Mit seinem Decoder-Programm will Amnesty International Menschenrechtsverletzungen und Umweltschäden aufdecken – unterstützt von intelligenten Computerprogrammen und Tausenden digitalen Freiwilligen. RESET sprach mit der Leiterin von Amnesty Decoders, Milena Marin, über das Projekt „Decode Darfur“ im Sudan.
Von dem andauernden Konflikt in der Region Darfur im Westsudan sind seit 2003 über drei Millionen Menschen betroffen. Jüngsten Berichten zufolge hat die Regierung sogar chemische Waffen gegen die Zivilbevölkerung eingesetzt. 2016 begann die Menschenrechtsorganisation Amnesty International im Rahmen seines Decoder-Projekts mit der Verfolgung der Schäden, die den Dörfern in Darfur zugefügt wurden.
Im Rahmen des Decoder-Programms können Freiwillige zu digitalen Menschenrechtsaktivist*innen werden, indem sie Amnesty International helfen, riesige Mengen digitaler Informationen zu sichten, verwertbare Daten aufzudecken, die Menschenrechtsverletzungen belegen, und die Kampagnen der Organisation unterstützen. Da die Daten aus einer wachsenden Zahl von Quellen stammen – von Nachrichten in den sozialen Medien bis hin zu Satellitenbildern und Luftaufnahmen – kommt den Decoder-Freiwilligen eine entscheidende Rolle dabei zu, die Unmengen an Datenmaterial in einen Kontext zu setzen.
Auf RESET haben wir bereits 2018 über ein Decoder-Projekt berichtet; damals werteten Freiwillige Dokumente und Bilder aus, um Umweltschäden durch Ölverschmutzungen im Nigerdelta zu identifizieren.
Im Rahmen des aktuellen „Decode Darfur“-Projekts sortiert ein Team von Freiwilligen Satellitenbilder von Darfur, um Angriffe zurückzuverfolgen und Beweise dafür zu finden, dass Zivilisten systematisch angegriffen wurden. Unterstützt durch eine einfache Online-Demo ist das Programm für jeden zugänglich, der ein digitales Gerät besitzt. Die über 6.000 Freiwilligen, die an dem Projekt arbeiten, sind rund um den Globus verteilt.
Seit kurzem bekommt das Projekt Decode Darfur weitere Unterstützung: Mithilfe von Verfahren des maschinellen Lernens sollen die Auswirkungen des gewalttätigen Konflikts im gesamten Sudan besser verfolgt werden können.
Als Amnesty International mit der Dokumentation des Konflikts in Darfur begann, musste zunächst jedes Dorf in der Region lokalisiert und identifiziert werden – die sudanesische Bevölkerung war bis dahin noch nicht genau erfasst worden. Die „Decoder“ von Amnesty durchsuchten daher Tausende von Nahaufnahmen von Satelliten nach bestimmten Hinweisen, wo sich Menschen aufhielten, wie zum Beispiel gerade Linien oder wiederkehrende Formationen. Im zweiten Teil des Projekts verglichen die Decoder dann Luftaufnahmen dieser Dörfer mit Bildern aus späteren Jahren, um herauszufinden, wann und wo die Zivilbevölkerung zu Schaden gekommen war. Dies war nur mit Hilfe von Freiwilligen möglich, wie Milena Marin, die Leiterin des Decoders-Projekts, erklärt:
„Obwohl wir einige Bildanalytiker haben, analysieren wir nie in großem Maßstab – es war also in dieser Hinsicht eine Premiere. Die Anzahl der Freiwilligen, die wir engagieren konnten, schränkte uns allerdings noch immer ein.“
Die Entscheidung, mehr aus Amnestys „Decode Darfur“-Daten zu machen, entstand 2016 in einem Treffen mit Ex-Google-Mitarbeiter Julien Cornebise. Laut Marin sagte Cornebise damals: „Ich glaube, Amnesty sitzt auf einer Goldmine aus Daten, und wenn ihr Freiwillige für diese Aufgaben ausbilden konntet, solltet ihr auch in der Lage sein, einen Algorithmus zu trainieren.“
Er schlug vor, die Daten aus den Trainingserfahrungen der Freiwilligen zu verwenden, um den Prozess des maschinellen Lernens zu unterstützen. In den folgenden zwei Jahren arbeitete Marin zusammen mit Cornebise daran, diese Idee zu verwirklichen. Dabei trainierten sie Algorithmen, die zuvor schon von Wissenschaftler*innen und NGOs verwendet worden waren, jedoch nie im Kontext von Menschenrechten.
Als sich Cornebise 2018 dem Startup Element AI anschloss, beschleunigte sich alles. Davor waren die Ressourcen der Decoder begrenzt, da sie Aufnahmen von Google Earth verwendeten, um bestimmte Gebiete in Darfur zu analysieren, oder sich auf öffentliches Bildmaterial stützten. Für die Dekodierung selbst stellte dies kein Problem dar – aber der Zugriff auf Daten für maschinelles Lernen war eine andere Sache. „Wir waren nicht in der Lage, das Projekt in vollem Umfang durchzuführen, weil wir dazu die Bilder herunterladen hätten müssen – und genau das konnten wir nicht“, erklärt Marin. Nachdem sie sich mit Element AI zusammengetan hatten, erhielten die Decoder Zugang zu herunterladbaren Satellitenbildern für ihre maschinellen Lernprozesse und konnten die Genauigkeit ihrer neuen Algorithmen verbessern. „Jetzt befinden wir uns in der Testphase; wir vergleichen die Genauigkeit des Algorithmus mit den Expertendaten.“
Damit half Element AI den Amnesty Decoders bei der Bewältigung ihrer bisher größten Herausforderung: dem Zugang zu Daten und Forschenden. Und obwohl sich Marin bewusst ist, dass das Startup die Art und Weise, wie es in Zukunft Pro-Bono-Partnerschaften durchführt, verändern könnte, machen Decoders jetzt das Beste aus der Unterstützung. „Wir könnten es uns nicht leisten, den vollen Satz für dieses High-End-Maschinenlernen in unserem Sektor zu bezahlen.“
Decode Darfur ist das bisher größte Projekt von Amnesty Decoders: 6.438 Freiwillige haben sich zusammengetan, um auf einem Gebiet von 326.000 Quadratkilometer Menschenrechtsverletzungen aufzudecken. Der Einsatz von maschinellem Lernen kann das Potenzial der starken Freiwilligenbasis des Projekts noch zusätzlich erweitern. KI macht es einfacher, die riesigen Datenmengen zu verarbeiten, die die Forscher*innen von Amnesty gesammelt haben, und so viel mehr Gebiete abzudecken und ihre Arbeit auf das ganze Land auszudehnen.
Marin berichtet RESET, dass die Decoder trotz begrenzter Budgets und der Partnerschaft mit Unternehmen, die andere kommerzielle Prioritäten haben, Fortschritte bei der KI gemacht haben. Daraus ist sogar eine Forschungsarbeit entstanden – die allerdings bisher unveröffentlicht ist, damit die Daten nicht in falschen Hände geraten und die sudanesische Bevölkerung am Ende gar weiter gefährden. „Wir wollen der sudanesischen Regierung nicht unbedingt eine Hitliste geben“, betont Marin.
Decode Darfur ist nicht das einzige Projekt, für das Amnesty Decoders Unterstützung von Element AI bekommt. Auch im Rahmen ihrer „Troll-Patrouille“, bei der Freiwillige an Frauen gerichtete Tweets auf diskriminierende und beleidigende Nachrichten hin scannen, kommen deren Algorithmen zum Einsatz. Doch gerade bei der Sprachverarbeitung hat das maschinelle Lernen noch einen langen Weg vor sich, bevor es die menschliche Genauigkeit einholt: Die Algorithmen, die Tweets auf Diskriminierung scannen, sind bisher nur halb so genau wie menschliche Analytiker*innen. „Beim Verstehen von Sprache gibt es mehr Nuancen, und manchmal erkennen selbst Menschen diese Nuancen nicht“, erklärt Marin.
Im Gegensatz dazu sind Satellitenbilder für das maschinelle Lernen leichter zu identifizieren und zu differenzieren, weil es einfacher ist, Computern visuelle Regeln beizubringen als sprachliche. „Das Sehen am Computer wird schon seit langem entwickelt, während die Verarbeitung natürlicher Sprache noch im Entstehen begriffen ist. Nun, da die Sprachverarbeitung ein wachsender Bereich ist, werden wir hoffentlich sehen, wie sich die Genauigkeit im Laufe der Jahre verbessert.“
Die Freiwilligen haben an ihren gemeinsamen Decoder-Projekten Freude und leisten einen wichtigen Beitrag – aber könnte die KI sie irgendwann ersetzen? „Ich glaube nicht, dass wir jemals aufhören werden, Freiwillige einzusetzen“, sagt Marin. „Es liegt in unserer DNA. Genau dafür ist Amnesty da: um viele Menschen zu engagieren. Und so gut die Technologie heutzutage auch ist – wir haben gehört, was Algorithmen leisten können! – Freiwillige sind viel besser und schneller, und sie haben ein Ziel.“ Für Marin geht es beim Einsatz von KI und maschinellem Lernen nicht darum, Freiwillige zu ersetzen, sondern sie in einer symbiotischen Beziehung zu unterstützen. „Letztlich wollen wir eine Kombination aus beidem haben. Wir sind gerade an einem Punkt, an dem wir die Daten unserer Freiwilligen als Trainingsdaten für die KI verwenden können. Es wäre großartig, das auch andersherum zu machen: mit den KI-Daten beginnen und die maschinellen Anmerkungen von den Freiwilligen überprüfen lassen.“ Man kann das Zusammenspiel von KI und Freiwilligen also so betrachten: Während KI Funktionalität im großen Maßstab liefert, sorgen die menschlichen Mitwirkenden für die nötige Tiefe.
Am Ende des Tages, betont Marin, hat die Projektgemeinschaft eine große Bedeutung. Nachdem die Zahl der Mitglieder von 2.000 auf 20.000 anstieg, war es die Darfur-Gruppe, die Amnesty veranlasste, ein Online-Forum zu eröffnen, in dem die Mitglieder ihre Ergebnisse miteinander diskutieren konnten. Zu Marins Überraschung „begannen die Leute wie verrückt zu reden. Wir hatten Tausende und Abertausende von Gesprächen auf dem Forum“. Also luden sie die aktivsten Mitglieder ein, ebenfalls zu moderieren, und stellten fest, dass die Leute das sehr gut annahmen. „Es war wirklich unglaublich zu sehen, wie Mitglieder, die anfangs nur E-Mail erhielten oder Tweets lasen, bei Amnesty zu fähigen Moderator*innen wurden.“ Menschliche Beiträge stehen also weiterhin im Mittelpunkt des Decoder-Projekts. Und vielleicht kann KI ja die Leidenschaft und das Engagement der Freiwilligen noch weiter fördern...
Dieser Artikel ist eine Übersetzung von Sarah-Indra Jungblut. Das Original erschien auf unserer englischsprachigen Seite.
Wie kann KI im Umwelt- und Klimaschutz wirkungsvoll eingesetzt werden? Welche spannenden Projekte gibt es? Was sind die sozial-ökologischen Risiken der Technologie und wie sehen Löungen aus? Antworten und konkrete Handlungsempfehlungen geben wir in unserem Greenbook(1) „KI und Nachhaltigkeit – Können wir mit Rechenleistung den Planeten retten?“.
Dieser Artikel ist Teil des Dosssiers „Künstliche Intelligenz – Können wir mit Rechenleistung unseren Planeten retten?“. Alle Artikel des Dossiers findest du hier: Dossier KI
Das Dossier ist Teil der Projekt-Förderung der Deutschen Bundesstiftung Umwelt (DBU), in deren Rahmen wir vier Dossiers über zwei Jahre zum Thema „Chancen und Potenziale der Digitalisierung für eine nachhaltige Entwicklung“ erstellen.
Mehr Informationen hier.
Mit seinem Decoder-Programm will Amnesty International Menschenrechtsverletzungen und Umweltschäden aufdecken – unterstützt von intelligenten Computerprogrammen und Tausenden digitalen Freiwilligen. RESET sprach mit der Leiterin von Amnesty Decoders, Milena Marin, über das Projekt „Decode Darfur“ im Sudan." ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(95) "amnesty-international-deckt-ki-und-digitalen-freiwilligen-menschenrechtsverletzungen-im-sudan-0" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2023-05-02 15:44:13" ["post_modified_gmt"]=> string(19) "2023-05-02 13:44:13" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(118) "http://reset.org/blog/amnesty-international-deckt-ki-und-digitalen-freiwilligen-menschenrechtsverletzungen-im-sudan-0/" ["menu_order"]=> int(746) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [1]=> object(WP_Post)#7752 (24) { ["ID"]=> int(39692) ["post_author"]=> string(3) "404" ["post_date"]=> string(19) "2020-01-02 05:18:17" ["post_date_gmt"]=> string(19) "2020-01-02 05:18:17" ["post_content"]=> string(6994) "
Kartendaten sind essentiell, um Menschen in Konflikt- oder Katastrophengebieten schnell und effizient zu helfen. Ein Gemeinschaftsprojekt von Hilfsorganisationen hat eine App entwickelt, mit der jede*r helfen kann, kritische Lücken in der Weltkarte zu füllen.
Millionen von Menschen weltweit sind von Umweltkatastrophen, Krankheiten und Konflikten betroffen. Humanitäre Hilfskräfte müssen oft eine große Anzahl von Menschen unterstützen, die über große Gebiete verteilt leben. Für sie ist es daher entscheidend zu wissen, wo sich die am stärksten gefährdeten Gruppen befinden, die am dringendsten Hilfe benötigen. Allerdings ist bei Millionen von Menschen weltweit nicht auf Karten verzeichnet, wo sie sich befinden ––, wodurch Hilfsmaßnahmen für diese Communities schwierig und ineffizient sind. MapSwipe ist eine mobile Anwendung, die hierfür eine auf Crowdsourcing basierende Lösung bietet und es Freiwilligen auf der ganzen Welt ermöglicht, diese Communities auf die Karte zu setzen.
Wer die App herunterlädt, bekommt von MapSwipe eine Mission: zum Beispiel Hilfe für Geflüchtete in Kolumbien oder medizinische Versorgung in Venezuela. Den Nutzenden werden dann Satellitenbilder der entsprechenden Gebiete angezeigt. Alles, was die Nutzenden tun müssen, ist Klicken und Swipen, um in der App festzulegen, wo sich kritische Infrastrukturen und die Menschen befinden. In einem Tutorial wird erklärt, wie man in den Satellitenbildern Anzeichen von Bewohnern anzeigt: Man tippt einmal auf die Bildkacheln, die ein Gebäude oder eine Straße zeigen, zweimal, wenn es sich möglicherweise um entsprechende Infrastrukturen handelt – wenn man also nichtgenau sagen kann, ob es sich um ein Bauwerk oder eine natürliche Formation handelt – und man tippt dreimal, wenn entsprechende Bilder entweder fehlen oder von Wolken verdeckt sind. Die markierten Kacheln werden dann von anderen Freiwilligen verwendet, um detaillierte Karten zu erstellen.
Die MapSwipe-Freiwilligen liefern wichtige Informationen für das „Missing Maps“-Programm, ein Gemeinschaftsprojekt, bei dem eine große Gruppe von NGOs, akademischen Instituten, Unternehmen und einzelnen Kartenzeichnern die Lücken in OpenStreetMap schließen, einem von der Gemeinschaft betriebenen Projekt zur Erstellung einer freien und editierbaren Weltkarte.
Die Unterstützung der Crowd ermöglicht es dem Team von „Missing Maps“, ihre Arbeit zu beschleunigen: Sie können sich dadurch auf nur die Gebiete konzentrieren, von denen sie wissen, dass Funktionen kartiert werden müssen und wo sich Communities befinden. Die von MapSwipe bereitgestellten räumlichen Informationen aus der Crowd helfen den Dienstleistern, sich um akute Krisen zu kümmern und langfristige Infrastrukturen und Programme zu planen, um die Ernährungssicherheit, die Gesundheit und das Wohlergehen zu verbessern.
Die Anwendung ist einfach und benutzerfreundlich, und man kann von buchstäblich überall etwas beitragen, wo es eine Internetverbindung gibt – während des morgendlichen Pendelns oder in der Kaffeepause. Es gibt sogar eine Bestenliste, in der die fleißigsten Teilnehmenden des Projekts aufgeführt sind.
Seit dem ersten Release im Jahr 2015 hat MapSwipe mehr als 29.000 Freiwillige eingebunden und räumliche Daten über eine mehr als 600.000 Quadratkilometer große Fläche in 29 Ländern bereitgestellt. Ärzte ohne Grenzen nutzte die Daten von MapSwipe, um den jüngsten Masernausbruch in der Demokratischen Republik Kongo zu bekämpfen. Die Daten boten den Impfkoordinatoren eine aktuelle Momentaufnahme, wo sich die Bevölkerungsgruppen befanden, so dass sie Teams an die Orte schicken konnten, an denen sie am meisten gebraucht wurden, um eine maximale Impfdurchdringung in optimaler Zeit zu erreichen.
Wer MapSwipe ausprobiert hat und seine kartografischen Fähigkeiten noch einen Schritt weiter ausbauen möchte, kann sich direkt an das Humanitarian OpenStreetMapTeam (HOT) wenden, das auch Video-Tutorials zur Kartenbearbeitung anbietet. Wer sich hier einbringt, kann dringende Aufgaben der Kartenerstellung übernehmen und kritische räumliche Informationen zur Verfügung stellen, wenn Krisen erkannt werden. Zu den Karten, die derzeit unter dringlicher Priorität erfasst werden, gehören Taifun-, Zyklon- und Erdrutschkatastrophengebiete in Japan, auf den Philippinen und in Kenia.
Mapswipe ist ein offenes Gemeinschaftsprojekt, die vom Amerikanischen Roten Kreuz, dem Britischen Roten Kreuz, dem Humanitarian OpenStreetMap Team und Ärzte ohne Grenzen gegründet wurde. MapSwipe Analytics Tools werden vom HeiGIT (Heidelberg Institute for Geoinformation Technology) entwickelt, das derzeit an der Entwicklung einer zukünftigen Version von MapSwipe arbeitet. Diese kombiniert die per Crowdsourcing gewonnenen Daten mit Methoden des maschinellen Lernens, um den Kartierungsprozess zu optimieren.
MapSwipe steht sowohl für iPhone als auch für Android zum kostenlosen Download zur Verfügung.
Dieser Artikel ist eine Übersetzung von Lydia Skrabania. Das Original erschien zuerst auf unserer englischsprachigen Website.
" ["post_title"]=> string(74) "MapSwipe: Mit dieser App humanitäre Hilfe leisten – jederzeit, überall" ["post_excerpt"]=> string(271) "Kartendaten sind essentiell, um Menschen in Konflikt- oder Katastrophengebieten schnell und effizient zu helfen. Ein Gemeinschaftsprojekt von Hilfsorganisationen hat eine App entwickelt, mit der jede*r helfen kann, kritische Lücken in der Weltkarte zu füllen.
" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(73) "mapswipe-dieser-app-humanitaere-hilfe-leisten-jederzeit-ueberall-01022020" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2022-09-02 16:18:45" ["post_modified_gmt"]=> string(19) "2022-09-02 14:18:45" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(94) "http://reset.org/blog/mapswipe-online-volunteers-help-put-vulnerable-communities-map-01012020/" ["menu_order"]=> int(870) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [2]=> object(WP_Post)#7753 (24) { ["ID"]=> int(38945) ["post_author"]=> string(3) "197" ["post_date"]=> string(19) "2019-04-22 05:57:04" ["post_date_gmt"]=> string(19) "2019-04-22 05:57:04" ["post_content"]=> string(5998) "
Daten von Internetnutzenden können helfen, Erdbeben rascher als bisher zu lokalisieren.
Wenn ein Erdbeben ausbricht, sind möglichst schnelle und gesicherte Informationen von immenser Bedeutung. Nur damit lassen sich entsprechende Warnungen herausgeben und unverzüglich Hilfsmaßnahmen einleiten. Ein internationales Team von Forschenden hat jetzt eine Möglichkeit vorgestellt, die Daten aus bestehenden seismischen Überwachungsnetzwerken mit Zugriffszahlen auf bestimmte Webseiten, einer Smartphone-App und mit Twitter-Statistiken in Echtzeit kombiniert. Damit kann die Zeit bis zur Detektion und genauen Lokalisierung von Erdbeben deutlich reduziert werden. Das Team berichtet darüber in der Fachzeitschrift Science Advances.
Drei bis acht Minuten dauert es aktuell, bis nach einem Erdbeben die ersten Informationen über Ort und Stärke darüber bereit stehen. Errechnet wird dies aus den Signalen der seismischen Stationen von einer am Deutschen GeoForschungsZentrum (GFZ) entwickelten Software, dem globale Erdbeben-Monitoring-Dienst (GEOFON). GEOFON betreibt ein Netzwerk mit rund hundert eigenen seismischen Stationen und bindet Daten weiterer Stationen von Partnerorganisationen in die Auswertung mit ein. Er zählt zu den schnellsten Erdbebendiensten weltweit.
Über das Internet stehen diese Informationen sofort zur Verfügung und werden unverzüglich mit Partnerorganisationen geteilt, insbesondere mit dem European-Mediterranean Seismological Centre (EMSC) in Frankreich. Und auch das EMSC dokumentiert feinmaschig und macht Erdbebeninformationen in Echtzeit über seine Webseite, via Twitter und die Smartphone-App „LastQuake“ verfügbar. Gleichzeitig ist das EMSC eine Anlaufstelle für Augenzeugen von Erdbeben; sie können dort Lageberichte, Fotos und Videos von Erdbebenfolgen teilen.
Genau hier, am EMSC, haben Forschende gemeinsam mit Kolleginnen und Kollegen aus Frankreich, Deutschland und Ungarn eine neue Methode entwickelt, bei der Reaktionen von Menschen auf ein Erdbeben als weitere Information genutzt werden. Mit Hilfe dieses Crowdsourcing-Ansatzes soll die Zeit bis zur Detektion eines Erdbebens auf eine bis drei Minuten verkürzt werden. Dabei nutzen die Forschenden die Tatsache, dass viele Menschen, sobald sie ein Erdbeben wahrgenommen haben, unmittelbar versuchen, nähere Informationen im Internet zu finden bzw. auszutauschen. Je nachdem, wie schnell und an welchem Ort die Zugriffe auf Webseiten wie die des EMSC steigen und Nachrichten via Twitter abgesendet werden, lässt sich lokalisieren, wo sich das Erdbeben ereignet hat. Neben Zugriffen auf Webseiten sucht das System das Wort „Erdbeben“ in Tweets in 59 Sprachen. Diese Daten werden dann wiederum mit den seismischen Daten des GFZ kombiniert.
Mit diesem Crowdsourcing-Ansatz hat das Team bereits mehr als 1.500 Erdbeben in den Jahren 2016 und 2017 ausgewertet. Insgesamt verringerte sich die Zeit bis zur Detektion um durchschnittlich mehr als eine Minute im Vergleich zur alleinigen seismischen Auswertung.
Joachim Saul vom GFZ, einer der Koautoren der Studie, sagt in der Pressemitteilung des Instituts: „Die Ergebnisse sind spannend und auch für GEOFON relevant, da sie die Reaktion von Menschen, die ein Erdbeben selbst verspürt haben, unmittelbar mit einbezieht. Wir stehen aber erst am Anfang einer Entwicklung. Besonders die genaue Bestimmung der Erdbebenstärke bleibt eine Herausforderung.“
Auch in anderen Bereichen setzt man auf Crowdsourcing-Ansätze: Die Freiwilligen-Plattform Amnesty Decoders von Amnesty International ist ein globales Netzwerk für digitale Aktivisten, die ihre Computer oder Smartphones einsetzen, um die Recherchen von Amnesty zu unterstützen, indem sie Bildmaterial, Dokumente und Informationen sichten und so Menschenrechtsverletzungen verfolgen und aufdecken.
Das jüngste Projekt der Organisation brachte zum Beispiel schockierende Umweltschäden im Nigerdelta ans Licht. Die ehrenamtlichen Aktivisten nutzten sogenanntes „Microtasking“, um umfangreiche Aufgaben wie die Analyse tausender Bilder oder Dokumente untereinander aufzuteilen. So konnten sie neue Informationen zum Vorwurf der Fahrlässigkeit der beiden Ölgiganten Shell und Eni in Nigeria zutage fördern.
In vielen Fällen ist Crowdsourcing ein beliebter Weg, um schwierige Probleme anzugehen, wie zum Beispiel bei der App Gershad, die Iranern helfen soll, der Sittenpolizei aus dem Weg zu gehen. Oder bei der World Clean Up App, mit der illegale Müllkippen von der Crowd gemappt werden können. Und Safecity, eine indische App, ermöglicht es Frauen, ihre Erfahrungen auszutauschen und über sexuelle Belästigung zu sprechen.
" ["post_title"]=> string(44) "Crowdsourcing hilft bei Erdbebenüberwachung" ["post_excerpt"]=> string(91) "Daten von Internetnutzenden können helfen, Erdbeben rascher als bisher zu lokalisieren." ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(49) "crowdsourcing-hilft-erdbebenueberwachung-04162019" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2022-04-26 15:10:15" ["post_modified_gmt"]=> string(19) "2022-04-26 15:10:15" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(72) "http://reset.org/blog/crowdsourcing-hilft-erdbebenueberwachung-04162019/" ["menu_order"]=> int(1101) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [3]=> object(WP_Post)#7751 (24) { ["ID"]=> int(37588) ["post_author"]=> string(3) "386" ["post_date"]=> string(19) "2018-04-23 03:26:00" ["post_date_gmt"]=> string(19) "2018-04-23 03:26:00" ["post_content"]=> string(5863) "
Amnesty International führt mithilfe der Crowd umfangreiche Recherchen zu Menschenrechtsverletzungen durch. Und die Freiwilligen werden vom Sofa aus zu digitalen Aktivisten.
Du willst dich für Menschenrechte einsetzen? Mit der Freiwilligen-Plattform von Amnesty International ist das jetzt einfacher als je zuvor. Amnesty Decoders ist ein globales Netzwerk für digitale Aktivisten, die ihre Computer oder Smartphones einsetzen, um die Recherchen von Amnesty zu unterstützen, indem sie Bildmaterial, Dokumente und Informationen sichten und so Menschenrechtsverletzungen verfolgen und aufdecken.
Das jüngste Projekt der Organisation brachte schockierende Umweltschäden im Nigerdelta ans Licht. Die ehrenamtlichen Aktivisten nutzten sogenanntes „Microtasking“, um umfangreiche Aufgaben wie die Analyse tausender Bilder oder Dokumente untereinander aufzuteilen. So konnten sie neue Informationen zum Vorwurf der Fahrlässigkeit der beiden Ölgiganten Shell und Eni in Nigeria zutage fördern.
Insgesamt 3.545 Menschen aus 142 Ländern engagierten sich in dem Projekt, um Bilder und Dokumente zu überprüfen. Sie beantworteten mehr als 163.000 individuelle Fragen zu Reports und Fotos und arbeiteten dabei insgesamt rund 1.300 Stunden – jemand, der Vollzeit arbeiten würde, hätte dafür acht Monate gebraucht.
Bei dem Projekt sichtete die digitale Truppe für Amnesty Bilder von Ölteppichen und hatten die Aufgabe, die von Shell und Eni veröffentlichten Fotos zu beschreiben und zu markieren, ob dort irgendetwas Ungewöhnliches zu verzeichnen war. Der Hintergrund dafür ist, dass Ölkonzerne von Entschädigungszahlungen an betroffene Einheimischen befreit werden, wenn sie nachweisen können, dass der Ölaustritt von Dritten verursacht wurde – für gewöhnlich durch Sabotage oder Diebstahl.
Bei mindestens 89 Ölunfällen wurden begründete Zweifel hinsichtlich der von den Konzernen vorgebrachten Gründe für die Lecks festgestellt. Denn die tatsächliche Ursache lag sehr wahrscheinlich in mangelhafter Wartung und Verschleiß. Dies bedeutet, dass dutzende betroffener Gemeinden nicht die Entschädigungen erhalten haben könnten, die ihnen eigentlich zustünden. Hinzu kommt, dass das Nigerdelta bereits jetzt zu den am meisten verschmutzten Gebieten weltweit gehört und die hier lebenden Menschen ohnehin mit schwierigen Bedingungen kämpfen.
In dem Amnesty-Projekt wurden außerdem von Shell und Eni veröffentlichte Dokumente und Berichte daraufhin gesichtet, ob die Unternehmen die nigerianischen Regierungsvorschriften einhalten, wonach das Gelände, wo es zu einem Ölaustritt kommt, innerhalb von 24 Stunden nach Bekanntwerden des Vorfalls aufgesucht werden muss. Die Analysen von Amnesty zeigen, dass Shell nur in 26 Prozent der Fälle reagierte, Eni seinen Verpflichtungen immerhin bei 76 Prozent der Vorkommnisse nachgekommen ist. In einem der Fälle suchte Eni den Ort eines Öllecks allerdings erst nach 430 Tagen auf.
Die Ergebnisse der Recherchen von Amnesty werden der nigerianischen Regierung gemeldet und die Gesetzgeber zugleich aufgefordert, die Regulierungen in der Ölindustrie zu verbessern.
Jeder kann das Team von Amnesty Decoder unterstützen und an den laufenden Projekten mitarbeiten, aktuell zum Beispiel an dem Projekt #ToxicTwitter. Hier begutachten die Freiwilligen Tweets und beantworten im Anschluss Fragen dazu, ob die ausgewählten Tweets missbräuchlich oder anderweitig problematisch sind. Das Ziel des Projekts ist es, sexistische oder rassistische Tweets und andere Formen des Missbrauchs gegenüber Frauen auf Twitter aufzudecken. Mehr als 4.000 Menschen haben bereits an dem Projekt mitgearbeitet und mehr als 200.000 Fragen beantwortet. Es gibt aber noch jede Menge weitere Tweets zu sichten – etwa 500.000. Das Projekt kann also jede Hilfe gut gebrauchen!
Du möchtest Teil der Amnesty-Crowd werden? Hier erfährst du mehr zu Amnesty Decoders.
Crowdsourcing ist ein beliebter Weg, um schwierige Probleme anzugehen, wie zum Beispiel bei der App Gershad, die Iranern helfen soll, der Sittenpolizei aus dem Weg zu gehen. Oder bei der World Clean Up App, mit der illegale Müllkippen von der Crowd gemappt werden können. Und Safecity, eine indische App, ermöglicht es Frauen, ihre Erfahrungen auszutauschen und über sexuelle Belästigung zu sprechen.
Dieser Artikel ist eine Übersetzung von Lydia Skrabania. Das Original erschien auf unserer englischen Website.
" ["post_title"]=> string(75) "Amnesty Decoders: Digitale Aktivisten enthüllen Menschenrechtsverletzungen" ["post_excerpt"]=> string(184) "Amnesty International führt mithilfe der Crowd umfangreiche Recherchen zu Menschenrechtsverletzungen durch. Und die Freiwilligen werden vom Sofa aus zu digitalen Aktivisten.
" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(92) "amnesty-decoders-digital-volunteers-join-together-crowdsource-human-rights-research-04192018" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2022-04-08 10:45:35" ["post_modified_gmt"]=> string(19) "2022-04-08 10:45:35" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(115) "http://reset.org/blog/amnesty-decoders-digital-volunteers-join-together-crowdsource-human-rights-research-04192018/" ["menu_order"]=> int(1489) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [4]=> object(WP_Post)#7774 (24) { ["ID"]=> int(34190) ["post_author"]=> string(3) "197" ["post_date"]=> string(19) "2016-03-10 04:55:10" ["post_date_gmt"]=> string(19) "2016-03-10 04:55:10" ["post_content"]=> string(3663) "
Die App Ally bietet nicht nur nützliche Infos für den schnellsten Weg von A nach B, sondern will mittels Crowdsourcing auch das öffentliche Nahverkehrsnetz nachhaltiger gestalten.
Die App Allryder kennen viele Smartphone-User bereits. Was viele vielleicht noch nicht wissen: Aus Allryder ist jetzt Ally geworden und die App liefert nicht nur schnelle und einfache Wege von A nach B, sondern mit der Anwendung wird noch ein ganz anderes Ziel verfolgt: Existiert bereits ein öffentliches Nahverkehrssytem, liefert Ally Daten, um es zu optimieren. Gibt es jedoch noch kein entsprechendes Netz, könnte es mithilfe der App installiert werden.
Ersterer Fall betrifft z.B. Städte wie London, in denen manch ein Doppeldeckerbus durch ein kleineres Modell ersetzt werden könnte, wenn man nur weiß, wie es um die Auslastung zu bestimmten Zeiten steht. Dies spart nicht nur Kosten, sondern schafft auch mehr Platz auf den Straßen und reduziert CO2-Emmissionen. Im zweiten Fall sprechen wir von den vielen Städten weltweit, in denen kein offizielles Nahverkehrsnetz existiert. Hier schließen vor allem Kleinstunternehmer die Lücke, aber über den "informeller Verkehr" liegen kaum Informationen vor.
Als ein Beispiel mag hier Istanbul dienen. Laut Ally finden hier etwa 70 Prozent des Transportes auf informellem Wege statt, z.B. durch private Minibusse. Doch wann und welche Route diese fahren, dass ist nicht nur für Außenstehende schwer durchschaubar und logistisch wenig effektiv.
Wie aber gewinnt Ally seine Daten, wo es keine offiziellen Informationen gibt? Crowdsoucing ist hier das Stichwort: Die Menschen vor Ort speisen die App mit Informationen. In einem ersten Schritt werden kleine Gruppen von Bürgern über soziale Medien und internationale Allryder-Mitarbeiter motiviert, das Verkehrssystem der Stadt zu kartographieren. Hierzu verwenden sie eine einfachen Erstversion der App. Bereits 100 aktive Nutzer reichen dabei aus, eine Millionenstadt zu erfassen. Um das Transportsystem in der tansanischen Millionenstadt Dar es Salaam zu erfassen ist z.B. eine Gruppe Studenten der University of Dar, ausgerüstet mit einem GPS-Tracker, solange mit sämtlichen Minibussen und anderen inoffiziellen Verkehrsmitteln durch die Stadt gekurvt, bis sie alle erfasst waren. Mehr dazu hier: Track your City
In einem zweiten Schritt wird die App allen zugänglich gemacht. Dabei können die User nicht nur bereits vorhandene Informationen nutzen, sondern weiter daran mitwirken, die Daten zu verbessern.
Wird die App von vielen Menschen genutzt und werden die Informationen beständig erweitert, entstehen so zuverlässige Statistiken über das Mobilitätsverhalten der Menschen. Diese wiederum können genutzt werden, um den öffentliche Nahverkehrsnetz in den Städten effizienter und im besten Fall auch nachhaltiger zu gestalten.
Natürlich lässt sich das Ganze auch noch weiter spinnen. Wie wäre es denn, wenn mit den verschiedenen Verbindungsoptionen auch gleich noch der damit verbundene CO2-Ausstoß angezeigt würde? Natürlich verbunden mit der Hoffnung, dass einem umweltfreundlicheren Verkehrsmittel auch Vorzug gegeben wird... Die App, die das kann, auf die warte ich noch.
Ein spannendes Interview mit dem Mitgründer Maxim Nohroudi findest Du bei Tea after Twelve: Big Data – Improving the Public Transport System
" ["post_title"]=> string(66) "Mit Crowdsourcing zu einem verbesserten Transportsystem - weltweit" ["post_excerpt"]=> string(185) "Die App Ally bietet nicht nur nützliche Infos für den schnellsten Weg von A nach B, sondern will mittels Crowdsourcing auch das öffentliche Nahverkehrsnetz nachhaltiger gestalten." ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(69) "crowdsourcing-zu-einem-verbesserten-transportsystem-weltweit-03082016" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2021-09-10 15:09:42" ["post_modified_gmt"]=> string(19) "2021-09-10 15:09:42" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(92) "http://reset.org/blog/crowdsourcing-zu-einem-verbesserten-transportsystem-weltweit-03082016/" ["menu_order"]=> int(2388) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [5]=> object(WP_Post)#7779 (24) { ["ID"]=> int(30815) ["post_author"]=> string(3) "197" ["post_date"]=> string(19) "2014-01-30 03:30:47" ["post_date_gmt"]=> string(19) "2014-01-30 03:30:47" ["post_content"]=> string(975) "
Crowdfunding ist zu einem großen Trend im Bereich des Online-Fundraising geworden. Auf bereits über 450 Plattformen finanzieren viele Menschen weltweit Projekte und Produkte. Weisst du, worum es dabei genau geht?
Große Organisationen genauso wie kleine Start Ups nutzen mittlerweile Crowdfunding, um Budget für ihre Projekte zu erhalten oder aufzustocken. Im Kern steckt die Idee, dass viele Einzelpersonen mit jeweils kleinen Einzelbeträgen zusammen eine große Summe Geld aufbringen, mit der Projekte realisiert oder Produkte entwickelt werden.
Aber woher kommt die Idee eigentlich? Was war das erste bekannte Crowdfunding-Projekt? Welche Rolle spielt das Internet dabei? Und wie können viele kleine Spenden die Energiewende voranreiben? Antworten darauf findest du in unserem neuen Artikel Crowdfunding - Online vernetzen, offline bewegen.
" ["post_title"]=> string(48) "Crowdfunding - Online vernetzen, offline bewegen" ["post_excerpt"]=> string(217) "Crowdfunding ist zu einem großen Trend im Bereich des Online-Fundraising geworden. Auf bereits über 450 Plattformen finanzieren viele Menschen weltweit Projekte und Produkte. Weisst du, worum es dabei genau geht?" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(54) "crowdfunding-online-vernetzen-offline-bewegen-01292014" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2021-09-10 15:12:16" ["post_modified_gmt"]=> string(19) "2021-09-10 15:12:16" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(77) "http://reset.org/blog/crowdfunding-online-vernetzen-offline-bewegen-01292014/" ["menu_order"]=> int(3526) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [6]=> object(WP_Post)#7780 (24) { ["ID"]=> int(30503) ["post_author"]=> string(3) "197" ["post_date"]=> string(19) "2013-11-25 04:20:49" ["post_date_gmt"]=> string(19) "2013-11-25 04:20:49" ["post_content"]=> string(4739) "
Krisenhilfe aus der Ferne: mit dem Projekt OpenStreetMap, einer Art Wikipedia der Landkarten, kann jeder zum Katastrophenhelfer werden. Aus hochaufgelösten Satellitenbilder erstellen Freiwillige rund um den Globus detaillierte Karten von Krisenregionen, die Helfern vor Ort Orientierung geben - und manchmal sogar Leben retten.
Nach dem Taifun Haiyan auf den Philippinen ist an manchen Orten nichts mehr, wie es war. Straßen, Wege, Gebäude existieren nicht mehr, sind zusammengestürzt oder unpassierbar. Um schnelle Hilfe zu leisten sind genaue Infos über den Zustand vor Ort jedoch unerlässlich.
Doch die Hilfe kann auch aus tausenden von Kilometern Entfernung kommen, z.B. aus Heidelberg. Über 160 Studenten haben am Heidelberger "Mapathon" teilgenommen, um bunte Kästchen und Linien in Satellitenbilder zu zeichnen. Doch nicht nur in Deutschland haben sich spontane Krisenhelfer gefunden; nach dem Wirbelsturm Haiyan setzten sich tausende Freiwillige an ihre Rechner und entwickelten bzw. aktualisierten Karten.
"Crisismapping" ist eigentlich ganz einfach: Bei OpenStreetMap kann sich jeder anmelden und auf den hochaufgelösten Satellitenbildern mit der Maus Dinge abzeichnen, die auf den Bildern zu erkennen sind. Auf den Satellitenbildern sind Details noch im Bereich von unter einem Meter zu erkennen. In einem nächsten Schritt werden den Dingen Attribute wie "Gebäude", "Straße", "Pfad" zugeordnet. Diese Objekte werden dann über die Satellitenaufnahmen gelegt. Beteiligen sich hieran viele freiwillige "Kartografen", können in kurzer Zeit aktuelle Karten erstellt werden – wesentlich schneller als mit konventioneller Kartografie.
Computer sind bei der Auswertung der Bilder nicht sonderlich hilfreich, da sie oft (noch) nicht zwischen Straßen und Flüssen unterscheiden und keine qualitativen Urteile abgeben können, z.B. ob und wie stark ein Gebäude zerstört ist.
Doch es gibt noch mehr Aufgaben, die freiwillige Helfer online übernehmen können, z.B. Texte aus sozialen Netzwerken auswerten und so an Informationen über zerstörte Häuser und Straßen oder vermisste Menschen zu gelangen. Die Kombination dieser Informationen mit den geografischen Daten ergibt eine "soziale Karte", die mehr Informationen bereitstellt als es jede Luftaufnahme könnte.
Schon 2010 hat sich Crowdsourcing in Haiti bewährt. Nach dem fatalen Beben wurden auf Grundlage von Satelitenbildern, mit der Auswertung von Tweeds und SMS aus den Krisengebieten von Menschen aus allen Teilen der Welt und Betroffenen detaillierte Karten erstellt und wichtige Informationen gesammelt. Im Explorers Journal der National Geographic schreibt Patrick Meier einen spannenden Bericht darüber: How Crisis Mapping Saved Lives in Haiti
Die Teilnahme am Crisismapping ist für viele verlockend, ist es so doch möglich, von jedwedem Punkt auf der Erde anderen Menschen in Notsituation zu helfen. Und das Potential ist groß, da eine zunehmende Digitalisierung der Menschen eine schnelle und unaufwendige Verknüpfung von Daten aller möglichen Art erlaubt.
Mehr Infos der Mapping-Aktivitäten für die Philipinen findest du hier: hot.openstreetmap.org/updates
Du willst dich an Mapping-Projekten beteiligen? Infos und Links zum Crisismapping:
Krisenhilfe aus der Ferne: mit dem Projekt OpenStreetMap, einer Art Wikipedia der Landkarten, kann jeder zum Katastrophenhelfer werden. Aus hochaufgelösten Satellitenbilder erstellen Freiwillige rund um den Globus detaillierte Karten von Krisenregionen, die Helfern vor Ort Orientierung geben - und manchmal sogar Leben retten." ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(58) "taifun-haiyan-crisismapping-hilft-leben-zu-retten-11222013" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2021-09-10 15:12:41" ["post_modified_gmt"]=> string(19) "2021-09-10 15:12:41" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(81) "http://reset.org/blog/taifun-haiyan-crisismapping-hilft-leben-zu-retten-11222013/" ["menu_order"]=> int(3634) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [7]=> object(WP_Post)#7781 (24) { ["ID"]=> int(30034) ["post_author"]=> string(3) "153" ["post_date"]=> string(19) "2013-08-12 08:11:02" ["post_date_gmt"]=> string(19) "2013-08-12 08:11:02" ["post_content"]=> string(1560) "
Wie stark sind bestimmte Gebiete Japans nach Fukushima heute verstrahlt? Ein Crowdsourcing-Projekt hat mit inzwischen über 10 Millionen Messwerten eine beeindruckende Datenbasis geschaffen, die teils überraschende Erkenntnisse liefert.
Safecast ist ein globales Projekt mit dem Zweck, Daten - insbesondere radioaktive Strahlungswerte - zur Verfügung zu stellen, die den Menschen einer Region eine genauere Beurteilung der Umwelt erlauben. Die Werte werden von den Teilnehmenden über ein Netzwerk von Sensoren erfasst und können dann frei genutzt werden. Anlass für die Einrichtung des kollektiven Datenprojektes war das Reaktorunglück in Fukushima im Jahr 2011.
Die Menschen in Japan wollten mehr Informationen über die aktuelle Situation, als verfügbar waren. Safecast hat daraufhin gemeinsam mit einigen Partnern ein Netzwerk aus Strahlungssensoren aufgebaut, das aus feststehenden wie mobilen Messgeräten in ganz Japan besteht. Aus den Messungen geht unter anderem hervor, dass die Kontaminierung schneller zurückgeht als erwartet.
Die Organisation will so viele frei zugängliche Daten wie möglich sammeln. Die einzelnen Messpunkte tragen durch ihre Vielzahl zu einem robusten Gesamtergebnis bei. Gegenwärtig dient Safecast der Erfassung radiooaktiver Belastung in Japan. Das Modell macht aber deutlich, dass auch in anderen Zusammenhängen und Regionen umfangreichere Umweltdaten hilfreich wären, die auf ähnliche Weise erfasst werden könnten.
" ["post_title"]=> string(60) "Gemeinsame Datensammlung für den Schutz vor Radioaktivität" ["post_excerpt"]=> string(244) "Wie stark sind bestimmte Gebiete Japans nach Fukushima heute verstrahlt? Ein Crowdsourcing-Projekt hat mit inzwischen über 10 Millionen Messwerten eine beeindruckende Datenbasis geschaffen, die teils überraschende Erkenntnisse liefert.
" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(56) "gemeinsame-datensammlung-fuer-den-schutz-radioaktivitaet" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2021-09-10 15:12:58" ["post_modified_gmt"]=> string(19) "2021-09-10 15:12:58" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(79) "http://reset.org/blog/gemeinsame-datensammlung-fuer-den-schutz-radioaktivitaet/" ["menu_order"]=> int(3806) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [8]=> object(WP_Post)#8047 (24) { ["ID"]=> int(26090) ["post_author"]=> string(1) "9" ["post_date"]=> string(19) "2011-01-17 15:20:53" ["post_date_gmt"]=> string(19) "2011-01-17 15:20:53" ["post_content"]=> string(1145) "Das Filmprojekt "Coalition of the Willing" begann Anfang Februar 2010 noch beeindruckt vom Scheitern Kopenhagens. Koaliert haben zunächst einmal jede Menge Filmemacher, wie z.B. Knife Party, Decoy, Sehsucht u.v.a. Die haben zusammen nach und nach bis Juni den Film animiert und geschnitten.Doch auch inhaltlich geht es darum, eine Koalition der Willigen zu bilden. Nachdem von Regierungen und Konzernen so schnell nicht zu erwarten ist, dass die nötigen Veränderungen stattfinden werden, gilt es, unseren Individualismus nicht durch besonders speziellen Konsum auszutoben. Stattdessen sind wir aufgefordert, unsere individuellen Kenntnisse und Fähigkeiten nach Open Source Prinzip in einen Topf zu schmeißen und das Beste daraus zu machen. Klingt gut und visuell ist der Film auch erste Sahne…Hier gibt's die Webseite zum Film – sehenswert sind auch die Bilder von behind the scenes" ["post_title"]=> string(69) "Coalition of the Willing – Schwarmansatz für die grüne Revolution" ["post_excerpt"]=> string(294) "Das Filmprojekt "Coalition of the Willing" begann Anfang Februar 2010 noch beeindruckt vom Scheitern Kopenhagens. Koaliert haben zunächst einmal jede Menge Filmemacher, wie z.B. Knife Party, Decoy, Sehsucht u.v.a. Die haben zusammen nach und nach bis Juni den Film animiert und geschnitten. " ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(58) "coalition-willing-schwarmansatz-fuer-die-gruene-revolution" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2021-09-10 15:17:27" ["post_modified_gmt"]=> string(19) "2021-09-10 15:17:27" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(81) "http://reset.org/blog/coalition-willing-schwarmansatz-fuer-die-gruene-revolution/" ["menu_order"]=> int(5110) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } } ["post_count"]=> int(9) ["current_post"]=> int(-1) ["before_loop"]=> bool(true) ["in_the_loop"]=> bool(false) ["post"]=> object(WP_Post)#7778 (24) { ["ID"]=> int(40112) ["post_author"]=> string(3) "179" ["post_date"]=> string(19) "2020-05-26 04:37:06" ["post_date_gmt"]=> string(19) "2020-05-26 04:37:06" ["post_content"]=> string(13405) "Mit seinem Decoder-Programm will Amnesty International Menschenrechtsverletzungen und Umweltschäden aufdecken – unterstützt von intelligenten Computerprogrammen und Tausenden digitalen Freiwilligen. RESET sprach mit der Leiterin von Amnesty Decoders, Milena Marin, über das Projekt „Decode Darfur“ im Sudan.
Von dem andauernden Konflikt in der Region Darfur im Westsudan sind seit 2003 über drei Millionen Menschen betroffen. Jüngsten Berichten zufolge hat die Regierung sogar chemische Waffen gegen die Zivilbevölkerung eingesetzt. 2016 begann die Menschenrechtsorganisation Amnesty International im Rahmen seines Decoder-Projekts mit der Verfolgung der Schäden, die den Dörfern in Darfur zugefügt wurden.
Im Rahmen des Decoder-Programms können Freiwillige zu digitalen Menschenrechtsaktivist*innen werden, indem sie Amnesty International helfen, riesige Mengen digitaler Informationen zu sichten, verwertbare Daten aufzudecken, die Menschenrechtsverletzungen belegen, und die Kampagnen der Organisation unterstützen. Da die Daten aus einer wachsenden Zahl von Quellen stammen – von Nachrichten in den sozialen Medien bis hin zu Satellitenbildern und Luftaufnahmen – kommt den Decoder-Freiwilligen eine entscheidende Rolle dabei zu, die Unmengen an Datenmaterial in einen Kontext zu setzen.
Auf RESET haben wir bereits 2018 über ein Decoder-Projekt berichtet; damals werteten Freiwillige Dokumente und Bilder aus, um Umweltschäden durch Ölverschmutzungen im Nigerdelta zu identifizieren.
Im Rahmen des aktuellen „Decode Darfur“-Projekts sortiert ein Team von Freiwilligen Satellitenbilder von Darfur, um Angriffe zurückzuverfolgen und Beweise dafür zu finden, dass Zivilisten systematisch angegriffen wurden. Unterstützt durch eine einfache Online-Demo ist das Programm für jeden zugänglich, der ein digitales Gerät besitzt. Die über 6.000 Freiwilligen, die an dem Projekt arbeiten, sind rund um den Globus verteilt.
Seit kurzem bekommt das Projekt Decode Darfur weitere Unterstützung: Mithilfe von Verfahren des maschinellen Lernens sollen die Auswirkungen des gewalttätigen Konflikts im gesamten Sudan besser verfolgt werden können.
Als Amnesty International mit der Dokumentation des Konflikts in Darfur begann, musste zunächst jedes Dorf in der Region lokalisiert und identifiziert werden – die sudanesische Bevölkerung war bis dahin noch nicht genau erfasst worden. Die „Decoder“ von Amnesty durchsuchten daher Tausende von Nahaufnahmen von Satelliten nach bestimmten Hinweisen, wo sich Menschen aufhielten, wie zum Beispiel gerade Linien oder wiederkehrende Formationen. Im zweiten Teil des Projekts verglichen die Decoder dann Luftaufnahmen dieser Dörfer mit Bildern aus späteren Jahren, um herauszufinden, wann und wo die Zivilbevölkerung zu Schaden gekommen war. Dies war nur mit Hilfe von Freiwilligen möglich, wie Milena Marin, die Leiterin des Decoders-Projekts, erklärt:
„Obwohl wir einige Bildanalytiker haben, analysieren wir nie in großem Maßstab – es war also in dieser Hinsicht eine Premiere. Die Anzahl der Freiwilligen, die wir engagieren konnten, schränkte uns allerdings noch immer ein.“
Die Entscheidung, mehr aus Amnestys „Decode Darfur“-Daten zu machen, entstand 2016 in einem Treffen mit Ex-Google-Mitarbeiter Julien Cornebise. Laut Marin sagte Cornebise damals: „Ich glaube, Amnesty sitzt auf einer Goldmine aus Daten, und wenn ihr Freiwillige für diese Aufgaben ausbilden konntet, solltet ihr auch in der Lage sein, einen Algorithmus zu trainieren.“
Er schlug vor, die Daten aus den Trainingserfahrungen der Freiwilligen zu verwenden, um den Prozess des maschinellen Lernens zu unterstützen. In den folgenden zwei Jahren arbeitete Marin zusammen mit Cornebise daran, diese Idee zu verwirklichen. Dabei trainierten sie Algorithmen, die zuvor schon von Wissenschaftler*innen und NGOs verwendet worden waren, jedoch nie im Kontext von Menschenrechten.
Als sich Cornebise 2018 dem Startup Element AI anschloss, beschleunigte sich alles. Davor waren die Ressourcen der Decoder begrenzt, da sie Aufnahmen von Google Earth verwendeten, um bestimmte Gebiete in Darfur zu analysieren, oder sich auf öffentliches Bildmaterial stützten. Für die Dekodierung selbst stellte dies kein Problem dar – aber der Zugriff auf Daten für maschinelles Lernen war eine andere Sache. „Wir waren nicht in der Lage, das Projekt in vollem Umfang durchzuführen, weil wir dazu die Bilder herunterladen hätten müssen – und genau das konnten wir nicht“, erklärt Marin. Nachdem sie sich mit Element AI zusammengetan hatten, erhielten die Decoder Zugang zu herunterladbaren Satellitenbildern für ihre maschinellen Lernprozesse und konnten die Genauigkeit ihrer neuen Algorithmen verbessern. „Jetzt befinden wir uns in der Testphase; wir vergleichen die Genauigkeit des Algorithmus mit den Expertendaten.“
Damit half Element AI den Amnesty Decoders bei der Bewältigung ihrer bisher größten Herausforderung: dem Zugang zu Daten und Forschenden. Und obwohl sich Marin bewusst ist, dass das Startup die Art und Weise, wie es in Zukunft Pro-Bono-Partnerschaften durchführt, verändern könnte, machen Decoders jetzt das Beste aus der Unterstützung. „Wir könnten es uns nicht leisten, den vollen Satz für dieses High-End-Maschinenlernen in unserem Sektor zu bezahlen.“
Decode Darfur ist das bisher größte Projekt von Amnesty Decoders: 6.438 Freiwillige haben sich zusammengetan, um auf einem Gebiet von 326.000 Quadratkilometer Menschenrechtsverletzungen aufzudecken. Der Einsatz von maschinellem Lernen kann das Potenzial der starken Freiwilligenbasis des Projekts noch zusätzlich erweitern. KI macht es einfacher, die riesigen Datenmengen zu verarbeiten, die die Forscher*innen von Amnesty gesammelt haben, und so viel mehr Gebiete abzudecken und ihre Arbeit auf das ganze Land auszudehnen.
Marin berichtet RESET, dass die Decoder trotz begrenzter Budgets und der Partnerschaft mit Unternehmen, die andere kommerzielle Prioritäten haben, Fortschritte bei der KI gemacht haben. Daraus ist sogar eine Forschungsarbeit entstanden – die allerdings bisher unveröffentlicht ist, damit die Daten nicht in falschen Hände geraten und die sudanesische Bevölkerung am Ende gar weiter gefährden. „Wir wollen der sudanesischen Regierung nicht unbedingt eine Hitliste geben“, betont Marin.
Decode Darfur ist nicht das einzige Projekt, für das Amnesty Decoders Unterstützung von Element AI bekommt. Auch im Rahmen ihrer „Troll-Patrouille“, bei der Freiwillige an Frauen gerichtete Tweets auf diskriminierende und beleidigende Nachrichten hin scannen, kommen deren Algorithmen zum Einsatz. Doch gerade bei der Sprachverarbeitung hat das maschinelle Lernen noch einen langen Weg vor sich, bevor es die menschliche Genauigkeit einholt: Die Algorithmen, die Tweets auf Diskriminierung scannen, sind bisher nur halb so genau wie menschliche Analytiker*innen. „Beim Verstehen von Sprache gibt es mehr Nuancen, und manchmal erkennen selbst Menschen diese Nuancen nicht“, erklärt Marin.
Im Gegensatz dazu sind Satellitenbilder für das maschinelle Lernen leichter zu identifizieren und zu differenzieren, weil es einfacher ist, Computern visuelle Regeln beizubringen als sprachliche. „Das Sehen am Computer wird schon seit langem entwickelt, während die Verarbeitung natürlicher Sprache noch im Entstehen begriffen ist. Nun, da die Sprachverarbeitung ein wachsender Bereich ist, werden wir hoffentlich sehen, wie sich die Genauigkeit im Laufe der Jahre verbessert.“
Die Freiwilligen haben an ihren gemeinsamen Decoder-Projekten Freude und leisten einen wichtigen Beitrag – aber könnte die KI sie irgendwann ersetzen? „Ich glaube nicht, dass wir jemals aufhören werden, Freiwillige einzusetzen“, sagt Marin. „Es liegt in unserer DNA. Genau dafür ist Amnesty da: um viele Menschen zu engagieren. Und so gut die Technologie heutzutage auch ist – wir haben gehört, was Algorithmen leisten können! – Freiwillige sind viel besser und schneller, und sie haben ein Ziel.“ Für Marin geht es beim Einsatz von KI und maschinellem Lernen nicht darum, Freiwillige zu ersetzen, sondern sie in einer symbiotischen Beziehung zu unterstützen. „Letztlich wollen wir eine Kombination aus beidem haben. Wir sind gerade an einem Punkt, an dem wir die Daten unserer Freiwilligen als Trainingsdaten für die KI verwenden können. Es wäre großartig, das auch andersherum zu machen: mit den KI-Daten beginnen und die maschinellen Anmerkungen von den Freiwilligen überprüfen lassen.“ Man kann das Zusammenspiel von KI und Freiwilligen also so betrachten: Während KI Funktionalität im großen Maßstab liefert, sorgen die menschlichen Mitwirkenden für die nötige Tiefe.
Am Ende des Tages, betont Marin, hat die Projektgemeinschaft eine große Bedeutung. Nachdem die Zahl der Mitglieder von 2.000 auf 20.000 anstieg, war es die Darfur-Gruppe, die Amnesty veranlasste, ein Online-Forum zu eröffnen, in dem die Mitglieder ihre Ergebnisse miteinander diskutieren konnten. Zu Marins Überraschung „begannen die Leute wie verrückt zu reden. Wir hatten Tausende und Abertausende von Gesprächen auf dem Forum“. Also luden sie die aktivsten Mitglieder ein, ebenfalls zu moderieren, und stellten fest, dass die Leute das sehr gut annahmen. „Es war wirklich unglaublich zu sehen, wie Mitglieder, die anfangs nur E-Mail erhielten oder Tweets lasen, bei Amnesty zu fähigen Moderator*innen wurden.“ Menschliche Beiträge stehen also weiterhin im Mittelpunkt des Decoder-Projekts. Und vielleicht kann KI ja die Leidenschaft und das Engagement der Freiwilligen noch weiter fördern...
Dieser Artikel ist eine Übersetzung von Sarah-Indra Jungblut. Das Original erschien auf unserer englischsprachigen Seite.
Wie kann KI im Umwelt- und Klimaschutz wirkungsvoll eingesetzt werden? Welche spannenden Projekte gibt es? Was sind die sozial-ökologischen Risiken der Technologie und wie sehen Löungen aus? Antworten und konkrete Handlungsempfehlungen geben wir in unserem Greenbook(1) „KI und Nachhaltigkeit – Können wir mit Rechenleistung den Planeten retten?“.
Dieser Artikel ist Teil des Dosssiers „Künstliche Intelligenz – Können wir mit Rechenleistung unseren Planeten retten?“. Alle Artikel des Dossiers findest du hier: Dossier KI
Das Dossier ist Teil der Projekt-Förderung der Deutschen Bundesstiftung Umwelt (DBU), in deren Rahmen wir vier Dossiers über zwei Jahre zum Thema „Chancen und Potenziale der Digitalisierung für eine nachhaltige Entwicklung“ erstellen.
Mehr Informationen hier.
Mit seinem Decoder-Programm will Amnesty International Menschenrechtsverletzungen und Umweltschäden aufdecken – unterstützt von intelligenten Computerprogrammen und Tausenden digitalen Freiwilligen. RESET sprach mit der Leiterin von Amnesty Decoders, Milena Marin, über das Projekt „Decode Darfur“ im Sudan." ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(95) "amnesty-international-deckt-ki-und-digitalen-freiwilligen-menschenrechtsverletzungen-im-sudan-0" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2023-05-02 15:44:13" ["post_modified_gmt"]=> string(19) "2023-05-02 13:44:13" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(118) "http://reset.org/blog/amnesty-international-deckt-ki-und-digitalen-freiwilligen-menschenrechtsverletzungen-im-sudan-0/" ["menu_order"]=> int(746) ["post_type"]=> string(4) "post" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } ["comment_count"]=> int(0) ["current_comment"]=> int(-1) ["found_posts"]=> int(9) ["max_num_pages"]=> int(1) ["max_num_comment_pages"]=> int(0) ["is_single"]=> bool(false) ["is_preview"]=> bool(false) ["is_page"]=> bool(false) ["is_archive"]=> bool(true) ["is_date"]=> bool(false) ["is_year"]=> bool(false) ["is_month"]=> bool(false) ["is_day"]=> bool(false) ["is_time"]=> bool(false) ["is_author"]=> bool(false) ["is_category"]=> bool(false) ["is_tag"]=> bool(false) ["is_tax"]=> bool(true) ["is_search"]=> bool(false) ["is_feed"]=> bool(false) ["is_comment_feed"]=> bool(false) ["is_trackback"]=> bool(false) ["is_home"]=> bool(false) ["is_privacy_policy"]=> bool(false) ["is_404"]=> bool(false) ["is_embed"]=> bool(false) ["is_paged"]=> bool(false) ["is_admin"]=> bool(false) ["is_attachment"]=> bool(false) ["is_singular"]=> bool(false) ["is_robots"]=> bool(false) ["is_favicon"]=> bool(false) ["is_posts_page"]=> bool(false) ["is_post_type_archive"]=> bool(false) ["query_vars_hash":"WP_Query":private]=> string(32) "1bcc61100e231076a5ead2998c6b26ec" ["query_vars_changed":"WP_Query":private]=> bool(true) ["thumbnails_cached"]=> bool(false) ["allow_query_attachment_by_filename":protected]=> bool(false) ["stopwords":"WP_Query":private]=> NULL ["compat_fields":"WP_Query":private]=> array(2) { [0]=> string(15) "query_vars_hash" [1]=> string(18) "query_vars_changed" } ["compat_methods":"WP_Query":private]=> array(2) { [0]=> string(16) "init_query_flags" [1]=> string(15) "parse_tax_query" } ["query_cache_key":"WP_Query":private]=> string(84) "wp_query:a2a2459b97202db05590be3dbfc4f821:0.28679900 17480694400.02547800 1748069390" } object(WP_Term)#8053 (11) { ["term_id"]=> int(7471) ["name"]=> string(13) "Crowdsourcing" ["slug"]=> string(13) "crowdsourcing" ["term_group"]=> int(0) ["term_taxonomy_id"]=> int(7471) ["taxonomy"]=> string(11) "custom_tags" ["description"]=> string(0) "" ["parent"]=> int(0) ["count"]=> int(15) ["filter"]=> string(3) "raw" ["term_order"]=> string(1) "0" } Mit seinem Decoder-Programm will Amnesty International Menschenrechtsverletzungen und Umweltschäden aufdecken – unterstützt von intelligenten Computerprogrammen und Tausenden digitalen Freiwilligen. RESET sprach mit der Leiterin von Amnesty Decoders, Milena Marin, über das Projekt „Decode Darfur“ im Sudan. Kartendaten sind essentiell, um Menschen in Konflikt- oder Katastrophengebieten schnell und effizient zu helfen. Ein Gemeinschaftsprojekt von Hilfsorganisationen hat eine App entwickelt, mit der jede*r helfen kann, kritische Lücken in der Weltkarte zu füllen. Daten von Internetnutzenden können helfen, Erdbeben rascher als bisher zu lokalisieren. Amnesty International führt mithilfe der Crowd umfangreiche Recherchen zu Menschenrechtsverletzungen durch. Und die Freiwilligen werden vom Sofa aus zu digitalen Aktivisten. Die App Ally bietet nicht nur nützliche Infos für den schnellsten Weg von A nach B, sondern will mittels Crowdsourcing auch das öffentliche Nahverkehrsnetz nachhaltiger gestalten. Crowdfunding ist zu einem großen Trend im Bereich des Online-Fundraising geworden. Auf bereits über 450 Plattformen finanzieren viele Menschen weltweit Projekte und Produkte. Weisst du, worum es dabei genau geht? Krisenhilfe aus der Ferne: mit dem Projekt OpenStreetMap, einer Art Wikipedia der Landkarten, kann jeder zum Katastrophenhelfer werden. Aus hochaufgelösten Satellitenbilder erstellen Freiwillige rund um den Globus detaillierte Karten von Krisenregionen, die Helfern vor Ort Orientierung geben - und manchmal sogar Leben retten. Wie stark sind bestimmte Gebiete Japans nach Fukushima heute verstrahlt? Ein Crowdsourcing-Projekt hat mit inzwischen über 10 Millionen Messwerten eine beeindruckende Datenbasis geschaffen, die teils überraschende Erkenntnisse liefert. Das Filmprojekt "Coalition of the Willing" begann Anfang Februar 2010 noch beeindruckt vom Scheitern Kopenhagens. Koaliert haben zunächst einmal jede Menge Filmemacher, wie z.B. Knife Party, Decoy, Sehsucht u.v.a. Die haben zusammen nach und nach bis Juni den Film animiert und geschnitten.Inhalte zu: Crowdsourcing
Amnesty Decoders: Online-Aktivist*innen decken mit KI Menschenrechtsverletzungen im Sudan auf
© MapSwipe: Mit dieser App humanitäre Hilfe leisten – jederzeit, überall
Crowdsourcing hilft bei Erdbebenüberwachung
Amnesty Decoders: Digitale Aktivisten enthüllen Menschenrechtsverletzungen
© Mit Crowdsourcing zu einem verbesserten Transportsystem – weltweit
Crowdfunding – Online vernetzen, offline bewegen
© Nach Taifun Haiyan: „Crisismapping“ hilft Leben retten
Gemeinsame Datensammlung für den Schutz vor Radioaktivität
© Coalition of the Willing – Schwarmansatz für die grüne Revolution
