Panel I: Text als Datenquelle

Chair: Eirini Ntoutsi, Universität der Bundeswehr München

In den letzten Jahren ist in der Konfliktforschung eine bemerkenswerte Zunahme von Ansätzen zur Diversifizierung und Verbesserung von Vorhersagen bewaffneter Konflikte zu beobachten. Unter der Vielzahl an innovativen Methoden sticht die breite Anwendung von Methoden des Natural Language Processing (NLP) und von Large Language Models (LLM) zur Gewinnung wertvoller Erkenntnisse aus Textdaten hervor. So vielfältig Textdaten sind, so vielfältig ist auch der Anwendungsbereich für NLP- und LLM-Methoden in der Konfliktforschung. In diesem Panel werden drei Forschungsprojekte im Bereich NLP, LLM und Text als Datenquelle zu folgenden Themen untersucht: die Vorhersage von Prozessen der Autokratisierung, Generierung von Daten zu klimabedingten Konflikt- und Kooperationsereignissen, sowie die Verwendung von ChatGPT-4 zur Unterstützung in der Entwicklung von Zukunftsszenarien.

 

Panel II: Vorhersage von Instabilität

Chair: Nadine O´Shea, Technische Universität München (TUM)

Die Ursachen und Auswirkungen von Konflikten treten in verschiedenen direkten und indirekten Formen auf und umfassen ein breites Spektrum an sozialen, wirtschaftlichen, politischen und sicherheitspolitischen Ausformungen. Die entsprechende Komplexität macht einen integrierten Ansatz in der Analyse erforderlich, um einen Konflikt vollständig zu erfassen. Daher können verschiedene Faktoren, Phänomene und Entwicklungen als potenzielle Datenquelle und Indikatoren für die Vorhersage von Instabilität und potenziellen Konfliktrisiken dienen. Dieses Panel untersucht deshalb die Rolle von Aufständen in Bürgerkriegen, den Faktor Arbeitslosigkeit in Konflikteskalation sowie das Potential von der Vorhersage klimawandelbedingter Mobilität für die Entwicklung von Konfliktdynamiken. Darüber hinaus adressiert dieses Panel die Möglichkeiten der Kombination von Satelliten- und Bodendaten als Datenquellen für die Krisenfrüherkennung.

 

Panel III: Vorausschau und Kommunikation

Chair: Boukje Kistemaker, Kings College London

In den letzten Jahren haben Methoden der Vorausschau (Foresight) für Risiko- und Resilienzanalysen in der Konfliktforschung zunehmend an Aufmerksamkeit gewonnen. Verschiedene Techniken der Vorausschau ermutigen unterschiedliche Betroffene, von einem iterativen, partizipativen und multidisziplinären Diskurs und innovativen Ansätze zu profitieren. In diesem Panel wird der Einsatz von Methoden der Vorausschau zur Analyse der künftigen Auswirkungen der Quantentechnologie auf Sicherheitsfragen untersucht und die strategische Kommunikation von Vorhersagen an politische Entscheidungstragende erörtert. Basierend auf dem Argument, dass umfassende Krisenprävention sowohl von datengestützter Krisenfrüherkennung als auch von substanziellen Vorausschaumethoden profitiert, untersucht dieses Panel außerdem die Kombination von menschlichem Urteilsvermögen und modellbasierten Konfliktvorhersagen. 

 

Panel IV: Vorhersage von Gewalt

Chair: Paola Vesco, Uppsala University

In den letzten Jahren hat die Konfliktforschung ihre Ansätze zur Diversifizierung und Verbesserung der Vorhersage bewaffneter Konflikte erweitert. Im Zuge dieser verstärkten Bemühungen wurden zunehmend verschiedene Techniken des maschinellen Lernens (ML) eingesetzt, um die komplexen Beziehungen und Dynamiken in Konflikten zu erfassen. Darüber hinaus erhalten ML-Techniken zur Erkennung von räumlichen Mustern, die auf potenzielle Konfliktzonen hinweisen, große Beachtung. Daher wird in diesem Panel die Verwendung verschiedener Markow-Modelle und der negativen Binomialverteilung zur Vorhersage der monatlichen Anzahl von Konflikttoten pro Land untersucht. Darüber hinaus befasst sich das Panel mit einem auf der Gauß-Verteilung basierenden Ansatz zur Schätzung zeitlicher und räumlicher Trends sowie mit der Umwandlung von Raum- und Zeitdaten in eine 3D-Form, um die komplexe Diffusion von Konfliktmustern zu analysieren. Darüber hinaus untersucht das Panel neue Datenquellen, Modellierungsansätze und Möglichkeiten zur Verbesserung der Transparenz bei der Erkennung bestimmter Konfliktereignisse.