Schätzungen zufolge leben über eine Milliarde Menschen auf der Welt in großer Armut: ihnen steht täglich nur die Kaufkraft im Wert von unter zwei US-Dollar zur Verfügung. Mit dieser Armut sind wiederum viele weitere gesellschaftliche und ökologische Probleme verknüpft. Der Kampf gegen Armut ist deshalb eines der wichtigsten Ziele vieler internationaler und nationaler Projekte sowie von Hilfsorganisationen. Doch dabei gibt es ein Problem: Im Fall vieler Länder vor allem in Afrika ist nicht genau bekannt, wie arm die Menschen in bestimmten Regionen sind. Das liegt vor allem daran, dass Umfragen zur Erfassung der Einkommensverhältnisse und Lebensbedingungen aufwändig und teuer sind. In einigen Regionen machen zudem die politisch instabilen Verhältnisse und Gewalt diese Art der Datenerfassung problematisch.
Satellitenbilder als Grundlage
Ein Team der Stanford University ist nun im Rahmen einer Studie der Frage nachgegangen, ob sich hochauflösende Satellitenbilder nutzen lassen, um aufzudecken, wo besonders verarmte Menschen leben. “Während wir kaum Vor-Ort-Daten über das Niveau der Armut haben, sammeln wir ständig detaillierte Satellitenbilder in diesen Regionen”, bringt Co-Author Marshall Burke den Hintergrund der Untersuchung auf den Punkt.
Eigentlich ist es recht gut möglich, Rückschlüsse über den Wohlstand in einer Region zu ziehen, indem man Satellitendaten über die nächtliche Strahlung von künstlicher Beleuchtung auswertet. Dabei gilt: je reicher eine Region, desto mehr Licht. Doch wie die Forscher betonen, ist diese Methode am unteren Ende der Armutsskala nicht mehr aussagekräftig genug: Es herrscht relativ gleichmäßige Dunkelheit. Aus diesem Grund kombinierten die Forscher nun nächtliche Licht-Profile mit Tages-Aufnahmen durch Satelliten. Auf ihnen sind Merkmale wie Metalldächer, Zustände von Straßen und Wegen sowie landwirtschaftliche Strukturen erkennbar, die mit Wohlstandsverhältnissen verknüpft sind.
Lernfähige Systeme erkennen die Armut
Im Rahmen ihrer Studie entwickelten die Forscher nun Computersysteme, die durch bestimmte Berechnungsverfahren erlernen können, diese visuellen Merkmale auf den Satellitenbildern mit Einstufungen zum Grad der Armut zu verknüpfen. Mit anderen Worten: Sie können nach einer Trainingsphase anhand des Blicks von oben aufzeigen, wo die Ärmsten der Armen wohnen. Die Forscher konnten durch Vergleichsdaten belegen, dass ihr System dabei eine hohe Genauigkeit erreicht – es kann die tatsächlichen Bedingungen vor Ort gut widerspiegeln. Es zeichnet sich zudem ab, dass ein für ein bestimmtes Land “trainiertes” Modell auch relativ leicht auf ein neues angepasst werden kann.
Auf diese Weise könnten nun Landkarten der Armut entstehen, die Hilfsorganisationen und Entscheidern beim sinnvollen Einsatz von Hilfsmaßnahmen unterstützen können, sagen die Forscher. Anschließend lassen sich auch die erhofften Effekte durch neue Datenauswertungen überprüfen. “Unser System erfordert nur Satellitenbilder – es ist billig und erweiterbar – es könnte somit Armut auf der ganzen Welt auf sehr kostengünstige Weise abbilden”, resümiert Co-Autor Stefano Ermon von der Stanford University.