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
KI erweitert Sexual- und Reproduktionsinformationen in Lateinamerika
Gesundheitsgruppen und Forschende in Lateinamerika nutzen Künstliche Intelligenz, um junge und marginalisierte Menschen mit Sexual- und Reproduktionsinformationen zu erreichen. Projekte in Peru und Argentinien setzen Sprachen, digitale Kanäle und Datentrainings ein, zugleich gibt es Warnungen vor Verzerrungen.