Die Lieferung von Nahrungsmitteln durch Konfliktgebiete, Minenfelder und Überschwemmungen kann für humanitäre Helfer ein tödliches Risiko darstellen.
Jetzt wird die zur Steuerung von Rovers auf fernen Planeten entwickelte Technologie angepasst, um Hilfskräfte aus einigen der gefährlichsten Hilfsmissionen der Welt herauszuholen.
Das Projekt AHEAD, eine Zusammenarbeit zwischen dem Welternährungsprogramm, dem Deutschen Zentrum für Luft- und Raumfahrtforschung (DLR), dem Roten Kreuz und Technologiepartnern, entwickelt ferngesteuerte Fahrzeuge, die in der Lage sind, Vorräte durch Gebiete zu transportieren, die für herkömmliche Lieferwagen als zu gefährlich oder schwierig gelten.
Aufnahmen von einem DLR-Testgelände in Deutschland zeigen einen SHERP-Geländewagen, der ins offene Wasser watet und über unebenen Untergrund klettert.
Sensoren scannen das Gelände vor Ihnen, während ein Bediener das Fahrzeug fernsteuert, sodass es fahren kann, ohne dass jemand hinter dem Lenkrad sitzt.
Das System basiert auf der Erfahrung des DLR bei der Entwicklung ferngesteuerter und autonomer Planetenrover, darunter dem MMX-Rover zur Erkundung von Phobos, einem der Marsmonde.
Der gleiche Vorstoß, neue Technologien in der humanitären Arbeit einzusetzen, geht über physische Lieferungen hinaus.
HungerMap Live, eine öffentlich zugängliche Plattform, die vom Welternährungsprogramm entwickelt wurde, nutzt maschinelles Lernen und Daten nahezu in Echtzeit, um die Ernährungsunsicherheit in mehr als 95 Ländern zu verfolgen.
Nach Angaben der Organisation werden Informationen zu Faktoren wie Konflikten, Wetter, Klimagefahren und wirtschaftlichen Bedingungen kombiniert, um aufkommende Hungerkrisen zu erkennen.
„Jeder kann sich HungerMap Live im Internet ansehen. Man kann Echtzeitdaten erhalten, und im Moment denken wir sogar darüber nach, die Ernährungssicherheit für 90 Tage in der Zukunft vorherzusagen“, sagte Bernhard Kowatsch, Direktor der Abteilung „Global Accelerator and Ventures“ des WFP.
Mithilfe von KI eine Katastrophe kartieren
Zuverlässige Karten sind auch für humanitäre Hilfe von entscheidender Bedeutung. Ohne Informationen über Straßen, Gebäude und Bevölkerungszentren fällt es den Helfern möglicherweise schwer zu entscheiden, wo sie Menschen evakuieren, Unterkünfte errichten oder Hilfsgüter liefern sollen.
Nachdem im Juni zwei schwere Erdbeben den Norden Venezuelas erschüttert hatten, war es aufgrund begrenzter geografischer Daten schwierig, den Schaden einzuschätzen und Hilfe zu priorisieren.
Das Humanitarian OpenStreetMap-Team gab an, maschinelles Lernen eingesetzt zu haben, um Informationen über Gebäude aus Satellitenbildern zu extrahieren. Freiwillige überprüften die Bilder dann über die MapSwipe-App und markierten Bereiche, in denen Strukturen beschädigt zu sein schienen.
„Innerhalb von vier Tagen nach dem Erdbeben konnten wir mehr als 600 Freiwillige mobilisieren, die auf der mobilen App praktisch nach links und rechts wischten und anzeigten: Ja, dieses Gebäudegebiet ist beschädigt; nein, dieses Gebäudegebiet ist nicht beschädigt“, sagte Leen D’hondt, Direktor für Technologie und Daten beim Humanitarian OpenStreetMap Team.
„Und das hat den Ersthelfern tatsächlich geholfen, in die richtigen Gebiete zu gehen, um Lebensmittel zu liefern und alle anderen Dinge des täglichen Bedarfs zu erledigen, die wir direkt nach dem Erdbeben benötigen könnten“, fügte D’hondt hinzu.
Bei aller Geschwindigkeit, die KI bieten kann, sagte D’hondt, dass die Technologie noch nicht mit der Genauigkeit der Detailarbeit menschlicher Kartografen mithalten kann.
„Manuelles Mapping liefert immer noch die beste Qualität. Manchmal ist jedoch die Geschwindigkeit wichtiger“, sagte sie.
„Manchmal ist es wichtiger, mehr oder weniger zu wissen, wo sich die Gebäude befinden. Sie sind nicht perfekt kartiert, aber wir wissen, wie viele Menschen in diesem Gebiet leben. Und hier kommen jetzt KI- und maschinelle Lernmodelle ins Spiel.“
Trotz rasanter Fortschritte seien solche Systeme laut Insidern immer noch weit davon entfernt, routinemäßig in Notfallmaßnahmen auf der ganzen Welt integriert zu werden.
„Derzeit sind in den meisten Ländern noch keine wirklichen Systeme in diese Notfallprotokolle integriert“, sagt Monique Kuglitsch, Innovationsmanagerin am Fraunhofer Heinrich-Hertz-Institut.
„Es gibt Ausnahmen. In Indien gibt es zwar ein KI-basiertes Frühwarnsystem, das einsatzbereit ist. Auch in Europa haben wir ein KI-Vorhersagesystem des Europäischen Zentrums für mittelfristige Wettervorhersage, das einsatzbereit ist. Aber in vielen Ländern ist es noch experimentell.“
