Prosper Global darüber, was KI in der humanitären Arbeit möglich macht

Prosper Global ist eine globale humanitäre Organisation, die mehr als 200 Programme in über 35 Ländern betreut. Nayid Orozco ist AI Solutions and Delivery Manager und als solcher verantwortlich für die Claude-Bereitstellung der Organisation – von der Verwaltung des Enterprise-Workspaces bis hin zur Festlegung der Richtlinien, die darüber bestimmen, welche Daten verwendet werden dürfen. Wir haben mit Orozco über das Pilotprojekt von Prosper Global mit 13 Teams gesprochen, darüber, was sich ändert, wenn die Teams vor Ort die Tools selbst in der Hand haben, und welche Rolle KI für die Zukunft der humanitären Arbeit spielt.

Anthropic: Was hat KI für eine Organisation wie Ihre, die mit 13 Teams arbeitet, tatsächlich verändert?

Nayid Orozco, Prosper Global: In vielen Branchen wird diskutiert, ob KI mit den Menschen konkurriert oder ob sie Teams nur hilft, das, was sie ohnehin schon getan haben, etwas schneller zu erledigen. In unserem Bereich ist es anders: Mit KI können wir Dinge tun, die wir vorher einfach nicht tun konnten oder für die wir nie Ressourcen bekommen hätten – obwohl wir wussten, dass sie wichtig waren. Große Mengen an Belegen und Lernerfahrungen zu synthetisieren und daraus Erkenntnisse zu gewinnen, war für uns früher in den meisten Fällen nicht machbar. Mit Claude wird es erreichbar – und zwar in dem Tempo, in dem sich unsere Arbeit bewegt, und das ist im humanitären Bereich schnell. Genau das ermöglicht es einer Organisation wie unserer, einen echten Schritt hin zu einer lernenden Organisation zu machen, anstatt nur danach zu streben.

Anthropic: Sie sind derjenige, der diese Bereitstellung im Tagesgeschäft verantwortet. Was bedeutet das und wer nutzt Claude am meisten?

Orozco: Ich arbeite in unserer Gruppe Technology for Development und fungiere als Bindeglied zwischen den Teams, die Claude nutzen, und unseren Kollegen aus den Bereichen Recht und Datenschutz. Die Teams, die Claude am stärksten nutzen, sind unser Community-Accountability-Team und unser Team für Monitoring, Evaluation und Lernen (MEL).

Anthropic: Wie sieht die Arbeit des MEL-Teams mit Claude aus?

Orozco: MEL ist der Eckpfeiler für die Messung der Effektivität und der Ergebnisse unserer Programme. Es ist von zentraler Bedeutung, wenn es darum geht, zu verstehen, ob wir das Leben der Menschen verbessern. Eine zentrale Herausforderung bestand darin, einheitliche Analyserahmen nicht nur in einem Programm, sondern in unserem gesamten Portfolio von über 200 Programmen zu etablieren. Dazu gehören die Entwicklung und Verfeinerung der für die Programm- und Strategieentwicklung zentralen Logikmodelle, die Erstellung von Indikatorensystemen zur Festlegung der Kennzahlen, anhand derer wir Ergebnisse messen, die Verarbeitung von Datensätzen und die Durchführung statistischer Analysen in Echtzeit sowie die Umwandlung von unstrukturiertem Quellmaterial in Evidenzberichte für Programme – oft auf Englisch, Spanisch und Französisch – bereit für die Berichterstattung an Geber und die datengestützte Entscheidungsfindung. Ein Berater beschrieb, wie Claude ein vollständiges Indikatorensystem mit einer Wirkungsaussage, vier Ergebnissen und vierzehn Ausgaben durcharbeitete, und bezeichnete Claude als echten Denkpartner statt als bloßes Formatierungswerkzeug.

Anthropic: Können Sie uns ein oder zwei konkrete Beispiele für Arbeiten nennen, die zuvor nicht machbar waren?

Orozco: Eine Analyse eines Marktdatensatzes für unsere Sudan-Forschung, die – wenn überhaupt möglich – eine ganz andere und weniger gründliche Form angenommen hätte, dauerte statt etwa eine Woche anderthalb Tage. Das daraus entstandene Verarbeitungsskript ist jetzt im Produktivbetrieb und erlaubt wiederholte Analysen, die ein umfassenderes Verständnis von Marktstörungen und -verschiebungen an einem der gefährdetsten Orte der Welt ermöglichen.

In Pakistan hat Claude unserem Team geholfen, in einem einzigen Gespräch einen komplexen Fehler im Gesundheitsinformationssystem DHIS2 zu diagnostizieren, das wir für das nationale TB-Programm in 7 Provinzen und über 15.000 Einrichtungen unterstützen – eine Aufgabe, für die ein Senior Entwickler normalerweise mehrere Tage, wenn nicht Wochen bräuchte. Und im Forschungsbereich wurde ein Design, das wir auf rund 280 Stunden geschätzt hatten, in etwa 20 Stunden fertiggestellt. Dabei geht es nicht nur um die eingesparten Stunden. Die Arbeit ist deutlich tiefgründiger geworden, sodass Teams tiefer gehende Analysen und Modellierungen durchführen können als bisher möglich.

In Kenia bietet unser Team der JobTech Alliance ein weiteres Beispiel: Die Mitglieder, die keinen Hintergrund in der Softwareentwicklung haben, haben ihren eigenen MCP-Server entwickelt, um eine SQL-Datenbank mit einer Million Zeilen abzufragen. Für diese Art technischer Fähigkeiten war früher die Unterstützung durch Entwicklerteams nötig.

Anthropic: Ein Teil dieser Arbeit liegt nun bei den Länderteams und nicht mehr in der Zentrale. Was halten Sie von dieser Veränderung?

Orozco: Diese Veränderung ist extrem gut. Länderteams verfügen über das tiefste Wissen zu den Kontexten, in denen sie arbeiten, und dank der Einführung von Claude können sie auf diesem kontextbezogenen Wissen aufbauen und ihre eigenen Analysen durchführen, anstatt auf die Zentrale zu warten. Wir haben entscheidende Erkenntnisse darüber gewonnen, wie sich Teams vor Ort in neuen Kontexten einbinden lassen. Sie benötigen einen dauerhaften Kontext, damit sie nicht in jeder Sitzung die Hintergrundinformationen neu bereitstellen müssen. Sie benötigen versionsspezifische Genauigkeit bei technischen Systemen, eine Option mit geringer Bandbreite für abgelegene Bezirke sowie kurze, praxisnahe Schulungen statt langer Sitzungen. Das Ergebnis sind mehr direkte Programmmaßnahmen, mehr datengestützte Entscheidungen und ein organischerer Ansatz für das adaptive Management – ein Ansatz, der sich weg von traditionellen Top-down-Modellen hin zu lokal geführten Maßnahmen entwickelt. Mehr als jeder einzelne Effizienzgewinn ist es genau das, was wir bei der Ausweitung von Claude auf den Außeneinsatz für am wichtigsten halten.

Anthropic: Wie denken Sie über Datenschutz und menschliche Aufsicht?

Orozco: Zwei Dinge schützen die Gemeinschaften, die hinter den Berichten stehen. Zunächst zu den Daten: Wir prüfen und schwärzen direkte Identifikationsmerkmale und die sensibelsten Inhalte, bevor überhaupt etwas in Claude eingegeben wird. Eingaben und Ausgaben werden standardmäßig für einen bestimmten Zeitraum zur Missbrauchserkennung gespeichert und anschließend gelöscht. Gemäß unseren Enterprise-Geschäftsbedingungen werden Kundendaten niemals zum Trainieren der Modelle verwendet. All dies haben wir in einer formellen Folgenabschätzung zum Datenschutz dokumentiert. Zweitens zur Aufsicht: Bei jedem wichtigen Prozessschritt haben wir einen Menschen eingebunden.

Anthropic: Gab es in der Reaktion der Mitarbeitenden etwas, das Sie im Vorfeld nicht erwartet hatten?

Orozco: Am meisten überrascht hat mich, wie oft die Leute aufhörten, Claude als Produktivitätstool zu beschreiben, und stattdessen anfingen, Claude als Denkpartner zu bezeichnen. Eine Person sagte, dass es ihr die richtigen Fragen stellt, um zu einer besseren Antwort zu gelangen – so etwas hätte ich über eine Software nicht erwartet zu hören.

Anthropic: Was würden Sie einer anderen humanitären Organisation sagen, die KI verantwortungsvoll nutzen möchte, sich aber nicht sicher ist, wo sie anfangen soll?

Orozco: Fangen Sie klein und mit klaren Abgrenzungen an und stellen Sie den Datenschutz an die erste statt an die letzte Stelle. Führen Sie für jeden echten Anwendungsfall eine Folgenabschätzung zum Datenschutz durch, bevor Sie ihn skalieren, denn das Risiko liegt im Anwendungsfall und nicht am Tool. Wählen Sie Aufgaben mit hohem Arbeitsaufkommen oder hoher kognitiver Belastung, denn dort zeigt sich der Nutzen am schnellsten. Binden Sie bei allem, was die Sicherheit oder Würde eines Menschen betrifft, einen Menschen in den Entscheidungsprozess ein. Und investieren Sie frühzeitig in Schulungen und gemeinsame Prompts, denn ob Menschen das Tool lieben oder schnell wieder aufgeben, hängt fast immer davon ab, ob ihnen jemand gezeigt hat, wie es richtig eingesetzt wird.

Anthropic: Wie geht es für Prosper Global als Nächstes weiter?

Orozco: Wir arbeiten mit einer Vielzahl meist lokaler Partner zusammen und sehen echte Chancen darin, ihnen beim Zugang zu KI und bei deren Nutzung zu helfen – und KI nicht nur selbst zu nutzen. Ein Großteil der Branche konzentriert sich auf die eigene Nutzung von KI. Wir sind der Meinung, dass die größere Chance darin liegt, die Leistung lokaler und hyperlokaler Akteure zu verbessern, denn dort wird tatsächlich Wirkung erzielt.

Einiges davon nimmt bereits in der Impact Alliance Gestalt an – einer gemeinsamen Initiative von drei führenden NGOs, die vernetzter, effizienter und stärker lokal geführt arbeiten wollen. Zur Allianz gehören Prosper Global, Save the Children und CARE. In dieser Gruppe gibt es den Arbeitsbereich CommunityInsights Engine, in dem das Feedback der Community mit Claude analysiert werden soll. Das zeigt, wie dies über Prosper Global hinaus Wirkung entfalten kann.

Unsere Innovation-Catalyst-Plattform ist ein weiteres Projekt, das Gestalt annimmt und KI für soziale Wirkung in unsere Bereiche Impact Investing, Innovation und marktorientierte Kompetenzen einbindet.

Anthropic: Wohin wird KI den humanitären Sektor von hier aus führen?

Orozco: KI kann uns von einem Sektor, der die Erkenntnisse aus der eigenen Arbeit konstant zu wenig nutzt, zu einem Sektor führen, der sie konsequent und effizient nutzt. Diese Veränderung fördert ein besseres Design sowie eine bessere Umsetzung und entfaltet dort eine größere Wirkung für die Menschen, wo wir tätig sind. Insbesondere Claude ist dafür gut geeignet, da es in der operativen Forschung, bei Lern- und Auswertungsprozessen sowie bei der Analyse qualitativer Datensätze besonders stark ist. Genau auf diese Art von datenbasiertem Lernen ist unsere Arbeit angewiesen. Unser oberstes Ziel ist, die Entwicklung von KI im Rahmen humanitärer Arbeit so zu beeinflussen, dass lokale Akteure davon profitieren anstatt große Organisationen.