Big Data gegen Armut

This post is also available in: English (Englisch)

Die Pandemie hat weltweit die Armutslage verschärft: 2030 werden zwei Drittel der Erdbevölkerung in fragilen und mit Konflikten durchzogenen Volkswirtschaften leben. Gegenwärtig leben ca. 7 Milliarden Menschen auf unserer Erde, dennoch produzieren wir genügend Lebensmittel für 10 Milliarden. Wussten Sie, dass zwei Minuten Sonnenlicht, den Bedarf an Strom für ein Jahr abdecken kann?. Trotzdem werden 39 von 1000 Kindern ihr fünftes Lebensjahr nicht erreichen, währenddessen besitzen die reichsten 1% der Weltbevölkerung 44% des gesamten Vermögens dieser Erde. Macht Sie dieser Gedanke wütend? Glücklicherweise muss Armut nicht weiter von Generation zu Generation gegeben werden. Denn sie kann aus der Welt geschaffen werden. Daher widmen wir uns in diesem Artikel dem Thema, wie Big Data Armut endgültig besiegen kann.

Auswirkungen von Armut

Sie ging in ihr kleines Heim, das frei von angemessenen Möbeln war. Sie konnte sich nicht mal ordentliches Geschirr leisten, um ihrer Familie eine Mahlzeit vorzusetzen. Nach der ausbeutenden Arbeit in der Fabrik, kann sie sich kaum frisch machen und ausruhen.

Nach einem harten Arbeitstag auf der Baustelle, ging er nach Hause. Die liebevolle Begrüßung seiner abgemagerten Kinder ist vermutlich das letzte Bisschen Hoffnung, das er den ganzen Tag gesehen haben wird.

Diese Erfahrungen sind vermutlich dramatische Auslegungen, geschrieben aus der Sicht unserer Gesellschaft auf Armut, aber Sie verstehen, was ich meine. Diese Geschichten sind alles andere als schön.

Obwohl seit den 1990ern Fortschritte im Kampf gegen Armut gemacht werden, müssen mehr als 737 Millionen Menschen (ca. 10% der Weltbevölkerung) mit weniger als 1,60 Euro täglich auskommen. Das legt die Weltbank als Definition für extreme Armut fest.

Es ist keine große Überraschung, dass die Pandemie die Situation verschlimmert hat. Viele bereits in Armut lebende Menschen haben Jobs verloren, erleben steigende Preise und Störungen in systemrelevanten Einrichtungen wie im Gesundheits- und Bildungswesen.

Das Schlimmste an allem ist, dass Millionen von Kinder von Armut betroffen sind. Eine Studie der Weltbank und der UNICEF gab an, dass 385 Millionen Kinder unter extremer Armut leiden.

Aufgrund der Armut können 63 Millionen Kinder zwischen 6 und 11 Jahre, 61 Millionen Jugendliche im Alter zwischen 12 und 14 Jahren sowie 139 Millionen Jugendliche über 15 Jahren keine Schule besuchen. Erschütternde Zahlen von Minderjährigen, denen Bildung verwehrt wird.

Eine weitere Horrorzahl ist, dass 39 von 1000 Kindern nicht ihren 5. Geburtstag erleben werden. Viele dieser Todesfälle werden auf Krankheiten wie Malaria, Diarrhöe und Lungenentzündungen zurückgeführt. Die Erkrankungen sind Folgen von schlechter Ernährung, verseuchtes Wasser und ungenügender Hygienezustände. All diese Probleme können verhindert werden.

Aber alle Hoffnung ist noch nicht verloren. Big Data hat die Möglichkeiten diese Probleme anzugehen und den Menschen zu helfen.

Datenbasierte Armutsverfolgung

Im ersten Teil unserer datenbasierten Nachhaltigkeitsziele-Serie erwähnten wir ganz kurz die World Poverty Clock, die Echtzeit-Schätzungen zur aktuellen Armutslage anzeigt. Zudem präsentiert sie den Fortschritt der Länder und ob sie das erste Ziel der UN erreichen: Das Ende der Armut bis 2030.

Das heißt, ich hätte die Einschätzungen zu einem Zeitpunkt nehmen können, zu dem eine extreme Armutslage vorherrschte. Schauen wir uns aber die aktuellen Zahlen an. Jetzt gerade, während ich diesen Artikel schreibe, liegt die Zahl bei…

Die Datensätze kommen von einer standardisierten Datenbank für globale Armut. Die Datenbank beinhaltet Daten der Weltbank, des Internationalen Währungsfonds, der World Data Lab, der International Income Distribution Data Set, der World Economic Outlook und Regierungen auf der ganzen Welt.

Diese Methode, die von Fachleuten geprüft wurde, nutzt die Lorenzkurve, um das Einkommen und die Ausgaben der Weltbevölkerung darzustellen. Außerdem berechnet sie die Geschwindigkeit mit der die Armutszahlen in den verschiedensten Ländern sinken und vergleicht sie mit der Durchschnittsgeschwindigkeit, die benötigt wird, um das erste Nachhaltigkeitsziel der UN zu erreichen.

Es scheint, als würden viele Ressourcen und Arbeit in den Betrieb der World Poverty Clock fließen. Dieser Tracker scheint die Zeit und Energie Wert zu sein, aber es gibt noch einen weiteren Tracker namens Robin Hood.

Allerdings unterscheidet sich Robin Hood von der World Poverty Clock darin, dass sie New Yorks größte Organisation im Kampf gegen Armut ist. Sie versorgt die Bürger mit Lebensmitteln, Unterkünften, Bildung, Rechtshilfen, Arbeit etc.

So besitzt Robin Hood seinen eigenen Tracker, der dazu dient, die Probleme der New Yorker zu verfolgen und sie mit gezielten Hilfen zu unterstützen.

Das Center on Poverty and Social Policy der Universität von Columbia ist eine Partnerorganisation. Laut ihr, basiert der Tracker der Robin-Hood-Organisation auf Studien die jedes Quartal durchgeführt werden. Die Studie untersucht detaillierte Informationen über das Einkommen, die Materialversorgung und die Gesundheit von 2.300 Haushalten. Im Jahr 2015 stieg diese Zahl auf 4.000 Haushalte in New York City.

Wenn die Daten des Trackers verstanden werden, können im nächsten Schritt Maßnahmen in den betroffen Gemeinden eingeleitet werden, um die Armutslage zu lindern.

Armutslinderung

Zu den Big-Data-Quellen für Armutslinderung gehören Mobilfunkdaten, Satellitenbilder und biometrische Daten. Letzten Endes können all diese Daten zusammengeführt werden, wie in einem Geschäftsmodell, um ein klareres Bild der Wirklichkeit zu erhalten.

Mobilfunkdaten können die Lücken einer Volksstudie füllen, da Mobilgeräte vermehrt in Entwicklungsländern zum Einsatz kommen. Beispielsweise liegt der Einschaltungsgrad der Elfenbeinküste bei 83%.

So können Mobilgerätaktivitäten als Beispiele für Zeitreihenveränderungen in sozioökonomischen Zuständen genutzt werden. Dazu gehören beispielsweise Anomalien oder Abweichungen in den Daten. Die Methode kann in Echtzeit durchgeführt werden. So können z. B. Anrufdetails mit Vermögensmustern verknüpft werden. Die gewonnenen Daten können auch in Trackern integriert werden.

In Teil 2 unserer Artikelserie zu den UN-Nachhaltigkeitszielen haben wir beschrieben, wie auch eine staatlich geförderte Online-Plattform dabei helfen kann, Mobilfunkdaten in den ärmsten Regionen des Landes zu sammeln. Mittels dieser Plattform können Einwohner Updates über ihre aktuelle sozioökonomische Lage weitergeben und ihre Nöte äußern, damit ihnen angemessene Hilfeleistungen gesendet werden.

Satellitenbilder können andererseits mit Machine-Learning-Programmen und Datenanalysen kombiniert werden, um raumbezogene Armutstrends zu erkennen.

Ein Beispiel für die Verwendung von Satellitendaten ist ein Pilotprojekt, das in Sri Lanka durchgeführt wurde. In dem Projekt wurden Merkmale beispielsweise wie dicht die Gebäude aneinander gebaut werden, die Höhe der Häuser, die Bebauung der Gegenden, die Anzahl der Dächer, die Beschaffenheit der Dächer, die Üppigkeit der Vegetation, der Zustand der Straßen und die Größe des Verwaltungsbereich festgehalten. All diese Faktoren können Hinweise auf den Wohlstand des Gebietes geben.

Indien ist dafür bekannt biometrische Daten zu nutzen, um sicherzugehen, dass die passende Hilfe bei den richtigen Menschen ankommt. Zudem wird Korruption durch einen einzigartigen Personalausweis namens Aadhaar verhindert.

Durch die Verwendung von biometrischen Daten können einzigartige Personalausweise an die Bürger ausgestellt werden. Ärmere Menschen können dann effektiv an Hilfe und Förderungen gelangen, indem ihre Identität sofort verifiziert wird.

Mobilfunk-, Satelliten- und biometrische Daten könne genutzt werden, um Hilfsbedürftige zu identifizieren und ihnen die angemessene Hilfe zu schicken. Gleichzeitig können diese Daten dazu verwendet werden, Menschen in das finanzielle Geschehen zu integrieren. Dann können Bürger ohne formellen Kredit Mobile-Banking nutzen.

Die Armutsbekämpfung wäre aber unvollständig, wenn die Arbeitslosigkeitsquote nicht angesprochen wird. Das heißt aber nicht, das eine Arbeitsstelle garantiert, dass jemand nicht mehr in Armut lebt, da viele Unternehmen die Menschen ausbeuten. Eine Arbeit ist dennoch eine Möglichkeit, sich seinen Lebensunterhalt zu finanzieren.

Wenn nun ordentliche Arbeitsstellen geschaffen und an die Menschen vermittelt werden, die sie brauchen, dann könnten die Armutszahlen sinken. Alles was man dazu braucht sind Mobilfunkdaten, die Arbeitslosigkeitstrends erkennen.

Im Jahr 2015 veröffentlichte der Journal of the Royal Society Interface einen Bericht darüber, wie der Mobiltelefongebrauch und die Aktivität auf sozialen Medien einen Eindruck über das Beschäftigungsverhältnis einer Person preisgeben kann. Dazu wird untersucht, was mit Mobilfunkdaten geschieht, wenn es in irgendeinem Unternehmen zu Massenentlassungen kommt.

Big Data zu nutzen, um ärmeren Menschen zu helfen, ist eine Dringlichkeit

Big Data zu nutzen, um den Menschen zu helfen, der Armut zu entkommen, hängt maßgeblich davon ab, ob ihnen das richtige Werkzeug mitgegeben wird. Nur so können sie die Kontrolle über ihren Lebensunterhalt und ihre sozioökonomische Situation erlangen.

Nicht alles wird durch diese Taktik gelöst werden, aber es ist ein guter Anfang. Mit Big Data können wir bestimmen, wie viele Menschen in Armut leben, wer sie sind, wo sie leben, was sie brauchen, um zu überleben etc. Aber vielleicht ist da noch weitaus mehr, was im Bereich sozioökonomischer Strukturen und staatlicher Regelungen bezüglich der Armutslinderung untersucht werden muss.

Da uns nun alle Technologie und Big-Data-Ressourcen zur Verfügung stehen, um die richtigen Schritte einzuleiten, müssen wir nur noch Regierungen und Unternehmen mit ins Boot holen, sodass sie für dieses wichtige Ziel zusammenarbeiten.

Der Armut ein Ende zu setzen, kann nicht stark genug betont werden. Wenn Sie das Ausmaß noch nicht ganz erfasst haben, dann fragen Sie sich das Folgende:

Die Erde hat genügend Ressourcen, um der Armut ein Ende zu bereiten. Wollen Sie wirklich in einer Welt leben, in der die Armen immer ärmer werden?