KI in Afrika: Wo die Chance real ist und was sie noch blockiert

Über künstliche Intelligenz in Afrika wird meist entweder als unvermeidlichem Entwicklungssprung oder als Geschichte des Ausschlusses gesprochen. Beide Rahmungen treffen es nicht. Die Wirklichkeit ist genauer: Die Verbreitung konzentriert sich auf Bereiche, in denen KI ein unmittelbares geschäftliches Problem löst, und sie wird durch Infrastruktur- und Datenbedingungen begrenzt, die kein Modell beheben kann.

Wo KI wirklich eingesetzt wird:

Finanzdienstleistungen führen mit weitem Abstand, aus einem strukturellen Grund. Mobiles Bezahlen hat geschaffen, was den meisten Schwellenmärkten fehlt: dichte, häufige Transaktionsdaten über Dutzende Millionen Menschen ohne formale Kredithistorie.

Diese Daten tragen eine Bonitätsbewertung, die auf beobachtetem Verhalten beruht statt auf Sicherheiten oder Gehaltsabrechnungen. Kreditgeber auf dem ganzen Kontinent beurteilen die Kreditwürdigkeit anhand von Zahlungsströmen im Mobile Money, Guthabenkäufen und Rückzahlungsmustern und ermöglichen so Kleinkredite in einem Umfang, den herkömmliche Prüfung wirtschaftlich nie erreichen könnte. Betrugserkennung, automatisierter Einzug und Kundendienst in lokalen Sprachen folgen demselben Muster.

Die Landwirtschaft ist der zweite Bereich, und er zählt, weil der Sektor einen großen Teil der Erwerbstätigen beschäftigt. Satellitenbilder in Verbindung mit Wetterdaten tragen Ertragsprognosen, die Erkennung von Schädlingen und Krankheiten anhand von Fotos und eine indexbasierte Ernteversicherung, die nach gemessenem Niederschlag auszahlt statt nach teurer Begutachtung vor Ort. Beratungsdienste per SMS oder Sprache erreichen Bäuerinnen und Bauern ohne Smartphone, eine bewusste und wichtige Entwurfsentscheidung.

Gesundheitssysteme setzen KI dort ein, wo Fachkräfte gemessen am Bedarf knapp sind. Diagnoseunterstützung bei Tuberkulose, Screening auf Gebärmutterhalskrebs, Triage in der Radiologie und Prognosen für Arzneimittel-Lieferketten begegnen allesamt Engpässen, die durch Personalmangel entstehen, nicht durch fehlende Technik.

Sprachtechnologie ist eine ausgeprägt afrikanische Forschungsstärke. Von Gemeinschaften getragene Vorhaben haben Datensätze, Übersetzungssysteme und Sprachmodelle für Sprachen gebaut, die in großen KI-Systemen lange fehlten, darunter Suaheli, Amharisch, Yoruba, Haussa, Zulu und viele weitere. Diese Arbeit reicht über den Kontinent hinaus: Sie gehört zu den ernsthaftesten Bemühungen weltweit, KI jenseits einer Handvoll dominanter Sprachen zum Funktionieren zu bringen.

Die Infrastrukturschranke:

Die bindende Grenze sind weder Talent noch Ideen. Es sind Rechenleistung und Strom.

Große Modelle zu trainieren oder auszuliefern erfordert Rechenzentren, und Rechenzentren erfordern verlässlichen Strom im industriellen Maßstab. Die Netzstabilität bleibt in weiten Teilen des Kontinents eine ernste Schranke, und Ersatzstromerzeugung treibt die Kosten erheblich. Wo Kapazität besteht, ballt sie sich in wenigen Zentren, vor allem in Südafrika, Kenia, Nigeria, Ägypten und Marokko.

Die praktische Folge: Die meisten afrikanischen KI-Anwendungen nutzen anderswo trainierte Modelle, über das Internet aus ausländischen Rechenzentren angesprochen. Für viele Anwendungen genügt das, doch es schafft Abhängigkeit von fremder Infrastruktur, setzt die Kosten dem Wechselkurs aus, erhöht die Latenz und wirft Fragen der Datenlokalisierung auf, wo Vorschriften eine lokale Speicherung verlangen.

Mehrere Regierungen haben nationale Initiativen für Rechenkapazität angekündigt, und internationale Investitionen in afrikanische Rechenzentren haben zugenommen. Das ist die folgenreichste Variable der nächsten Jahre.

Anbindung und deren Kosten bleiben ungleich verteilt. Investitionen in Seekabel haben die Bandbreite deutlich erweitert, doch die Datenkosten im Verhältnis zum Einkommen bestimmen weiterhin, welche Produkte Erfolg haben können. Systeme, die auf ständige Breitbandverbindung ausgelegt sind, scheitern dort, wo diese Annahme nicht gilt, weshalb SMS, USSD und Sprachschnittstellen weiterhin zählen.

Das Datenproblem:

KI-Systeme spiegeln die Daten, mit denen sie trainiert wurden, und afrikanische Zusammenhänge sind in den Datensätzen hinter den großen Modellen unterrepräsentiert.

Das zeigt sich konkret. Medizinische Modelle, überwiegend an europäischen und nordamerikanischen Bevölkerungen trainiert, können sich bei afrikanischen Patientinnen und Patienten anders verhalten. An Industrielandwirtschaft trainierte Agrarmodelle lassen sich nicht ohne Weiteres auf kleinbäuerliche Parzellen mit Mischkulturen übertragen. Sprachsysteme kommen mit afrikanischen Akzenten und Sprachen schlecht zurecht. An fremder Infrastruktur trainierte Bildverarbeitung liest örtliche Straßen- und Bauzustände falsch.

Die Antwort war der Aufbau lokaler Datensätze: langsam, teuer, wenig glanzvoll und doch der eigentliche Engpass. Organisationen, die Korpora afrikanischer Sprachen, lokale medizinische Bilddatensätze und vor Ort verankerte Agrardaten aufbauen, leisten die Arbeit, die darüber entscheidet, ob diese Systeme funktionieren.

Qualifikationen, und wohin die Talente gehen:

Afrikanische Universitäten bringen fähige Absolventinnen und Absolventen in Mathematik, Statistik und Informatik hervor, und mehrere Forschungsgruppen leisten international anerkannte Arbeit im maschinellen Lernen. Große Technologiekonzerne betreiben Forschungs- und Entwicklungszentren auf dem Kontinent.

Die beharrliche Schwierigkeit ist das Halten der Leute. Erfahrene Ingenieurinnen und Ingenieure erzielen weltweite Gehälter, und Fernarbeit hat internationale Anstellung ohne Umzug zugänglich gemacht. Das hebt Einkommen und Rücküberweisungen und erschwert es zugleich lokalen Unternehmen, erfahrene Teams aufzubauen. Wer Talente hält, bietet in der Regel entweder Anteile an wachsenden Unternehmen oder Arbeit von erkennbarer örtlicher Bedeutung.

Regulierung kommt über das Datenschutzrecht:

Die meisten afrikanischen Länder haben inzwischen Datenschutzgesetze, häufig an europäischen Grundsätzen orientiert, mit aktiven Aufsichtsbehörden in den größeren Märkten. Praktisch ist das heute die wichtigste rechtliche Schranke für KI-Einsätze: Sie regelt, welche Daten erhoben werden dürfen, wie sie genutzt werden, grenzüberschreitende Übermittlungen und automatisierte Entscheidungen über Einzelne.

Eigene KI-Strategien und Rahmenwerke entstehen auf nationaler und kontinentaler Ebene und betonen meist Entwicklung und Kapazitätsaufbau neben den Schutzvorkehrungen. Unternehmen, die in mehreren afrikanischen Märkten tätig sind, treffen auf dieselbe Zersplitterung wie anderswo: weitgehend ähnliche Grundsätze, spürbar unterschiedliche Anforderungen.

Was tatsächlich funktioniert:

Das Erfolgsmuster ist einheitlich. Ein bestimmtes, teures, örtliches Problem lösen. Für die vorhandene Infrastruktur entwerfen, nicht für die erwünschte. Wirklich lokale Daten aufbauen oder beschaffen. Von begrenzter Bandbreite, unterbrochener Stromversorgung und einfachen Geräten ausgehen und dies als Entwurfsanforderung behandeln, nicht als vorübergehendes Hindernis.

Die Fehlschläge folgen einem ebenso einheitlichen Muster: importierte Lösungen, die Bedingungen voraussetzen, die nicht gelten; Pilotprojekte, die den Kontakt mit dem Betriebsalltag nicht überleben; und Vorhaben, die für Vorführungen optimiert sind statt für den Einsatz.

Der realistische Ausblick:

Afrika wird die Entwicklung von Spitzenmodellen auf absehbare Zeit nicht anführen; das verlangt eine Bündelung von Rechenleistung, die auf dem Kontinent derzeit nicht besteht. Das ist nicht der entscheidende Wettbewerb.

Die folgenreiche Frage lautet, ob afrikanische Organisationen die Daten, Anwendungen und Infrastrukturen aufbauen, um diese Systeme auf örtlich bedeutsame Probleme anzuwenden, und ob sie den daraus entstehenden Wert selbst schöpfen. An diesem Maßstab gemessen ist die Entwicklung wirklich positiv, getragen von Bereichen mit unmittelbarem geschäftlichem Nutzen und vor allem begrenzt durch Strom, Rechenleistung und Daten, nicht durch Ehrgeiz oder Können.