Datenwissenschaftler wollen humanitäre Hilfe für Vertriebene verbessern

In Krisenzeiten hängt wirksame humanitäre Hilfe in hohem Maße von der schnellen und effizienten Bereitstellung von Ressourcen und Personal ab. Genaue Daten über die Standorte und Bewegungen der betroffenen Menschen sind hierfür in diesen Situationen von entscheidender Bedeutung.

Forscher der Universität Tokio haben in Zusammenarbeit mit der Weltbank ein Framework zur Analyse und Visualisierung von Daten zur Bevölkerungsmobilität entwickelt, das in solchen Fällen hilfreich sein könnte. Die Forschung ist veröffentlicht im Journal Wissenschaftliche Berichte.

Kriege, Hungersnöte, Epidemien, Naturkatastrophen – es gibt leider viele Gründe, warum Menschen gezwungen sind oder sich genötigt fühlen, ihre Heimat zu verlassen und anderswo Zuflucht zu suchen. Und die Zahl dieser Fälle nimmt weiter zu.

Die Vereinten Nationen schätzten im Jahr 2023, dass es weltweit mehr als 100 Millionen Menschen auf der Flucht gab. Mehr als 62 Millionen dieser Menschen gelten als Binnenflüchtlinge, also Menschen, die sich in einer besonders gefährdeten Situation befinden, weil sie innerhalb der Grenzen ihres Landes festsitzen, aus dem sie möglicherweise zu fliehen versuchen.

Die Umstände, die zur Vertreibung von Bevölkerungen führen, sind zwangsläufig chaotisch, und sicherlich, aber nicht ausschließlich, kann in Konfliktfällen die Informationsinfrastruktur beeinträchtigt sein. Behörden und Agenturen, die versuchen, Krisen in den Griff zu bekommen, arbeiten daher oft mit begrenzten Daten über die Menschen, denen sie helfen wollen. Aber der Mangel an Daten allein ist nicht das einzige Problem; die Fähigkeit, Daten leicht zu interpretieren, damit Laien auf ihrer Grundlage wirksame Entscheidungen treffen können, ist ebenfalls ein Problem, insbesondere in sich rasch entwickelnden Situationen, in denen viel auf dem Spiel steht und viel Spannung herrscht.

„Es ist praktisch unmöglich, Hilfsorganisationen und anderen genaue Echtzeitdaten über die betroffene Bevölkerung bereitzustellen. Die verfügbaren Daten sind oft zu fragmentiert, um direkt von Nutzen zu sein“, sagte Yuya Shibuya, Associate Professor von der Interfaculty Initiative in Information Studies.

„Es gab viele Versuche, GPS-Daten für solche Zwecke zu verwenden, und in normalen Situationen hat es sich als nützlich erwiesen, das Verhalten von Bevölkerungen zu modellieren. Aber in Krisenzeiten brechen die Muster der Vorhersagbarkeit zusammen und die Qualität der Daten nimmt ab.

„Als Datenwissenschaftler erforschen wir Möglichkeiten zur Eindämmung dieser Probleme und haben ein Tracking-Framework zur Überwachung von Bevölkerungsbewegungen entwickelt, indem wir Binnenflüchtlinge untersuchen, die bei der russischen Invasion in der Ukraine im Jahr 2022 vertrieben wurden.“

Obwohl die Netzabdeckung in der Ukraine ausreichend gut ist, um GPS-Daten zu erfassen, sind die generierten Daten nicht repräsentativ für die gesamte Bevölkerung. Es gibt auch Datenschutzbedenken und wahrscheinlich auch andere erhebliche Datenlücken aufgrund der Art des Konflikts selbst. Daher ist es keine triviale Aufgabe, die Bewegungsmuster von Bevölkerungen zu modellieren.

Shibuya und ihr Team hatten Zugriff auf einen begrenzten Datensatz, der den Zeitraum einige Wochen vor und einige Wochen nach der ersten Invasion am 24. Februar 2022 abdeckte. Diese Daten enthielten mehr als 9 Millionen Standortaufzeichnungen von mehr als 100.000 anonymen Binnenvertriebenen, die sich für die Weitergabe ihrer Standortdaten entschieden hatten.

„Anhand dieser Aufzeichnungen konnten wir anhand regelmäßiger Muster vor der Invasion die Wohnorte der Menschen auf regionaler Ebene schätzen. Um sicherzustellen, dass diese begrenzten Daten repräsentativ für die gesamte Bevölkerung verwendet werden können, haben wir unsere Schätzungen mit Umfragedaten der Internationalen Organisation für Migration der UNO verglichen“, sagte Shibuya.

„Von dort aus haben wir untersucht, wann und wohin die Menschen kurz vor und einige Zeit nach Beginn der Invasion zogen. Die Mehrheit der Binnenflüchtlinge stammte aus der Hauptstadt Kiew, und einige verließen die Stadt bereits fünf Wochen vor dem 24. Februar, vielleicht in Erwartung dessen, obwohl es zwei Wochen nach diesem Tag viermal so viele Menschen waren. Eine Woche später gab es jedoch Hinweise darauf, dass einige Menschen wieder zurückkehrten.“

Dass manche Menschen in die betroffenen Gebiete zurückkehren, ist nur ein Faktor, der Bevölkerungsmobilitätsmodelle durcheinander bringt – tatsächlich ziehen Menschen zwischen Orten hin und her, manchmal sogar mehrmals. Der Versuch, dies mit einer einfachen Karte mit Pfeilen zur Anzeige der Bevölkerungszahlen darzustellen, könnte schnell unübersichtlich werden. Shibuyas Team verwendete farbkodierte Diagramme zur Visualisierung seiner Daten, die es ermöglichen, Bevölkerungsbewegungen in und aus Regionen zu verschiedenen Zeiten oder dynamische Daten in einem einzigen Bild zu sehen.

„Ich möchte, dass Visualisierungen wie diese humanitären Organisationen dabei helfen, abzuschätzen, wie sie menschliche und materielle Ressourcen wie Nahrungsmittel und Medikamente verteilen sollen. Da sie Informationen über dynamische Veränderungen in der Bevölkerung liefern und nicht nur über Bewegungen von A nach B, könnte dies meiner Meinung nach bedeuten, dass die Hilfe effizienter dort ankommt, wo sie gebraucht wird, und zwar zum richtigen Zeitpunkt. So werden Verschwendung und Gemeinkosten reduziert“, sagte Shibuya.

„Eine weitere Erkenntnis, die wir gewonnen haben und die nützlich sein könnte, ist, dass die Migrationsmuster der Menschen variieren und der sozioökonomische Status dabei eine Rolle zu spielen scheint. Menschen aus wohlhabenderen Gegenden tendieren dazu, weiter von ihrem Zuhause wegzuziehen als andere. Es gibt eine demografische Vielfalt und gute Simulationen sollten diese Vielfalt widerspiegeln und nicht zu viele Annahmen treffen.“

Das Team arbeitete bei dieser Studie mit der Weltbank zusammen, da die internationale Organisation die für die Analysen erforderlichen Daten bereitstellen konnte. Sie hoffen, auch andere Situationen untersuchen zu können, wie etwa Naturkatastrophen, politische Konflikte, Umweltprobleme und mehr. Letztendlich hofft Shibuya, durch derartige Forschung bessere allgemeine Modelle des menschlichen Verhaltens in Krisensituationen zu erstellen, um einige der Auswirkungen dieser Situationen abzumildern.