Ende Oktober und Anfang Dezember fielen in Teilen Westkenias die kurzen Regenperioden aus; in Kimilili im Bungoma County blieben Mais, Bohnen und Maniok in der Blüte stehen und Felder verfärbten sich braun. Die Bäuerinnen und Bauern rechnen mit niedrigeren Erträgen. Die Verluste treffen Frauen besonders hart: Ernteausfälle reduzieren Einkommen und können verhindern, dass Kinder zur Schule gehen oder medizinische Versorgung erhalten.
Forschende schätzen, dass Schädlinge und Krankheiten vor der Ernte bis zu 40 Prozent mehr Verluste verursachen als klimabedingte Faktoren. Frauen machen einen großen Anteil der landwirtschaftlichen Arbeitskräfte, haben aber häufig keinen Zugang zu Land, Krediten, Technik und Beratungsdiensten. Rechtliche und familiäre Barrieren verschärfen das Problem: Eine Bäuerin konnte Land nicht als Kreditsicherheit nutzen, weil ihr Mann widersprach, und sie darf Erzeugnisse nicht ohne seine Zustimmung verkaufen.
Datenlücken erschweren zielgerichtete Politik. Das CABI‑Projekt Global Burden of Crop Loss (GBCL) will Verluste mit dem Konzept "attainable yield in context" messen und analysiert Feldversuche, Fachliteratur, automatisiertes Text‑Mining, Erdbeobachtung und maschinelles Lernen. GBCL wird von UK International Development der britischen Regierung und der Gates Foundation finanziert.
Einige Programme richten sich bereits an Frauen: Beispielsweise gibt es in Odisha höhere Input‑Subventionen für Frauen und bundesstaatliche Unterstützung. In Kenia liefern Kreis- und nationale Programme Saatgut und Betriebsmittel; Bungoma County vergibt Handelssdarlehen an Frauenselbsthilfegruppen und arbeitet mit Partnern an Schädlingswarnungen und Biopestiziden. Bessere Daten und geschlechtergerechte Programme gelten als zentral, um Ernteverluste und deren ungerechte Folgen zu verringern.
Schwierige Wörter
- ernteausfall — Wenn Ernte wegen Problemen verloren gehtErnteausfälle
- schädling — Tier oder Organismus, der Pflanzen schädigtSchädlinge
- datenlücke — Fehlende oder unvollständige Informationen in DatenDatenlücken
- kreditsicherheit — Vermögen, das zur Absicherung eines Kredits dient
- subvention — Finanzielle Hilfe oder Zuschuss für BetriebsmittelInput‑Subventionen
- maschinelles lernen — Computermethoden, die aus Daten Muster erkennen
- biopestizid — Pflanzenschutzmittel mit biologischer Herkunft statt chemischer GifteBiopestiziden
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Welche Maßnahmen aus dem Text erscheinen Ihnen am wirkungsvollsten, um Frauen bei Ernteverlusten zu unterstützen? Begründen Sie Ihre Antwort.
- Wie könnten bessere Daten dazu beitragen, zielgerichtete Politik gegen Ernteverluste zu gestalten? Nennen Sie konkrete Beispiele.
- Welche Chancen und Risiken sehen Sie beim Einsatz von maschinellem Lernen und Erdbeobachtung für die Landwirtschaft in Regionen wie Bungoma?
Verwandte Artikel
AAS-Chefin warnt vor Mangel an afrikanischer Forschung
Lise Korsten von der African Academy of Sciences sagt, dass fehlende in Afrika erzeugte Daten die Politik bremsen und den Kontinent im Handel schwächen. Die AAS baut Netzwerke, fördert Wissenschaftsdiplomatie und will Forscher aus der Diaspora einbinden.
Xonorika Kira: Menschzentrierte KI kann Ausschluss verstärken
Die Künstlerin Xonorika Kira warnt, dass der Ausdruck „den Menschen in den Mittelpunkt“ eine enge Vorstellung von Menschlichkeit verbergen kann und so viele Formen von Intelligenz ausschließt. Sie schlägt Alternativen für Daten, Modelle und Gemeinschaften vor.
Altersprüfungen im Internet offenbaren sensible Daten
Forscher fanden, dass Online-Altersprüfungen sensible persönliche Daten preisgeben können. Sie untersuchten den Dienst Yoti und berichten, dass Verifizierungen etwa Fotos, IP-Adressen und Geräteinformationen oft an Dritte weitergeben.
Nigeria und die wachsenden Klimarisiken
Nigeria hat sehr unterschiedliche Klimazonen und leidet unter häufigeren Extremwetterereignissen. Starke Überschwemmungen 2024 trafen viele Menschen und die Landwirtschaft; Regierung und Organisationen suchen Lösungen, es wird aber mehr Handeln gebraucht.
KI soll Todesursachen in armen Ländern besser erfassen
Ein dreijähriges Projekt namens CODA will mit künstlicher Intelligenz Sterbedaten in Ländern mit niedrigem Einkommen verbessern. Das System nutzt Interviews und historische Daten; begrenzte Tests sind ab September in Südafrika und Bangladesch geplant.