Künstliche Intelligenz (KI) spielt eine zunehmend wichtige Rolle bei der Überwachung von sozialen Medien, um Katastrophenwarnungen zu identifizieren und Klimakrisen zu managen. Dennoch zeigen sich deutliche Grenzen, wenn es um den Umgang mit nicht-standardisierten Sprachformen geht. In vielen Entwicklungsländern verwenden Nutzer auf Plattformen wie X, WhatsApp oder Facebook lokale Ausdrücke, Slang und Mischformen, sogenannte Code-Switching-Muster. Ein klassisches Beispiel aus Nigeria ist die Nachricht „This rain no be small o", die für Einheimische eine klare Warnung vor schweren Überschwemmungen darstellt. KI-Systeme, die oft nur auf westlich geprägten Daten trainiert wurden, erkennen solche Aufrufe jedoch häufig nicht als dringende Hilferufe, sondern interpretieren sie als unbedeutende Kommentare. Das Problem liegt tiefer als eine einfache Übersetzungsbarriere. Die meisten KI-Modelle basieren auf riesigen Textmengen aus Nordamerika und Europa. Dies führt zu einem kulturellen Bias, der westliche Werte und Ausdrucksweisen bevorzugt. Wenn KI-Modelle Nachrichten verarbeiten, die von unterrepräsentierten Gemeinschaften stammen, fehlt es ihnen oft an dem notwendigen kulturellen Kontext, um Nuancen, Ironie oder Dringlichkeit richtig einzuschätzen. Während ein britischer Nutzer „Chuffed to know" verwenden könnte, um Sarkasmus gegenüber Behörden zu zeigen, wird ein nigerianischer Aufruf in Pidgin-Englisch wie „Abeg help, e fit spoil everything!" vom Algorithmus möglicherweise nicht als akute Gefahr erkannt. Die Folgen dieser technologischen Lücke sind ernst. In Klimakatastrophen wie Überschwemmungen oder Hitzewellen können falsch interpretierte oder übersehene Nachrichten den Verlust von Eigentum und menschlichen Leben zur Folge haben. Da der Mangel an lokalen Klima-Journalisten in vielen Regionen zunimmt, ist die Abhängigkeit von automatisierten Systemen zur Informationsauswertung gestiegen. Wenn diese Systeme die lokale Sprache nicht verstehen, entsteht eine Informationslücke, die besonders die gefährdetsten Bevölkerungsgruppen trifft. Um diese Probleme zu lösen, müssen KI-Systeme grundlegend neu gestaltet werden. Es reicht nicht aus, Daten zu aggregieren; die Modelle müssen gezielt mit regionalen Sprachvarianten trainiert werden, um reale Online-Posts und kulturelle Kontexte zu verstehen. Der Einsatz von KI sollte daher nicht nur auf formaler Standardenglisch basieren, sondern echte Alltagssprache einbeziehen. Zudem ist es entscheidend, dass menschliche Experten bei der Bewertung von Warnmeldungen eine wichtige Kontrollfunktion behalten, insbesondere wenn es um die Sicherheit von Menschen geht. Nur wenn KI in der Lage ist, die Nuancen der täglichen Kommunikation zu erfassen, kann sie tatsächlich dazu beitragen, dass Warnsignale und Hilferufe rechtzeitig erkannt und responded werden. Die Technologie hat das Potenzial, Gemeinschaften bei Katastrophen zu schützen, setzt aber voraus, dass sie die Vielfalt der menschlichen Sprache respektiert und versteht.