Mittels maschinellem Lernen politische Gewalt erkennen und Konflikte vorhersehen

In einem EU-finanzierten Projekt werden die Wahrscheinlichkeit von Konflikten und Gewalt in Ländern auf der ganzen Welt mittels maschinellem Lernen berechnet und Frühwarnungen ausgegeben.

Gesellschaft

Konflikte und Gewalt sind derzeit Ursache unvorstellbaren Leids und Verlusts. Stellen Sie sich vor, Sie könnten das Aufkommen organisierter politischer Gewalt vorhersehen und die Wahrscheinlichkeit eines Konflikts in Ländern auf der ganzen Welt berechnen, um Maßnahmen zur Gewaltprävention einzuleiten. Genau daran haben Forschende an der Universität Uppsala in Schweden gearbeitet. Ihr Projekt namens ViEWS, das vom Europäischen Forschungsrat unterstützt wurde, ist ein bedeutender Meilenstein auf dem Weg dahin, betroffene Bevölkerungen noch vor Ausbruch eines Konflikts beizustehen. „Wir wissen, dass Frühwarnsysteme bei der Vorbeugung und Abmilderung von Konflikten von zentraler Bedeutung sind. Doch es ist noch wichtiger, basierend auf diesen Warnungen vorausschauend zu handeln“, sagt Håvard Hegre, der Hauptforscher im Projekt. „Wenn wir voraussagen können, wann und wo Konflikte vermutlich ausbrechen werden, dann können wir mit Regierungen und humanitären Organisationen gemeinsam Maßnahmen einleiten, bevor die Situation außer Kontrolle gerät.“

Praktische Anwendung von Algorithmen

ViEWS analysiert mittels Algorithmen des maschinellen Lernens verschiedene Datenquellen sowie sozioökonomische Faktoren, politische Entwicklungen und vergangene Gewaltvorfälle. Das System weise dann jedem Land einen Risikowert zu, der die Wahrscheinlichkeit angibt, dass innerhalb der nächsten 12 Monate ein Konflikt ausbricht, beschreibt Herge, ein Forschungsprofessor am Institut für Friedensforschung in Oslo und an der Fakultät für Friedens- und Konfliktforschung der Universität Uppsala. Das System kontrolliert insbesondere alle gefährdeten Standorte und gibt einheitliche Prognosen zu der Anzahl an Todespopfern bei drohenden Konflikten mit staatlichen Akteuren aus. Dies wird ergänzt durch probabilistische Beurteilungen der Risiken von Gewalt mit und ohne staatliche Akteure sowie einseitiger Gewalt, auf nationaler und regionaler Ebene. Zwar werden Daten zwischen nationalen und lokalen Prognosen ausgetauscht, doch die Analyseebenen unterscheiden sich. Sie stellen getrennte Bewertungen dar, die verbunden ausgelegt werden sollten. Bei Modellen für Prognosen auf nationaler Ebene werden zum Beispiel kritische strukturelle und historische Faktoren betrachtet. Die regionalen Modelle hingegen legen einen Schwerpunkt auf Auswirkungen lokaler verbundener Risiken bezüglich Demografie, Gelände, Nähe zu natürlichen Ressourcen, lokalen Niederschlagsmengen, Dürren und vergangenen Konflikten in benachbarten Gebieten.

Inspiration und vielversprechende Ergebnisse

Laut Hegre kam die Inspiration für ViEWS hauptsächlich aus der quantitativen Forschung zu bewaffneten Konflikten, die seit den 1990er Jahren durchgeführt wird. In dieser Forschung wurden Muster beim Aufkommen von Konflikten erkannt, darunter die Tatsache, dass Demokratien bei zwischenstaatlichen Konflikten selten gegeneinander kämpfen, oder dass interne Konflikte häufiger in Ländern mit demokratischem System und ärmeren Regionen in der Nähe internationaler Grenzen auftreten. Anhand dieser Erkenntnisse begannen Hegre und sein Team, ein System zu entwickeln, dass bewaffnete Konflikte vorhersagen und die internationale Gemeinschaft auf Hochrisikoregionen aufmerksam machen kann. Aufgrund der hohen Anzahl an Konflikten auf dem Kontinent lag zunächst Afrika im Fokus, bevor ViEWS 2022 auf den Nahen und Mittleren Osten ausgeweitet wurde. Die Bedeutung von ViEWS ist beträchtlich, insbesondere in Regionen, in denen Konflikte ein wiederkehrendes Problem darstellen. Indem gefährdete Regionen erkannt werden, können Regierungen und humanitäre Organisationen Maßnahmen einleiten, um die zugrundeliegenden Ursachen des Konflikts anzugehen und schutzbedürftigen Bevölkerungsgruppen Hilfe anzubieten. Hegre ist zuversichtlich, dass das Projekt die Konfliktprävention auf der Welt revolutionieren könnte. „Indem wir zeitnah präzise Informationen an Entscheidungsverantwortliche weiterleiten, können wir gemeinsam daran arbeiten, die verheerenden Folgen von Konflikten zu verhindern“, sagt er. Die Prognosen von ViEWS stehen zum Beispiel über eine API zur Verfügung, die jeden Monat aktualisiert wird. „Uns ist bekannt, dass die API von Organisationen der Vereinten Nationen ausgewertet wird – eine Stelle hat ein internes ‚Dashboard‘ eingerichtet, auf dem die Prognosen mit anderen Informationen zusammengeführt und für die Einbindung von Interessengruppen ausgewertet werden“, berichtet Hegre. So hat das Projekt zu einem Bericht der Vereinten Nationen beigetragen, in dem die ViEWS-Prognosen vorgestellt werden. „Wir setzen uns regelmäßig mit internationalen Organisationen und Regierungen auseinander, die über interne Frühwarnsysteme verfügen“, ergänzt Hegre. „Wir wissen nicht genau, wie ausgiebig ViEWS verwendet wird – es ist öffentlich zugänglich und wir haben die Nutzung nicht akribisch kontrolliert. Wir wissen jedoch, dass unser System als Maßstab betrachtet wird und viele der Ideen, mit denen wir experimentiert haben, finden ihren Weg in eigene Modelle.“

Schlüsselbegriffe

ViEWS, Konfliktprävention, Frühwarnsystem für Gewalt, Algorithmen des maschinellen Lernens, Risikobewertung, Afrika

The Violence Early-Warning System: Building a Scientific Foundation for Conflict Forecasting

Mittels maschinellem Lernen politische Gewalt erkennen und Konflikte vorhersehen

Praktische Anwendung von Algorithmen

Inspiration und vielversprechende Ergebnisse

Schlüsselbegriffe

Entdecken Sie Artikel in demselben Anwendungsbereich

Diese Seite teilen

Herunterladen