GIZ Data Lab

Unkonventionell, innovativ und experimentell - das GIZ Data Lab versteht sich als eine Plattform, die Denker und Praktiker zusammenbringt um die effektive, faire und verantwortungsvolle Nutzung digitaler Daten in der nachhaltigen Entwicklungszusammenarbeit zu fördern. Seit seiner Gründung im Januar 2019 arbeitet das Team agil und chancenorientiert, erforscht neue Trends und entwickelt zukunftsorientierte Lösungen in den Partnerländern der GIZ.

Das GIZ Data Lab-Team führt eine Vielzahl an Experimenten im Data4Development-Bereich durch, die in ihrem zeitlichen und thematischen Umfang begrenzt sind und auf konkreten Arbeitshypothesen basieren.

 

Großes Potenzial nicht-traditioneller Daten für reale Wirkung   

In einer zunehmend digitalisierten Welt bergen nicht-traditionelle Datenquellen, wie beispielsweise Satelliten- oder Mobilfunkdaten, großes Potenzial für die internationale Entwicklungszusammenarbeit. Gleichzeitig wirft die verstärkte Anwendung neuartiger Analysetechniken auch wichtige ethische und datenschutzrechtliche Fragen auf. Die Experimente des GIZ Data Labs dienen der Erprobung und Prototypisierung von datenbasierten Methoden – stets vor dem Hintergrund eines klaren Innovationsanspruches und sektorübergreifender Verantwortung.

Starke Partnerschaften und effektives Lernen  

Ein starker Fokus auf Partnerschaften, insbesondere in den Bereichen Innovation, Konzeption und Umsetzung, ist für das GIZ Data Lab von besonderer Bedeutung. Das Team kooperiert mit führenden Akteuren aus der Entwicklungszusammenarbeit, Wirtschaft, Forschung und Politik, um Initiativen vielseitig und inklusiv zu gestalten. Dabei wird von den Stärken des jeweils anderen profitiert und eine größere Wirkung erzielt als es mit einer Vielzahl von Einzelinitiativen möglich wäre.  

Das GIZ Data Lab versteht sich als eine lernende Einheit welche dem “Working Out Loud”- Prinzip folgend seine Prozesse transparent kommuniziert. Somit wird die stetige Weiterentwicklung der Experimente sichergestellt und neue Ideen innerhalb des Partnernetzwerkes angestoßen. Die wichtigsten Kanäle für die Bereitstellung von Erfahrungen und Informationen sind hier der GIZ Data Lab Blog und Twitter-Kanal.    

Setzen Sie sich gerne mit uns in Verbindung, wenn Sie an einer Zusammenarbeit oder an einem inhaltlichen Austausch interessiert sind. 

Nachstehend finden Sie eine Beschreibung einiger der Experimente, an denen wir zurzeit arbeiten.

Experiments

Künstliche Intelligenz in der Landwirtschaft

Der Einsatz künstlicher Intelligenz in der Landwirtschaft deckt verschiedenste Themenfelder ab, wie die effektive Schädlingsbekämpfung, Verwendung von autonomen Erntemaschinen und Überwachung von Boden- und Pflanzengesundheit. Im Rahmen des Experiments "AI Training Data For Agriculture" ging das GIZ Data Lab in Burkina Faso der Frage nach: Lassen sich lokale Cashewkulturen automatisch identifizieren und saisonale Ernteerträge so prognostizieren, dass Kleinbauern effizienter und profitabler arbeiten können?

Das interdisziplinäre Team kombinierte öffentliche Satellitenbilder und GIZ-eigene Projektdaten, welche Informationen über lokale Anbaumethoden, Bodenqualität und jährliche Erträge beinhalteten. Auf Basis dieser Daten lernte der Algorithmus, Gebiete zu identifizieren welche sich besonders gut für den Anbau von Cashewnüssen eigneten. Im nächsten Schritt wurde der Prototyp eines Informationssystems entwickelt, dass Kleinbauern vor Ort hilft bestehende Anbaugebiete zu optimieren und neue Flächen zu erschließen.

Das Experiment zeigt, dass die Kombination von unternehmenseigenen Projektdaten mit großvolumigen, nicht-traditionellen Datenquellen spannende, neue Erkenntnisse für den Agrarsektor generiert und großes Potenzial für neue Innovationen birgt. Weitere Informationen finden Sie hier.   

 

Data4Mobility

Die Data 4 Mobility-Experimente in Dar es Salaam, Tansania, und Bangkok, Thailand, tragen mit Hilfe neuer Datenquellen zu einem nachhaltigeren Leben in Großstädten bei. Durch die Kombination von Satellitendaten, Wetterdaten, lokalen Statistiken und App-Daten von Transportdienstleisten ist es möglich, städtische Mobilität besser vorzusagen und Interventionen zielgerichteter zu gestaltet.

In Dar es Salaam wurde ein Dashboard entwickelt, welches verschiedene Datenquellen mit Fahrplänen von öffentlichen Verkehrsmitteln wie Bus und Bahn verbindet. Dabei greift es eine Vielzahl lokaler Anforderungen und Fragestellungen auf, um Stadtplaner vor Ort bei der Entwicklung eines nachhaltigen Mobilitätskonzeptes zu unterstützen. Mehr dazu erfahren Sie hier.   

In Bangkok wurden mit Hilfe von App-Daten eines lokalen Transportdienstleisters Modelle trainiert, welche für die Stadtplanung relevante Verkehrsflussanalysen, Geschwindigkeitsmessungen häufig befahrener Streckenabschnitte sowie Luftqualitätsschätzungen bereitstellen. Hier können Sie mehr unsere Aktivitäten in Bangkok erfahren.    

 

Risikomodell für Intimpartnergewalt (IPV) zur Unterstützung von Risikopersonen in Mexiko

Frauen und Mädchen sind besonders stark von den Folgen der Covid-19 Pandemie betroffen. Dies trifft beispielsweise auf negative wirtschaftliche Auswirkungen zu, die zuvor bereits bestehende Ungleichheiten zwischen den Geschlechtern noch verstärken können. Daneben sind sie auch zunehmend durch oftmals unsichtbare Folgen der Pandemie betroffen. In unserem Projekt in Mexiko widmet sich das GIZ Data Lab einer dieser unsichtbaren Konsequenzen, welche Regierungen und Menschenrechtsorganisationen weltweit alarmiert: Dem drastischen Anstieg von geschlechterbezogener Gewalt. 

Um die Reaktion auf die so genannte "Schattenpandemie" zu optimieren, erproben das GIZ Data Lab und seine Partner eine Kombination verschiedener, nicht-traditioneller Datenquellen, um gefährdete Personengruppen besser einzugrenzen und deren Unterstützung effizienter zu kanalisieren. Ziel des Projektes ist die Entwicklung eines Risikomodells, welches lokale Entscheidungsträger in Mexiko dabei unterstützt, die Gebiete und Nachbarschaften zu identifizieren in welchen Frauen und Mädchen einem höheren Risiko häuslicher Gewalt ausgesetzt sind.  Faktoren, die im Rahmen von Covid-19 geschlechterbezogene Gewalt verstärken und an denen Interventionen ansetzen könnten.

Für eine erfolgreiche und nachhaltige Projektdurchführung ist es unerlässlich, den Prototyp des Risikomodells und die damit verbundenen Lernerfahrungen in einen breiteren Diskurs zu integrieren. Daher wird ein Council for the Orientation of Development and Ethics (CODE) eingerichtet, der sicherstellt, dass der kulturelle Kontext einer Region und das Do-No-Harm-Prinzip im gesamten Projektverlauf berücksichtigt werden.

Data Powered Positive Deviance

Positive Deviance basiert auf der Beobachtung, dass es in jeder Gemeinschaft Individuen oder Gruppen gibt, die verschiedenste Herausforderungen trotz ähnlicher Bedingungen und Ressourcen deutlich besser als ihre Peers lösen. Die Methode wurde erstmals in den 90er Jahren erfolgreich von Monique und Jerry Sternin im Bereich der Kinderernährung in Vietnam in einem Entwicklungskontext angewandt. Die außergewöhnlichen Verhaltensweisen von Positive Deviants sind häufig auf den lokalen Kontext angepasst, benötigen keine oder wenige zusätzlichen Ressourcen, sind potenziell skalierbar und bieten daher eine wichtige Ergänzung für die Entwicklungszusammenarbeit.

Um den bisher hohen Zeit- und Ressourceneinsatz zu reduzieren, den es braucht, um Positive Deviants im Feld zu finden, arbeiten das GIZ Data Lab gemeinsam mit den UNDP Accelerator Labs, der University of Manchester und Pulse Lab Jakarta am Einsatz neuer digitaler Datenquellen um Positive Deviants zu finden (Data Powered Positive Deviance).

Im Rahmen der Data Powered Positive Deviance Initiative testen wir diese in insgesamt sieben Pilotprojekte: in Indonesien, Mexiko, Ecuador, Niger, Somaliland, Guinea und Deutschland. Die Piloten decken bewusst eine weite Bandbreite an Sektoren und geographischen Regionen ab, um das Potenzial von DPPD für die GIZ und die Entwicklungszusammenarbeit zu erforschen: Von Dörfern mit Reisanbau in Indonesien über sichere, öffentliche Räume für Frauen in Mexiko bis hin zu Landkreisen, die während der Covid-19 Pandemie in Deutschland unerwartet gut abgeschnitten haben. Mehr Informationen finden Sie auf dem GIZ Data Lab Blog und auf dem organisationsübergreifendem Medium Blog der Data Powered Positive Deviance Initiative.