Overcoming Blind Spots in Humanitarian Needs Assessments: Interview Insights regarding Constraints and Solutions for Qualitative Methods
Basierend auf Interviews mit 23 Experten aus 17 humanitären Organisationen identifiziert diese Studie die operativen Einschränkungen, die quantitative Methoden bei humanitären Bedarfsanalysen begünstigen, und empfiehlt die Einführung eines hybriden Multi-Methoden-Ansatzes, der durch künstliche Intelligenz ergänzt wird, um entscheidende qualitative Daten besser zu integrieren und zu analysieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In den chaotischen Nachwehen einer Katastrophe, sei es ein Erdbeben, ein Krieg oder ein Krankheitsausbruch, ist die erste und wichtigste Aufgabe der Helfer zu verstehen, was die Menschen tatsächlich brauchen. Dieser Prozess ist als humanitäre Bedarfsanalyse bekannt. Er ist der Unterschied zwischen dem Versenden eines Lastwagens voller Wintermäntel in eine Region, die unter einer Hitzewelle leidet, oder der Bereitstellung von sauberem Wasser an eine Gemeinschaft, die zwar reichlich davon hat, aber keine Medikamente. Jahrzehntelang war die Standardmethode zur Gewinnung dieser Informationen, große Zahlen von Menschen eine feste Reihe von Fragen mit festen Antworten zu stellen, wie das Ankreuzen von Kästchen auf einem Formular. Diese Methode liefert Zahlen, die leicht zu zählen und zu vergleichen sind, was Gebern hilft zu entscheiden, wohin das Geld gesendet wird. Doch Zahlen allein können die ganze Geschichte oft nicht erfassen. Sie können nicht einfach erklären, warum eine Familie Nahrungsmittelhilfe ablehnt, wie eine Gemeinschaft über eine neue Klinik denkt oder welche spezifischen Barrieren eine behinderte Person beim Versuch erlebt, ein Schutzlager zu erreichen. Um diese tieferen Antworten zu erhalten, müssen Helfer auf die eigenen Worte der Menschen hören, eine Methode, die als qualitative Forschung bezeichnet wird. Aber Zuhören braucht Zeit, und in einer Krise ist Zeit ein Luxus, den man sich oft nicht leisten zu können scheint.
Eine im Jahr 2026 veröffentlichte Studie untersucht, warum der humanitäre Sektor Schwierigkeiten hat, diese Zuhör-Methoden anzuwenden, obwohl er weiß, dass sie essenziell sind. Die Forscher, ein Team von Experten aus Universitäten und humanitären Organisationen, führten dreiundzwanzig Tiefeninterviews mit erfahrenen Fachkräften durch, die diese Bewertungen in siebzehn verschiedenen Organisationen geleitet haben. Diese Experten kommen aus einem breiten Spektrum an Hintergründen, darunter die Vereinten Nationen, das Rote Kreuz und verschiedene Nichtregierungsorganisationen, und sie haben Krisen von Syrien bis Äthiopien begleitet. Das Ziel war nicht nur, Probleme aufzulisten, sondern die realen Hindernisse zu verstehen, die Helfer daran hindern, die menschliche Stimme einzufangen, und praktische Wege zu finden, um diese zu beheben. Was sie fanden, war ein Sektor, der in einem schwierigen Dilemma steckt: Er ertrinkt in Daten, aber hungert nach Verständnis.
Die Studie zeigt, dass der Standardansatz für die meisten Organisationen stark in Richtung quantitativer Daten verschoben wurde. Diese Verschiebung wird durch mehrere mächtige Kräfte vorangetrieben. Geber, die die Finanzierung bereitstellen, bevorzugen oft harte Zahlen, da diese leichter über verschiedene Krisen hinweg vergleichbar sind und für die Führungsebene „wissenschaftlicher“ erscheinen. Der weit verbreitete Einsatz digitaler Werkzeuge wie KoboToolbox, das Teams ermöglicht, tausende von Umfrageantworten auf Handheld-Geräten zu sammeln und die Ergebnisse sofort zu sehen, hat diesen numerischen Ansatz noch dominanter gemacht. Die Leichtigkeit, eine Grafik zu erhalten, die zeigt, dass „sechzig Prozent der Menschen Nahrung benötigen“, ist verführerisch. Sie ermöglicht eine schnelle Entscheidungsfindung, was in den frühen Tagen einer Katastrophe lebenswichtig ist. Die Experten, die interviewt wurden, argumentierten jedoch, dass dieser Speed einen hohen Preis hat. Indem sie komplexe menschliche Erfahrungen in vordefinierte Kästchen zwängen, verlieren Helfer oft die Nuancen, die das „Warum“ und „Wie“ hinter den Zahlen erklären. Ein Befragter merkte an, dass eine Umfrage zwar einen hohen Bedarf an Nahrungsmitteln aufzeigen kann, aber nicht erklären kann, dass die Lebensmittel auf dem Weg durch bewaffnete Gruppen abgefangen werden – ein Detail, das für die Planung einer sicheren Lieferroute entscheidend wäre.
Die Barrieren für die Nutzung von Zuhör-Methoden liegen nicht nur in einer Präferenz für Zahlen; sie sind tief in praktischen Einschränkungen verwurzelt. Das bedeutendste Hindernis sind Zeit und Ausbildung. Das Analysieren von gesprochenen Worten oder handschriftlichen Notizen dauert viel länger als das Zählen von Häkchen auf einem Formular. In einem Notfall, in dem Entscheidungen innerhalb von Stunden getroffen werden müssen, kann die Vorstellung, Interviews zu transkribieren oder Notizen aus Lokalsprachen ins Englische oder Französische zu übersetzen, wie ein Luxus wirken, der alles verlangsamt. Zudem fehlt es vielen Teams an den spezifischen Fähigkeiten, um diese Arbeit gut zu leisten. Die Studie fand heraus, dass Interviewer oft sehr wenig Training erhalten, manchmal nur eine Stunde, bevor sie in das Feld geschickt werden. Sie werden nicht gelehrt, wie man tief zuhört, wie man Folgefragen stellt oder wie man Notizen macht, die die wahre Bedeutung dessen erfassen, was eine Person sagt. Infolgedessen ist die Qualität der Notizen oft schlecht, voller Abkürzungen oder Tippfehler, die sie später unbrauchbar machen.
Sprache fügt eine weitere Ebene der Komplexität hinzu. In vielen Krisen sprechen die Helfer die lokale Sprache nicht, und die wenigen verfügbaren Übersetzer sind oft überarbeitet oder nicht in den spezifischen Nuancen der humanitären Terminologie geschult. Dies führt zu einer Situation, in der die Bedeutung der Geschichte eines Menschen in der Übersetzung verloren geht oder, schlimmer noch, gänzlich ignoriert wird, weil das Team den Text nicht rechtzeitig verarbeiten kann. Die Studie hob auch eine systemische Voreingenommenheit hervor, bei der qualitative Daten oft als sekundär oder „anekdotisch“ behandelt werden. Wenn eine Umfrage unter tausend Menschen etwas anderes sagt als ein paar Interviews, werden die Interviews häufig als Ausreißer abgetan, anstatt sie als Warnsignal zu untersuchen. Dies schafft einen blinden Fleck, in dem die am stärksten gefährdeten Stimmen, die vielleicht nicht in die Standardkategorien einer Umfrage passen, niemals gehört werden.
Trotz dieser Herausforderungen fordern die Experten der Studie kein Ende der Umfragen. Stattdessen schlagen sie einen hybriden Ansatz vor, der die Geschwindigkeit von Zahlen mit der Tiefe von Geschichten kombiniert. Sie schlagen vor, dass Organisationen aufhören sollten, jede Antwort in ein Kästchen zu pressen, und stattdessen den Menschen erlauben sollten, frei über ihre Prioritäten zu sprechen. Die Forscher schlagen vor, dass Interviewer die Audioaufnahmen dieser offenen Gespräche direkt auf ihre digitalen Geräte aufnehmen könnten. Dies würde die vollständigen Details der Antwort erfassen, ohne dass der Interviewer während des Gesprächs hektisch mitschreiben muss.
Das Papier argumentt, dass die Lösung für die Zeit- und Sprachbarrieren in der Technologie liegt, speziell in der künstlichen Intelligenz. Die Autoren schlagen vor, dass Werkzeuge, die in der Lage sind, Sprache automatisch in Text umzuwandeln, diesen Text in eine gemeinsame Sprache zu übersetzen und dann die Kernthemen zusammenzufassen, die Art und Weise, wie Hilfe geleistet wird, revolutionieren könnten. Stellen Sie sich ein System vor, bei dem ein Interviewer ein Gespräch in einem lokalen Dialekt aufnimmt und innerhalb von Minuten ein Team in der Zentrale eine übersetzte Zusammenfassung dessen lesen kann, was diese Person gesagt hat, wobei die dringendsten Bedürfnisse hervorgehoben werden. Dies würde es Organisationen ermöglichen, die reichen, detaillierten Informationen zu sammeln, die sie benötigen, ohne die massive Verzögerung durch manuelle Transkription und Übersetzung. Die Studie weist darauf hin, dass diese Technologien bereits im Sektor auftauchen und einige Organisationen Voice-to-Text-Tools und KI-gestützte Analysen testen. Die Experten mahnen jedoch, dass diese Werkzeuge das menschliche Urteilsvermögen unterstützen und nicht ersetzen sollten. Ein Algorithmus könnte den kulturellen Kontext oder das emotionale Gewicht einer Geschichte übersehen, daher müssen menschliche Experten die Ergebnisse weiterhin überprüfen.
Der Weg nach vorn erfordert laut der Studie einen Wandel der Denkweise ebenso sehr wie einen Wandel der Technologie. Organisationen müssen die Zeit, die das Zuhören erfordert, wertschätzen und ihr Personal in der Kunst der qualitativen Befragung schulen. Geber müssen bereit sein, die zusätzliche Zeit und die Ressourcen zu finanzieren, die für die Verarbeitung dieser Art von Daten erforderlich sind. Die Forscher kommen zu dem Schluss, dass das Volumen der Daten in der humanitären Welt zwar wächst, die Lücke im Verständnis jedoch größer wird. Indem der Sektor eine Mischung aus Methoden nutzt und neue Werkzeuge verwendet, um die menschliche Stimme zu verarbeiten, kann er über einfache Statistiken hinausgehen, um die Menschen wirklich zu verstehen, denen er zu helfen versucht. Das Ziel ist nicht nur, die Bedürfnisse zu zählen, sondern sie zu verstehen, um sicherzustellen, dass die geleistete Hilfe nicht nur effizient, sondern auch tiefgreifend relevant für das Leben derer ist, die sie am dringendsten benötigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.