Wie KI Anforderungen von Geldgebern analysieren kann
Drittes Treffen der virtuellen Arbeitsgruppe AI in Humanitarian Logistics: Wie können Large Language Models, kurz LLMs, dazu beitragen, die regulatorische Komplexität in der humanitären Logistik zu quantifizieren, indem die KI die Anforderungen der Geldgeber als strukturierte Daten analysiert, anstatt sie als unstrukturierten Text zu behandeln?
Während des dritten Treffens der virtuellen Arbeitsgruppe „KI in der humanitären Logistik“ der Logistics Hall of Fame stellten Dr. Yuehwern Yih, Tompkins-Professorin für Wirtschaftsingenieurwesen an der Purdue University (USA), zusammen mit ihren Studierenden Jessie David und Lian Z. Laventall sowie ihrer Kooperationspartnerin Sarah Penniman-Morin, Chief Global Supply Chain Officer beim International Rescue Committee, Forschungsergebnisse zu diesem Thema vor.
Im Mittelpunkt der Arbeit stand ein seit langem bestehendes operatives Problem: Humanitäre Organisationen sehen sich oft mit unterschiedlichen Erwartungen von Spendern konfrontiert und neigen in der Praxis dazu, die restriktivsten Regeln zu befolgen, was zu Redundanz, Risiken, Kosten und Verwaltungsaufwand führt. Mithilfe der Large Language Models verglich das Team einen GUI-basierten Ansatz (vorgefertigte Chatbot-Schnittstellen) mit einem API-basierten Workflow, der Text aus Spenderdokumenten extrahiert, eine domänenspezifische Taxonomie anwendet und Klauseln in Einschränkungen, qualifizierte Einschränkungen, Entscheidungen und Spenderrechte klassifiziert.
Die Präsentation zeigte, dass GUI-Tools zwar eine geringere Einstiegshürde bieten, jedoch von Abfrage zu Abfrage uneinheitliche Ergebnisse liefern können, stärker von Eingabeaufforderungen abhängig sind und unter Umständen falsche Ergebnisse liefern oder regulatorische Nuancen übersehen.
Im Gegensatz dazu erforderte der API-Ansatz zwar einen höheren technischen Aufwand im Vorfeld der Arbeit, lieferte jedoch reproduzierbarere, nachvollziehbarere und besser vergleichbare Ergebnisse über verschiedene Geldgeber hinweg, darunter ECHO (Europa), AFD (Frankreich), Auswärtiges Amt (Deutschland) und DoS (USA). Die Analyse zeigte zudem, dass die Sprache der Geber auf eine Weise gemessen werden kann, die Restriktionsraten, Entscheidungsraten und thematische Unterschiede in Bereichen wie Beschaffung, Transparenz und Förderfähigkeit von Gütern aufzeigt. Vor allem aber unterstrich das Projekt, wie KI – wenn sie gemeinsam mit Partnern vor Ort entwickelt wird – dazu beitragen kann, die Aufsicht der Geldgeber mit der Agilität von NGOs in Einklang zu bringen, sodass Compliance lebensrettende Logistik unterstützt, anstatt sie zu verlangsamen.
