NetherlandsBellingcat, eine Organisation für digitale Journalismus, hat ein maschinelles Lernmodell entwickelt, um Zwischenfälle von zivilen Schäden auf Telegramm während des Russland-Ukraine-Krieges zu identifizieren. Zwischen Februar 2022 und September 2025 sammelten sie über 2.500 verifizierte Fälle von zivilen Schäden und nutzten diese, um das Modell zu trainieren. Das System reduziert die Zeit, die für die Durchsuchung großer Mengen von benutzergenerierten Inhalten benötigt wird, erheblich und ermöglicht es Forschern, sich eher auf die Verifizierung als auf die Entdeckung zu konzentrieren. Das Modell berücksichtigt sowohl direkte Schäden (Todesfälle, Verletzungen) als auch indirekte Auswirkungen wie psychisches Trauma, Vertreibung und Schäden an der Infrastruktur. Um die Genauigkeit zu verbessern, erstellte das Team einen Datensatz von 5.848 bestätigten schädlichen Posts und 48.545 nicht schädlichen Posts, um sicherzustellen, dass das Modell die Proportionen der realen Welt widerspiegelt. Das Projekt hebt das Potenzial von KI-Tools in der Open-Source-Konfliktforschung hervor und betont dabei ethische Überlegungen.
Tendenz-Einschätzung (Mitte): Der Artikel konzentriert sich auf die technische Entwicklung und Anwendung von KI bei der Identifizierung ziviler Schäden während von Konflikten, was aufgrund seiner Auswirkungen auf humanitäre Bemühungen und militärische Rechenschaftspflicht ein politisch heikles Thema ist.
