4

Wir viele Entwicklungsdaten sind genug?

NAIROBI – Der schnelle technologische Fortschritt hat dazu geführt, dass die Kosten für die Sammlung von Daten dramatisch gefallen sind. Durch Sensoren im Raum, im Himmel, im Laboratorium oder in der Umgebung und neue Möglichkeiten des Crowdsourcing sowie die weite Verbreitung von Internet und Mobiltelefonen werden enorme Informationsmengen verfügbar, und zwar auch für solche Menschen, die bislang keinen Zugriff darauf hatten. Ein Kleinbauer in Afrika kann nun beispielsweise durch das Tippen auf seinen Bildschirm Wettervorhersagen und Marktpreise abrufen.

Diese Datenrevolution bietet ein enormes Potenzial für die Verbesserung der Entscheidungsfindung auf allen Ebenen – vom örtlichen Bauern bis hin zu weltumspannenden Entwicklungsorganisationen. Aber die Sammlung von Daten reicht nicht aus. Die Informationen müssen auch verwaltet und ausgewertet werden – und dies richtig zu tun, kann viel komplizierter und teurer sein als das Sammeln selbst. Werden die Entscheidungen, die verbessert werden sollen, nicht zuerst ordnungsgemäß identifiziert und analysiert, besteht ein hohes Risiko, dass ein Großteil der Sammlungsbemühungen verschwendet oder fehlgeleitet wird.

Erdogan

Whither Turkey?

Sinan Ülgen engages the views of Carl Bildt, Dani Rodrik, Marietje Schaake, and others on the future of one of the world’s most strategically important countries in the aftermath of July’s failed coup.

Diese Schlussfolgerung beruht selbst auf empirischer Analyse. So gibt liegen für die Annahme, dass die Überwachung von Initiativen in der Bereichen der Landwirtschaft oder Umwelt einen positiven Effekt hat, kaum Beweise vor. Durch quantitative Analyse von Entscheidungen in vielen Bereichen wie Umweltpolitik, Unternehmensinvestitionen und Cyber-Sicherheit konnte gezeigt werden, dass Menschen die Datenmengen, die zum Treffen einer guten Entscheidung nötig sind, überschätzen. Auch wird oft nicht verstanden, welche Arten von Daten benötigt werden.

Außerdem können schwere Fehler passieren, wenn große Datenmengen anhand maschineller Algorithmen gesammelt werden, ohne dass die zu treffende Entscheidung zuvor genau untersucht wird. Es gibt viele Beispiele für Fälle, in denen das Sammeln von Daten zu falschen Schlussfolgerungen geführt hat. So wurden oft keine Experten des betreffenden Gebiets befragt, oder es fehlten entscheidende Informationen für die Analyse.

In den Entscheidungswissenschaften, die die Verhaltensforschung mit den universalen Prinzipien schlüssiger Entscheidungsfindung kombinieren, werden diese Risiken begrenzt, indem empirische Daten mit Expertenwissen verknüpft werden. Soll die Datenrevolution in den Dienst der nachhaltigen Entwicklung gestellt werden, müssen die besten Vorgehensweisen aus diesem Feld in die Bemühungen mit einfließen.

Der erste Schritt besteht darin, Entscheidungen zu finden und genauer zu bestimmen, die sich oft wiederholen. Im Bereich der Entwicklung zählen dazu grundsätzliche Entscheidungen über Ausgabenprioritäten – und damit Haushaltszuweisungen – von Regierungen und internationalen Organisationen. Aber auch Wahlmöglichkeiten auf einer viel kleineren Ebene werden mit einbezogen: Bauern, die sich fragen, was sie pflanzen, wieviel Dünger sie einsetzen und wann oder wo sie ihre Ernte verkaufen sollen.

Im zweiten Schritt wird ein quantitatives Modell der Unsicherheiten solcher Entscheidungen erstellt. Dazu gehören die unterschiedlichen Auslöser, Folgen, Kontrollen und Abmilderungen, ebenso wie die zu betrachtenden Kosten, Nutzen und Risiken. Die besten Entscheidungen können dann getroffen werden, wenn schwer messbare und hochgradig unsichere Faktoren nicht ignoriert, sondern mit einbezogen werden.

Wird ein solches Modell in den Dienst der nachhaltigen Entwicklung gestellt, muss es oft den Einfluss von Interventionen auf das Leben und die Umwelt der Menschen über viele Jahrzehnte hinweg prognostizieren. Dieser Prozess ist am erfolgreichsten, wenn sowohl Experten als auch Betroffene dabei helfen, die relevanten Variablen und ihre Beziehung untereinander zu untersuchen. Diese Teilnehmer müssen dafür ausgebildet werden, für die unterschiedlichen Variablen quantitative Schätzungen der jeweiligen Unsicherheit liefern zu können. Beispielsweise könnten Experten auf der Grundlage verfügbarer Daten und ihrer eigenen Erfahrung mit 90%iger Sicherheit vorhersagen, dass die durchschnittliche Maisernte der Bauern in einer bestimmten Region zwischen 0,5 und 2 Tonnen pro Hektar liegen wird.

Der dritte Schritt besteht darin, den Wert der Sammlung zusätzlicher Informationen zu bestimmen – was nur dann möglich ist, wenn die Unsicherheiten aller Variablen berechnet wurden. Der Wert von Informationen ist der Betrag, den ein rationaler Entscheidungsträger bereit wäre, dafür zu bezahlen. Also müssen wir wissen, an welchen Stellen zusätzliche Daten eine Entscheidung verbessern können und wie viel wir dafür bezahlen sollen, um sie zu bekommen. In einigen Fällen wird eine gute Entscheidung keine weiteren Informationen benötigen, in anderen könnte es sich lohnen, Millionen von Dollar für mehr Daten auszugeben.

Dieser Vorgang wird so lange wiederholt, bis sich eine erneute Sammlung von Daten nicht mehr lohnt und eine gute Entscheidung erreicht wurde – eine logische Schlussfolgerung auf Grundlage von Informationen, Werten und Vorlieben der Entscheidungsträger oder der entscheidenden Körperschaft. So können Entscheidungsträger und Betroffene Einsichten gewinnen, wie Maßnahmen für die Maximierung positiver Ergebnisse und die Minimierung von Risiken optimiert werden können – Risiken wie die Möglichkeit geringer Anwendungsquoten oder begrenzter institutioneller Kapazitäten für die effektive Umsetzung.

Support Project Syndicate’s mission

Project Syndicate needs your help to provide readers everywhere equal access to the ideas and debates shaping their lives.

Learn more

Einfach anzunehmen, die Datenrevolution sei für nachhaltige Entwicklung hilfreich, ist nicht genug. Um dies sicherzustellen, müssen wir die Wichtigkeit der rigorosen Analyse jeglicher Bemühungen zur Datensammlung und der Bildung einer neuen Generation von Entscheidungswissenschaftlern erkennen, mit denen die Politiker zusammenarbeiten können.

Aus dem Englischen von Harald Eckhoff