sagte: „Derzeit sind in den meisten Ländern kaum Systeme in diese Notfallprotokolle eingebunden“. Sie ergänzte: „Es gibt Ausnahmen. In Indien läuft bereits ein KI-basiertes Frühwarnsystem. Auch in Europa nutzen wir ein KI-Vorhersagesystem des Europäischen Zentrums für Mittelfristige Wettervorhersage. In vielen Staaten bleibt der Einsatz jedoch experimentell.“