Weltbank und OECD veröffentlichen Listen fragiler Staaten. Sie beeinflussen, wohin Entwicklungshilfe fließt, welche Volkswirtschaften Unterstützung bei der Stabilisierung erhalten und wo Konfliktprävention ansetzt. Banken durchlaufen Stresstests, und auch Lieferketten, Ökosysteme und Gesundheitssysteme werden auf ihre Fragilität hin untersucht. Der Begriff ist allgegenwärtig, eine gemeinsame Definition gibt es nicht.
EconAI ist eine Forschungsgruppe aus ÖkonomInnen und Data Scientists. Sie untersucht bewaffnete Konflikte, Wirtschaftskrisen, politische Instabilität, Entwicklung und Klimawandel mit Methoden an der Schnittstelle von Ökonomie und maschinellem Lernen. Geleitet wird sie von Laura Mayoral, Hannes Mueller und Christopher Rauh, die alle drei am Institute for Economic Analysis (IAE-CSIC) und an der Barcelona School of Economics forschen. Rauh ist zudem Professor an der University of Cambridge. Mueller und Rauh betreiben außerdem conflictforecast.org, das Prognosen zu bewaffneten Konflikten veröffentlicht.
In einem neuen Arbeitspapier schlagen Joan Margalef, Laura Mayoral, Hannes Mueller und Christopher Rauh einen allgemeinen Rahmen für die Messung von Fragilität vor. EconAI wird explai nutzen, um ihn auf reale Daten anzuwenden.
Fragilität ist die Leichtigkeit des Versagens
Der Rahmen beginnt mit einer strengen Definition: Fragilität ist die Leichtigkeit, mit der ein Objekt versagt, wobei Versagen ein klar bestimmtes Ergebnis ist. Das Objekt kann eine Brücke sein, eine Bank, eine Stadt oder ein Staat. In jedem Fall ergibt Fragilität erst dann Sinn, wenn feststeht, welches Versagen gemeint ist.
Damit grenzt sich Fragilität von zwei Begriffen ab, mit denen sie oft verwechselt wird. Risiko verbindet die Wahrscheinlichkeit des Versagens mit der Schwere seiner Folgen; Fragilität ist also ein Bestandteil des Risikos. Resilienz ist die Fähigkeit, sich zu erholen. Ein System kann fragil sein und sich trotzdem schnell erholen, oder robust und sich nur langsam erholen.
Das Papier beschreibt Versagen als Schadensprozess. Ein Objekt mit bestimmten Eigenschaften ist einer Belastung ausgesetzt, etwa einer Dürre, einem Schuldenschock oder politischer Polarisierung. Äußere Faktoren wie Eingriffe der Zentralbank oder internationale Hilfe bestimmen mit, wie aus der Belastung ein Schaden wird. Überschreitet der Schaden eine Schwelle, hat das Objekt versagt.
Fünf Maße, ein Zielkonflikt
Aus diesem Modell leiten die Autoren fünf Arten von Fragilitätsmaßen ab:
- Kritische Belastung: die geringste Belastung, die zum Versagen führt.
- Schadensbedingung: ob eine bestimmte Belastung zum Versagen führt, wie beim Stresstest einer Bank.
- Bedingte Wahrscheinlichkeit: die Wahrscheinlichkeit des Versagens bei gegebener Belastung, wie bei den Fragilitätskurven der Erdbebentechnik.
- Unbedingte Wahrscheinlichkeit: die Gesamtwahrscheinlichkeit des Versagens, etwa die aus historischen Daten geschätzte Wahrscheinlichkeit einer Bankenkrise.
- Zusammengesetzter Index: eine Kombination von Indikatoren, die die Leichtigkeit des Versagens abbilden sollen, wie bei den meisten Rankings fragiler Staaten.
Von deterministischen über probabilistische zu zusammengesetzten Maßen werden die Maße leichter zu konstruieren, erklären aber immer weniger, warum Versagen eintritt. Ein Index lässt sich auch dann bilden, wenn Versagen selten vorkommt. Erhält jedoch ein Land den Wert 2 und ein anderes den Wert 4, bleibt offen, was diese zwei Punkte praktisch bedeuten.
Auch die Antwort hängt vom gewählten Maß ab. Das Papier zeigt das an einem vereinfachten Beispiel. In Japan stürzt ein Gebäude bei einem Erdbeben mit einer Wahrscheinlichkeit von 0,3 ein, Erdbeben treten mit einer Wahrscheinlichkeit von 0,2 auf. In Spanien liegt die Einsturzwahrscheinlichkeit bei einem Erdbeben bei 0,6, Erdbeben treten aber nur mit einer Wahrscheinlichkeit von 0,05 auf. Im Erdbebenfall ist das spanische Gebäude doppelt so fragil. Ohne diese Bedingung ist es nur halb so fragil: 0,03 gegenüber 0,06. Beide Aussagen sind richtig. Welche zählt, hängt davon ab, ob man Gebäude nachrüsten oder Einstürze vorhersagen will.
Zuerst das Versagen definieren
Daraus folgt die zentrale Aussage des Papiers: Die Definition des Versagens bestimmt alles Weitere. Die Autoren schlagen ein Vorgehen in fünf Schritten vor, um ein Fragilitätsmaß zu konstruieren.
Sie wenden es auf eine Stadt an, die nach den Bränden in Südkalifornien im Januar 2025 ihre Gefährdung durch Waldbrände neu bewertet. Bedeutet Versagen, dass in der Gemeinde ein Waldbrand ausbricht, sind Dürreindizes, Vegetation und Zündquellen die maßgeblichen Größen. Prävention heißt dann Vegetationsmanagement oder Feuerverbote. Bedeutet Versagen, dass mindestens ein Wohnhaus zerstört wird, verlagert sich die Analyse auf Baumaterialien, Siedlungsstruktur und Feuerintensität. Prävention heißt dann feuerfestes Bauen und Nachrüsten. Eine kleine Änderung der Definition führt zu anderen Daten, anderen Schätzverfahren und anderen zuständigen Stellen in der Stadtverwaltung.
Forschung für eine gute Sache
EconAI arbeitet an schwierigen Modellen, die Millionen Schicksale betreffen: bewaffnete Konflikte, Wirtschaftskrisen, Armut und Klimarisiken. Prognosen, wo Krisen drohen, geben Regierungen und Hilfsorganisationen Zeit, sie zu verhindern statt sie nur zu bewältigen, und Fragilitätsmaße, die klar benennen, was sie erfassen, können Hilfe dorthin lenken, wo sie am dringendsten gebraucht wird. Wir sind überzeugt, dass datengestützte Prognosen die Welt besser machen. Deshalb bauen wir explai und unterstützen EconAI gerne mit unserer KI.
Derselbe Kreislauf in Unternehmen
Die Struktur lässt sich auf Unternehmen übertragen, die Kundenabwanderung, Kreditausfälle oder Lieferantenausfälle vorhersagen. Auch hier steht die Definition des Versagens am Anfang: Ein Kunde, der 90 Tage nicht gekauft hat, ergibt eine andere Kennzahl als eine Kündigung, mit anderen Daten und einem anderen zuständigen Team. Gute Prognosekennzahlen gelingen selten im ersten Anlauf, und explai ist genau für diesen Kreislauf aus Definieren, Testen und Verfeinern gebaut. Wir sind gespannt, was wir in diesem Projekt für Unternehmen lernen!