Von der Forschung in die Praxis – Das Projekt HUMAN+

Die Jahre 2015/2016 sind in Europa untrennbar mit einer Situation verbunden, die staatenübergreifend und interdisziplinär bewältigt werden musste: Eine große Anzahl an Flüchtlingen erreichte Europa und musste versorgt und betreut werden. Man sah sich neuen Herausforderungen und Problemen gegenüber, die die Einsatzkräfte aller Organisationen und weitere Beteiligte massiv forderte.

Schnell wurde deutlich, wo Verbesserungspotential besteht: Die Planbarkeit von benötigten Ressourcen wie Personal, Lebensmittel und Unterbringungsmöglichkeiten muss verbessert werden. Schnell verfügbare Daten und Informationen über die aktuelle Situation werden zur Entscheidungsunterstützung gebraucht, um möglichst zeitnah die notwendigen humanitären Maßnahmen ableiten zu können.

Im Rahmen der deutschen Forschungsausschreibung „Forschung für die zivile Sicherheit – Fragen der Migration“ und des österreichischen Sicherheitsforschungsprogramms KIRAS wurde das Projekt „HUMAN+: Echtzeit-Lagebild für ein effizientes Migrationsmanagement zur Gewährleistung humanitärer Sicherheit“ vom BMBF bzw. dem BMLRT gefördert.

Das deutsch-österreichische Forschungsprojekt hat unter anderem eine Software für ein integratives Echtzeit-Lagebild entwickelt, das im Rahmen zukünftiger Flüchtlingsbewegungen die Arbeit der beteiligten Organisationen erleichtern soll. Das integrative Echtzeit-Lagebild wird dabei im Wesentlichen auf der Basis von Daten aus sozialen Netzwerken sowie Fernerkundungsdaten erstellt, um eine Vorhersage über Personenströme sowie die Bewältigung akuter Lagen zu ermöglichen. Eine essenzielle Rolle spielen dabei sowohl die ethischen, soziologischen und rechtlichen Rahmenbedingungen, als auch die Integrierbarkeit in vorhandene Lösungen und Prozessketten in bestehende Strukturen. Ziel ist es, zusätzliche Informationen für die Gesamtlagemeldungen für Krisenstäbe zur Entscheidungsunterstützung bereitzustellen.

Die Lagemeldung

Eine Lagemeldung dient dazu Informationen zusammenzufassen und übersichtlich darzustellen. Sie soll klar strukturiert sein und nur die relevanten Informationen abbilden, die zur Lagebeurteilung nötig sind. Die im Forschungsprojekt HUMAN+ zusätzlich gewonnen Erkenntnisse fließen in die Gesamtlagemeldung mit ein. Diese werden in einem Stab, der nach der Dienstvorschrift 100 (DV 100) aufgebaut ist, vom Sachgebiet 2 Lage (S 2) auch mit Informationen aus anderen Quellen erstellt. Die Lagemeldung dient als Grundlage von weiteren Einsatzoptionen, zur weiteren Planung von Ressourcen und zur Darstellung des aktuellen Sachverhalts, um darauf aufbauend Entscheidungen treffen und das weitere Vorgehen planen zu können.

Technische Grundlagen

Digitale Medien sind aus dem täglichen Leben nicht mehr wegzudenken, und werden in allen Bereichen der Gesellschaft weltweit genutzt. Über verschiedene Plattformen (wie z. B. Twitter, Facebook, YouTube etc.) werden Informationen wie Bilder, ­Kommentare, Videos und Nachrichten durch Benutzern veröffentlicht. Durch Berichte können diese zielgerichtet gesammelt und genutzt werden. Dies wird über Softwarelösungen, die sogenannte Crawler realisiert.

Ein Social Media Crawler ist ein Programm, das automatisiert Daten über Application Programming Interfaces (APIs) aus dem Internet herunterlädt. Im Fall von HUMAN+ wird nach georeferenzierten Nachrichten (also Nachrichten mit Ortsangabe) gesucht, die öffentlich zugänglich und verfügbar sind. Natürlich sind Daten von Nutzern ein sensibles Thema, daher spielt das Thema Datenschutz und Wahrung der Privatsphäre von Nutzern eine zentrale Rolle. Durch Anonymisierung- und Pseudonymisierungsverfahren, Reduktion der räumlichen und zeitlichen Genauigkeit der Information oder durch Aggregation können nicht über eine bereitgestellte Datenmenge auf das Mediennutzungsveralten einzelner Menschen Rückschlüsse gezogen werden.

Datengewinnung

Daten, die durch den oben beschriebenen Crawler gesammelt werden, werden auf einem gesicherten Server gespeichert. Aus der Vielzahl an sozialen Medienplattformen wurde als Datenquelle Twitter ausgewählt. Dies hat verschiedene Gründe: Zunächst ist Twitter eine der größten, meistgenutzten und global verbreitetsten Plattformen der Welt. Durch die begrenzte Zeichenanzahl sind die Tweets oft inhaltlich prägnant. Die gecrawlten Datensätze sind Rohdaten, es wird also nicht – wie zum Beispiel bei Facebook – eine sogenannte „Filterblase“ erzeugt, wobei die Gesamtheit von Twitternutzern bekanntermaßen nicht repräsentativ für die Gesamtbevölkerung ist. 

Mit der wichtigste Grund ist jedoch, das ein beträchtlicher Teil der Beiträge auf Twitter georeferenziert sind. Dadurch ist klar ersichtlich, in welchem geographischen Bereich ein hohes Aufkommen an Nachrichten vorliegt. Es wird überprüft ob dieser Bereich von besonderem Interesse ist (z. B. Flüchtlingslager Moria, Griechenland). Bereits bei der Flüchtlingsbewegung im Jahr 2015 hat sich gezeigt, dass viele Menschen unterschiedlichster Herkunft in verschiedensten Staaten weltweit Twitter nutzen. Daraus resultierend konnte man ableiten, wie sich die Flüchtlingsbewegungen entwickeln und welche Richtung die Personenströme einschlagen.

Die Rohdaten werden in einem Jupyter Notebook vorprozessiert und analysiert, das ein Hypertext Markup Language (HTML) Dokument generiert. Dies hat den Vorteil, dass diese gewonnene Information mit jedem beliebigen Webbrowser geöffnet werden kann. Um die großen Datenmengen zu filtern und die relevanten Einträge für eine Lage zu generieren, werden im Vorfeld Stichwörter – so genannte „Keywords“ - definiert. Neben Deutsch werden die Stichwörter auch in verschiedenen anderen Sprachen festgelegt.

Jeder Tweet, der so ein Stichwort enthält, wird in dem HTML File gespeichert. Darüber hinaus werden auch semantische Machine Learning Methoden zur Informationsextraktion aus Tweets genutzt, die sich auf Grund der geringen Länge von Tweet-Texten aber nicht für alle Anwendungsfälle eignen. Zusätzlich wird in einer Karte die Herkunft und räumliche Häufung der Daten dargestellt. Eine Zeitreihe wird mit aufgezeichnet, um die Häufigkeit von Tweets in Abhängigkeit zu Zeit darzustellen und so auf eine erhöhte Aktivität in bestimmten Bereichen hinzuweisen.

Methoden zur Erstellung der Lagemeldung und praktischer Nutzen

Basis der Lagemeldung sind die erfassten Meldungen aus dem Social Media Bereich über die definierten Stichwörter. Zu beachten ist, dass während einer längeren Lage eine Änderung der Stichwörter auch zu unterschiedlichen Datenverläufen führt. Dies macht eine spätere Beurteilung der Aktivitäten im zeitlichen Verlauf manchmal schwierig. Weiterhin ist im Vorfeld zu klären, wie das Layout der Lagemeldung aussehen soll und welche Informationen wiedergegeben werden müssen, um eine leichte Beurteilung der Lage zu ermöglichen. 

Des Weiteren muss man klären, in welchen zeitlichen Abständen eine Lagemeldung sinnvoll ist. So war beispielsweise in der ersten „COVID-19“ Situation im Frühjahr 2020 eine hohe Aktivität zu Beginn vorhanden, daher wurde zweimal wöchentlich eine Meldung erstellt. Mit Rückgang der Aktivitäten in den sozialen Medien im Sommer 2020 wurde die Frequenz auf einmal in der Woche reduziert. Jedoch darf der Abstand nicht zu groß gewählt werden, um eine Änderung in der Lage rechtzeitig zu erkennen. Für Ad-hoc Lagen (z. B. Erdbeben, Hochwasser, Großbrände, Unwetter…) besteht die Überlegung, gewisse Stichwörter im Vorfeld zu definieren, um im Ernstfall einen Zeitvorteil zu haben.

Bei den ersten Lagemeldungen hat man sich für eine MS Word-­Vorlage entschieden, die später in ein PDF umgewandelt wird. Inhaltlich ist diese wie folgt aufgeteilt:

1. Zusammenfassung der Daten und Hinweis auf besondere Aktivitäten
2. Grafische Darstellung der Anzahl der Aktivitäten in Abhängigkeit von der Zeit
3. Karte mit Häufigkeit der Aktivitäten, um Hotspots zu erkennen
4. Allgemeine Aktivitäten im Social Media Bereich inkl. Foto und Bilddokumentation

Im weiteren Verlauf hat sich jedoch gezeigt, dass es von Vorteil ist, eine Lagemeldung auf eine Seite zu begrenzen, damit die Informationen von den Verantwortlichen auf einen Blick erfasst werden können. Aus diesem Grund heraus hat man sich für eine PowerPoint Vorlage entschieden. Diese ist inhaltlich wie die ersten Lagemeldungen aufgebaut. Ein großer Vorteil dieser Vorlage ist es, dass Lagemeldungen in einem Dokument gesammelt werden und somit ein Lageverlauf erzeugt werden kann. Im Rahmen der Optimierung des Systems wurde ein Ampelsystem eingeführt. Hier sieht der S2 im Stab auf dem ersten Blick, ob sich kritische Entwicklungen abzeichnen, die eine Reaktion im Hinblick auf die Einsatzbewältigung erfordern.

Im Projekt HUMAN+ Living Lab wurden über einen längeren Zeitraum von mehr als zwei Jahren wertvolle Erkenntnisse gesammelt, die in die Optimierung des Systems geflossen sind.

Ergebnisse dieses Prozesses waren:

Stichwörter (Keywords) müssen mehrsprachig definiert werden. Eine Änderung der Stichwörter hat direkten Einfluss auf die Anzahl der Aktivitäten. Es ist besser, die Dichte der Tweets in der Karte farbig über die Regionen darzustellen, als nur die Anzahl der Tweets anzugeben.

Der zeitliche Verlauf muss großräumig dargestellt werden. So erreicht man eine sogenannte „Glättung“ der Daten, die die Darstellung besser lesbar macht.

Das Ampelsystem zur Visualisierung des Handlungsbedarfs mit entsprechenden Kriterien, wann welche Phase vorliegt, und welche Maßnahmen daraus abgeleitet werden, wurde entwickelt. Kritische Meldungen müssen über weitere Quellen (z. B. verschiedene nationale und internationale Agenturen wie DPA oder AFP) abgeglichen werden, um falsche Nachrichten (Fake News) zu identifizieren und auszublenden.

Die im Forschungsprojekt HUMAN+ Living Lab gewonnen Erkenntnisse haben das hohe Potential der Social Mediaanalyse aufgezeigt. Dies war auch dem Umstand geschuldet, dass Reallagen analysiert und zu einer Lagemeldung aufbereitet werden konnten. Neben der dauerhaft angespannten Flüchtlingssituation u. a. auch im Bereich der bulgarischen, türkischen und griechischen Grenzregion wurde die weltweite Pandemiesituation von COVID-19 (Coronavirus SARS-CoV-2) sowie das Explosionsunglück am 04. August 2020 in Beirut/Libanon mit dem beschriebenen System analysiert. So standen bereits in kürzester Zeit nach dem Ereignis in Beirut erste Informationen zur Verfügung. Es konnten über Twitter Bilder, Filme und Daten abgerufen werden, die das Ausmaß der Explosion zeigten und somit eine bessere Planung der benötigten Hilfe möglich machten.

Seit dem Frühjahr 2020 wurden mehr als 100 Lagemeldungen im Rahmen von HUMAN+ erstellt. Diese wurden in den verschiedenen Stäben auf Bezirks- und Landesebene, aber auch in Österreich und Italien zur Lagebeurteilung erfolgreich genutzt. Es ist geplant, dass im Projekt HUMAN+ entwickelte System auch zukünftig bei entsprechender Indikation weiter für die Krisenbewältigung zu nutzen.

Ein wichtiger Aspekt ist hierbei natürlich, Aufklärungsarbeit und Schulungen bei den Anwendern durchzuführen. Anhand von Beispielen aus der Vergangenheit kann der Prozess dargestellt und der Mehrwert der Lagemeldungen illustriert werden. Die täglich wachsende Informationsflut stellt uns vor neue Herausforderungen, das HUMAN+ System kann hier einen wertvollen Beitrag zur gezielten Filterung und Beurteilung von Sachverhalten zur Entscheidungsunterstützung leisten.

Social Media Analysen sind ein neues, gewinnbringendes In­­strument zur Vervollständigung des Gesamtlagebildes. Es ist ein wichtiges Puzzleteil in der Informationsgewinnung. Das Prozedere der Datenaufbereitung ist schnell erlernbar und kann von qualifizierten ehrenamtlichen Einsatzkräften eigenständig erstellt werden. Zur Qualitätssicherung wird eine Bewertung des Produktes vor der Freigabe und Weiterleitung an die Bedarfsträger durch eine weitere Person durchgeführt (4-Augen-Prinzip). 

Die Literatur liegt bei den Verfassern.