Wie KI und Satellitendaten Kleinbäuer*innen in Ruanda zugutekommen
Waldbestände schützen, die Ernte überwachen oder den Zustand von Gewässern überprüfen – der Einsatz von maschinellem Lernen (ML) mit Satellitendaten (EO) stellt einen bedeutenden Fortschritt für den Agrarsektor dar. Trotz des Potenzials ist die Anwendung dieser Technologie in Ruanda, wie in vielen Ländern mit niedrigem und mittlerem Einkommen, aufgrund des begrenzten Datenzugangs und der fehlenden nötigen technischen Ausbildung eingeschränkt.
Die politische Initiative „FAIR Forward – Artificial Intelligence for All“ hat in Zusammenarbeit mit der ruandischen Raumfahrtagentur und der Deutschen Gesellschaft für Luft- und Raumfahrt das Open Machine Learning for Earth Observation (ML4EO) Training Programm ins Leben gerufen. Durch das Programm werden 40 Studierende und junge Fachkräfte mit praktischen Fähigkeiten in den Bereichen maschinelles Lernen, Data Science und Erdbeobachtung ausgestattet.
Die Teilnehmenden erhalten eine umfassende Schulung in maschinellem Lernen, Erdbeobachtung und Produktentwicklung, um datengestützte Lösungen für den ruandischen Agrarsektor entwickeln zu können.
Amon, ein Teilnehmer des Programms, berichtet:
„Der ML4EO-Kurs hat mir unschätzbare Einblicke gewährt und mich mit Fähigkeiten ausgestattet, um an der Schnittstelle zwischen maschinellem Lernen und Erdbeobachtung zu arbeiten. Diese Erfahrung war und wird für meine Karriere entscheidend sein, da sie mir Türen zu neuen Möglichkeiten öffnet und mein Profil im Bereich der Datenwissenschaft und Umweltanwendungen immens stärkt.“
Amon, Teilnehmer des Programms
Darüber hinaus haben die Teilnehmenden die Möglichkeit, ML4EO-Produkte zu entwickeln. Die Projekte, die am vielversprechendsten sind, erhalten eine Anschubfinanzierung für die Entwicklung von minimal brauchbaren Produkten (Minimum Viable Products (MVPs)). Derzeit haben drei Gewinnerteams mit der Entwicklung ihrer MVPs begonnen. Eines der Teams hat zum Beispiel aktiv an Modellen zur Vorhersage von Bodenfeuchtigkeit gearbeitet. Sie verknüpfen Satellitenbilder mit Fernüberwachungssystemen auf dem Feld, um das Problem der knappen Trainingsdaten für die Bodenfeuchtigkeit in Ruanda zu lösen.
Ihre Bemühungen sind Teil einer größeren Initiative, die darauf abzielt, eine umfassende Datenplattform zu entwickeln, die den Landwirt*innen über SMS- und IVR-Systeme verwertbare Erkenntnisse liefert.
Ein anderes Team arbeitet an der Entwicklung eines ML-basierten Niederschlagsvorhersagemodells. Sie haben Niederschlagsdaten aus einem Jahrzehnt gesammelt und trainieren maschinelle Lernmodelle, um Niederschläge mit hoher Präzision vorherzusagen.
Das Programm hat aber nicht nur technisches Wissen vermittelt, sondern zeigt auch auf, wie die Zusammenarbeit und nachhaltiges Wissensmanagement durch das ML4EO-Netzwerk gelingen kann. Durch das Programm ist ein Netzwerk für fachlichen Austausch und Kapazitätsaufbau entstanden. Unter dem Vorsitz der ruandischen Raumfahrtagentur, der GIZ und der Carnegie Mellon University Africa (CMU) unterhält die Gruppe einen Online-Slack-Kanal, um den Dialog zu erleichtern und sich regelmäßig zu Vorträgen und Coding-Sessions zu treffen.
Inspiriert von der ersten Auflage des Programms, das 2022 in Südafrika lief, setzt FAIR Forward den Grundstein für ein verbessertes Ressourcenmanagement in Ruanda. Das Programm ist somit ein Vorbild für den Einsatz von KI in der Erdbeobachtung und steht für einen breiteren globalen Trend zu datengesteuerten Verfahren in der Landwirtschaft – und darüber hinaus.
Das von der GFA Consulting Group verwaltete Programm wurde vor allem von lokalen Bildungseinrichtungen, insbesondere der CMU getragen. Diese verantwortete die Gestaltung und Bereitstellung der Lehrplaninhalte sowie den Aufbau eines Netzwerks, um langfristige Nachhaltigkeit zu gewährleisten.
Der Lehrplan wird in Kürze auf atingi kostenlos zur Verfügung stehen. Einige Module werden als E-Learning-Kurse kostenlos zum Selbststudium angeboten.
Für weitere Informationen über den Lehrplan, Erfahrungen, Unterstützung bei der Vervielfältigung oder das ML4EO-Netzwerk wenden Sie sich bitte an [email protected].
