Diplomacy & Defense Think Tank News

This paper investigates the impact of aid for trade (AfT) targeted at trade policies on the participation of recipient countries in global value chains (GVCs), and how this impact varies with their prevailing political regimes. In democratic countries, the need for the authorities to account for the interests of various stakeholders (e.g., lobbies, trade unions) can compromise the allocation, use, and effectiveness of AfT. In contrast, less democratic regimes are typically more insulated from political pressures, which may lead to more effective outcomes of aid. At the same time, integration into some complex GVCs requires efficient and democratic institutions, to which these products are sensitive. Employing a sample of 110 countries and data covering 2002-2018, we control for standard determinants of GVC participation, while examining the effect of AfT and the moderating role of the political regime in place. Our estimation addresses the endogeneity of aid through an appropriate instrumentation strategy. Our results suggest that the effect of AfT is mostly positive in autocratic regimes, indicating more effective trade policy reforms. When we account for regional disparities, we find evidence that AfT for trade policy is also impactful in some democratic regimes. This might suggest that the efficacy of AfT is not strictly regime-dependent, but hinges on the government’s commitment to carry out significant reforms leading to greater participation in the global economy.

This paper investigates the impact of aid for trade (AfT) targeted at trade policies on the participation of recipient countries in global value chains (GVCs), and how this impact varies with their prevailing political regimes. In democratic countries, the need for the authorities to account for the interests of various stakeholders (e.g., lobbies, trade unions) can compromise the allocation, use, and effectiveness of AfT. In contrast, less democratic regimes are typically more insulated from political pressures, which may lead to more effective outcomes of aid. At the same time, integration into some complex GVCs requires efficient and democratic institutions, to which these products are sensitive. Employing a sample of 110 countries and data covering 2002-2018, we control for standard determinants of GVC participation, while examining the effect of AfT and the moderating role of the political regime in place. Our estimation addresses the endogeneity of aid through an appropriate instrumentation strategy. Our results suggest that the effect of AfT is mostly positive in autocratic regimes, indicating more effective trade policy reforms. When we account for regional disparities, we find evidence that AfT for trade policy is also impactful in some democratic regimes. This might suggest that the efficacy of AfT is not strictly regime-dependent, but hinges on the government’s commitment to carry out significant reforms leading to greater participation in the global economy.

This paper investigates the impact of aid for trade (AfT) targeted at trade policies on the participation of recipient countries in global value chains (GVCs), and how this impact varies with their prevailing political regimes. In democratic countries, the need for the authorities to account for the interests of various stakeholders (e.g., lobbies, trade unions) can compromise the allocation, use, and effectiveness of AfT. In contrast, less democratic regimes are typically more insulated from political pressures, which may lead to more effective outcomes of aid. At the same time, integration into some complex GVCs requires efficient and democratic institutions, to which these products are sensitive. Employing a sample of 110 countries and data covering 2002-2018, we control for standard determinants of GVC participation, while examining the effect of AfT and the moderating role of the political regime in place. Our estimation addresses the endogeneity of aid through an appropriate instrumentation strategy. Our results suggest that the effect of AfT is mostly positive in autocratic regimes, indicating more effective trade policy reforms. When we account for regional disparities, we find evidence that AfT for trade policy is also impactful in some democratic regimes. This might suggest that the efficacy of AfT is not strictly regime-dependent, but hinges on the government’s commitment to carry out significant reforms leading to greater participation in the global economy.

Many colonies in Africa attained independence through negotiated settlements. However, several others engaged in armed liberation struggles, for example, Kenya, Namibia, South Africa, Southern Rhodesia (Zimbabwe), and the Portuguese colonies of Angola, Cape Verde, Guinea Bissau, Mozambique, and São Tomé and Príncipe. Newly independent states provided liberation movements with bases on their territories and political, military, intellectual, ideological, material, and moral support. In West Africa, Ghana’s first president, Kwame Nkrumah, a notable pan-Africanist, declared in his Independence Day speech in 1957, “Our independence is meaningless unless it is linked up with the total liberation of the African continent.” In East Africa, Julius Nyerere and Jomo Kenyatta, the first presidents of independent Tanzania and Kenya respectively, showed similar commitment to Pan-Africanism and anticolonialism by hosting refugees fleeing armed struggles in Southern Africa. Tanzania hosted the Organization of African Unity Liberation Committee supported anticolonial resistance and liberation movements. President Nyerere supported them for “challenging injustices of empire and apartheid” and declared, “I train freedom fighters”. He encouraged Tanzanians living around liberation movement camps to welcome these movements and their freedom fighters and also protect them from agents of colonial governments. Support also came from many other countries on the continent including Nigeria, Ethiopia, and Algeria. The latter provided sanctuary to representatives of liberation movements such as Nelson Mandela of the African National Congress (ANC) in South Africa.

Many colonies in Africa attained independence through negotiated settlements. However, several others engaged in armed liberation struggles, for example, Kenya, Namibia, South Africa, Southern Rhodesia (Zimbabwe), and the Portuguese colonies of Angola, Cape Verde, Guinea Bissau, Mozambique, and São Tomé and Príncipe. Newly independent states provided liberation movements with bases on their territories and political, military, intellectual, ideological, material, and moral support. In West Africa, Ghana’s first president, Kwame Nkrumah, a notable pan-Africanist, declared in his Independence Day speech in 1957, “Our independence is meaningless unless it is linked up with the total liberation of the African continent.” In East Africa, Julius Nyerere and Jomo Kenyatta, the first presidents of independent Tanzania and Kenya respectively, showed similar commitment to Pan-Africanism and anticolonialism by hosting refugees fleeing armed struggles in Southern Africa. Tanzania hosted the Organization of African Unity Liberation Committee supported anticolonial resistance and liberation movements. President Nyerere supported them for “challenging injustices of empire and apartheid” and declared, “I train freedom fighters”. He encouraged Tanzanians living around liberation movement camps to welcome these movements and their freedom fighters and also protect them from agents of colonial governments. Support also came from many other countries on the continent including Nigeria, Ethiopia, and Algeria. The latter provided sanctuary to representatives of liberation movements such as Nelson Mandela of the African National Congress (ANC) in South Africa.

Many colonies in Africa attained independence through negotiated settlements. However, several others engaged in armed liberation struggles, for example, Kenya, Namibia, South Africa, Southern Rhodesia (Zimbabwe), and the Portuguese colonies of Angola, Cape Verde, Guinea Bissau, Mozambique, and São Tomé and Príncipe. Newly independent states provided liberation movements with bases on their territories and political, military, intellectual, ideological, material, and moral support. In West Africa, Ghana’s first president, Kwame Nkrumah, a notable pan-Africanist, declared in his Independence Day speech in 1957, “Our independence is meaningless unless it is linked up with the total liberation of the African continent.” In East Africa, Julius Nyerere and Jomo Kenyatta, the first presidents of independent Tanzania and Kenya respectively, showed similar commitment to Pan-Africanism and anticolonialism by hosting refugees fleeing armed struggles in Southern Africa. Tanzania hosted the Organization of African Unity Liberation Committee supported anticolonial resistance and liberation movements. President Nyerere supported them for “challenging injustices of empire and apartheid” and declared, “I train freedom fighters”. He encouraged Tanzanians living around liberation movement camps to welcome these movements and their freedom fighters and also protect them from agents of colonial governments. Support also came from many other countries on the continent including Nigeria, Ethiopia, and Algeria. The latter provided sanctuary to representatives of liberation movements such as Nelson Mandela of the African National Congress (ANC) in South Africa.

Zusammenfassung:

8. Mai 2026 – In der rentenpolitischen Debatte gewinnt ein aktueller Vorschlag viel Zuspruch: das Renteneintrittsalter an die Zahl der geleisteten Beitragsjahre zu koppeln. Als Kriterium für den Renteneintritt werden in der Regel 45 Beitragsjahre genannt. Die Idee dahinter ist intuitiv einleuchtend: Wer früh berufstätig war und lange eingezahlt hat, soll auch früher in Rente gehen dürfen. Doch so plausibel diese Logik auf den ersten Blick erscheint, so komplex sind die Fragen, die sich für eine Umsetzung ergeben würden. Entscheidend ist, welche Zeiten überhaupt als anrechenbare Wartezeiten gelten. Denn Versicherungsbiografien verlaufen selten geradlinig. Für viele Versicherte wechseln sich Erwerbsphasen mit Zeiten der Arbeitslosigkeit, Krankheit, Kindererziehung oder Pflege ab. Um diese Vielfalt näher zu beleuchten, betrachtet diese Kurzstudie empirische Versicherungszeiten nach verschiedenen rentenrechtlichen Definitionen für die Geburtskohorte 1957. Die Analyse der Versicherungsdaten zeigt, dass unter der aktuellen Definition der Wartezeit von 45 Jahren nur 40 Prozent der Versicherten dieses Jahrgangs die 45-Jahres-Schwelle bis zum Renteneintritt erreicht hatten. Würde man diese Schwelle für alle Versicherten verbindlich einführen, würden vor allem zwei Gruppen erst später als bisher in Rente gehen können: einerseits Akademiker*innen, die später ins Erwerbsleben eintreten, andererseits Personen mit unterbrochenen Erwerbsbiografien. Zu letzteren zählen insbesondere Frauen mit Kindern und Personen mit Phasen längerer Arbeitslosigkeit.

Der neuesten Steuerschätzung zufolge dürfte der Gesamtstaat bis 2030 jedes Jahr fast 18 Milliarden Euro weniger als noch im Oktober erwartet zur Verfügung haben. Auf Bundesebene fehlen im Vergleich zum vergangene Woche präsentierten Finanzplan des Bundesfinanzministers im kommenden Jahr voraussichtlich vier Milliarden Euro und 2028 und 2029 jeweils zwei Milliarden Euro. Dazu eine Einschätzung von Teresa Schildmann, Wissenschaftlerin in der Abteilung Makroökonomie im Deutschen Institut für Wirtschaftsforschung (DIW Berlin) und Mitglied des Arbeitskreises Steuerschätzung:

Die aktuelle Steuerschätzung ist ein Warnsignal für die Finanzpolitik der Bundesregierung. Der finanzielle Spielraum des Bundes wird wieder enger – nicht nur aufgrund der wirtschaftlichen Folgen des Iran-Kriegs, sondern auch wegen zusätzlicher steuerlicher Entlastungsmaßnahmen der vergangenen Monate. Das dürfte die Haushaltsaufstellung für die kommenden Jahre weiter erschweren.  

Zwar profitiert der Staat kurzfristig teilweise von höheren Preisen vor allem bei Energie, da diese die Einnahmen etwa bei der Umsatzsteuer erhöhen. Gleichzeitig überwiegen jedoch die negativen Effekte: Die hohe Unsicherheit belastet Konsum und Investitionen, die wirtschaftliche Dynamik schwächt sich ab und insbesondere bei gewinnabhängigen Steuern fallen die Einnahmen geringer aus. Hinzu kommen neue steuerpolitische Maßnahmen wie die dauerhafte Umsatzsteuersenkung in der Gastronomie, die dauerhafte Senkung der Stromsteuer für das produzierende Gewerbe oder der Tankrabatt, also die temporäre Absenkung der Energiesteuer auf Kraftstoffe, die die öffentlichen Haushalte zusätzlich belasten.  

Die Bundesregierung steht damit zunehmend vor einem Zielkonflikt: Einerseits besteht weiterhin der politische Wunsch nach Entlastungen für Bürger*innen sowie Unternehmen. Andererseits werden die Spielräume für zusätzliche Ausgaben kleiner. Zusätzliche Einnahmen durch höhere Verbrauchsteuern etwa auf Tabakprodukte und zuckerhaltige Getränke können dabei nur begrenzt helfen.  

Es spricht daher vieles dafür, dass die Politik künftig stärker auf die Ausgabenseite schauen muss. Dazu gehören eine konsequentere Prüfung und gegebenenfalls der Abbau von Subventionen, eine effizientere Verwaltung und langfristig auch Reformen bei den Sozialversicherungssystemen. Entscheidend wird sein, die öffentlichen Finanzen nachhaltig zu stabilisieren, ohne die wirtschaftliche Erholung zusätzlich zu belasten.

DIW-Wochenbericht zu sozial-ökologischer Transformation beleuchtet Nachhaltigkeit des Konsums und Klimasorgen in Deutschland – Planetare Grenzen bei Konsum dauerhaft überschritten – Besorgnis wegen Klimawandels wächst in allen Altersstufen – Breite gesellschaftliche Basis eröffnet Chancen für ...

Bonn, 7 Mai 2026. Agentische KI hält Einzug in die Entwicklungszusammenarbeit (EZ), noch bevor sie dort gesteuert werden kann. Deutschland sollte bei der technologischen Transformation des Sektors eine Führungsrolle übernehmen.

Agentische KI hält Einzug in die EZ, noch bevor der Sektor die Mittel hat, sie zu steuern. Anders als die bisher genutzten Chatbots handeln agentische Systeme eigenständig: Sie rufen Tools auf und verknüpfen Schritte, um Aufgaben zu lösen. Wenn das OECD-DAC-Governance-Netzwerk diesen Monat über KI berät, stellt sich daher eine schwierige Frage: Wie lässt sich eine derart schnelllebige, zunehmend autonome Technologie einführen und steuern?

Als größter Geber unter den DAC-Ländern sollte Deutschland eine Führungsrolle bei der technologischen Transformation des Entwicklungssektors übernehmen. Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) könnte eine technische Einheit aufbauen, die mit KI-Tools experimentiert und Rechenschaftsstandards setzt. Dafür braucht es politischen Willen und einen institutionellen Rahmen, der KI als sich stetig verschiebende technologische Grenze begreift.

Der EZ-Sektor ist noch nicht bereit für agentische KI

Das erste Problem ist das enorme Tempo des Wandels. In nur 18 Monaten hat sich die Technologie deutlich gewandelt: von Chatbots, die Informationen abrufen, hin zu Systemen, die Daten generieren und eigenständig mit mehreren Tools arbeiten. Laut AI Index 2025 der Stanford University sanken die Betriebskosten dieser Modelle im selben Zeitraum um mehr als das 280-Fache. Die Hürden für fortschrittliche KI sinken entsprechend. Bei Innovationszyklen von Wochen kommt die EZ mit ihren langen Beschaffungsfristen und der starren Bürokratie kaum hinterher.

Aus dieser Diskrepanz ergibt sich ein Kapazitätsproblem. Entwicklungsorganisationen gelingt es kaum, KI-Innovationen zu verfolgen, eigene Tools zu entwickeln und zugleich Qualifikationslücken zu schließen. Die absehbare Folge: Einzelne Mitarbeitende experimentieren nebenbei, während kleinere Einheiten auf das jeweils günstigste kommerzielle Modell zurückgreifen.

Diese Kapazitätsengpässe haben zwei Folgen. Erstens wird die Skalierbarkeit beeinträchtigt: Laut einer OECD-Übersicht verbleiben die meisten KI-Pilotprojekte in der explorativen Phase. Zweitens führen ad-hoc eingesetzte KI-Anwendungen zu inkompatiblen Standards und Lücken in der Rechenschaftspflicht.

Die größere Hürde sind jedoch die Daten. KI ist nur so leistungsfähig wie die Informationen, auf denen sie beruht. In fragilen Staaten und Gemeinschaften mit eingeschränktem digitalen Zugang – etwa dort, wo viele unterrepräsentierte afrikanische Sprachen in Trainingsdaten kaum vorkommen – können agentische Systeme irreführende Ergebnisse liefern, mit teils gravierenden Folgen für Entwicklungsprogramme.

Das BMZ sollte eine Führungsrolle übernehmen

Das BMZ hat bereits Vorarbeit für sektorale Reformen geleistet. Das BMZ Data Lab hat Datenpipelines und einen ministeriellen Chatbot (KIEZ) entwickelt. FAIR Forward hat gemeinsam mit sieben Partnerländern an offenen KI-Daten gearbeitet und dabei aufschlussreiche Materialien produziert. Der neue Reformplan des BMZ greift KI ebenfalls an drei Stellen auf, darunter die Einrichtung einer neuen Einheit für strategische Vorausschau. Doch versteht er KI weiterhin als Instrument – und nicht als sich verschiebende Grenze, die kontinuierliche institutionelle Beobachtung erfordert.

Das BMZ könnte ein Team aufstellen, welches sektorweite KI-Kompetenz bereithält. Dies wäre eine agile Einheit aus Ingenieur*innen und Entwicklungspraktiker*innen, die Ressourcen verschiedener Akteure bündelt, Protokolle entwickelt und modernste KI-Tools für Geber und Entwicklungsorganisationen testet – für eine sichere und dennoch schnellere Einführung. Ihr Mandat ginge über die interne Unterstützung des Ministeriums hinaus. Es würde mit kürzeren Vertrags- und Beschaffungszyklen arbeiten als im Sektor üblich, mit Klauseln, die eine kontinuierliche Weiterentwicklung der Tools im Zuge des technologischen Fortschritts erlauben. Kleinere Geber und andere Organisationen könnten über Co-Entwicklung, gemeinsame Schulungen und offenen Zugang zu Tools und Protokollen auf dieselben Ressourcen zugreifen.       

Eine solche Einheit würde zwei Probleme zugleich adressieren. Das BMZ würde zu einem zentralen Knotenpunkt für die Bündelung von Ressourcen und den Aufbau gemeinsamer Kapazitäten im Sektor. Zugleich könnte es sektorspezifische Standards für algorithmische Rechenschaftspflicht entwickeln – etwa verpflichtende Prüfpfade für Entscheidungen in jedem agentischen KI-System. Diese Instrumente wiederum würden das BMZ stärken, indem sie die normativen Debatten über den Einsatz von KI in der EZ weltweit aktiv mitgestalten.

Dieselbe Einheit könnte auch das Datenproblem aufgreifen. Sie könnte Leitlinien für „Datenbereitschaftsbewertungen“ entwickeln – als Standardvoraussetzung für jede KI-gestützte Programmierung (vergleichbar mit Umweltverträglichkeitsprüfungen). Zudem könnte sie dazu beitragen, über Jahrzehnte gewachsenes institutionelles Erfahrungswissen des Sektors in öffentlich zugängliches, KI-gestütztes und handlungsorientiertes Wissen zu überführen (über KIEZ hinaus). Dieses könnte erstens digital benachteiligten Gemeinschaften mehr Sichtbarkeit verschaffen und zweitens Fachkräfte weltweit stärken. Statt eines 100-seitigen, statischen PDF-Toolkits wäre ein interaktives System denkbar, in dem Anwender*innen fragen können: „Was hat in ähnlichen Kontexten wie meinem funktioniert?“ und das daraufhin synthetisierte, quellenbasierte Antworten liefert. 

Deutschland sollte dieses enge Zeitfenster nicht verpassen, um zur führenden Stimme der KI-Transformation in der EZ zu werden.

Bonn, 7 Mai 2026. Agentische KI hält Einzug in die Entwicklungszusammenarbeit (EZ), noch bevor sie dort gesteuert werden kann. Deutschland sollte bei der technologischen Transformation des Sektors eine Führungsrolle übernehmen.

Agentische KI hält Einzug in die EZ, noch bevor der Sektor die Mittel hat, sie zu steuern. Anders als die bisher genutzten Chatbots handeln agentische Systeme eigenständig: Sie rufen Tools auf und verknüpfen Schritte, um Aufgaben zu lösen. Wenn das OECD-DAC-Governance-Netzwerk diesen Monat über KI berät, stellt sich daher eine schwierige Frage: Wie lässt sich eine derart schnelllebige, zunehmend autonome Technologie einführen und steuern?

Als größter Geber unter den DAC-Ländern sollte Deutschland eine Führungsrolle bei der technologischen Transformation des Entwicklungssektors übernehmen. Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) könnte eine technische Einheit aufbauen, die mit KI-Tools experimentiert und Rechenschaftsstandards setzt. Dafür braucht es politischen Willen und einen institutionellen Rahmen, der KI als sich stetig verschiebende technologische Grenze begreift.

Der EZ-Sektor ist noch nicht bereit für agentische KI

Das erste Problem ist das enorme Tempo des Wandels. In nur 18 Monaten hat sich die Technologie deutlich gewandelt: von Chatbots, die Informationen abrufen, hin zu Systemen, die Daten generieren und eigenständig mit mehreren Tools arbeiten. Laut AI Index 2025 der Stanford University sanken die Betriebskosten dieser Modelle im selben Zeitraum um mehr als das 280-Fache. Die Hürden für fortschrittliche KI sinken entsprechend. Bei Innovationszyklen von Wochen kommt die EZ mit ihren langen Beschaffungsfristen und der starren Bürokratie kaum hinterher.

Aus dieser Diskrepanz ergibt sich ein Kapazitätsproblem. Entwicklungsorganisationen gelingt es kaum, KI-Innovationen zu verfolgen, eigene Tools zu entwickeln und zugleich Qualifikationslücken zu schließen. Die absehbare Folge: Einzelne Mitarbeitende experimentieren nebenbei, während kleinere Einheiten auf das jeweils günstigste kommerzielle Modell zurückgreifen.

Diese Kapazitätsengpässe haben zwei Folgen. Erstens wird die Skalierbarkeit beeinträchtigt: Laut einer OECD-Übersicht verbleiben die meisten KI-Pilotprojekte in der explorativen Phase. Zweitens führen ad-hoc eingesetzte KI-Anwendungen zu inkompatiblen Standards und Lücken in der Rechenschaftspflicht.

Die größere Hürde sind jedoch die Daten. KI ist nur so leistungsfähig wie die Informationen, auf denen sie beruht. In fragilen Staaten und Gemeinschaften mit eingeschränktem digitalen Zugang – etwa dort, wo viele unterrepräsentierte afrikanische Sprachen in Trainingsdaten kaum vorkommen – können agentische Systeme irreführende Ergebnisse liefern, mit teils gravierenden Folgen für Entwicklungsprogramme.

Das BMZ sollte eine Führungsrolle übernehmen

Das BMZ hat bereits Vorarbeit für sektorale Reformen geleistet. Das BMZ Data Lab hat Datenpipelines und einen ministeriellen Chatbot (KIEZ) entwickelt. FAIR Forward hat gemeinsam mit sieben Partnerländern an offenen KI-Daten gearbeitet und dabei aufschlussreiche Materialien produziert. Der neue Reformplan des BMZ greift KI ebenfalls an drei Stellen auf, darunter die Einrichtung einer neuen Einheit für strategische Vorausschau. Doch versteht er KI weiterhin als Instrument – und nicht als sich verschiebende Grenze, die kontinuierliche institutionelle Beobachtung erfordert.

Das BMZ könnte ein Team aufstellen, welches sektorweite KI-Kompetenz bereithält. Dies wäre eine agile Einheit aus Ingenieur*innen und Entwicklungspraktiker*innen, die Ressourcen verschiedener Akteure bündelt, Protokolle entwickelt und modernste KI-Tools für Geber und Entwicklungsorganisationen testet – für eine sichere und dennoch schnellere Einführung. Ihr Mandat ginge über die interne Unterstützung des Ministeriums hinaus. Es würde mit kürzeren Vertrags- und Beschaffungszyklen arbeiten als im Sektor üblich, mit Klauseln, die eine kontinuierliche Weiterentwicklung der Tools im Zuge des technologischen Fortschritts erlauben. Kleinere Geber und andere Organisationen könnten über Co-Entwicklung, gemeinsame Schulungen und offenen Zugang zu Tools und Protokollen auf dieselben Ressourcen zugreifen.       

Eine solche Einheit würde zwei Probleme zugleich adressieren. Das BMZ würde zu einem zentralen Knotenpunkt für die Bündelung von Ressourcen und den Aufbau gemeinsamer Kapazitäten im Sektor. Zugleich könnte es sektorspezifische Standards für algorithmische Rechenschaftspflicht entwickeln – etwa verpflichtende Prüfpfade für Entscheidungen in jedem agentischen KI-System. Diese Instrumente wiederum würden das BMZ stärken, indem sie die normativen Debatten über den Einsatz von KI in der EZ weltweit aktiv mitgestalten.

Dieselbe Einheit könnte auch das Datenproblem aufgreifen. Sie könnte Leitlinien für „Datenbereitschaftsbewertungen“ entwickeln – als Standardvoraussetzung für jede KI-gestützte Programmierung (vergleichbar mit Umweltverträglichkeitsprüfungen). Zudem könnte sie dazu beitragen, über Jahrzehnte gewachsenes institutionelles Erfahrungswissen des Sektors in öffentlich zugängliches, KI-gestütztes und handlungsorientiertes Wissen zu überführen (über KIEZ hinaus). Dieses könnte erstens digital benachteiligten Gemeinschaften mehr Sichtbarkeit verschaffen und zweitens Fachkräfte weltweit stärken. Statt eines 100-seitigen, statischen PDF-Toolkits wäre ein interaktives System denkbar, in dem Anwender*innen fragen können: „Was hat in ähnlichen Kontexten wie meinem funktioniert?“ und das daraufhin synthetisierte, quellenbasierte Antworten liefert. 

Deutschland sollte dieses enge Zeitfenster nicht verpassen, um zur führenden Stimme der KI-Transformation in der EZ zu werden.

Bonn, 7 Mai 2026. Agentische KI hält Einzug in die Entwicklungszusammenarbeit (EZ), noch bevor sie dort gesteuert werden kann. Deutschland sollte bei der technologischen Transformation des Sektors eine Führungsrolle übernehmen.

Agentische KI hält Einzug in die EZ, noch bevor der Sektor die Mittel hat, sie zu steuern. Anders als die bisher genutzten Chatbots handeln agentische Systeme eigenständig: Sie rufen Tools auf und verknüpfen Schritte, um Aufgaben zu lösen. Wenn das OECD-DAC-Governance-Netzwerk diesen Monat über KI berät, stellt sich daher eine schwierige Frage: Wie lässt sich eine derart schnelllebige, zunehmend autonome Technologie einführen und steuern?

Als größter Geber unter den DAC-Ländern sollte Deutschland eine Führungsrolle bei der technologischen Transformation des Entwicklungssektors übernehmen. Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) könnte eine technische Einheit aufbauen, die mit KI-Tools experimentiert und Rechenschaftsstandards setzt. Dafür braucht es politischen Willen und einen institutionellen Rahmen, der KI als sich stetig verschiebende technologische Grenze begreift.

Der EZ-Sektor ist noch nicht bereit für agentische KI

Das erste Problem ist das enorme Tempo des Wandels. In nur 18 Monaten hat sich die Technologie deutlich gewandelt: von Chatbots, die Informationen abrufen, hin zu Systemen, die Daten generieren und eigenständig mit mehreren Tools arbeiten. Laut AI Index 2025 der Stanford University sanken die Betriebskosten dieser Modelle im selben Zeitraum um mehr als das 280-Fache. Die Hürden für fortschrittliche KI sinken entsprechend. Bei Innovationszyklen von Wochen kommt die EZ mit ihren langen Beschaffungsfristen und der starren Bürokratie kaum hinterher.

Aus dieser Diskrepanz ergibt sich ein Kapazitätsproblem. Entwicklungsorganisationen gelingt es kaum, KI-Innovationen zu verfolgen, eigene Tools zu entwickeln und zugleich Qualifikationslücken zu schließen. Die absehbare Folge: Einzelne Mitarbeitende experimentieren nebenbei, während kleinere Einheiten auf das jeweils günstigste kommerzielle Modell zurückgreifen.

Diese Kapazitätsengpässe haben zwei Folgen. Erstens wird die Skalierbarkeit beeinträchtigt: Laut einer OECD-Übersicht verbleiben die meisten KI-Pilotprojekte in der explorativen Phase. Zweitens führen ad-hoc eingesetzte KI-Anwendungen zu inkompatiblen Standards und Lücken in der Rechenschaftspflicht.

Die größere Hürde sind jedoch die Daten. KI ist nur so leistungsfähig wie die Informationen, auf denen sie beruht. In fragilen Staaten und Gemeinschaften mit eingeschränktem digitalen Zugang – etwa dort, wo viele unterrepräsentierte afrikanische Sprachen in Trainingsdaten kaum vorkommen – können agentische Systeme irreführende Ergebnisse liefern, mit teils gravierenden Folgen für Entwicklungsprogramme.

Das BMZ sollte eine Führungsrolle übernehmen

Das BMZ hat bereits Vorarbeit für sektorale Reformen geleistet. Das BMZ Data Lab hat Datenpipelines und einen ministeriellen Chatbot (KIEZ) entwickelt. FAIR Forward hat gemeinsam mit sieben Partnerländern an offenen KI-Daten gearbeitet und dabei aufschlussreiche Materialien produziert. Der neue Reformplan des BMZ greift KI ebenfalls an drei Stellen auf, darunter die Einrichtung einer neuen Einheit für strategische Vorausschau. Doch versteht er KI weiterhin als Instrument – und nicht als sich verschiebende Grenze, die kontinuierliche institutionelle Beobachtung erfordert.

Das BMZ könnte ein Team aufstellen, welches sektorweite KI-Kompetenz bereithält. Dies wäre eine agile Einheit aus Ingenieur*innen und Entwicklungspraktiker*innen, die Ressourcen verschiedener Akteure bündelt, Protokolle entwickelt und modernste KI-Tools für Geber und Entwicklungsorganisationen testet – für eine sichere und dennoch schnellere Einführung. Ihr Mandat ginge über die interne Unterstützung des Ministeriums hinaus. Es würde mit kürzeren Vertrags- und Beschaffungszyklen arbeiten als im Sektor üblich, mit Klauseln, die eine kontinuierliche Weiterentwicklung der Tools im Zuge des technologischen Fortschritts erlauben. Kleinere Geber und andere Organisationen könnten über Co-Entwicklung, gemeinsame Schulungen und offenen Zugang zu Tools und Protokollen auf dieselben Ressourcen zugreifen.       

Eine solche Einheit würde zwei Probleme zugleich adressieren. Das BMZ würde zu einem zentralen Knotenpunkt für die Bündelung von Ressourcen und den Aufbau gemeinsamer Kapazitäten im Sektor. Zugleich könnte es sektorspezifische Standards für algorithmische Rechenschaftspflicht entwickeln – etwa verpflichtende Prüfpfade für Entscheidungen in jedem agentischen KI-System. Diese Instrumente wiederum würden das BMZ stärken, indem sie die normativen Debatten über den Einsatz von KI in der EZ weltweit aktiv mitgestalten.

Dieselbe Einheit könnte auch das Datenproblem aufgreifen. Sie könnte Leitlinien für „Datenbereitschaftsbewertungen“ entwickeln – als Standardvoraussetzung für jede KI-gestützte Programmierung (vergleichbar mit Umweltverträglichkeitsprüfungen). Zudem könnte sie dazu beitragen, über Jahrzehnte gewachsenes institutionelles Erfahrungswissen des Sektors in öffentlich zugängliches, KI-gestütztes und handlungsorientiertes Wissen zu überführen (über KIEZ hinaus). Dieses könnte erstens digital benachteiligten Gemeinschaften mehr Sichtbarkeit verschaffen und zweitens Fachkräfte weltweit stärken. Statt eines 100-seitigen, statischen PDF-Toolkits wäre ein interaktives System denkbar, in dem Anwender*innen fragen können: „Was hat in ähnlichen Kontexten wie meinem funktioniert?“ und das daraufhin synthetisierte, quellenbasierte Antworten liefert. 

Deutschland sollte dieses enge Zeitfenster nicht verpassen, um zur führenden Stimme der KI-Transformation in der EZ zu werden.

Die Bundesregierung hat Katharina Wrohlich, Leiterin der Forschungsgruppe Gender Economics am DIW Berlin und Professorin für Öffentliche Finanzen, Gender- und Familienökonomie an der Universität Potsdam in den Gender Equality Advisory Council (GEAC) berufen. Dieser Expert*innenrat berät die G7 in ...

Mehr Lohn und sichere Jobs: Mit diesen Forderungen sind Gewerkschaften in der KI-Ära überfordert. Damit sie überleben, muss sich ihr Kerngeschäft radikal ändern.  , Am 1. Mai gehen Millionen Menschen auf die Straße. Das Motto des Deutschen Gewerkschaftsbunds lautet in diesem Jahr: »Erst unsere Jobs, dann eure Profite.« Der Impuls dahinter ist richtig und verständlich. Denn der wirtschaftliche Wandel, den Deutschland und die übrigen westlichen Volkswirtschaften ...

Bonn, 4. Mai 2026. Unter bestimmten Voraussetzungen können Entwicklungsorganisationen Künstliche Intelligenz (KI) nutzen, um zu lernenden Organisationen zu werden. Aufschlussreich sind in diesem Zusammenhang die Erfahrungen von USAID.

KI ist für die Entwicklungszusammenarbeit (EZ) sowohl Herausforderung als auch Chance. In dieser Kolumne geht es um die Frage, wie Entwicklungsorganisationen KI nutzen können, um lernende Organisationen zu werden. Ob dies gelingt, hängt davon ab, wie KI-gestützte Analyse- und Lernprozesse in Organisationen verankert sind. Aus den Erfahrungen der 2025 geschlossenen US-Entwicklungsagentur USAID lassen sich Lehren für den Einsatz von KI in der EZ ziehen – und wo dieser an Grenzen stößt.

USAIDs vorzeitig beendete KI-Lerninitiative

Nach vielen Jahren als Mitarbeiterin verließ die Ko-Autorin USAID im Jahr 2021, um zu untersuchen, wie Entwicklungsorganisationen systematischer aus ihren eigenen Erfahrungen lernen können. Dies führte zur Entwicklung des Development Evidence Large Language Model (DELLM), eines speziell für die EZ entwickelten KI-Systems. USAID wurde einer der ersten Kunden. Um DELLM zu trainieren, annotierten und labelten Expert*innen zunächst manuell Textsegmente aus rund 100.000 USAID-Evaluierungsberichten aus über 60 Jahren. In einem zunehmend automatisierten aber von Expert*innen überwachten Prozess lernte das Modell, diese Berichte zu „lesen“ und zwischen Sektoren, Kooperationsansätzen, Ergebnissen sowie positiven und negativen Lehren zu unterscheiden.

Nach Abschluss des Trainings konnten die USAID-Mitarbeitenden das institutionelle Wissen der Organisation erstmals systematisch nutzen. DELLM konnte sowohl für die operative Planung als auch für das organisationale Lernen eingesetzt werden. Im Hinblick auf die operative Planung waren die Mitarbeiter*innen nun in der Lage, innerhalb weniger Minuten auf themenspezifische und regionale Erkenntnisse aus über sechs Jahrzehnten zuzugreifen. Zuvor hätte jede dieser Abfragen lange Recherchen erfordert und hohe Kosten verursacht. Aufgrund der plötzlichen Schließung von USAID konnte das Modell jedoch nicht mehr für das organisationale Lernen eingesetzt werden. Solange die Evaluierungsberichte noch intern zugänglich waren, wurde DELLM stattdessen genutzt, um zentrale Erkenntnisse zu sichern. Diese Auswertung der übergreifenden Erfolgsfaktoren von USAID-Maßnahmen liefert für sich genommen bereits aufschlussreiche Ergebnisse. Zugleich verdeutlichen sie, warum KI-gestützte Erkenntnisse nicht automatisch zu organisationalem Lernen führen.

Erfolgsfaktoren der Entwicklungszusammenarbeit

Die Suche nach den übergeordneten Erfolgsfaktoren der Entwicklungsmaßnahmen von USAID brachte folgende Erkenntnisse: (1) Entscheidungen sollten möglichst dezentral dort getroffen werden, wo die Umsetzung erfolgt, um rasches Feedback aus der Praxis zu erhalten und Kurskorrekturen vornehmen zu können. (2) Reformen sollten praxisorientiert sein, das heißt auf bestehenden Systemen aufbauen und darauf abzielen, diese weiterzuentwickeln. (3) Wirksame Lösungen sollten rasch vor Ort verankert werden, damit sie auch nach Auslaufen der Finanzierung fortwirken. (4) Reformprozesse sollten von lokalen Akteuren geleitet werden, anstatt diese lediglich beratend einzubinden. Schließlich ist (5) die Zusammenarbeit mit der mittleren Ebene entscheidend – also mit Partnern, die für die praktische Umsetzung der Maßnahmen verantwortlich sind. Welche Schlüsse lassen sich aus diesen Erkenntnissen über das Potenzial und die Grenzen von KI-gestütztem organisationalem Lernen in der EZ ziehen?

Für Entwicklungsexpert*innen sind diese Erfolgsfaktoren nicht neu. Dennoch werden darauf basierende, neue Ansätze der EZ, wie etwa Ansätze adaptiver EZ, nur selten genutzt. Obwohl sie auch in der deutschen EZ bereits erfolgreich umgesetzt wurden, bleiben sie Ausnahmen. Mangelndes organisationales Lernen hat neben der Orientierung der EZ an nationalen Interessen mit einem starken Fokus auf systemimmanente Rechenschaftsbeziehungen zu tun. Es wird aber auch durch die Strukturen und Anreize innerhalb von Entwicklungsorganisationen gebremst. Organisationales Lernen kann erst gelingen, wenn evidenzbasiertes Arbeiten gefördert wird, generalistische Karrierewege durch Fachlaufbahnen ergänzt werden, Ziele und Defizite offen diskutiert werden und die Organisationskultur all dies unterstützt.

Verankerung KI-gestützten Lernens für Entwicklung

KI hat das Potenzial, einen umfassenden, intuitiven und bedarfsgerechten Zugang zum institutionellen Wissen von Organisationen zu ermöglichen. Dies ist insbesondere für die operative Planung von großem Nutzen. Im Hinblick auf organisationales Lernen und entsprechende Reformen sollten jedoch die Besonderheiten von KI sowie die notwendigen Rahmenbedingungen berücksichtigt werden. Erstens gilt, wie bei allen KI-Tools, dass die Qualität ihrer Ergebnisse nur so gut ist wie die Qualität der zugrunde liegenden Daten und des Trainings. Zweitens müssen Erkenntnisse, um in organisationales Lernen überführt zu werden, in eine offene, selbstkritische und evidenzbasierte Organisationskultur eingebettet sein. Drittens gilt: Auch wenn KI-gestützte Erkenntnisse nicht vollständig neu sind, können sie in Verbindung mit anderen Wissensquellen, etwa der Entwicklungsforschung, dazu dienen, bestehendes Wissen zu überprüfen und zu ergänzen. In einem solchen förderlichen organisationalen Umfeld kann KI somit ein wichtiges Instrument unter anderen sein, um lernende Entwicklungsorganisationen hervorzubringen und die Effektivität und Effizienz der EZ zu steigern.

Dr. Michael Roll ist Soziologe und wissenschaftlicher Mitarbeiterin der Abteilung “Transformation of Political (Dis-) Order” des German Institute of Development and Sustainability (IDOS) in Bonn.

Lindsey Moore ist Geschäftsführerin und Gründerin von DevelopMetrics sowie außerordentliche Professorin für KI und Politik an der Georgetown University. Ihre Arbeit konzentriert sich auf verantwortungsvolle künstliche Intelligenz, Evidenzsynthese und Wissensmanagement im Bereich der internationalen Entwicklung.

Bonn, 4. Mai 2026. Unter bestimmten Voraussetzungen können Entwicklungsorganisationen Künstliche Intelligenz (KI) nutzen, um zu lernenden Organisationen zu werden. Aufschlussreich sind in diesem Zusammenhang die Erfahrungen von USAID.

KI ist für die Entwicklungszusammenarbeit (EZ) sowohl Herausforderung als auch Chance. In dieser Kolumne geht es um die Frage, wie Entwicklungsorganisationen KI nutzen können, um lernende Organisationen zu werden. Ob dies gelingt, hängt davon ab, wie KI-gestützte Analyse- und Lernprozesse in Organisationen verankert sind. Aus den Erfahrungen der 2025 geschlossenen US-Entwicklungsagentur USAID lassen sich Lehren für den Einsatz von KI in der EZ ziehen – und wo dieser an Grenzen stößt.

USAIDs vorzeitig beendete KI-Lerninitiative

Nach vielen Jahren als Mitarbeiterin verließ die Ko-Autorin USAID im Jahr 2021, um zu untersuchen, wie Entwicklungsorganisationen systematischer aus ihren eigenen Erfahrungen lernen können. Dies führte zur Entwicklung des Development Evidence Large Language Model (DELLM), eines speziell für die EZ entwickelten KI-Systems. USAID wurde einer der ersten Kunden. Um DELLM zu trainieren, annotierten und labelten Expert*innen zunächst manuell Textsegmente aus rund 100.000 USAID-Evaluierungsberichten aus über 60 Jahren. In einem zunehmend automatisierten aber von Expert*innen überwachten Prozess lernte das Modell, diese Berichte zu „lesen“ und zwischen Sektoren, Kooperationsansätzen, Ergebnissen sowie positiven und negativen Lehren zu unterscheiden.

Nach Abschluss des Trainings konnten die USAID-Mitarbeitenden das institutionelle Wissen der Organisation erstmals systematisch nutzen. DELLM konnte sowohl für die operative Planung als auch für das organisationale Lernen eingesetzt werden. Im Hinblick auf die operative Planung waren die Mitarbeiter*innen nun in der Lage, innerhalb weniger Minuten auf themenspezifische und regionale Erkenntnisse aus über sechs Jahrzehnten zuzugreifen. Zuvor hätte jede dieser Abfragen lange Recherchen erfordert und hohe Kosten verursacht. Aufgrund der plötzlichen Schließung von USAID konnte das Modell jedoch nicht mehr für das organisationale Lernen eingesetzt werden. Solange die Evaluierungsberichte noch intern zugänglich waren, wurde DELLM stattdessen genutzt, um zentrale Erkenntnisse zu sichern. Diese Auswertung der übergreifenden Erfolgsfaktoren von USAID-Maßnahmen liefert für sich genommen bereits aufschlussreiche Ergebnisse. Zugleich verdeutlichen sie, warum KI-gestützte Erkenntnisse nicht automatisch zu organisationalem Lernen führen.

Erfolgsfaktoren der Entwicklungszusammenarbeit

Die Suche nach den übergeordneten Erfolgsfaktoren der Entwicklungsmaßnahmen von USAID brachte folgende Erkenntnisse: (1) Entscheidungen sollten möglichst dezentral dort getroffen werden, wo die Umsetzung erfolgt, um rasches Feedback aus der Praxis zu erhalten und Kurskorrekturen vornehmen zu können. (2) Reformen sollten praxisorientiert sein, das heißt auf bestehenden Systemen aufbauen und darauf abzielen, diese weiterzuentwickeln. (3) Wirksame Lösungen sollten rasch vor Ort verankert werden, damit sie auch nach Auslaufen der Finanzierung fortwirken. (4) Reformprozesse sollten von lokalen Akteuren geleitet werden, anstatt diese lediglich beratend einzubinden. Schließlich ist (5) die Zusammenarbeit mit der mittleren Ebene entscheidend – also mit Partnern, die für die praktische Umsetzung der Maßnahmen verantwortlich sind. Welche Schlüsse lassen sich aus diesen Erkenntnissen über das Potenzial und die Grenzen von KI-gestütztem organisationalem Lernen in der EZ ziehen?

Für Entwicklungsexpert*innen sind diese Erfolgsfaktoren nicht neu. Dennoch werden darauf basierende, neue Ansätze der EZ, wie etwa Ansätze adaptiver EZ, nur selten genutzt. Obwohl sie auch in der deutschen EZ bereits erfolgreich umgesetzt wurden, bleiben sie Ausnahmen. Mangelndes organisationales Lernen hat neben der Orientierung der EZ an nationalen Interessen mit einem starken Fokus auf systemimmanente Rechenschaftsbeziehungen zu tun. Es wird aber auch durch die Strukturen und Anreize innerhalb von Entwicklungsorganisationen gebremst. Organisationales Lernen kann erst gelingen, wenn evidenzbasiertes Arbeiten gefördert wird, generalistische Karrierewege durch Fachlaufbahnen ergänzt werden, Ziele und Defizite offen diskutiert werden und die Organisationskultur all dies unterstützt.

Verankerung KI-gestützten Lernens für Entwicklung

KI hat das Potenzial, einen umfassenden, intuitiven und bedarfsgerechten Zugang zum institutionellen Wissen von Organisationen zu ermöglichen. Dies ist insbesondere für die operative Planung von großem Nutzen. Im Hinblick auf organisationales Lernen und entsprechende Reformen sollten jedoch die Besonderheiten von KI sowie die notwendigen Rahmenbedingungen berücksichtigt werden. Erstens gilt, wie bei allen KI-Tools, dass die Qualität ihrer Ergebnisse nur so gut ist wie die Qualität der zugrunde liegenden Daten und des Trainings. Zweitens müssen Erkenntnisse, um in organisationales Lernen überführt zu werden, in eine offene, selbstkritische und evidenzbasierte Organisationskultur eingebettet sein. Drittens gilt: Auch wenn KI-gestützte Erkenntnisse nicht vollständig neu sind, können sie in Verbindung mit anderen Wissensquellen, etwa der Entwicklungsforschung, dazu dienen, bestehendes Wissen zu überprüfen und zu ergänzen. In einem solchen förderlichen organisationalen Umfeld kann KI somit ein wichtiges Instrument unter anderen sein, um lernende Entwicklungsorganisationen hervorzubringen und die Effektivität und Effizienz der EZ zu steigern.

Dr. Michael Roll ist Soziologe und wissenschaftlicher Mitarbeiterin der Abteilung “Transformation of Political (Dis-) Order” des German Institute of Development and Sustainability (IDOS) in Bonn.

Lindsey Moore ist Geschäftsführerin und Gründerin von DevelopMetrics sowie außerordentliche Professorin für KI und Politik an der Georgetown University. Ihre Arbeit konzentriert sich auf verantwortungsvolle künstliche Intelligenz, Evidenzsynthese und Wissensmanagement im Bereich der internationalen Entwicklung.

Bonn, 4. Mai 2026. Unter bestimmten Voraussetzungen können Entwicklungsorganisationen Künstliche Intelligenz (KI) nutzen, um zu lernenden Organisationen zu werden. Aufschlussreich sind in diesem Zusammenhang die Erfahrungen von USAID.

KI ist für die Entwicklungszusammenarbeit (EZ) sowohl Herausforderung als auch Chance. In dieser Kolumne geht es um die Frage, wie Entwicklungsorganisationen KI nutzen können, um lernende Organisationen zu werden. Ob dies gelingt, hängt davon ab, wie KI-gestützte Analyse- und Lernprozesse in Organisationen verankert sind. Aus den Erfahrungen der 2025 geschlossenen US-Entwicklungsagentur USAID lassen sich Lehren für den Einsatz von KI in der EZ ziehen – und wo dieser an Grenzen stößt.

USAIDs vorzeitig beendete KI-Lerninitiative

Nach vielen Jahren als Mitarbeiterin verließ die Ko-Autorin USAID im Jahr 2021, um zu untersuchen, wie Entwicklungsorganisationen systematischer aus ihren eigenen Erfahrungen lernen können. Dies führte zur Entwicklung des Development Evidence Large Language Model (DELLM), eines speziell für die EZ entwickelten KI-Systems. USAID wurde einer der ersten Kunden. Um DELLM zu trainieren, annotierten und labelten Expert*innen zunächst manuell Textsegmente aus rund 100.000 USAID-Evaluierungsberichten aus über 60 Jahren. In einem zunehmend automatisierten aber von Expert*innen überwachten Prozess lernte das Modell, diese Berichte zu „lesen“ und zwischen Sektoren, Kooperationsansätzen, Ergebnissen sowie positiven und negativen Lehren zu unterscheiden.

Nach Abschluss des Trainings konnten die USAID-Mitarbeitenden das institutionelle Wissen der Organisation erstmals systematisch nutzen. DELLM konnte sowohl für die operative Planung als auch für das organisationale Lernen eingesetzt werden. Im Hinblick auf die operative Planung waren die Mitarbeiter*innen nun in der Lage, innerhalb weniger Minuten auf themenspezifische und regionale Erkenntnisse aus über sechs Jahrzehnten zuzugreifen. Zuvor hätte jede dieser Abfragen lange Recherchen erfordert und hohe Kosten verursacht. Aufgrund der plötzlichen Schließung von USAID konnte das Modell jedoch nicht mehr für das organisationale Lernen eingesetzt werden. Solange die Evaluierungsberichte noch intern zugänglich waren, wurde DELLM stattdessen genutzt, um zentrale Erkenntnisse zu sichern. Diese Auswertung der übergreifenden Erfolgsfaktoren von USAID-Maßnahmen liefert für sich genommen bereits aufschlussreiche Ergebnisse. Zugleich verdeutlichen sie, warum KI-gestützte Erkenntnisse nicht automatisch zu organisationalem Lernen führen.

Erfolgsfaktoren der Entwicklungszusammenarbeit

Die Suche nach den übergeordneten Erfolgsfaktoren der Entwicklungsmaßnahmen von USAID brachte folgende Erkenntnisse: (1) Entscheidungen sollten möglichst dezentral dort getroffen werden, wo die Umsetzung erfolgt, um rasches Feedback aus der Praxis zu erhalten und Kurskorrekturen vornehmen zu können. (2) Reformen sollten praxisorientiert sein, das heißt auf bestehenden Systemen aufbauen und darauf abzielen, diese weiterzuentwickeln. (3) Wirksame Lösungen sollten rasch vor Ort verankert werden, damit sie auch nach Auslaufen der Finanzierung fortwirken. (4) Reformprozesse sollten von lokalen Akteuren geleitet werden, anstatt diese lediglich beratend einzubinden. Schließlich ist (5) die Zusammenarbeit mit der mittleren Ebene entscheidend – also mit Partnern, die für die praktische Umsetzung der Maßnahmen verantwortlich sind. Welche Schlüsse lassen sich aus diesen Erkenntnissen über das Potenzial und die Grenzen von KI-gestütztem organisationalem Lernen in der EZ ziehen?

Für Entwicklungsexpert*innen sind diese Erfolgsfaktoren nicht neu. Dennoch werden darauf basierende, neue Ansätze der EZ, wie etwa Ansätze adaptiver EZ, nur selten genutzt. Obwohl sie auch in der deutschen EZ bereits erfolgreich umgesetzt wurden, bleiben sie Ausnahmen. Mangelndes organisationales Lernen hat neben der Orientierung der EZ an nationalen Interessen mit einem starken Fokus auf systemimmanente Rechenschaftsbeziehungen zu tun. Es wird aber auch durch die Strukturen und Anreize innerhalb von Entwicklungsorganisationen gebremst. Organisationales Lernen kann erst gelingen, wenn evidenzbasiertes Arbeiten gefördert wird, generalistische Karrierewege durch Fachlaufbahnen ergänzt werden, Ziele und Defizite offen diskutiert werden und die Organisationskultur all dies unterstützt.

Verankerung KI-gestützten Lernens für Entwicklung

KI hat das Potenzial, einen umfassenden, intuitiven und bedarfsgerechten Zugang zum institutionellen Wissen von Organisationen zu ermöglichen. Dies ist insbesondere für die operative Planung von großem Nutzen. Im Hinblick auf organisationales Lernen und entsprechende Reformen sollten jedoch die Besonderheiten von KI sowie die notwendigen Rahmenbedingungen berücksichtigt werden. Erstens gilt, wie bei allen KI-Tools, dass die Qualität ihrer Ergebnisse nur so gut ist wie die Qualität der zugrunde liegenden Daten und des Trainings. Zweitens müssen Erkenntnisse, um in organisationales Lernen überführt zu werden, in eine offene, selbstkritische und evidenzbasierte Organisationskultur eingebettet sein. Drittens gilt: Auch wenn KI-gestützte Erkenntnisse nicht vollständig neu sind, können sie in Verbindung mit anderen Wissensquellen, etwa der Entwicklungsforschung, dazu dienen, bestehendes Wissen zu überprüfen und zu ergänzen. In einem solchen förderlichen organisationalen Umfeld kann KI somit ein wichtiges Instrument unter anderen sein, um lernende Entwicklungsorganisationen hervorzubringen und die Effektivität und Effizienz der EZ zu steigern.

Dr. Michael Roll ist Soziologe und wissenschaftlicher Mitarbeiterin der Abteilung “Transformation of Political (Dis-) Order” des German Institute of Development and Sustainability (IDOS) in Bonn.

Lindsey Moore ist Geschäftsführerin und Gründerin von DevelopMetrics sowie außerordentliche Professorin für KI und Politik an der Georgetown University. Ihre Arbeit konzentriert sich auf verantwortungsvolle künstliche Intelligenz, Evidenzsynthese und Wissensmanagement im Bereich der internationalen Entwicklung.

Photos

jQuery(document).ready(function($){$("#isloaderfor-yjodob").fadeOut(300, function () { $(".pagwrap-yjodob").fadeIn(300);});});

Peacekeeping missions today operate in increasingly complex and volatile environments often characterized by fragile political processes, asymmetric warfare by non-state armed groups, transnational criminal networks, rapid technological changes, and the growing impacts of climate-related vulnerability. These evolving dynamics have heightened the risks faced by both civilians and peacekeepers, reinforcing the central importance of protection of civilians (POC) and the safety and security of personnel.

In this context, IPI convened T/PCCs for the first in a series of informal discussions on the future of peace operations on April 30th. This initial meeting explored T/PCCs’ perspectives on emerging threats to civilians and peacekeepers, as well as the measures, processes, and capabilities required to enable peacekeepers to deliver on their mandates. Drawing on the operational experience of T/PCCs, the discussion generated practical insights into how peacekeepers’ capabilities can be better aligned with evolving conditions on the ground and changing political and financial contexts to ensure their safety and security. It also considered the policy responses required from the UN.

Welcoming Remarks
Jenna Russo, IPI Director of Research and Head of the Brian Urquhart Center for Peace Operations and Peacebuilding
Lieutenant-Colonel Royal Marines Jonas van Hooren, Permanent Mission of  the Kingdom of the Netherlands to the UN

Opening Remarks
Lieutenant-General Mohan Subramanian, Director of the Office for Peacekeeping Strategic Partnership, DPO

Moderator
Bitania Tadesse, Policy Specialist for Africa, IPI

The post Roundtable with Troop and Police Contributing Countries on Responding to Evolving Threats to Peacekeepers’ Safety and Security appeared first on International Peace Institute.

Am Donnerstagmittag kam es in Vivo Morcote TI zu einem schlimmen Unglück. Ein Kleinkind wurde in einen Swimmingpool gefunden und starb später im Spital.

Der Rat der Europäischen Zentralbank (EZB) hat heute beschlossen, die Leitzinssätze unverändert zu belassen. Dazu eine Einschätzung von Marcel Fratzscher, Präsident des Deutschen Instituts für Wirtschaftsforschung (DIW Berlin):

Die EZB befindet sich in einem klassischen geldpolitischen Dilemma: Die Inflation steigt deutlich, vor allem bei Energie, während sich die Konjunktur eintrübt. Die Unsicherheit ist wegen des Iran-Kriegs enorm hoch, die Risiken einer weiter steigenden Inflation sind erheblich. Daher ist es klug, dass die EZB nun zunächst vorsichtig agiert und abwartet, ob es Grund zur Entwarnung gibt oder die geopolitischen Konflikte erneut eskalieren.

Die größte Gefahr für die EZB ist eine Abkopplung der Inflationserwartungen von der tatsächlichen Inflation. Einige Indikatoren, insbesondere bei den Konsumentinnen und Konsumenten, deuten auf einen zu starken Anstieg der Inflationserwartungen hin. Daher war es notwendig, dass EZB-Präsidentin Lagarde mit ihrer Kommunikation den Weg für eine erste Zinserhöhung im Juni geebnet hat.

Die EZB ist jedoch gut beraten, Vorsicht walten zu lassen und den Bogen bei den Zinserhöhungen nicht zu überspannen. Die Wirtschaft im Euroraum hat sich bereits erheblich abgeschwächt. Die Finanzierungsbedingungen haben sich verschlechtert, sodass diese Entwicklungen bereits einen Teil des Drucks von der Preisentwicklung nehmen. Zudem gibt es zunehmende Sorgen um die Staatsfinanzen mancher Mitgliedsländer und deren Implikationen für Risikoaufschläge und Finanzstabilität.